CN102606891B - 漏水检测仪及检测系统、及检测方法 - Google Patents

Abstract

一种漏水检测仪、检测系统及检测方法，包括采集装置：采集声音信号进行预处理；处理装置：对声音信号进行傅里叶变换，进行频率分析与计算，提取声音信号的特征，对声音信号进行功率谱估计，功率谱估计分析信号的频率成分，根据功率谱的峰值及带宽判断是否有泄漏产生；上述的漏水检测仪、检测系统简单且检测精确，通过快速傅里叶函数变换和功率谱分析，用模式识别方法识别出漏水故障，使维护人员能尽快排除故障，更换水管，避免浪费，保证了供水质量，减少了经济损失；避免因供水漏水检测困难所造成的浪费问题，检测方法精确便于控制。

Description

漏水检测仪及检测系统、及检测方法

技术领域

本发明涉及检测技术，特别是涉及一种供水管道或供水管网的漏水检测仪以及具有该检测仪的检测系统及检测方法。

背景技术

水资源关系着城市各行各业、千家万户，由于水资源不可替代，人们想尽办法进行节水、省水。城市供水一直是城市经济发展和人民生活的重要基础设施，具有极重要的地位，对城市发展具有全局性和先导性的影响。在保证供水安全可靠的前提下，解决供水管道或供水管网漏损严重的问题成为长期困扰世界供水行业的一大难题。

目前我国多数城市采用被动检漏法或以此法为主。检漏手段也基本上还是人工方法，由有经验的工人借助简单的听漏仪(声音放大器)沿管线路面逐米听测地下因泄漏引起的声响。这种原始的人工听漏方法可靠性低，抗干扰性差，通常需在深夜工作，需要耗费大量人力，听漏经验的积累需数年的实践经验且难以训练和传教。

基于此，为提高检漏技术，根据已有的经验逐步建立了一些检测方法。现有的管道检测方法一般分外部和内部检测两种。内部检测法采用基于磁通、超声、涡流、录像等技术的管内投球，检测较准确但体积庞大只适于大口径管道，基于内部检测法的仪器一般设计成清管器型，这种结构易发生堵塞，而造成整个供述管道或供水网络停运严重事故，且耗费较大，不适于供水管道网检测。外部检测法如沿管巡视、流量差法、压力差法和负压波法等费用较低，但精度也较低。

发明内容

基于此，有必要提供一种能准确检测漏水的漏水检测仪。

同时，提供一种能准确检测漏水的漏水检测系统。

同时，提供一种能准确检测漏水的漏水检测方法。

一种漏水检测仪，包括：

采集装置：采集管道漏水引起的管道振动的声音信号进行预处理；

处理装置：对声音信号进行傅里叶变换，进行频率分析与计算，提取声音信号的特征，对声音信号进行功率谱估计，功率谱估计分析信号的频率成分，根据功率谱的峰值及带宽判断是否有泄漏产生；

其中，所述功率谱估计包括如下过程：

估计随机信号的分析频率范围，过滤信号中分析频率范围外的高频成分，取最高分析频率的3-4倍确定随机信号的采样频率,确定采样时间的长短；

根据所需的频率分辨率带宽，确定快速傅里叶变换的数据长度

其中f_s为采样频率，将随机信号以快速傅里叶变换的数据长度N_FFT为单元分段，分段后的声音信号所形成的数据段之间部分重叠，消除每个数据段的趋势项，选取窗函数对每个数据段进行加窗处理；

利用快速傅里叶变换算法对数据段作离散傅里叶变换，取每一个数据段变换结果幅值的平方，并除以快速傅里叶变换的数据长度N_FFT作为功率谱函数的一次估计，将每次功率谱函数估计的对应数据累加起来并除以累计次数，得到功率谱函数的估计。

在优选的实施例中，若处理装置判断有泄漏产生则执行漏点定位步骤：分析时延信息，根据两个传感器传输的声音数据信号计算泄漏点位置：L＝(D-τ₀×V)/2或D-L＝(D+τ₀×V)/2

其中：L为漏水点到其中一个传感器的距离，D为两个传感器之间的距离，τ₀为延时时间或位移，V为声音信号在该管道中的传播速度。

在优选的实施例中，所述功率谱估计包括如下过程：估计随机信号的分析频率范围，过滤信号中分析频率范围外的高频成分，取最高分析频率的3-4倍确定随机信号的采样频率；根据所需的频率分辨率带宽，确定快速傅里叶变换的数据长度

其中f_s为采样频率，将随机信号以快速傅里叶变换的数据长度为单元分段，分段后的声音信号所形成的数据段之间部分重叠，消除每个数据段的趋势项，选取窗函数对每个数据段进行加窗处理，利用快速傅里叶变换算法对数据段作离散傅里叶变换，取每一个数据段变换结果幅值的平方，并除以快速傅里叶变换的数据长度N_FFT作为功率谱函数的一次估计，将每次功率谱函数估计的对应数据累加起来并除以累计次数，得到功率谱函数的估计。

在优选的实施例中，每一段数据段的功率谱密度函数估计为：

其中式中

为归一化因子，N为每一段的数据段的长度，ω(n)为窗函数，表示第i段的功率谱，xⁱ(n)代表第i段的采集数据，

表示从时域到频域的傅里叶变换；在将声音信号进行分段时，将数据段之间有重叠，数据段之间重叠的部分为数据段数长度的50%。

在优选的实施例中，功率谱反映单位频率带内信号的功率大小，为频率的函数，功率谱与相关函数是一对傅立叶变换，功率谱以P(ω)表示，即：

$P_x\left(\mathrm{\ω}\right)={\∫}_{-\∞}^{\∞}{R}_{\mathrm{xx}}\left(\mathrm{\τ}\right)e^{-\mathrm{j\ωt}}\mathrm{d\τ}$

$R_{\mathrm{xx}}\left(t\right)=\frac{1}{2\mathrm{\π}}{\∫}_{-\∞}^{\∞}{P}_x\left(\mathrm{\ω}\right)e^{\mathrm{j\ωt}}\mathrm{d\ω}.$

在优选的实施例中，所述处理装置分析时延信息的过程：采集装置检测的相对两个或两部分信号进行相关性分析，找出相对的两个或两部分信号之间的相关函数关系，根据相关性进行检测和提取，根据相关函数进行统计计算，找出相关函数出现极值所对应的延时量。

在优选的实施例中，所述采集装置包括第一采集装置、第二采集装置，所述第一、第二采集装置分别设置在漏水点的相对两端或单元管道的两端，设第一、第二采集装置检测到的声音信号样本函数分别为A(t)、B(t)，表示如下：

A(t)＝f(t)+N_A(t)

B(t)＝f(t+τ)+N_B(t)

其中：N_A(t)和N_B(t)分别为第一采集装置所在位置、第二采集装置所在位置的噪声信号；t为第一采集装置检测到的泄漏信号时刻，t+τ为第二采集装置检测到泄漏信号的时刻；

对A(t)、B(t)进行相关运算:

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}A\left(t\right)B(t+\mathrm{\τ})\mathrm{dt}=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^T[f\left(t\right)+N_A\left(t\right)][f(t+\mathrm{\τ})+N_B\left(t\right)]\mathrm{dt}$

泄露信号与噪声信号相互独立不相关，噪声信号N_A(t)和N_B(t)完全不相关，则：

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}f\left(t\right)f(t+\mathrm{\τ})\mathrm{dt}$

当相关函数R_AB(τ)达到峰值时，所对应的τ值正好与两个采集装置检测到的泄漏信号的时间差相一致，相关函数R_AB(τ)在τ＝τ₀处取得极大值的必要条件是R_AB(τ)在τ₀处得导数R_AB′(τ₀)=0，求出τ₀。

