CN102820034B - 一种民用航空器噪声感知与识别装置及其方法 - Google Patents
一种民用航空器噪声感知与识别装置及其方法 Download PDFInfo
- Publication number
- CN102820034B CN102820034B CN201210244998.0A CN201210244998A CN102820034B CN 102820034 B CN102820034 B CN 102820034B CN 201210244998 A CN201210244998 A CN 201210244998A CN 102820034 B CN102820034 B CN 102820034B
- Authority
- CN
- China
- Prior art keywords
- noise
- vector
- aircraft noise
- module
- support vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种民用航空器噪声感知与识别装置及其方法,属于民航技术领域,本发明装置包括:传声器模块、主控模块、存储模块、声特征提取模块和判决模块;本发明方法包括:步骤一、提取不同型号民用航空器的不同工况、不同方位、不同距离的航空器噪声,通过对航空器噪声的分析得出支持向量;步骤二、采集航空器噪声,通过对航空器噪声的分析得出特征向量;步骤三、将所述特征向量和支持向量做线性运算得出判决结果。本发明集声音采集、航空器噪声提取、航空器噪声特征向量提取、航空器噪声支持向量训练、航空器噪声分析于一体,同时具有对航空器噪声感知与识别的时效性高的特点。
Description
技术领域
本发明涉及民航技术领域,特别是涉及一种基于数字信号处理集成电路和现场可编程门阵列集成电路的民用航空器噪声感知与识别装置及其方法。
背景技术
“十一五”以来,中国民航的迅猛发展令世界瞩目。但是,不断新建、扩建的机场和持续增长的航空运输量,也使得困扰中国民航已久的机场噪声问题愈发严重。中国民航局于2009年对国内机场噪声影响进行的调查发现,55个机场存在噪声问题,28个机场噪声污染严重。且随着机场运输规模不断扩大,噪声环境污染程度日益恶化,噪声环境影响投诉逐年增多,机场经营者日趋被动、机场噪声问题正在成为影响民航业可持续发展的障碍之一。
为了对机场的噪声问题进行有效控制,有必要通过构建机场噪声监测系统来实现噪声数据的采集、分析、处理等功能。机场噪声监测系统需要大范围的布设噪声监测点,噪声监测点不可避免的会布置在人口密集地区,这些区域复杂的噪声环境会对噪声监测点造成很大干扰,所以有必要在噪声监测点设置噪声感知装置,这样就可以最大程度的消除非目标噪声的干扰问题。
现在国内的机场噪声监测系统暂未有成型系统,在对噪声数据中的非航空器噪声干扰的过滤还是采用人工进行的,国外有通过飞机噪声超过阈值的持续时间长短来进行判断,这种方法对于布设在建筑物密集区域的监测点来说,很容易被噪声在建筑物之间反复来回反射导致的持续时间加长的假象所干扰,而且该方法无法实现实时感知,也就无法实现未来机场噪声系统的实时监控,同时也无法减少噪声监测点的数据处理与传输负担,造成资源的浪费。
发明内容
针对上述技术问题,本发明的目的为:提供这样的一种民用航空器噪声感知与识别装置及其方法:集声音采集、航空器噪声提取、航空器噪声特征向量提取、航空器噪声支持向量训练、航空器噪声分析于一体,同时具有对航空器噪声感知与识别的时效性高的特点。
本发明为解决公知技术中存在的技术问题所采取的技术方案是:
