CN106328152A - 一种室内噪声污染自动识别监测系统 - Google Patents

Abstract

本发明涉及监测领域，尤其涉及一种室内噪声污染自动识别监测系统。通过FPGA多通道麦克风阵列对噪声信号进行样本采集，再通过DSP数字信号处理器对噪声信号进行预处理、特征提取、特征选择，并在云端对噪声信号进行特征模型建立，并通过噪声信号特征模式匹配的技术识别出噪声源与对应的噪声监测信息，最后将噪声识别信息以图表的方式显示在主界面上。该系统有效地使用户意识到噪声污染的危害，并提醒用户远离噪声危害并积极采取防治措施，改善居住环境，进而对促进经济发展起到了积极作用。

Description

一种室内噪声污染自动识别监测系统

技术领域

本发明涉及监测领域，尤其涉及一种室内噪声污染自动识别监测系统。

背景技术

噪声污染是一个全世界都十分关注的环境问题，过量的环境噪声对人的生理和心理健康都会造成一定的影响。高噪声环境会对人们的听力和身体健康造成严重的损害。而一般噪声则会对人们日常工作与生活造成一定的影响。据统计，噪声污染对全球范围内约70％以上的城市居民造成不同程度的危害。而作为发展中国家，中国噪声污染对人民的影响更为突出。环境噪声监测，是人类提高生活质量，加强环境保护的一个重要环节，在各大城市的繁华街道和居民区，已有大型环境噪声显示器竖立街头。因此噪声对环境的检测与控制在对人的身体健康和申新健康方面有着重要的作用，加强对环境噪音的检测显得尤其重要。

目前，国内的便携式噪声测试仪，多为价格昂贵的进口专用设备，除卫生、计量等环保专业部门拥有外，无法作为民用品推广普及。噪声监测仪器大部分都采用具有单片机处理功能的积分统计声级计，属便携式仪器，这些声级计灵敏度随气压、温湿度而变化，影响测量精度，需要经常校准，难以应用在日常生活场景中。尤其是在室内环境噪声监测中，由于室内噪声大部分为中低频噪声，传统声压计也难以精准地分类识别噪声源，更难以为用户提供准确的室内环境噪声污染的监控信息。

所以现在亟需一种能够对室内噪声污染自动识别监测的系统。

发明内容

鉴于上述问题，本发明提供一种室内噪声污染自动识别监测系统，其特征在于，包括：

噪声样本采集模块，用以采集噪声样本，并将所述噪声样本转换成数字信号；

DSP数字信号处理模块，与所述噪声样本采集模块连接，对所述数字信号进行处理并提取出噪声特征；

噪声分类处理模块，与所述DSP数字信号处理模块连接，对提取出的所述噪声特征进行噪声特征模式匹配，进而对所述噪声样本进行分类识别；

噪声识别可视化模块，与所述噪声分类处理模块连接，将所述噪声样本分类识别的结果进行显示。

上述的系统，其特征在于，所述DSP数字信号处理模块包括：

预处理模块，与所述噪声样本采集模块连接，对所述数字信号进行降噪处理，提供信噪比；

特征提取模块，与所述预处理模块连接，对降噪处理后的数字信号进行选择和变换；

特征选择模块，与所述特征提取模块连接，提取选择和变换后的的所述数字信号。

上述的系统，其特征在于，所述噪声分类处理模块包括：

分类器，与所述特征选择模块连接，对所述噪声样本进行分类研究以建立噪声模型库；

噪声分类识别模块，分别于所述分类器和所述噪声识别可视化模块连接，将所述特征选择模块提取的数字信号与所述噪声模型库进行模式匹配，进而将所述数字信号分类识别。

上述的系统，其特征在于，所述降噪处理包括线性滤波、中值滤波和小波变换。

上述的系统，其特征在于，所述特征提取模块通过映射的方法提取所述数字信号的特征向量。

上述的系统，其特征在于，所述分类器为DHMM隐马尔可夫分类器。

上述的系统，其特征在于，所述噪声样本采集模块中包括FPGA多通道麦克风阵列信号采集器，所述FPGA多通道麦克风阵列信号采集器采集所述噪声样本。

上述的系统，其特征在于，所述噪声样本采集模块中还包括多路模拟数字转换器，与所述FPGA多通道麦克风阵列信号采集器连接，所述多路模拟数字转换器将所述噪声样本转换成所述数字信号。

上述的系统，其特征在于，所述噪声样本采集模块中还包括USB多路麦克风传输器，分别与所述多路模拟数字转换器和所述DSP数字信号处理模块连接，并将所述数字信号封装成报文，通过USB协议将封装成报文形式的所述数字信号传输至所述DSP数字信号处理模块内。