在优选的实施例中，所述漏点定位过程前还包括如下过程：

提示是否需要测速，若接收到需要测速信息则进入到速度测试程序，根据管道的材质及直径计算声音信号在管道中的传播速度，测速完成进行数据处理，进入漏点定位步骤；

否则若接收到不需要测速信息则提示输入管道参数信息，当接收到管道的参数信息则处理输入数据信息调用内部存储的相应管道的管道速率，进入漏点定位。

一种漏水检测系统，包括：漏水检测仪及与所述漏水检测仪通信连接的监控终端；所述漏水检测仪包括：

采集装置：采集声音信号并进行预处理，

处理装置：对预处理后的声音信号进行傅里叶变换，并进行频率分析与计算，提取声音信号的特征，对声音信号的功率谱进行估计，功率谱估计分析信号的主要频率成分，根据功率谱图的峰值及带宽判断是否有泄漏产生。

在优选的实施例中，所述采集装置包括第一采集装置、第二采集装置，若所述处理装置判断有泄漏产生则执行漏点定位过程：分析时延信息，根据两个采集装置传输的声音数据信号计算泄漏点位置：L＝(D-τ₀×V)/2或者D-L＝(D+τ₀×V)/2

其中：L为漏水点到第二采集装置的距离，D为第一与第二采集装置之间的距离，τ0为延时时间或位移，V为声音信号在该管道中的传播速度。

在优选的实施例中，所述漏水检测仪作为网络节点与监控终端组成监控网络，所说采集装置包括在管道的预定位置放置检测声音信号的传感器，所述处理装置包括与所述传感器通信连接的变送器。

在优选的实施例中，所述变送器包括主、从机，所述从机将接收到的采集装置采集的声音信号传输给所述主机，并通过主机传输给监控终端；所述主机与从机之间及所述主机与监控终端之间无线传输通信。

在优选的实施例中，所述功率谱估计包括如下过程：估计随机信号的分析频率范围，过滤信号中分析频率范围外的高频成分，取最高分析频率的3-4倍确定随机信号的采样频率；根据所需的频率分辨率带宽，确定快速傅里叶变换的数据长度

其中f_s为采样频率，将随机信号以快速傅里叶变换的数据长度为单元分段，分段后的声音信号所形成的数据段之间部分重叠，消除每个数据段的趋势项，选取窗函数对每个数据段进行加窗处理，利用快速傅里叶变换算法对数据段作离散傅里叶变换，取每一个数据段变换结果幅值的平方，并除以快速傅里叶变换的数据长度N_FFT作为功率谱函数的一次估计，将每次功率谱函数估计的对应数据累加起来并除以累计次数，得到功率谱函数的估计。

在优选的实施例中，每一段数据段的功率谱密度函数估计为：

其中式中 $U=\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\mathrm{\ω}}^2\left(n\right)$ 为归一化因子，N为每一段的数据段的长度；在将声音信号进行分段时，将数据段之间有重叠，数据段之间重叠的部分为数据段数长度的50%，所述功率谱反映单位频率带内信号的功率大小，为频率的函数，功率谱与相关函数是一对傅立叶变换，功率谱以P(ω)表示，即：

$P_x\left(\mathrm{\ω}\right)={\∫}_{-\∞}^{\∞}{R}_{\mathrm{xx}}\left(\mathrm{\τ}\right)e^{-\mathrm{j\ωt}}\mathrm{d\τ}$

$R_{\mathrm{xx}}\left(t\right)=\frac{1}{2\mathrm{\π}}{\∫}_{-\∞}^{\∞}{P}_x\left(\mathrm{\ω}\right)e^{\mathrm{j\ωt}}\mathrm{d\ω}.$

在优选的实施例中，所述处理装置分析时延信息的过程：采集装置检测的相对两个或两部分信号进行相关性分析，找出相对的两个或两部分信号之间的相关函数关系，根据相关性进行检测和提取，根据相关函数进行统计计算，找出相关函数出现极值所对应的延时量。

在优选的实施例中，所述第一、第二采集装置分别设置在漏水点的相对两端或单元管道的两端，设第一、第二采集装置检测到的声音信号样本函数分别为A(t)、B(t)，表示如下：

A(t)＝f(t)+N_A(t)

B(t)＝f(t+τ)+N_B(t)

其中：N_A(t)和N_B(t)分别为第一采集装置所在位置、第二采集装置所在位置的噪声信号；t为第一采集装置检测到的泄漏信号时刻，t+τ为第二采集装置检测到泄漏信号的时刻；

对A(t)、B(t)进行相关运算:

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}A\left(t\right)B(t+\mathrm{\τ})\mathrm{dt}=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^T[f\left(t\right)+N_A\left(t\right)][f(t+\mathrm{\τ})+N_B\left(t\right)]\mathrm{dt}$

泄露信号与噪声信号相互独立不相关，噪声信号N_A(t)和N_B(t)完全不相关，则：

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}f\left(t\right)f(t+\mathrm{\τ})\mathrm{dt}$

当相关函数R_AB(τ)达到峰值时，所对应的τ值正好与两个采集装置检测到的泄漏信号的时间差相一致，相关函数R_AB(τ)在τ＝τ₀处取得极大值的必要条件是R_AB(τ)在τ₀处得导数R_AB′(τ₀)=0，求出τ₀。

在优选的实施例中，所述漏点定位过程前还包括测速选择过程：

处理装置控制输入提示是否需要测速，若接收到需要测速信息则进入到速度测试程序，根据管道的材质及直径计算声音信号在管道中的传播速度，测速完成进行数据处理，进入漏点定位步骤；否则若接收到不需要测速信息则提示输入管道参数信息，当接收到管道的参数信息则处理输入数据信息调用内部存储的相应管道的管道速率，进入漏点定位。

一种漏水检测方法，包括如下步骤：

信号采集：采集管道漏水引起的管道振动的声音信号并进行预处理，

功率谱估计：对预处理后的声音信号进行傅里叶变换，并进行频率分析与计算，对声音信号进行功率谱估计，分析信号的频率成分，根据功率谱的峰值及带宽判断是否有泄漏产生；若判断有泄漏产生还包括漏点定位步骤：分析时延信息，定位漏点位置，根据两个不同位置的声音数据信号计算泄漏点位置：L＝(D-τ₀×V)/2

或者D-L＝(D+τ₀×V)/2

其中：L为漏水点到其中一个采集装置的距离，D为两个采集装置之间的距离，τ₀为两个采集装置检测到泄漏信号的时间差，V为声音信号在管道中的传播速度；

其中，所述功率谱估计包括如下过程：

估计随机信号的分析频率范围，过滤信号中分析频率范围外的高频成分，取最高分析频率的3-4倍确定随机信号的采样频率,确定采样时间的长短；

根据所需的频率分辨率带宽，确定快速傅里叶变换的数据长度

其中f_s为采样频率，

为频率分辨率，将随机信号以快速傅里叶变换的数据长度N_FFT为单元分段，分段后的声音信号所形成的数据段之间部分重叠，消除每个数据段的趋势项，选取窗函数对每个数据段进行加窗处理；

利用快速傅里叶变换算法对数据段作离散傅里叶变换，取每一个数据段变换结果幅值的平方，并除以快速傅里叶变换的数据长度N_FFT作为功率谱函数的一次估计，将每次功率谱函数估计的对应数据累加起来并除以累计次数，得到功率谱函数的估计。

在优选的实施例中，若判断有泄漏产生还包括漏点定位步骤：分析时延信息，定位漏点位置，根据两个不同位置的声音数据信号计算泄漏点位置：L＝(D-τ₀×V)/2

或者D-L＝(D+τ₀×V)/2

其中：L为漏水点到其中一个采集装置的距离，D为两个采集装置之间的距离，τ0为两个采集装置检测到泄漏信号的时间差，V为声音信号在该管道中的传播速度。

在优选的实施例中，功率谱估计包括如下步骤：将声音信号中的随机信号分段，允许每段信号有部分重叠，分别求出每段信号的功率谱，然后加以平均。

在优选的实施例中，功率谱估计还包括如下步骤：估计随机信号的分析频率范围，过滤信号中分析频率范围外的高频成分，取最高分析频率的3-4倍确定随机信号的采样频率；根据所需的频率分辨率带宽，确定快速傅里叶变换的数据长度