一种民用航空器噪声感知与识别装置,其特征在于:包括:传声器模块、主控模块、存储模块、声特征提取模块和判决模块;其中:
传声器模块,采集声音信息,并将采集到的声音信息进行滤波处理,将分贝值低于某个设定值的声音信息滤除掉,将分贝值高于某个设定值的声音信息作为航空器噪声,最后将所述航空器噪声进行模数转换后传输给主控模块;
主控模块,接收所述航空器噪声,并将航空器噪声存储到存储模块中或者将存储模块中的航空器噪声提取出来传输给声特征提取模块;
声特征提取模块,接收航空器噪声,并提取航空器噪声的特征向量;所述声特征提取模块包括:噪声预处理单元、减噪单元、滤波器单元和特征生成单元;其中:噪声预处理单元对接收到的航空器噪声进行分帧和加窗;减噪单元应用维纳滤波、小波滤波等减噪方法减小设备噪声和环境噪声;滤波器单元对预处理完成的航空器噪声进行快速傅里叶变换并得出功率谱,将所述功率谱与MEL滤波器组系数相乘得出列向量;特征生成单元将所述列向量进行指数压缩和离散余弦变换得到压缩向量,对时间域上前后若干帧航空器噪声信号的特征向量进行差分运算得出一阶差分特征向量,最后将所述压缩向量和所述一阶差分特征向量组成特征向量;
判决模块,将所述特征向量进行模式识别判断,并将逻辑判断结果传输给主控模块。
作为优选方案,本发明还采用了如下技术方案:
所述主控模块为ARM处理器,所述声特征提取模块由数字信号处理集成电路和现场可编程门阵列集成电路组成,其中:ARM处理器的异步串口UART与数字信号处理集成电路的同步串口McBSP电连接。
所述判决模块为支持向量机SVM,所述支持向量机SVM经过训练得到N个支持向量,然后将所述N个支持向量固化到存储模块中,最后将特征向量与所述N个支持向量代入支持向量机SVM的核函数中,最后运算得出判决结果。
所述核函数为RBF核函数。
一种民用航空器噪声感知与识别方法,其特征在于:包括如下步骤:
步骤一、提取不同型号民用航空器的不同工况、不同方位、不同距离的航空器噪声,通过对航空器噪声的分析得出支持向量;
步骤二、①、采集声音信息;
②、过滤声音信息,将分贝值低于某个设定值的声音信息滤除掉,将分贝值高于某个设定值的声音信息作为航空器噪声保留;
③、对航空器噪声进行快速傅里叶变换并得出功率谱,将所述功率谱与MEL滤波器组系数相乘得出列向量;
④、将所述列向量进行指数压缩和离散余弦变换得到压缩向量,对时间域上前后若干帧航空器噪声信号的特征向量进行差分运算得出一阶差分特征向量,最后将所述压缩向量和所述一阶差分特征向量组成特征向量;
步骤三、将所述特征向量和支持向量做线性运算得出判决结果。
进一步,得出所述步骤一中的支持向量后,将所述支持向量输入支持向量机进行训练。
进一步,得出所述步骤一中的支持向量后,将所述支持向量输入PC平台进行训练,并将训练的结果固化到数字信号处理集成电路中。
进一步,所述步骤二包括如下过程:
进一步,所述步骤二和步骤三采用数字信号处理集成电路和现场可编程门阵列集成电路实现。
本发明具有的优点和积极效果是:本发明集声音采集、航空器噪声提取、航空器噪声特征向量提取、航空器噪声支持向量训练、航空器噪声分析于一体,同时,将上述工作步骤基于数字信号处理集成电路和现场可编程门阵列集成电路得以实现,很好地实现了航空器噪声的感知与识别;通过在传声器模块中使用高通滤波,将低分贝的声音信号滤除掉,极大地减小了后续的信息处理量,提高了航空器噪声处理的速度;通过采用支持向量机训练或者PC平台训练得到N个支持向量,通过将支持向量与航空器噪声的特征向量进行线性运算从而快速的实现航空器噪声的感知与识别。
附图说明
图1是本发明一种民用航空器噪声感知与识别装置的结构原理图;
图2是本发明一种民用航空器噪声感知与识别装置的第一具体实施例结构示意图;