上述的系统，其特征在于，所述噪声识别可视化模块将所述噪声样本分类识别的结果以图表的方式显示出来。

综上所述，本发明提出了一种室内噪声污染自动识别监测系统，通过FPGA多通道麦克风阵列对噪声信号进行样本采集，通过DSP数字信号处理器对噪声信号进行预处理、特征提取、特征选择，并在云端对噪声信号进行特征模型训练，并通过噪声信号特征模式匹配的技术识别出噪声源与对应的噪声监测信息，最后将噪声识别信息以图表的方式显示在主界面上。该系统运用在家庭机器人上，家庭机器人以陪伴的方式为用户提供噪声监测服务，并伴有语音识别的交互方式，对室内噪声污染能够实时播报，有效地使用户意识到噪声污染的危害，并提醒用户远离噪声危害并积极采取防治措施，改善居住环境，进而对促进经济发展起到了积极作用。

附图说明

参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。

图1是本发明系统结构示意图。

具体实施方式

为了使本发明的技术方案及优点更加易于理解，下面结合附图作进一步详细说明。应当说明，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明设计的一种室内噪声污染自动识别监测系统，该系统包括：

噪声样本采集模块，用以采集噪声样本，并将噪声样本转换成数字信号；

DSP数字信号处理模块，与噪声样本采集模块连接，对数字信号进行处理并提取出噪声特征；

噪声分类处理模块，与DSP数字信号处理模块连接，对提取出的噪声特征进行噪声特征模式匹配，进而对噪声样本进行分类识别；

噪声识别可视化模块，与噪声分类处理模块连接，将噪声样本分类识别的结果进行显示，显示是通过家庭机器人或者其他人工智能工具以DLP内投显示技术用图表界面显示的方式将室内噪声识别结果对应的噪声源与噪声污染指数展示给用户。

该系统中DSP数字信号处理模块还包括：

预处理模块，与噪声样本采集模块连接，对数字信号进行降噪处理，提供信噪比；

特征提取模块，与预处理模块连接，对降噪处理后的数字信号进行选择和变换；

特征选择模块，与特征提取模块连接，提取选择和变换后的的数字信号。

在本发明中，噪声样本采集模块是指对目标用户的居室内噪声进行采集与分析，将噪声进行分类。具体而言，本发明提供了FPGA多通道麦克风阵列信号采集器，实现了麦克风阵列中各路麦克风的相位同步采集。采集器用多路ADC来同步转换多路麦克风信号为数字信号，采集器通过DMA终端的方式实现多路麦克风的相位同步关键技术指标。

其中噪声信号预处理模块是指对数字信号进行降噪处理，提供信噪比。常见的降噪方法包括线性滤波、中值滤波、小波变换等。

信号特征提取模块是指为了有效的实现分类识别，需要对降噪后的数字信号进行选择和变换，得到最能反映分类本质的特征。特征是识别的基础，特征提取是指通过映射的方法获得最有效的特征，实现特征空间的维数从高维到低维的变化，特征提取是噪声目标识别的关键，主要目的是提取能够区分各类目标的特征向量。

噪声信号特征选择模块是指由于特征提取依赖于具体问题的物理特性和相关知识，人们经常把所有可能观测到的特征都记录下来，这些特征中可能很多特征与要解决的问题并不密切，但是特征量过大会带来计算量大、泛化能力差等问题。同时，在噪声信号特征样本数目有限时，很多方法会因为出现病态矩阵等问题而无法计算。为了提升噪声分类器的性能，噪声信号特征选择实现了在保证分类效果的前提下用尽可能少的特征来完成分类。

在本发明中，噪声分类处理模块包括：

分类器，与特征选择模块连接，对噪声样本进行分类研究以建立噪声模型库。该分类器是指利用机器中的人工神经网络对室内噪声样本进行分类研究，选用DHMM隐马尔可夫作为环境噪声的分类器，进行噪声模型库的建立；

噪声分类识别模块，分别于分类器和噪声识别可视化模块连接，将特征选择模块提取的数字信号与噪声模型库进行模式匹配，进而将数字信号分类识别。

下面结合具体实施例进行说明

目前，以家用电器为主要噪声源的室内低频噪声已经成为不可忽视的噪声源。实际监测表明，家用电冰箱为35～50分贝，洗衣机为50～70分贝，电风扇为55～70分贝，吸尘器为60～80分贝，家庭影院更是可以达到60～80分贝，明显增加了居室内的噪声污染程度。室内噪声所造成危害的严重性虽然不会像空气污染与水污染那样引起人的疾病，甚至死亡。但由于现代人的大多数在室内度过，室内噪声污染会影响到人的心理状况，导致听觉、神经系统及内分泌系统出现病变，对人们的日常生活造成较大的危害。

本发明的技术能够有效克服传统声压计噪声监测仪器的灵敏度随气压、温湿度而变化，影响测量精度，需要经常校准以及难以对噪声源进行精确分类监测的问题，实现了一种通过FPGA多通道麦克风阵列对噪声信号进行样本采集，通过DSP数字信号处理器对噪声信号进行预处理、特征提取、特征选择，并在云端对噪声信号进行特征模型训练，并通过噪声信号特征模式匹配的技术识别出噪声源与对应的噪声监测信息，最后将噪声识别信息通过DLP内投模组以图表的方式显示在机器人的主界面上。机器人以陪伴的方式为用户提供噪声监测服务，并伴有语音识别的交互方式，对室内噪声污染能够实时播报，有效地使用户意识到噪声污染的危害，并提醒用户远离噪声危害并积极采取防治措施，改善居住环境，进而对促进经济发展起到了积极作用。

如图1所示，本发明提供一种机器人室内噪声自动识别监测系统，实现了对室内噪声自动识别及室内噪声污染监测并为用户提供室内噪声污染可视化展示的功能。

室内噪声污染给人们的生活带来了诸多不便，在较大程度上降低了人们的生活品质。为能够对室内噪声污染进行有效监控，机器人室内噪声自动识别监测系统先通过FPGA多通道麦克风阵列信号采集器来采集麦克风阵列的音频信号。FGPA多通道麦克风阵列采集器在通过多路ADC来同步转换多路麦克风信号为数字信号后，再以DMA中断的方式实现多路麦克风的相位同步。随后，USB多路麦克风传输器将DMA中采集的麦克风信号封装成报文，并通过USB协议将数据报文传输到DSP数字信号处理主控制器。在完成噪声样本的采集后，DSP主控制器对噪声信号进行预处理、特征提取，为防止特征信号过多对噪声模型训练的影响，还需要对噪声特征进行选取。在完成噪声信号的特征提取之后，将噪声特征样本集通过网络发送到云端进行特征机器模型训练。在完成噪声特征模型的训练后即可进行室内环境噪声的自动识别。在对噪声信号完成特征提取之后，将噪声特征通过网络协议发送到云端进噪声特征模式匹配，进而识别出对应噪声源类型与噪声值。随后，云端将噪声识别结果再通过网络协议返回给DSP主控制器，DSP主控制器将噪声识别结果通过DLP内投模组以图表的方式显示在机器人的主界面上。

通过说明和附图，给出了具体实施方式的特定结构的典型实施例，基于本发明精神，还可作其他的转换。尽管上述发明提出了现有的较佳实施例，然而，这些内容并不作为局限。

对于本领域的技术人员而言，阅读上述说明后，各种变化和修正无疑将显而易见。因此，所附的权利要求书应看作是涵盖本发明的真实意图和范围的全部变化和修正。在权利要求书范围内任何和所有等价的范围与内容，都应认为仍属本发明的意图和范围内。

Claims (10)

1.一种室内噪声污染自动识别监测系统，其特征在于，包括：

噪声样本采集模块，用以采集噪声样本，并将所述噪声样本转换成数字信号；

DSP数字信号处理模块，与所述噪声样本采集模块连接，对所述数字信号进行处理并提取出噪声特征；

噪声分类处理模块，与所述DSP数字信号处理模块连接，对提取出的所述噪声特征进行噪声特征模式匹配，进而对所述噪声样本进行分类识别；

噪声识别可视化模块，与所述噪声分类处理模块连接，将所述噪声样本分类识别的结果进行显示。

2.根据权利要求1所述的系统，其特征在于，所述DSP数字信号处理模块包括：

预处理模块，与所述噪声样本采集模块连接，对所述数字信号进行降噪处理，提供信噪比；

特征提取模块，与所述预处理模块连接，对降噪处理后的数字信号进行选择和变换；

特征选择模块，与所述特征提取模块连接，选取选择和变换后的的所述数字信号。

3.根据权利要求2所述的系统，其特征在于，所述噪声分类处理模块包括：

分类器，与所述特征选择模块连接，对所述噪声样本进行分类研究以建立噪声模型库；

噪声分类识别模块，分别于所述分类器和所述噪声识别可视化模块连接，将所述特征选择模块提取的数字信号与所述噪声模型库进行模式匹配，进而将所述数字信号分类识别。

4.根据权利要求2所述的系统，其特征在于，所述降噪处理包括线性滤波、中值滤波和小波变换。

5.根据权利要求2所述的系统，其特征在于，所述特征提取模块通过映射的方法提取所述数字信号的特征向量。

6.根据权利要求3所述的系统，其特征在于，所述分类器为DHMM隐马尔可夫分类器。

7.根据权利要求1所述的系统，其特征在于，所述噪声样本采集模块中包括FPGA多通道麦克风阵列信号采集器，所述FPGA多通道麦克风阵列信号采集器采集所述噪声样本。

8.根据权利要求7所述的系统，其特征在于，所述噪声样本采集模块中还包括多路模拟数字转换器，与所述FPGA多通道麦克风阵列信号采集器连接，所述多路模拟数字转换器将所述噪声样本转换成所述数字信号。

9.根据权利要求8所述的系统，其特征在于，所述噪声样本采集模块中还包括USB多路麦克风传输器，分别与所述多路模拟数字转换器和所述DSP数字信号处理模块连接，并将所述数字信号封装成报文，通过USB协议将封装成报文形式的所述数字信号传输至所述DSP数字信号处理模块内。

10.根据权利要求1所述的系统，其特征在于，所述噪声识别可视化模块将所述噪声样本分类识别的结果以图表的方式显示出来。