其中f_s为采样频率，将随机信号以快速傅里叶变换的数据长度为单元分段，分段后的声音信号所形成的数据段之间部分重叠，消除每个数据段的趋势项，选取窗函数对每个数据段进行加窗处理，利用快速傅里叶变换算法对数据段作离散傅里叶变换，取每一个数据段变换结果幅值的平方，并除以快速傅里叶变换的数据长度N_FFT作为功率谱函数的一次估计，将每次功率谱函数估计的对应数据累加起来并除以累计次数，得到功率谱函数的估计。

在优选的实施例中，每一段数据段的功率谱密度函数估计为：

其中式中

为归一化因子，N为每一段的数据段的长度，ω(n)为窗函数，表示第i段的功率谱，xⁱ(n)代表第i段的采集数据，

表示从时域到频域的傅里叶变换；在将声音信号进行分段时，将数据段之间有重叠，数据段之间重叠的部分为数据段数长度的50%。

在优选的实施例中，根据功率谱分析确定滤波的上下截止频率，所述功率谱反映单位频率带内信号的功率大小，为频率的函数，功率谱与相关函数是一对傅立叶变换，功率谱以P(ω)表示，即：

$P_x\left(\mathrm{\ω}\right)={\∫}_{-\∞}^{\∞}{R}_{\mathrm{xx}}\left(\mathrm{\τ}\right)e^{-\mathrm{j\ωt}}\mathrm{d\τ}$

$R_{\mathrm{xx}}\left(t\right)=\frac{1}{2\mathrm{\π}}{\∫}_{-\∞}^{\∞}{P}_x\left(\mathrm{\ω}\right)e^{\mathrm{j\ωt}}\mathrm{d\ω}$

在优选的实施例中，对检测的相对两个或两部分信号进行相关性分析，找出相对的两个或两部分信号之间的相关函数关系，根据相关性进行检测和提取，根据相关函数进行统计计算，找出相关函数出现极值所对应的延时量。

在优选的实施例中，设检测到的声音信号样本函数分别为A(t)、B(t)，表示如下：

A(t)＝f(t)+N_A(t)

B(t)＝f(t+τ)+N_B(t)

其中：N_A(t)和N_B(t)分别为第一传感器所在位置的噪声信号、第二传感器所在位置的噪声信号；t为第一传感器检测到的泄漏信号时刻，t+τ为第二传感器检测到泄漏信号的时刻；

对A(t)、B(t)进行相关运算:

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}A\left(t\right)B(t+\mathrm{\τ})\mathrm{dt}=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^T[f\left(t\right)+N_A\left(t\right)][f(t+\mathrm{\τ})+N_B\left(t\right)]\mathrm{dt}$

泄露信号与噪声信号相互独立不相关，噪声信号N_A(t)和N_B(t)完全不相关，则：

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}f\left(t\right)f(t+\mathrm{\τ})\mathrm{dt}$

当相关函数R_AB(τ)达到峰值时，所对应的τ值正好与两个传感器检测到的泄漏信号的时间差相一致，相关函数R_AB(τ)在τ＝τ₀处取得极大值的必要条件是R_AB(τ)在τ₀处得导数R_AB′(τ₀)=0，求出τ₀。

在优选的实施例中，所述漏点定位步骤前还包括如下步骤：

提示是否需要测速，若接收到需要测速信息则进入到速度测试程序测试声音信号在管道中的传播速度，测速完成进行数据处理，进入漏点定位步骤；

否则若接收到不需要测速信息则直接进入到漏点定位步骤。

在优选的实施例中，所述漏点定位步骤前还包括：提示输入管道参数的步骤，当接收到管道的参数信息则调用内部存储的相应管道的管道速率。

在优选的实施例中，漏点位置计算完成显示输出漏点声音信号波形、漏点定位位置，提示是否进行重新测量。

上述的漏水检测仪、检测系统及检测方法，采用采集装置采集声音信号进行预处理，将声音信号进行傅里叶函数变换，抽取特征，进行频率分析与计算，对声音信号进行功率谱估计，分析信号的频率成分，根据功率谱的峰值及带宽判断是否有泄漏产生；该漏水检测仪及组成的检测系统简单且检测精确，通过快速傅里叶函数变换和功率谱分析，用模式识别方法识别出漏水故障，使维护人员能尽快排除故障，更换水管，避免浪费，保证了供水质量，减少了经济损失；避免因供水漏水检测困难所造成的浪费问题，且检测效率高。

附图说明

图1为本发明一实施例的漏水检测仪的示意图；

图2为本发明一实施例的漏水检测系统的示意图；

图3a为本发明一测试实例的功率谱图；

图3b为本发明另一检测实例的功率谱图；

图4为本发明一实施例的漏水检测方法流程示意图；

图5为本发明一实施例的漏水检测方法的功率谱估计过程的流程示意图；

图6为本发明另一实施例的漏水检测方法流程示意图。

具体实施方式

如图1所示，本发明一实施例的漏水检测仪104采集、比较供水管道（或单元供水管道）两个不同点的噪声，包括：采集装置20、处理装置40。采集装置20：采集声音信号进行预处理。处理装置40：对声音信号进行傅里叶函数变换，进行频率分析与计算，提取声音信号的特征，对声音信号的功率谱进行估计，功率谱估计分析信号的主要频率成分，根据功率谱图的峰值及带宽判断是否有泄漏产生。如图3a为检测点存在漏水的记录结果，其峰值(Level)很高，带宽(Spread)很小。图3b中，峰值(Level)很小，带宽(Spread)较大，为无漏水情况存在的记录结果。声音信号的预处理包括滤波处理。本实施例中，采集装置可采用传感器实现。处理装置可采用变送器实现。本实施例中，单元管道中设置有两个传感器，即第一传感器22、第二传感器24。变送器包括主机42、及从机44。从机44根据需要设置有多个，并与主机42形成主、从网络。

同时根据傅里叶函数变换后声音信号（音频信号）提取或挖掘核心特征，将水流状况分类，建立模式识别样本。

声音信号（音频信号）可以用时间函数在时域对它进行描述和分析，也可以用频率函数在频域进行描述和分析。前者表征的是信号的时间特性，后者表征的是信号频率特性。对于周期或非周期的确定信号，可以采用傅立叶函数变换进行频域分析与计算。但泄漏信号属于随机信号，为持续时间无限长，具有无限能量的功率信号，不满足一般傅立叶函数变换的条件，因而不能像确定信号（能量信号）那样直接用频谱函数或频谱密度函数在频域进行分析和描述。于是采用功率谱（即功率密度谱）作为在频谱内描述随机信号泄漏信号统计规律的重要特征参量。

一般管道泄漏时产生的泄漏信号（声音信号）的频率是与管道的材质、泄漏的孔径大小等因素有密切关系的。对于塑料管材的管道，当泄漏发生时，产生的泄漏声信号的频率主要在5Hz～100Hz。而对于铸铁、钢等金属管材的管道，其泄漏声信号的频率主要在200Hz～2000Hz。因此在采集装置或听音棒进行泄漏检测的同时，可以根据采集的声音信号（音频信号）的功率谱的分布和具体的管材来判断是否有泄漏发生。

功率谱估计的可采用直接法。直接法是利用快速傅立叶变换（FFT）算法对有限长度的样本数据进行傅里叶函数变换得到功率谱，又叫周期图法。建立在傅立叶函数变换能量定理基础上的经典的周期图方法能够快速的实现随机信号的功率谱估计，解决了间接法的运算量大的确定。但基本的周期图估计方法的估计方差比较大，而且方差不会随着数据长度的增加而减小，效果不是很好。