图3是本发明一种民用航空器噪声感知与识别装置的第二具体实施例结构原理图;
图4是本发明一种民用航空器噪声感知与识别方法的流程示意图;
图5是本发明一种民用航空器噪声感知与识别方法的具体实施例流程示意图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下:
请参阅图1,一种民用航空器噪声感知与识别装置,包括:传声器模块、主控模块、存储模块、声特征提取模块和判决模块;其中:
传声器模块,采集声音信息,并将采集到的声音信息进行滤波处理,将分贝值低于某个设定值的声音信息滤除掉,将分贝值高于某个设定值的声音信息作为航空器噪声,最后将所述航空器噪声进行模数转换后传输给主控模块;
主控模块,接收所述航空器噪声,并将航空器噪声存储到存储模块中或者将存储模块中的航空器噪声提取出来传输给声特征提取模块;
声特征提取模块,接收航空器噪声,并提取航空器噪声的特征向量;
判决模块,将所述特征向量进行模式识别判断,并将逻辑判断结果传输给主控模块;
其中,所述判决模块为支持向量机SVM,所述支持向量机SVM经过训练得到N个支持向量,然后将所述N个支持向量固化到存储模块中,最后将特征向量与所述N个支持向量代入支持向量机SVM的核函数中,最后运算得出判决结果。在本发明中,所述核函数采用RBF核函数。
请参阅图2,一种民用航空器噪声感知与识别装置,包括:传声器模块、主控模块、存储模块、声特征提取模块和判决模块;其中:
所述传声器模块为传声器,所述主控模块为ARM处理器,所述声特征提取模块由数字信号处理集成电路和现场可编程门阵列集成电路组成,其中:数字信号处理集成电路的型号为DSP TMS320CXXX,数字信号处理集成电路和现场可编程门阵列集成电路电连接,ARM处理器的异步串口UART与数字信号处理集成电路的同步串口McBSP电连接,数字信号处理集成电路同时设有时钟脉冲、复位端口、扩展RAM接口、闪存FLASH接口等多个外设接口。
请参阅图3,一种民用航空器噪声感知与识别装置,包括:传声器模块、主控模块、存储模块、声特征提取模块和判决模块;其中:所述声特征提取模块包括:噪声预处理单元、滤波器单元和特征生成单元;其中:
噪声预处理单元,对接收到的航空器噪声进行分帧和加窗;
减噪单元,应用维纳滤波、小波滤波等减噪方法减小设备噪声和环境噪声;
滤波器单元,对预处理完成的航空器噪声进行快速傅里叶变换并得出功率谱,将所述功率谱与MEL滤波器组系数相乘得出列向量;
特征生成单元,将所述列向量进行指数压缩和离散余弦变换得到压缩向量,对时间域上前后若干帧航空器噪声信号的特征向量进行差分运算得出一阶差分特征向量,最后将所述压缩向量和所述一阶差分特征向量组成特征向量。
请参阅图4,一种民用航空器噪声感知与识别方法,包括如下步骤:
步骤一、提取不同型号民用航空器的不同工况、不同方位、不同距离的航空器噪声,通过对航空器噪声的分析得出支持向量;
步骤二、采集航空器噪声,通过对航空器噪声的分析得出特征向量;
步骤三、将所述特征向量和支持向量做线性运算得出判决结果。
其中,步骤一得出支持向量后,将所述支持向量输入支持向量机进行训练,或者是将所述支持向量输入PC平台进行训练,并将训练的结果固化到数字信号处理集成电路中;所述步骤二和步骤三采用数字信号处理集成电路和现场可编程门阵列集成电路实现。
请参阅图5,一种民用航空器噪声感知与识别方法,包括如下步骤:
步骤一、提取不同型号民用航空器的不同工况、不同方位、不同距离的航空器噪声,通过对航空器噪声的分析得出支持向量;
步骤二、采集航空器噪声,通过对航空器噪声的分析得出特征向量;
步骤三、将所述特征向量和支持向量做线性运算得出判决结果.