本实施例中对功率谱估计采用将随机信号的数据分为若干段，并允许每段数据有部分重叠，分别求出每段数据的功率谱，然后加以平均。由于在处理过程中使用了快速傅立叶变换（FFT），因此使用该方法计算功率谱密度函数估计是非常迅速的。并通过采用平均法来降低功率谱密度函数估计的方差。

本实施例中对功率谱估计的具体过程如下：

1、估计随机信号的分析频率范围，采用模拟低通抗混叠滤波器滤掉信号中分析频率范围以外的高频成分。取最高分析频率的3～4倍确定随机信号的采样频率f_s，确定采样时间的长短，保证能有足够的平均次数来获得这些频域函数较为可靠的估计，然后对随机信号进行采集。

2、根据所需频率分辨率的带宽，确定快速傅立叶变换的数据长度

将随机信号分为长度为N_FFT的若干数据段，数据段之间可以有一部分重叠，本实施例中可选取数据长度的50%重叠。然后消除每个数据段的趋势项并选取适当的窗函数并对数据段进行加窗处理。信号的趋势项为偏离基线随时间变化的整个过程。

3、用快速傅立叶函数变换算法（FFT）对每个数据段作离散傅立叶变换，取每一个数据段变换结果幅值的平方，并除以快速傅立叶变换的数据长度N_FFT作为功率谱函数（即功率谱密度函数）的一次估计。将每次功率谱函数（即功率谱密度函数）估计的对应数据累加起来并除以累计次数，最后得到功率谱函数（即功率谱密度函数）的估计。

上述对功率谱估计的周期法对基本周期图法进行了两方面的修正，一是选择合适的窗函数ω(n)，并在周期图计算前直接加入，这样得到的每一段的功率谱函数（即功率谱密度函数）估计为：

式中

为归一化因子，N为每一段的数据长度。本实施选择的窗函数为加窗函数，加窗函数的优点是无论采用什么窗函数都使功率谱估计是非负的。二是将声音信号（音频信号）进行数据分段时，使各段数据之间有重叠，这样可以充分利用信号的信息，减小估计的方差。

功率谱（即功率谱密度），反映了单位频率带内信号功率的大小，是频率的函数，以P(ω)表示。根据维纳-欣钦定理，对于平稳随机信号，功率谱与相关函数是一对傅立叶变换，即：

$P_x\left(\mathrm{\ω}\right)={\∫}_{-\∞}^{\∞}{R}_{\mathrm{xx}}\left(\mathrm{\τ}\right)e^{-\mathrm{j\ωt}}\mathrm{d\τ}$

$R_{\mathrm{xx}}\left(t\right)=\frac{1}{2\mathrm{\π}}{\∫}_{-\∞}^{\∞}{P}_x\left(\mathrm{\ω}\right)e^{\mathrm{j\ωt}}\mathrm{d\ω}$

本实施例中，采用两个传感器双通道采集泄漏声信号，由于泄漏声信号是随机的信号，因此信号的频域分析就是对信号进行功率谱估计，根据功率谱的分布，确定信号的主要信号成分，判断是否有泄漏产生以及确定整个漏水检测系统中的带通滤波器的上下截至频率。

人可以听到的声音信号频率范围在20-20kHz之间，首选采集装置接收到该频率范围的声音信号，将采集的声音信号由模拟信号变为数字信号，通过分析声音产生的原因和规律，利用漏水声音信号的特点和相干性，检测被覆盖的漏水声音信号。

当供水管道发生漏水时，漏水产生的声音信号以不变的速率沿着管壁向两端传输。传感器采集因漏水造成管道振动的声音信号并转换为电信号，该信号经过放大、滤波传送至变送器进行处理及波形分析。如果漏点与两个传感器等距，这两个传感器会同时接收到漏水噪声；相反，如果漏电与两个传感器的距离不相等，传感器就会在不同的时间接收到漏水噪声，通过相关计算出这个时间的差异。由于声速可以根据管道的材质和直径计算出来，而传感器之间的距离又是可以测量的，就可以通过分析计算并显示出漏点位置。同时通过波形判断漏水强度。

本实施例中，传感器包括第一传感器、第二传感器。第一、第二传感器分别设置在漏水点的相对两端或管道的两端或单元管道的两端。

若处理装置40判断有泄漏产生则分析时延信息，根据两个传感器传输的声音数据信号计算泄漏点位置：L＝(D-τ₀×V)/2或D-L＝(D+τ₀×V)/2。其中：L为漏水点到其中一个传感器的距离，D为两个传感器之间的距离，τ0为延时时间或位移，V为声音信号在该管道中的传播速度。

处理装置40分析时延信息的过程：传感器检测的相对两个或两部分信号进行相关性分析，找出相对的两个或两部分信号之间的相关函数关系，根据相关性进行检测和提取，根据相关函数进行统计计算，找出相关函数出现极值所对应的延时量。

对于两个不同函数f₁(t)和f₂(t)，积分

就称为f₁(t)和f₂(t)的互相关函数，用记号R₁₂(τ)表示，则R₂₁(τ)表示

当f₁(t)=f₂(t)=f(t)时，积分

称为函数f(t)的自相关函数（简称相关函数），用R(τ)表示。即

$R\left(\mathrm{\τ}\right)={\∫}_{-\∞}^{+\∞}f\left(t\right)f(t+\mathrm{\τ})\mathrm{dt}$

现定义x(t)和y(t)为两个常见的平稳性随机信号，相关函数可以用足够长的统计时间T内的时间历程样本x(t)和y(t)乘积的时间平均来计算，即

$R_{\mathrm{xy}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}x\left(t\right)y(t+\mathrm{\τ})\mathrm{dt}$

式中τ为延时时间（或位移）。

相关函数（归一化相关函数）则为

$R_{\mathrm{xy}}\left(\mathrm{\τ}\right)=R_{\mathrm{xy}}\left(\mathrm{\τ}\right)/\sqrt{R_{\mathrm{xx}}\left(0\right)R_{\mathrm{yy}}\left(0\right)}$

式中R_xx(0)和R_yy(0)分别为信号x(t)和y(t)在零点的自相关函数。相关性分析能从采集的声音信号中找出信号两部分之间或两个信号之间的函数关系，并根据相关性进行检测和提取。利用相关函数（或相关系数）的统计计算，找出相关函数出现极值所对应的延时量τ₀。

如图2所示，根据管道泄漏检测原理图，假设管道在C点发生泄露，泄露发生后，在泄露处将引起压力突降，产生一个以C点为泄漏源的振动声音信号（声波信号），该声音信号（声波信号）将以一定的速度V向管道两端传播，安装在管道两端A、B处的传感器22和传感器24分别在t和（t+τ）时刻检测到这个信号（此处假设泄漏点距离两个传感器饿距离（D-L）>L），由于同时也有外部噪声的影响，设A、B处传感器测得的信号样本函数分别为A(t)、B(t)，因而可表示为以下形式：

A(t)＝f(t)+N_A(t)

B(t)＝f(t+τ)+N_B(t)

其中N_A(t)和N_B(t)分别为A、B点的背景噪声。

对A(t)、B(t)进行相关运算:

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}A\left(t\right)B(t+\mathrm{\τ})\mathrm{dt}=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^T[f\left(t\right)+N_A\left(t\right)][f(t+\mathrm{\τ})+N_B\left(t\right)]\mathrm{dt}$

为了处理数据方便，一般认为泄露信号与噪声信号相互独立不相关，噪声信号N_A(t)和N_B(t)完全不相关，那么，

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}f\left(t\right)f(t+\mathrm{\τ})\mathrm{dt}$

当相关函数R_AB(τ)达到峰值时，所对应的τ值正好与两个传感器检测到的信号的时间差相一致。相关函数R_AB(τ)在τ＝τ₀处取得极大值的必要条件是R_AB(τ)在τ₀处得导数R_AB′(τ₀)=0，由此求出τ₀，再测出两个传感器之间的实际长度D和声波在该管道德传播速度V，泄漏点C的位置就可以用下面的公式计算出来：

L＝(D-τ₀×V)/2

或者

D-L＝(D+τ₀×V)/2。

漏点定位过程前还包括如下过程：处理装置控制输出提示信息，提示是否需要测速，若接收到需要测速信息则进入到速度测试程序，根据管道的材质及直径计算声音信号在管道中的传播速度，测速完成进行数据处理，进入漏点定位过程；否则若接收到不需要测速信息则提示输入管道参数信息，当接收到管道的参数信息则处理输入数据信息调用内部存储的相应管道的管道速率，进行数据处理进入漏点定位过程。

本实施例的漏水检测仪104需要对声音信号（即音频信号）数据进行傅立叶函数变换处理，并支持向量机模式识别算法，运算量较大，处理装置40包括单片机和DSP。其中单片机负责声音信号（音频信号）的采集、传输和命令信息接收等功能；DSP负责声音信号（音频数据）的傅立叶函数变换处理，支持向量模式识别运算，以保证本发明的漏水检测系统的实时信息处理能力。

如图2所示，本发明一实施例的漏水检测系统100，包括：上述的漏水检测仪104及与漏水检测仪104通信连接的监控终端102。监控终端102与漏水检测仪104无线通信，实现远程监控、控制。

漏水检测仪104作为网络节点与监控终端组成监控网络，实时采集供水管网的漏水情况，漏水检测仪之间采用无线传感器技术连接，实现基于物联网的供水管道网络漏水故障监测系统，不需要铺设有线网络，降低了系统成本；采用无线传感器网络进行数据传输，而不采用GPRS网络，降低了通讯费用；而且漏水检测仪作为一个网络节点，可以灵活安装和更换位置，系统灵活性强。

如图1至图2所示，漏水检测仪104包括：采集装置20、处理装置40。采集装置20：采集声音信号进行预处理。处理装置40：对声音信号进行傅里叶函数变换，进行频率分析与计算，提取声音信号的特征，对声音信号的功率谱进行估计，功率谱估计分析信号的主要频率成分，根据功率谱的峰值及带宽判断是否有泄漏产生。如图3a及3b所示的功率谱图。图3a中，为检测点存在漏水情况的记录结果，其峰值(Level)很高，带宽(Spread)很小。图3b中，峰值(Level)很小，带宽(Spread)较大，为无漏水情况存在的记录结果。声音信号的预处理包括滤波处理。本实施例中，采集装置可采用传感器实现。处理装置可采用变送器实现。

同时处理装置40根据傅里叶变换后声音信号（音频信号）提取或挖掘核心特征，将水流状况分类，建立模式识别样本。

本实施例中，采集装置20包括在管道的预定位置设置的检测声音信号的传感器。处理装置采用与传感器通信连接的变送器。变送器包括主、从机42、44。从机44将接收到的传感器采集的声音信号传输给主机42，并通过主机42传输给监控终端102。主机42与从机44之间、及主机42与监控终端102之间无线传输通信。也可将于主机42通信连接的传感器直接将采集的声音信号传输给主机42。主机42上设置有显示屏422、及操作按键424。

如图2所示，本发明一实施例的漏水检测系统100，可设置一个主机42及多个从机44组成检测网络。

功率谱估计的可采用直接法。直接法是利用快速傅立叶变换（FFT）算法对有限长度的样本数据进行傅里叶函数变换得到功率谱，又叫周期图法。建立在傅立叶函数变换能量定理基础上的经典的周期图方法能够快速的实现随机信号的功率谱估计，解决了间接法的运算量大的确定。但基本的周期图估计方法的估计方差比较大，而且方差不会随着数据长度的增加而减小，效果不是很好。

本实施例中对功率谱估计采用将随机信号的数据分为若干段，并允许每段数据有部分重叠，分别求出每段数据的功率谱，然后加以平均。由于在处理过程中使用了快速傅立叶变换（FFT），因此使用该方法计算功率谱密度函数估计是非常迅速的。并通过采用平均法来降低功率谱密度函数估计的方差。

本实施例中对功率谱估计的具体过程如下：

1、估计随机信号的分析频率范围，采用模拟低通抗混叠滤波器滤掉信号中分析频率范围以外的高频成分。取最高分析频率的3～4倍确定随机信号的采样频率f_s，确定采样时间的长短，保证能有足够的平均次数来获得这些频域函数较为可靠的估计，然后对随机信号进行采集。

2、根据所需频率分辨率的带宽，确定快速傅立叶变换的数据长度

将随机信号分为长度为N_FFT的若干数据段，数据段之间可以有一部分重叠，本实施例中可选取数据长度的50%重叠。然后消除每个数据段的趋势项并选取适当的窗函数并对数据段进行加窗处理。信号的趋势项为偏离基线随时间变化的整个过程。

3、用快速傅立叶函数变换算法（FFT）对每个数据段作离散傅立叶变换，取每一个数据段变换结果幅值的平方，并除以快速傅立叶变换的数据长度N_FFT作为功率谱函数（即功率谱密度函数）的一次估计。将每次功率谱函数（即功率谱密度函数）估计的对应数据累加起来并除以累计次数，最后得到功率谱函数（即功率谱密度函数）的估计。

上述对功率谱估计的周期法对基本周期图法进行了两方面的修正，一是选择合适的窗函数ω(n)，并在周期图计算前直接加入，这样得到的每一段的功率谱函数（即功率谱密度函数）估计为：

式中

为归一化因子，N为每一段的数据长度。本实施选择的窗函数为加窗函数，加窗函数的优点是无论采用什么窗函数都使功率谱估计是非负的。二是将声音信号（音频信号）进行数据分段时，使各段数据之间有重叠，这样可以充分利用信号的信息，减小估计的方差。

功率谱（即功率谱密度），反映了单位频率带内信号功率的大小，是频率的函数，以P(ω)表示。根据维纳-欣钦定理，对于平稳随机信号，功率谱与相关函数是一对傅立叶变换，即：

$P_x\left(\mathrm{\ω}\right)={\∫}_{-\∞}^{\∞}{R}_{\mathrm{xx}}\left(\mathrm{\τ}\right)e^{-\mathrm{j\ωt}}\mathrm{d\τ}$

$R_{\mathrm{xx}}\left(t\right)=\frac{1}{2\mathrm{\π}}{\∫}_{-\∞}^{\∞}{P}_x\left(\mathrm{\ω}\right)e^{\mathrm{j\ωt}}\mathrm{d\ω}$

本实施例中，采用两个传感器双通道采集泄漏声信号，由于泄漏声信号是随机的信号，因此信号的频域分析就是对信号进行功率谱估计，根据功率谱的分布，确定信号的主要信号成分，判断是否有泄漏产生以及确定整个漏水检测系统中的带通滤波器的上下截至频率。

人可以听到的声音信号频率范围在20-20kHz之间，首选采集装置接收到该频率范围的声音信号，将采集的声音信号由模拟信号变为数字信号，通过分析声音产生的原因和规律，利用漏水声音信号的特点和相干性，检测被覆盖的漏水声音信号。

当供水管道发生漏水时，漏水产生的声音信号以不变的速率沿着管壁向两端传输。采集装置20采集因漏水造成管道振动的声音信号并转换为电信号，该信号经过放大、滤波传送至变送器进行处理及波形分析。如果漏点与两个传感器等距，这两个传感器会同时接收到漏水噪声；相反，如果漏电与两个传感器的距离不相等，传感器就会在不同的时间接收到漏水噪声，通过相关计算出这个时间的差异。由于声速可以根据管道的材质和直径计算出来，而传感器之间的距离又是可以测量的，就可以通过分析计算并显示出漏点位置。同时通过波形判断漏水强度。

本实施例中，对检测同一漏水点的传感器包括第一传感器、第二传感器。第一、第二传感器相对同一漏水点的分别设置在相对两端，或管道的两端，或单元管道的两端。

若处理装置40判断有泄漏产生则分析时延信息，根据两个传感器传输的声音数据信号计算泄漏点位置：L＝(D-τ₀×V)/2或D-L＝(D+τ₀×V)/2。其中：L为漏水点到其中一个传感器的距离，D为两个传感器之间的距离，τ0为延时时间或位移，V为声音信号在该管道中的传播速度。

处理装置40分析时延信息的过程：传感器检测的相对两个或两部分信号进行相关性分析，找出相对的两个或两部分信号之间的相关函数关系，根据相关性进行检测和提取，根据相关函数进行统计计算，找出相关函数出现极值所对应的延时量。

对于两个不同函数f₁(t)和f₂(t)，积分

就称为f₁(t)和f₂(t)的互相关函数，用记号R₁₂(τ)表示，则R₂₁(τ)表示

当f₁(t)=f₂(t)=f(t)时，积分

称为函数f(t)的自相关函数（简称相关函数），用R(τ)表示。即

$R\left(\mathrm{\τ}\right)={\∫}_{-\∞}^{+\∞}f\left(t\right)f(t+\mathrm{\τ})\mathrm{dt}$

现定义x(t)和y(t)为两个常见的平稳性随机信号，相关函数可以用足够长的统计时间T内的时间历程样本x(t)和y(t)乘积的时间平均来计算，即

$R_{\mathrm{xy}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}x\left(t\right)y(t+\mathrm{\τ})\mathrm{dt}$

式中τ为延时时间（或位移）。

相关函数（归一化相关函数）则为

$R_{\mathrm{xy}}\left(\mathrm{\τ}\right)=R_{\mathrm{xy}}\left(\mathrm{\τ}\right)/\sqrt{R_{\mathrm{xx}}\left(0\right)R_{\mathrm{yy}}\left(0\right)}$

式中R_xx(0)和R_yy(0)分别为信号x(t)和y(t)在零点的自相关函数。相关性分析能从采集的声音信号中找出信号两部分之间或两个信号之间的函数关系，并根据相关性进行检测和提取。利用相关函数（或相关系数）的统计计算，找出相关函数出现极值所对应的延时量τ₀。

如图2所示，根据管道泄漏检测原理图，假设管道在C点发生泄露，泄露发生后，在泄露处将引起压力突降，产生一个以C点为泄漏源的振动声音信号（声波信号），该声音信号（声波信号）将以一定的速度V向管道两端传播，安装在管道两端A、B处的传感器22和传感器24分别在t和（t+τ）时刻检测到这个信号（此处假设泄漏点距离两个传感器饿距离（D-L）>L），由于同时也有外部噪声的影响，设A、B处传感器测得的信号样本函数分别为A(t)、B(t)，因而可表示为以下形式：

A(t)＝f(t)+N_A(t)

B(t)＝f(t+τ)+N_B(t)

其中N_A(t)和N_B(t)分别为A、B点的背景噪声。

对A(t)、B(t)进行相关运算:

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}A\left(t\right)B(t+\mathrm{\τ})\mathrm{dt}=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^T[f\left(t\right)+N_A\left(t\right)][f(t+\mathrm{\τ})+N_B\left(t\right)]\mathrm{dt}$

为了处理数据方便，一般认为泄露信号与噪声信号相互独立不相关，噪声信号N_A(t)和N_B(t)完全不相关，那么，

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}f\left(t\right)f(t+\mathrm{\τ})\mathrm{dt}$

当相关函数R_AB(τ)达到峰值时，所对应的τ值正好与两个传感器检测到的信号的时间差相一致。相关函数R_AB(τ)在τ＝τ₀处取得极大值的必要条件是R_AB(τ)在τ₀处得导数R_AB′(τ₀)=0，由此求出τ₀，再测出两个传感器之间的实际长度D和声波在该管道德传播速度V，泄漏点C的位置就可以用下面的公式计算出来：

L＝(D-τ₀×V)/2

或者

D-L＝(D+τ₀×V)/2。

漏点定位过程前还包括如下过程：处理装置控制输出提示信息，提示是否需要测速，若接收到需要测速信息则进入到速度测试程序，根据管道的材质及直径计算声音信号在管道中的传播速度，测速完成进行数据处理，进入漏点定位过程；否则若接收到不需要测速信息则提示输入管道参数信息，当接收到管道的参数信息则处理输入数据信息调用内部存储的相应管道的管道速率，进入漏点定位过程。

本实施例的漏水检测仪104需要对声音信号（即音频信号）数据进行傅立叶函数变换处理，并支持向量机模式识别算法，运算量较大。本实施例的处理装置40包括单片机和DSP。其中单片机负责声音信号（音频信号）的采集、传输和命令信息接收等功能；DSP负责声音信号（音频数据）的傅立叶函数变换处理，支持向量模式识别运算，以保证本发明的漏水检测系统的实时信息处理能力。

如图4及图6所示，本发明一实施例的上述漏水检测仪或漏水检测系统的漏水检测方法，包括如下步骤：

步骤S201：信号采集：采集声音信号并进行预处理。

步骤S203：功率谱估计：对预处理后的声音信号进行傅里叶变换，并进行频率分析与计算，对声音信号进行功率谱估计，分析信号的主要频率成分，根据功率谱图的峰值及带宽判断是否有泄漏产生。

本实施例的功率谱估计包括如下步骤：将声音信号中的随机信号分段，允许每段信号有部分重叠，分别求出每段信号的功率谱，然后加以平均。

如图5所示，进一步，功率谱估计优选的实施例如下：步骤S501：估计随机信号的分析频率范围，过滤信号中分析频率范围外的高频成分，取最高分析频率的3-4倍确定随机信号的采样频率；步骤S503：根据所需的频率分辨率带宽，确定快速傅里叶变换的数据长度

其中f_s为采样频率，将随机信号以快速傅里叶变换的数据长度为单元分段，分段后的声音信号所形成的数据段之间部分重叠，消除每个数据段的趋势项，选取窗函数对每个数据段进行加窗处理;步骤S505：利用快速傅里叶变换算法对数据段作离散傅里叶变换，取每一个数据段变换结果幅值的平方，并除以快速傅里叶变换的数据长度N_FFT作为功率谱函数的一次估计，将每次功率谱函数估计的对应数据累加起来并除以累计次数，得到功率谱函数的估计。

每一段数据段的功率谱密度函数估计为：

其中式中

为归一化因子，N为每一段的数据段的长度，W为窗函数；在将声音信号进行分段时，将数据段之间有重叠，数据段之间重叠的部分为数据段数长度的50%。

同时可根据功率谱分析确定滤波的上下截止频率。功率谱反映单位频率带内信号的功率大小，为频率的函数，功率谱与相关函数是一对傅立叶变换，功率谱以P(ω)表示，即：

$P_x\left(\mathrm{\ω}\right)={\∫}_{-\∞}^{\∞}{R}_{\mathrm{xx}}\left(\mathrm{\τ}\right)e^{-\mathrm{j\ωt}}\mathrm{d\τ},R_{\mathrm{xx}}\left(t\right)=\frac{1}{2\mathrm{\π}}{\∫}_{-\∞}^{\∞}{P}_x\left(\mathrm{\ω}\right)e^{\mathrm{j\ωt}}\mathrm{d\ω}.$

如图6所示，若漏水检测仪判断有泄漏产生，则执行漏点定位步骤S209：分析时延信息，定位漏点位置，根据两个传感器传输的声音数据信号计算泄漏点位置：L＝(D-τ₀×V)/2

或者D-L＝(D+τ₀×V)/2。

其中：L为漏水点到其中一个传感器的距离，D为两个传感器之间的距离，τ0为两个传感器检测到泄漏信号的时间差，V为声音信号在该管道中的传播速度。

时延信息的分析过程具体步骤如下：对传感器检测的相对两个或两部分信号进行相关性分析，找出相对的两个或两部分信号之间的相关函数关系，根据相关性进行检测和提取，根据相关函数进行统计计算，找出相关函数出现极值所对应的延时量。

本实施例中，检测同一漏水点的传感器包括第一传感器22、第二传感器24。第一传感器22、第二传感器24分别相对设置在同一漏水点的相对两端或单元管道的两端。

如图2所示，根据管道泄漏检测原理图，假设管道在C点发生泄露，泄露发生后，在泄露处将引起压力突降，产生一个以C点为泄漏源的振动声音信号（声波信号），该声音信号（声波信号）将以一定的速度V向管道两端传播，安装在管道两端A、B处的传感器22和传感器24分别在t和（t+τ）时刻检测到这个信号（此处假设泄漏点距离两个传感器饿距离（D-L）>L），由于同时也有外部噪声的影响，设A、B处传感器测得的信号样本函数分别为A(t)、B(t)，因而可表示为以下形式：

A(t)＝f(t)+N_A(t)

B(t)＝f(t+τ)+N_B(t)

其中N_A(t)和N_B(t)分别为A、B点的背景噪声。

对A(t)、B(t)进行相关运算:

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}A\left(t\right)B(t+\mathrm{\τ})\mathrm{dt}=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^T[f\left(t\right)+N_A\left(t\right)][f(t+\mathrm{\τ})+N_B\left(t\right)]\mathrm{dt}$

为了处理数据方便，一般认为泄露信号与噪声信号相互独立不相关，噪声信号N_A(t)和N_B(t)完全不相关，那么，

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}f\left(t\right)f(t+\mathrm{\τ})\mathrm{dt}$

当相关函数R_AB(τ)达到峰值时，所对应的τ值正好与两个传感器检测到的信号的时间差相一致。相关函数R_AB(τ)在τ＝τ₀处取得极大值的必要条件是R_AB(τ)在τ₀处得导数R_AB′(τ₀)=0，由此求出τ₀，再测出两个传感器之间的实际长度D和声波在该管道德传播速度V，泄漏点C的位置就可以用下面的公式计算出来：

L＝(D-τ₀×V)/2

或者

D-L＝(D+τ₀×V)/2。

漏点定位过程前还包括如下过程：处理装置控制输出提示信息，提示是否需要测速，若接收到需要测速信息则进入到速度测试程序，根据管道的材质及直径计算声音信号在管道中的传播速度，测速完成进行数据处理，进入漏点定位过程；否则若接收到不需要测速信息则提示输入管道参数信息，当接收到管道的参数信息则处理输入数据信息调用内部存储的相应管道的管道速率，进入漏点定位过程。

如图6所示，漏点定位步骤前还包括如下步骤：

步骤S204：提示是否需要测速，

步骤S205：若接收到需要测速信息则进入到速度测试程序测试声音信号在管道中的传播速度；

测速完成执行步骤S207：数据处理；进入漏点定位步骤；

否则若接收到不需要测速信息则还包括步骤S206：提示输入管道参数的步骤，当接收到管道的参数信息则调用内部存储的相应管道的管道速率。调用完毕则步骤S207：数据处理。

漏点位置计算完成显示输出漏点声音信号波形、漏点定位位置，提示是否进行重新测量。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种漏水检测仪，其特征在于，包括：

采集装置：采集管道漏水引起的管道振动的声音信号进行预处理；

处理装置：对声音信号进行傅里叶变换，进行频率分析与计算，提取声音信号的特征，对声音信号进行功率谱估计，功率谱估计分析信号的频率成分，根据功率谱的峰值及带宽判断是否有泄漏产生；

其中，所述功率谱估计包括如下过程：

估计随机信号的分析频率范围，过滤信号中分析频率范围外的高频成分，取最高分析频率的3-4倍确定随机信号的采样频率,确定采样时间的长短；

根据所需的频率分辨率带宽，确定快速傅里叶变换的数据长度

其中f_s为采样频率，将随机信号以快速傅里叶变换的数据长度N_FFT为单元分段，分段后的声音信号所形成的数据段之间部分重叠，消除每个数据段的趋势项，选取窗函数对每个数据段进行加窗处理；

利用快速傅里叶变换算法对数据段作离散傅里叶变换，取每一个数据段变换结果幅值的平方，并除以快速傅里叶变换的数据长度N_FFT作为功率谱函数的一次估计，将每次功率谱函数估计的对应数据累加起来并除以累计次数，得到功率谱函数的估计。

2.根据权利要求1所述的漏水检测仪，其特征在于，若处理装置判断有泄漏产生则执行漏点定位步骤：分析时延信息，根据两个传感器传输的声音数据信号计算泄漏点位置：L＝(D-τ₀×V)/2或D-L＝(D+τ₀×V)/2

其中：L为漏水点到其中一个传感器的距离，D为两个传感器之间的距离，τ₀为延时时间或位移，V为声音信号在该管道中的传播速度。

3.根据权利要求2所述的漏水检测仪，其特征在于，每一段数据段的功率谱密度函数估计为：

其中式中

为归一化因子，N为每一段的数据段的长度，ω(n)为窗函数，

表示第i段的功率谱，xⁱ(n)代表第i段的采集数据，表示从时域到频域的傅里叶变换；在将声音信号进行分段时，将数据段之间有重叠，数据段之间重叠的部分为数据段数长度的50%，功率谱与相关函数是一对傅立叶变换函数。

4.根据权利要求2所述的漏水检测仪，其特征在于，所述处理装置分析时延信息的过程：采集装置检测的相对两个或两部分信号进行相关性分析，找出相对的两个或两部分信号之间的相关函数关系，根据相关性进行检测和提取，根据相关函数进行统计计算，找出相关函数出现极值所对应的延时量；所述采集装置包括第一采集装置、第二采集装置，所述第一、第二采集装置分别设置在漏水点的相对两端或单元管道的两端，设第一、第二采集装置检测到的声音信号样本函数分别为A(t)、B(t)，表示如下：

A(t)＝f(t)+N_A(t)

B(t)＝f(t+τ)+N_B(t)

其中：N_A(t)和N_B(t)分别为第一采集装置所在位置、第二采集装置所在位置的噪声信号；t为第一采集装置检测到的泄漏信号时刻，t+τ为第二采集装置检测到泄漏信号的时刻；

对A(t)、B(t)进行相关运算:

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}A\left(t\right)B(t+\mathrm{\τ})\mathrm{dt}=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^T[f\left(t\right)+N_A\left(t\right)][f(t+\mathrm{\τ})+N_B\left(t\right)]\mathrm{dt}$

泄露信号与噪声信号相互独立不相关，噪声信号N_A(t)和N_B(t)完全不相关，则：

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}f\left(t\right)f(t+\mathrm{\τ})\mathrm{dt}$

当相关函数R_AB(τ)达到峰值时，所对应的τ值正好与两个采集装置检测到的泄漏信号的时间差相一致，相关函数R_AB(τ)在τ＝τ₀处取得极大值的必要条件是R_AB(τ)在τ₀处得导数R_AB′(τ₀)=0，求出τ₀。

5.一种漏水检测系统，其特征在于，包括：漏水检测仪及与所述漏水检测仪通信连接的监控终端，所述漏水检测仪包括：

采集装置：采集管道漏水引起的管道振动的声音信号并进行预处理；

处理装置：对预处理后的声音信号进行傅里叶变换，并进行频率分析与计算，提取声音信号的特征，对声音信号的功率谱进行估计，功率谱估计分析信号的主要频率成分，根据功率谱图的峰值及带宽判断是否有泄漏产生；其中，所述功率谱估计包括如下过程：

估计随机信号的分析频率范围，过滤信号中分析频率范围外的高频成分，取最高分析频率的3-4倍确定随机信号的采样频率,确定采样时间的长短；

根据所需的频率分辨率带宽，确定快速傅里叶变换的数据长度

其中f_s为采样频率，将随机信号以快速傅里叶变换的数据长度N_FFT为单元分段，分段后的声音信号所形成的数据段之间部分重叠，消除每个数据段的趋势项，选取窗函数对每个数据段进行加窗处理；

利用快速傅里叶变换算法对数据段作离散傅里叶变换，取每一个数据段变换结果幅值的平方，并除以快速傅里叶变换的数据长度N_FFT作为功率谱函数的一次估计，将每次功率谱函数估计的对应数据累加起来并除以累计次数，得到功率谱函数的估计。

6.根据权利要求5所述的漏水检测系统，其特征在于，所述漏水检测仪作为网络节点与监控终端组成监控网络，所说采集装置包括在管道的预定位置放置检测声音信号的传感器，所述处理装置包括与所述传感器通信连接的变送器；所述变送器包括主、从机，所述从机将接收到的采集装置采集的声音信号传输给所述主机，并通过主机传输给监控终端；所述主机与从机之间及所述主机与监控终端之间无线传输通信。

7.根据权利要求5所述的漏水检测系统，其特征在于，所述采集装置包括第一采集装置、第二采集装置，若所述处理装置判断有泄漏产生则执行漏点定位过程：分析时延信息，根据两个采集装置传输的声音数据信号计算泄漏点位置：L＝(D-τ₀×V)/2或者D-L＝(D+τ₀×V)/2

其中：L为漏水点到第二采集装置的距离，D为第一与第二采集装置之间的距离，τ₀为延时时间或位移，V为声音信号在该管道中的传播速度；

所述分析时延信息还包括：采集装置检测的相对两个或两部分信号进行相关性分析，找出相对的两个或两部分信号之间的相关函数关系，根据相关性进行检测和提取，根据相关函数进行统计计算，找出相关函数出现极值所对应的延时量；所述采集装置包括第一采集装置、第二采集装置，所述第一、第二采集装置分别设置在漏水点的相对两端或单元管道的两端，设第一、第二采集装置检测到的声音信号样本函数分别为A(t)、B(t)，表示如下：

A(t)＝f(t)+N_A(t)

B(t)＝f(t+τ)+N_B(t)

其中：N_A(t)和N_B(t)分别为第一采集装置所在位置、第二采集装置所在位置的噪声信号；t为第一采集装置检测到的泄漏信号时刻，t+τ为第二采集装置检测到泄漏信号的时刻；

对A(t)、B(t)进行相关运算:

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}A\left(t\right)B(t+\mathrm{\τ})\mathrm{dt}=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^T[f\left(t\right)+N_A\left(t\right)][f(t+\mathrm{\τ})+N_B\left(t\right)]\mathrm{dt}$

泄露信号与噪声信号相互独立不相关，噪声信号N_A(t)和N_B(t)完全不相关，则：

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}f\left(t\right)f(t+\mathrm{\τ})\mathrm{dt}$

当相关函数R_AB(τ)达到峰值时，所对应的τ值正好与两个采集装置检测到的泄漏信号的时间差相一致，相关函数R_AB(τ)在τ＝τ₀处取得极大值的必要条件是R_AB(τ)在τ₀处得导数R_AB′(τ₀)=0，求出τ₀；

功率谱估计包括如下步骤：将声音信号中的随机信号分段，允许每段信号有部分重叠，分别求出每段信号的功率谱，然后加以平均。

8.一种漏水检测方法，其特征在于，包括如下步骤：

信号采集：采集管道漏水引起的管道振动的声音信号并进行预处理，

功率谱估计：对预处理后的声音信号进行傅里叶变换，并进行频率分析与计算，对声音信号进行功率谱估计，分析信号的频率成分，根据功率谱的峰值及带宽判断是否有泄漏产生；若判断有泄漏产生还包括漏点定位步骤：分析时延信息，定位漏点位置，根据两个不同位置的声音数据信号计算泄漏点位置：L＝(D-τ₀×V)/2

或者D-L＝(D+τ₀×V)/2

其中：L为漏水点到其中一个采集装置的距离，D为两个采集装置之间的距离，τ₀为两个采集装置检测到泄漏信号的时间差，V为声音信号在管道中的传播速度；

其中，所述功率谱估计包括如下过程：

估计随机信号的分析频率范围，过滤信号中分析频率范围外的高频成分，取最高分析频率的3-4倍确定随机信号的采样频率,确定采样时间的长短；

根据所需的频率分辨率带宽，确定快速傅里叶变换的数据长度

其中f_s为采样频率，

为频率分辨率，将随机信号以快速傅里叶变换的数据长度N_FFT为单元分段，分段后的声音信号所形成的数据段之间部分重叠，消除每个数据段的趋势项，选取窗函数对每个数据段进行加窗处理；

利用快速傅里叶变换算法对数据段作离散傅里叶变换，取每一个数据段变换结果幅值的平方，并除以快速傅里叶变换的数据长度N_FFT作为功率谱函数的一次估计，将每次功率谱函数估计的对应数据累加起来并除以累计次数，得到功率谱函数的估计。

9.根据权利要求8所述的漏水检测方法，其特征在于，每一段数据段的功率谱密度函数估计为：

其中式中

为归一化因子，N为每一段的数据段的长度，ω(n)为窗函数，

表示第i段的功率谱，xⁱ(n)代表第i段的采集数据，

表示从时域到频域的傅里叶变换；在将声音信号进行分段时，将数据段之间有重叠；功率谱与相关函数是一对傅立叶变换函数；对检测的相对两个或两部分信号进行相关性分析，找出相对的两个或两部分信号之间的相关函数关系，根据相关性进行检测和提取，根据相关函数进行统计计算，找出相关函数出现极值所对应的延时量。

10.根据权利要求8所述的漏水检测方法，其特征在于，所述分析时延信息还包括：采集装置检测的相对两个或两部分信号进行相关性分析，找出相对的两个或两部分信号之间的相关函数关系，根据相关性进行检测和提取，根据相关函数进行统计计算，找出相关函数出现极值所对应的延时量；所述采集装置包括第一采集装置、第二采集装置，所述第一、第二采集装置分别设置在漏水点的相对两端或单元管道的两端，设第一、第二采集装置检测到的声音信号样本函数分别为A(t)、B(t)，表示如下：

A(t)＝f(t)+N_A(t)

B(t)＝f(t+τ)+N_B(t)

其中：N_A(t)和N_B(t)分别为第一采集装置所在位置、第二采集装置所在位置的噪声信号；t为第一采集装置检测到的泄漏信号时刻，t+τ为第二采集装置检测到泄漏信号的时刻；

对A(t)、B(t)进行相关运算:

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}A\left(t\right)B(t+\mathrm{\τ})\mathrm{dt}=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^T[f\left(t\right)+N_A\left(t\right)][f(t+\mathrm{\τ})+N_B\left(t\right)]\mathrm{dt}$

泄露信号与噪声信号相互独立不相关，噪声信号N_A(t)和N_B(t)完全不相关，则：

$R_{\mathrm{AB}}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}f\left(t\right)f(t+\mathrm{\τ})\mathrm{dt}$

当相关函数R_AB(τ)达到峰值时，所对应的τ值正好与两个采集装置检测到的泄漏信号的时间差相一致，相关函数R_AB(τ)在τ＝τ₀处取得极大值的必要条件是R_AB(τ)在τ₀处得导数R_AB′(τ₀)=0，求出τ₀；

所述漏点定位步骤前还包括如下步骤：

提示是否需要测速，若接收到需要测速信息则进入到速度测试程序测试声音信号在管道中的传播速度，测速完成进行数据处理，进入漏点定位步骤；

否则若接收到不需要测速信息则进行数据处理，进入到漏点定位步骤；所述漏点定位步骤前还包括：提示输入管道参数的步骤，当接收到管道的参数信息则调用内部存储的相应管道的管道速率。

Images