其中,步骤二又包括如下过程:
①、采集声音信息;
②、过滤声音信息,将分贝值低于某个设定值的声音信息滤除掉,将分贝值高于某个设定值的声音信息作为航空器噪声保留;
③、对航空器噪声进行快速傅里叶变换并得出功率谱,将所述功率谱与MEL滤波器组系数相乘得出列向量;
④、将所述列向量进行指数压缩和离散余弦变换得到压缩向量,对时间域上前后若干帧航空器噪声信号的特征向量进行差分运算得出一阶差分特征向量,最后将所述压缩向量和所述一阶差分特征向量组成特征向量。
以上对本发明的实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (8)
1.一种民用航空器噪声感知与识别装置,其特征在于:包括:传声器模块、主控模块、存储模块、声特征提取模块和判决模块;其中:
传声器模块,采集声音信息,并将采集到的声音信息进行滤波处理,将分贝值低于某个设定值的声音信息滤除掉,将分贝值高于某个设定值的声音信息作为航空器噪声,最后将所述航空器噪声进行模数转换后传输给主控模块;
主控模块,接收所述航空器噪声,并将航空器噪声存储到存储模块中或者将存储模块中的航空器噪声提取出来传输给声特征提取模块;
声特征提取模块,接收航空器噪声,并提取航空器噪声的特征向量;所述声特征提取模块包括:噪声预处理单元、减噪单元、滤波器单元和特征生成单元;其中:噪声预处理单元对接收到的航空器噪声进行分帧和加窗;减噪单元应用维纳滤波、小波滤波等减噪方法减小设备噪声和环境噪声;滤波器单元对预处理完成的航空器噪声进行快速傅里叶变换并得出功率谱,将所述功率谱与MEL滤波器组系数相乘得出列向量;特征生成单元将所述列向量进行指数压缩和离散余弦变换得到压缩向量,对时间域上前后若干帧航空器噪声信号的特征向量进行差分运算得出一阶差分特征向量,最后将所述压缩向量和所述一阶差分特征向量组成特征向量;
判决模块,将所述特征向量进行模式识别判断,并将逻辑判断结果传输给主控模块。
2.根据权利要求1所述的民用航空器噪声感知与识别装置,其特征在于:所述主控模块为ARM处理器,所述声特征提取模块由数字信号处理集成电路和现场可编程门阵列集成电路组成,其中:ARM处理器的异步串口UART与数字信号处理集成电路的同步串口McBSP电连接。
3.根据权利要求1所述的民用航空器噪声感知与识别装置,其特征在于:所述判决模块为支持向量机SVM,所述支持向量机SVM经过训练得到N个支持向量,然后将所述N个支持向量固化到存储模块中,最后将特征向量与所述N个支持向量代入支持向量机SVM的核函数中,最后运算得出判决结果。
4.根据权利要求3所述的民用航空器噪声感知与识别装置,其特征在于:所述核函数为RBF核函数。
5.一种民用航空器噪声感知与识别方法,其特征在于:包括如下步骤:
步骤一、提取不同型号民用航空器的不同工况、不同方位、不同距离的航空器噪声,通过对航空器噪声的分析得出支持向量;
步骤二、①、采集声音信息;
②、过滤声音信息,将分贝值低于某个设定值的声音信息滤除掉,将分贝值高于某个设定值的声音信息作为航空器噪声保留;
③、对航空器噪声进行快速傅里叶变换并得出功率谱,将所述功率谱与MEL滤波器组系数相乘得出列向量;
④、将所述列向量进行指数压缩和离散余弦变换得到压缩向量,对时间域上前后若干帧航空器噪声信号的特征向量进行差分运算得出一阶差分特征向量,最后将所述压缩向量和所述一阶差分特征向量组成特征向量;
步骤三、将所述特征向量和支持向量做线性运算得出判决结果。
6.根据权利要求5所述的民用航空器噪声感知与识别方法,其特征在于:得出所述步骤一中的支持向量后,将所述支持向量输入支持向量机进行训练。
7.根据权利要求5所述的民用航空器噪声感知与识别方法,其特征在于:得出所述步骤一中的支持向量后,将所述支持向量输入PC平台进行训练,并将训练的结果固化到数字信号处理集成电路中。
8.根据权利要求5所述的民用航空器噪声感知与识别方法,其特征在于:所述步骤二和步骤三采用数字信号处理集成电路和现场可编程门阵列集成电路实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210244998.0A CN102820034B (zh) | 2012-07-16 | 2012-07-16 | 一种民用航空器噪声感知与识别装置及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210244998.0A CN102820034B (zh) | 2012-07-16 | 2012-07-16 | 一种民用航空器噪声感知与识别装置及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102820034A CN102820034A (zh) | 2012-12-12 |
CN102820034B true CN102820034B (zh) | 2014-05-21 |
Family
ID=47304119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210244998.0A Active CN102820034B (zh) | 2012-07-16 | 2012-07-16 | 一种民用航空器噪声感知与识别装置及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102820034B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106328152B (zh) * | 2015-06-30 | 2020-01-31 | 芋头科技(杭州)有限公司 | 一种室内噪声污染自动识别监测系统 |
CN105488260B (zh) * | 2015-11-25 | 2019-01-18 | 南京航空航天大学 | 一种航空噪声识别及非航空噪声过滤方法 |
CN107277690B (zh) * | 2017-08-02 | 2020-07-24 | 北京地平线信息技术有限公司 | 声音处理方法、装置和电子设备 |
CN107682109B (zh) * | 2017-10-11 | 2019-07-30 | 北京航空航天大学 | 一种适用于无人机通信系统的干扰信号分类识别方法 |
CN107993648A (zh) * | 2017-11-27 | 2018-05-04 | 北京邮电大学 | 一种无人机识别方法、装置及电子设备 |
AU2018412712A1 (en) * | 2018-03-15 | 2020-09-24 | Nihon Onkyo Engineering Co., Ltd. | Training Data Generation Method, Training Data Generation Apparatus, And Training Data Generation Program |
CN112259125B (zh) * | 2020-10-23 | 2023-06-16 | 江苏理工学院 | 基于噪声的舒适度评价方法、系统、设备及可存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1983388A (zh) * | 2005-12-14 | 2007-06-20 | 中国科学院自动化研究所 | 一种基于dsp的语音识别及优化方法 |
CN102426835A (zh) * | 2011-08-30 | 2012-04-25 | 华南理工大学 | 一种基于支持向量机模型的开关柜局部放电信号识别方法 |
CN102436810A (zh) * | 2011-10-26 | 2012-05-02 | 华南理工大学 | 一种基于信道模式噪声的录音回放攻击检测方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100772386B1 (ko) * | 2005-12-10 | 2007-11-01 | 삼성전자주식회사 | 음악 파일 분류 방법 및 그 시스템 |
-
2012
- 2012-07-16 CN CN201210244998.0A patent/CN102820034B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1983388A (zh) * | 2005-12-14 | 2007-06-20 | 中国科学院自动化研究所 | 一种基于dsp的语音识别及优化方法 |
CN102426835A (zh) * | 2011-08-30 | 2012-04-25 | 华南理工大学 | 一种基于支持向量机模型的开关柜局部放电信号识别方法 |
CN102436810A (zh) * | 2011-10-26 | 2012-05-02 | 华南理工大学 | 一种基于信道模式噪声的录音回放攻击检测方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102820034A (zh) | 2012-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102820034B (zh) | 一种民用航空器噪声感知与识别装置及其方法 | |
CN111770427B (zh) | 麦克风阵列的检测方法、装置、设备以及存储介质 | |
CN108335694B (zh) | 远场环境噪声处理方法、装置、设备和存储介质 | |
CN112735473B (zh) | 基于声音识别无人机的方法及系统 | |
CN103948398B (zh) | 适用于Android系统的心音定位分段方法 | |
CN104916289A (zh) | 行车噪声环境下快速声学事件的检测方法 | |
US9424743B2 (en) | Real-time traffic detection | |
CN104053120A (zh) | 一种立体声音频的处理方法和装置 | |
CN111540347A (zh) | 基于音频的电缆隧道监测方法及系统 | |
CN103871419A (zh) | 一种信息处理方法及电子设备 | |
CN104123930A (zh) | 喉音识别方法及装置 | |
CN116524939A (zh) | 一种基于ecapa-tdnn的鸟鸣物种自动识别方法 | |
CN103592128B (zh) | 一种航空发动机涵道噪声测试装置及方法 | |
CN114155876A (zh) | 一种基于音频信号的交通流识别方法、装置及存储介质 | |
CN103390403B (zh) | Mfcc特征的提取方法及装置 | |
CN109358248A (zh) | 一种交流采样装置射频电磁场辐射抗扰度检测自动识别系统 | |
CN115510265A (zh) | 一种输电线路中杆塔的动物危害分布判定方法和系统 | |
CN113053365A (zh) | 语音分离方法、装置、设备和存储介质 | |
CN105446702A (zh) | 一种基于串行fft ip核的宽带数字信道化并行处理方法 | |
CN202793421U (zh) | 用于无源车轮传感器的信号处理装置 | |
CN116863082A (zh) | 基于点云数据的变电站三维点云模型的建立方法和装置 | |
CN103064119A (zh) | 一种时域瞬变电磁探测仪器的固定高采样率设计方法 | |
CN116168727A (zh) | 一种变压器异常声音检测方法、系统、设备及存储介质 | |
CN114783462A (zh) | 一种基于cs-music矿井提升机故障源定位分析方法 | |
Yu | Research on music emotion classification based on CNN-LSTM network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |