CN106910507B - 一种检测与识别的方法及系统 - Google Patents

一种检测与识别的方法及系统 Download PDF

Info

Publication number
CN106910507B
CN106910507B CN201710050944.3A CN201710050944A CN106910507B CN 106910507 B CN106910507 B CN 106910507B CN 201710050944 A CN201710050944 A CN 201710050944A CN 106910507 B CN106910507 B CN 106910507B
Authority
CN
China
Prior art keywords
signal
power spectrum
time period
drowning
water
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
Application number
CN201710050944.3A
Other languages
English (en)
Other versions
CN106910507A (zh
Inventor
闫路
许枫
安旭东
温涛
崔雷雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Acoustics CAS
Original Assignee
Institute of Acoustics CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Acoustics CAS filed Critical Institute of Acoustics CAS
Priority to CN201710050944.3A priority Critical patent/CN106910507B/zh
Publication of CN106910507A publication Critical patent/CN106910507A/zh
Application granted granted Critical
Publication of CN106910507B publication Critical patent/CN106910507B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/21—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being power information
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Pyridine Compounds (AREA)
  • Emergency Alarm Devices (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明涉及一种检测与识别的方法及系统，该方法包括以下步骤：接收物体落水的信号，在预设时间段T内对落水信号进行时域对比分析，获得对比数据；根据对比数据设定检测动态门限并对落水信号进行判断，若落水信号是冲击波信号，则设定出现冲击波信号与气泡形成区之间的区域为寂静区Tq，根据寂静区Tq的信息对气泡脉动区进行时频分析获得分析数据并确定落水信号位于气泡脉动形成阶段获得气泡脉动形成阶段信息；若落水信号是冲击波信号以及根据气泡脉动形成阶段信息对物体进行识别的条件，则发出警报信息。该系统包括：获取模块、处理模块和反馈模块。本发明具体涉及声学信号的处理方法及系统，此方法及系统能自适应的设定动态门限，实现检测；此方法的计算量较低，能实现对落水物体实时的检测及识别。

Description

一种检测与识别的方法及系统
技术领域
本发明涉及海洋领域的水声信号处理方法，具体涉及一种基于物体落水的检测与识别的方法及系统。
背景技术
水上飞机的水上着落、宇宙飞船的水上着落、空投鱼雷入水和海上救生艇抛落等物体落水问题，广泛存在于工程实际中。如果干扰物体落入一些被保护水域，落水物体将会对此水域造成安全威胁。因此，落水物体的检测和识别，对后续的落水物体定位跟踪，以及保护水域安全，具有关键的作用。
现阶段，物体落水检测的主要方法包括动力学方法、流场力学方法和声学方法，其中动力学检测识别物体落水方法容易受落水物体几何外形、边界条件和撞水冲击速度等的影响，流场的非线性变化、固体弹性带来的耦合等为流场力学方法检测识别物体落水带来了较大的困难，声学方法检测物体落水技术尚在研究发展中。
发明内容
本发明的目的是实现能自适应的设定动态门限，实现检测；本发明提供的一种检测与识别的方法计算量较低，能够实现实时物体落水的检测和识别。
为实现上述目的，一方面，本发明提供了一种检测与识别的方法，物体落水过程包括：冲击波形成区、寂静区和气泡形成区；该方法包括以下步骤:接收物体落水的信号，在预设时间段T内对落水信号进行时域对比分析，获得对比数据；根据对比数据设定检测动态门限，根据动态门限对落水信号进行判断，若落水信号是冲击波信号，则设定出现冲击波信号与气泡形成区之间的区域为寂静区Tq，根据寂静区Tq的信息对气泡脉动区进行时频分析获得分析数据，根据分析数据计算并确定落水信号位于气泡脉动形成阶段，获得气泡脉动形成阶段信息；若落水信号是冲击波信号以及根据气泡脉动形成阶段信息对物体进行识别的条件，则发出警报信息；若落水信号不是冲击波且不是根据气泡脉动形成阶段信息对物体进行识别的条件，则不发出警报信息。
优选地，在预设时间段T内对接收信号进行时域对比分析，获得对比数据的步骤中包括：将接收信号的幅度与背景噪声的幅度进行时域对比分析，获得对比数据。
优选地，根据对比数据设定检测动态门限的步骤中包括：采取分时间段处理落水信号，根据以下公式确定检测动态门限，公式如下:设定时间段为T，m为第m个时刻，时间段T内的数据点数为M,对第一时间段的信号进行取平均值S，可以表示为
Figure BDA0001217732400000021
kls≤x(ti)≤khs(i＝1,2,3,…,M)
根据平均值S设定动态门限，其中，接收到的时域信号为x(ti)(i＝1,2,3,…,N)，低门限为kls，高门限为khs，kl，kh是门限参数，动态门限参数与落水物体的形状，几何尺寸有关，根据设定的动态门限，对第二时间段内的波形数据进行检测，其中，时间段包括第一时间段、第二时间段、……第n时间段(n为正整数)。
优选地，根据分析数据计算并提取特征功率谱中的频率斜率信息的步骤中包括：对落水信号中的N点数据进行功率谱估计，分成P段进行处理，每段点数为K，则每P段的功率谱为：
Figure BDA0001217732400000022
其中，
Figure BDA0001217732400000031
为归一化因子，w(n)为加窗系数，xp(n)为第P段的时域信号，ω为数字频率；J为每一时间段的功率谱，n为n个时间段；对P段的功率谱求平均值，得到总时间序列的功率谱为
Figure BDA0001217732400000032
根据背景噪声的功率谱为Pn(ω)以及根据落水信号计算得到的频率fl～fh之间，落水信号功率谱Px(ω)和背景噪声的功率谱Pn(ω)做归一化处理并用分贝(dB)表示，分别比较落水信号功率谱Px(ω)和背景噪声的功率谱Pn(ω)的频率斜率变化，其中Px(ω)相对于频率的变化斜率为hx，Pn(ω)相对于频率的变化斜率为hn，可以表示为：
Figure BDA0001217732400000033
Figure BDA0001217732400000034
设定动态门限U(dB)，若功率谱的频率变换满足下述公式，
|Px(fh)-Px(fl)|≥|Pn(fh)-Pn(fl)|*U(dB)，则认为落水信号位于气泡脉动形成阶段。
另一方面，本发明提供了一种检测与识别的系统，包括：获取模块、处理模块和反馈模块。
其中，获取模块，用于接收物体落水的信号，在预设时间段T内对落水信号进行时域对比分析，获得对比数据。
处理模块，用于根据对比数据设定检测动态门限，根据动态门限对落水信号进行判断，若落水信号是冲击波信号，则出现冲击波信号与气泡形成区之间的区域为寂静区Tq，根据寂静区Tq的信息对气泡脉动区进行时频分析获得分析数据，根据分析数据计算并定落水信号位于气泡脉动形成阶段，获得气泡脉动形成阶段信息。
反馈模块，用于若落水信号是冲击波信号以及根据气泡脉动形成阶段信息对物体进行识别的条件，则发出警报信息。
优选地，获取模块具体用于，将接收信号的幅度与背景噪声的幅度进行时域对比分析，获得对比数据。
优选地，处理模块具体用于，采取分时间段处理落水信号，根据以下公式确定检测动态门限，公式如下:设定时间段为T，m为第m个时刻，时间段T内的数据点数为M,对第一时间段的信号进行取平均值S，可以表示为
Figure BDA0001217732400000041
kls≤x(ti)≤khs(i＝1,2,3,…,M)
根据平均值S设定动态门限，其中，接收到的时域信号为x(ti)(i＝1,2,3,…,N)，低门限为kls，高门限为khs，kl，kh是门限参数，动态门限参数与落水物体的形状，几何尺寸有关，根据设定的动态门限，对第二时间段内的波形数据进行检测，其中，时间段包括第一时间段、第二时间段、……第n时间段(n为正整数)。
优选地，处理模块具体用于，对落水信号中的N点数据进行功率谱估计，分成P段进行处理，每段点数为K，则每P段的功率谱为：
Figure BDA0001217732400000042
其中，
Figure BDA0001217732400000043
为归一化因子，w(n)为加窗系数，xp(n)为第P段的时域信号，ω为数字频率；J为每一时间段的功率谱，n为n个时间段；对P段的功率谱求平均值，得到总时间序列的功率谱为
Figure BDA0001217732400000044
根据背景噪声的功率谱为Pn(ω)以及根据落水信号计算得到的频率fl～fh之间，落水信号功率谱Px(ω)和背景噪声的功率谱Pn(ω)做归一化处理并用分贝(dB)表示，分别比较落水信号功率谱Px(ω)和背景噪声的功率谱Pn(ω)的频率斜率变化，其中Px(ω)相对于频率的变化斜率为hx，Pn(ω)相对于频率的变化斜率为hn，可以表示为：
Figure BDA0001217732400000051
Figure BDA0001217732400000052
设定动态门限U(dB)，若功率谱的频率变换满足下述公式，
|Px(fh)-Px(fl)|≥|Pn(fh)-Pn(fl)|*U(dB)，则认为落水信号位于气泡脉动形成阶段。
优选地，反馈模块具体用于，若落水信号不是冲击波且不是根据气泡脉动形成阶段信息对物体进行识别的条件，则不发出警报信息。
本发明提供的一种检测与识别的方法及系统，具体涉及声学信号的处理方法及系统，此方法及系统能自适应的设定动态门限，实现检测；此方法的计算量较低，能实现对落水物体实时的检测及识别。
附图说明
图1为本发明实施例提供的一种检测与识别的方法流程图；
图2为本发明实施例提供的一种检测与识别的系统结构图；
图3为本发明实施例提供的一种检测与识别的方法应用流程图；
图4为本发明实施例提供的一种物体落水过程的时域波形图；
图5为本发明实施例提供的一种背景噪声的时域波形图；
图6为本发明实施例提供的一种物体落水的时频谱图；
图7为本发明实施例提供的一种物体落水信号与背景噪声的频谱对比图；
图8为本发明实施例提供的一种物体落水显示界面图。
具体实施方式
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
图1为本发明实施例提供的一种检测与识别的方法流程图。如图1所示，本发明提供了一种检测与识别的方法，包括步骤S101-S103:
其中，物体落水过程包括：冲击波形成区、寂静区和气泡形成区。出现冲击信号与气泡形成之间称作寂静区，寂静区的时间长度与根据落水物体的尺寸、几何形状等有关。
步骤S101：接收物体落水的信号，在预设时间段T内对落水信号进行时域对比分析，获得对比数据。
具体地，在预设时间段T内对接收信号进行时域对比分析，获得对比数据的步骤中包括：将接收信号的幅度与背景噪声的幅度进行时域对比分析，获得对比数据。
步骤S102：根据对比数据设定检测动态门限，根据动态门限对落水信号进行判断，若落水信号是冲击波信号，则设定出现冲击波信号与气泡形成区之间的区域为寂静区Tq，根据寂静区Tq的信息对气泡脉动区进行时频分析获得分析数据，根据分析数据计算并确定落水信号位于气泡脉动形成阶段，获得气泡脉动形成阶段信息。
具体地，根据对比数据设定检测动态门限的步骤中包括：采取分时间段处理落水信号，根据以下公式确定检测动态门限，公式如下:设定时间段为T，m为第m个时刻，时间段T内的数据点数为M,对第一时间段的信号进行取平均值S，可以表示为
Figure BDA0001217732400000061
kls≤x(ti)≤khs(i＝1,2,3,…,M)
根据平均值S设定动态门限，其中，接收到的时域信号为x(ti)(i＝1,2,3,…,N)，低门限为kls，高门限为khs，kl，kh是门限参数，动态门限参数与落水物体的形状，几何尺寸有关，根据设定的动态门限，对第二时间段内的波形数据进行检测，其中，时间段包括第一时间段、第二时间段、……第n时间段(n为正整数)。
优选地，根据分析数据计算并提取特征功率谱中的频率斜率信息的步骤中包括：对落水信号中的N点数据进行功率谱估计，分成P段进行处理，每段点数为K，则每P段的功率谱为：
Figure BDA0001217732400000071
其中，
Figure BDA0001217732400000072
为归一化因子，w(n)为加窗系数，xp(n)为第P段的时域信号，ω为数字频率；J为每一时间段的功率谱，n为n个时间段；对P段的功率谱求平均值，得到总时间序列的功率谱为
Figure BDA0001217732400000073
根据背景噪声的功率谱为Pn(ω)以及根据落水信号计算得到的频率fl～fh之间，落水信号功率谱Px(ω)和背景噪声的功率谱Pn(ω)做归一化处理并用分贝(dB)表示，分别比较落水信号功率谱Px(ω)和背景噪声的功率谱Pn(ω)的频率斜率变化，其中Px(ω)相对于频率的变化斜率为hx，Pn(ω)相对于频率的变化斜率为hn，可以表示为：
Figure BDA0001217732400000074
Figure BDA0001217732400000075
设定动态门限U(dB)，若功率谱的频率变换满足下述公式，
|Px(fh)-Px(fl)|≥|Pn(fh)-Pn(fl)|*U(dB)，则认为落水信号位于气泡脉动形成阶段。
步骤S103：当落水信号是冲击波信号以及根据气泡脉动形成阶段信息对物体进行识别的条件，则发出警报信息。若当落水信号不是冲击波且不是根据气泡脉动形成阶段信息对物体进行识别的条件，则不发出警报信息。
图2为本发明实施例提供的一种检测与识别的系统结构图。如图2所示，该系统包括：获取模块201、处理模块202和反馈模块203。
其中，获取模块201，用于接收物体落水的信号，在预设时间段T内对落水信号进行时域对比分析，获得对比数据。
具体地，获取模块201具体用于，将接收信号的幅度与背景噪声的幅度进行时域对比分析，获得对比数据。
处理模块202，用于根据对比数据设定检测动态门限，根据动态门限对落水信号进行判断，若落水信号是冲击波信号，则设定出现冲击波信号与气泡形成区之间的区域为寂静区Tq，根据寂静区Tq的信息对气泡脉动区进行时频分析获得分析数据，根据分析数据计算并定落水信号位于气泡脉动形成阶段，获得气泡脉动形成阶段信息。
具体地，处理模块202具体用于，采取分时间段处理落水信号，根据以下公式确定检测动态门限，公式如下:设定时间段为T，m为第m个时刻，时间段T内的数据点数为M,对第一时间段的信号进行取平均值S，可以表示为
Figure BDA0001217732400000081
kls≤x(ti)≤khs(i＝1,2,3,…,M)
根据平均值S设定动态门限，其中，接收到的时域信号为x(ti)(i＝1,2,3,…,N)，低门限为kls，高门限为khs，kl，kh是门限参数，动态门限参数与落水物体的形状，几何尺寸有关，根据设定的动态门限，对第二时间段内的波形数据进行检测，其中，时间段包括第一时间段、第二时间段、……第n时间段(n为正整数)。
具体地，处理模块202具体用于，对落水信号中的N点数据进行功率谱估计，分成P段进行处理，每段点数为K，则每P段的功率谱为：
Figure BDA0001217732400000091
其中，
Figure BDA0001217732400000092
为归一化因子，w(n)为加窗系数，xp(n)为第P段的时域信号，ω为数字频率；J为每一时间段的功率谱，n为n个时间段；对P段的功率谱求平均值，得到总时间序列的功率谱为
Figure BDA0001217732400000093
根据背景噪声的功率谱为Pn(ω)以及根据落水信号计算得到的频率fl～fh之间，落水信号功率谱Px(ω)和背景噪声的功率谱Pn(ω)做归一化处理并用分贝(dB)表示，分别比较落水信号功率谱Px(ω)和背景噪声的功率谱Pn(ω)的频率斜率变化，其中Px(ω)相对于频率的变化斜率为hx，Pn(ω)相对于频率的变化斜率为hn，可以表示为：
Figure BDA0001217732400000094
Figure BDA0001217732400000095
设定动态门限U(dB)，若功率谱的频率变换满足下述公式，
|Px(fh)-Px(fl)|≥|Pn(fh)-Pn(fl)|*U(dB)，则认为落水信号位于气泡脉动形成阶段。
反馈模块203，用于当落水信号是冲击波信号以及根据气泡脉动形成阶段信息对物体进行识别的条件，则发出警报信息。
优选地，反馈模块203具体用于，若当落水信号不是冲击波且不是根据气泡脉动形成阶段信息对物体进行识别的条件，则不发出警报信息。
物体落水过程持续时间较短，一般情况下主要是分为三个阶段，物体的落水冲击，空腔的形成，气泡脉动的形成。物体的撞水冲击形成能量较大的冲击波，空腔的形成是一段信号较弱的寂静区，寂静区的时间长短与物体尺寸有关，气泡在正压力作用下，多数气泡产生膨胀、收缩、破裂等现象。
图3为本发明实施例提供的一种检测与识别的方法应用流程图。如图3所示，在距离物体落水的水平距离为L处，平行放置两个水听器，两个水听器同时接收信号，避免一个水听器损坏，影响物体落水检测识别的有效性，水听器距离水面的高度为H，水听器被动侦听物体落水过程。
对接收的落水信号时域波形进行分析，根据对比数据设定检测动态门限，根据动态门限对落水信号进行判断，若落水信号是冲击波信号，则设定此时间段为寂静区Tq，水听器接收到的时域信号为x(ti)(i＝1,2,3,…,N)，为了设定动态检测门限，接收信号的幅度需要与背景噪声的幅度进行比较。这里采取分时间段处理信号，设定时间段为T，此时间段内的数据点数为M。对某一时间段(可以视作第一时间段)的信号进行取平均值，可以表示为
Figure BDA0001217732400000101
根据平均值S设定动态门限，其中，接收到的时域信号为x(ti)(i＝1,2,3,…,N)，低门限为kls，高门限为khs，kl，kh是门限参数，动态门限参数与落水物体的形状，几何尺寸有关。
kls≤x(ti)≤khs(i＝1,2,3,…,M)
根据设定的动态门限，对下个时间段(可以视作第二时间段)内的波形数据进行检测，如果有波形数据在此动态门限范围内，即认为接收到的落水物体的信号为冲击波信号。
其中，如果再次对某一时间段(可以视作第三时间段)的信号进行取平均值，然后根据设定的动态门限，对下个时间段(可以视作第四时间段)内的波形数据进行检测。每个时间段内的均值基本不一样，即门限是动态设定的，自适应动态门限检测。
物体落水过程中存在一段时间的寂静区，根据落水物体的尺寸、几何形状，以及多次现场试验，总结得出寂静区的时间长度约为Tq。根据动态门限对落水信号进行判断，若落水信号是冲击波信号，则设定出现冲击波信号与气泡形成区之间的区域为寂静区Tq。接着对气泡脉动区进行分析，由于物体落水信号为瞬态非平稳信号，采用短时傅里叶变换对气泡脉动区进行时频分析，得出落水声的频率分布情况，根据接收到的物体落水信号分析得出频率主要分布在fl～fh之间。
对落水信号进行功率谱估计，分段重叠求得平均，减少谱估计的方差。对N点数据进行功率谱估计，分成P段进行处理，每段点数为K，则每p段的功率谱为
Figure BDA0001217732400000111
其中，
Figure BDA0001217732400000112
为归一化因子，w(n)为加窗系数，xp(n)为第p段的时域信号，ω为数字频率，J为每一时间段的功率谱，n为n个时间段；
对P段的功率谱求平均，可以得到总时间序列的功率谱为
Figure BDA0001217732400000113
背景噪声，即前一时间段的数据也采用式(1)和(2)进行功率谱计算，同理估计出背景噪声的功率谱为Pn(ω)。
对根据接收到的物体落水信号分析计算得到的频率fl～fh之间，功率谱Px(ω)和Pn(ω)做归一化处理并用分贝(dB)表示，分别比较功率谱Px(ω)和Pn(ω)的频率斜率变化，其中Px(ω)相对于频率的变化斜率为hx，Pn(ω)相对于频率的变化斜率为hn，可以表示为
Figure BDA0001217732400000121
Figure BDA0001217732400000122
若落水信号位于气泡脉动形成阶段，Px(ω)随着频率的增长下降较快，即hx的绝对值远大于hn的绝对值。提取功率谱频率变化的特征量进行识别，设定一动态门限U(dB)，若若功率谱的频率变换满足下述公式，
|Px(fh)-Px(fl)|≥|Pn(fh)-Pn(fl)|*U(dB) (4)，则认为落水信号位于气泡脉动形成阶段。
当落水信号是冲击波信号以及气泡处于气泡脉动形成阶段，若满足这两种设定条件，则认为有物体落水，进行报警，否则反之。每隔时间段为T，重复上述操作，实现对物体落水长时间实时检测。
图4为本发明实施例提供的一种物体落水过程的时域波形图。如图所示，在一个系统参数为：在长度为50米，宽度为15米，水深为10米的水池试验，抛扔一个圆柱形物体，圆柱物体距离水面的高度约为3米，采用标准水听器侦听圆柱体落水过程，设置水听器与圆柱物体落下处的水平距离约为2米，水听器距离水面的深度为2米。试验中抛落圆柱体多次，选取一次的试验结果作为数据来源。如图4表示物体落水过程的时域波形图。从图4得出圆柱体落水的过程，可分为3个阶段，撞水的冲击波，寂静区约为0.2秒，气泡脉动形成。
图5为本发明实施例提供的一种背景噪声的时域波形图。如图5所示，选取此实验的第一秒的数据为背景噪音，如图5所示，计算出此段背景噪音的均值约为0.01秒。
图6为本发明实施例提供的一种物体落水的时频谱图。如图6所示，对物体落水信号进行时频分析，视频结构分析如图6所示，与图4的物体落水时域波形比较可知，气泡脉动形成阶段的频率主要分布在2KHz-15KHz。
图7为本发明实施例提供的一种物体落水信号与背景噪声的频谱对比图。如图7所示，左边图为功率图，右边图为放大版功率图。
脉冲形成阶段的功率谱，与背景噪声的功率谱对比如图7所示。，从图7中可以看出，物体落水的气泡脉动形成阶段的功率谱在2kHz-15kHz之间的差值约为20dB，而背景噪声的功率谱在2kHz-15kHz之间的差值约为1dB，可以提取功率谱频率斜率作为特征量进行物体落水识别。
图8为本发明实施例提供的一种物体落水显示界面图。如图8所示，检测冲击波，识别气泡脉动形成，检测出此段波形有物体落水，落水时刻为第4.06s，可以及时报警。
物体落水检测识别界面如图8所示，检测出此段波形有物体落水，落水时刻为第4.06s。
本发明提供的一种检测与识别的方法及系统，具体涉及声学信号的处理方法及系统，此方法及系统能自适应的设定动态门限，实现检测；此方法的计算量较低，能实现对落水物体实时的检测及识别。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种检测与识别的方法，物体落水过程包括：冲击波形成区、寂静区和气泡形成区；其特征在于，包括以下步骤：
接收物体的落水信号，在预设时间段T内对所述落水信号进行时域对比分析，获得对比数据；
根据所述对比数据设定检测动态门限，根据所述动态门限对所述落水信号进行判断，若所述落水信号是冲击波信号，则设定出现所述冲击波信号与所述气泡形成区之间的区域为所述寂静区Tq，根据所述寂静区Tq的信息对所述气泡形成区进行时频分析获得分析数据，根据所述分析数据计算并确定所述落水信号位于气泡脉动形成阶段，获得气泡脉动形成阶段信息；
若所述落水信号是冲击波信号以及根据所述气泡脉动形成阶段信息对所述物体进行识别的条件，则发出警报信息。
2.根据权利要求1所述的方法，其特征在于，所述在预设时间段T内对所述落水信号进行时域对比分析，获得对比数据的步骤中包括：
将所述落水信号的幅度与背景噪声的幅度进行时域对比分析，获得所述对比数据。
3.根据权利要求1所述的方法，其特征在于，所述根据所述对比数据设定检测动态门限的步骤中包括：
采取分时间段处理所述落水信号，根据以下公式确定所述检测动态门限，所述公式如下：
设定时间段为T，m为第m个时刻，所述时间段T内的数据点数为M，对第一时间段的信号进行取平均值S，可以表示为
Figure FDA0002388700490000011
kls≤x(ti)≤khs(i＝1,2,3,…,M)
根据平均值S设定动态门限，其中，接收到的时域信号为x(ti)(i＝1,2,3,…,N)，低门限为kls，高门限为khs，kl，kh是门限参数，所述动态门限参数与落水物体的形状，几何尺寸有关，根据设定的所述动态门限，对第二时间段内的波形数据进行检测，其中，时间段包括第一时间段、第二时间段、……第n时间段，n为正整数。
4.根据权利要求1所述的方法，其特征在于，所述根据所述分析数据计算并提取特征功率谱中的频率斜率信息的步骤中包括：
对所述落水信号中的N点数据进行功率谱估计，分成P段进行处理，每段点数为K，则每P段的功率谱为：
Figure FDA0002388700490000021
其中，
Figure FDA0002388700490000022
为归一化因子，w(n)为加窗系数，xp(n)为第P段的时域信号，ω为数字频率，J为每一时间段的功率谱，n为n个时间段；对P段的功率谱求平均值，得到总时间序列的功率谱为
Figure FDA0002388700490000023
根据背景噪声的功率谱为Pn(ω)以及根据所述落水信号计算得到的频率
Figure FDA0002388700490000024
之间，所述落水信号功率谱Px(ω)和所述背景噪声的功率谱Pn(ω)做归一化处理并用分贝(dB)表示，分别比较所述落水信号功率谱Px(ω)和所述背景噪声的功率谱Pn(ω)的频率斜率变化，其中Px(ω)相对于频率的变化斜率为hx，Pn(ω)相对于频率的变化斜率为hn，可以表示为：
Figure FDA0002388700490000025
Figure FDA0002388700490000026
设定所述动态门限U(dB)，若功率谱的频率变换满足下述公式，
|Px(fh)-Px(fl)|≥|Pn(fh)-Pn(fl)|*U(dB)，则认为落水信号位于气泡脉动形成阶段。
5.根据权利要求1所述的方法，其特征在于，若当所述落水信号不是冲击波且不是根据所述气泡脉动形成阶段信息对所述物体进行识别的条件，则不发出警报信息。
6.一种检测与识别的系统，其特征在于，包括：获取模块、处理模块和反馈模块；其中，物体落水过程包括：冲击波形成区、寂静区和气泡形成区，
所述获取模块，用于接收物体的落水信号，在预设时间段T内对所述落水信号进行时域对比分析，获得对比数据；
所述处理模块，用于根据所述对比数据设定检测动态门限，根据所述动态门限对所述落水信号进行判断，若所述落水信号是冲击波信号，则出现所述冲击波信号与所述气泡形成区之间的区域为所述寂静区Tq，根据所述寂静区Tq的信息对所述气泡形成区进行时频分析获得分析数据，根据所述分析数据计算并定所述落水信号位于气泡脉动形成阶段，获得气泡脉动形成阶段信息；
所述反馈模块，用于若所述落水信号是冲击波信号以及根据所述气泡脉动形成阶段信息对所述物体进行识别的条件，则发出警报信息。
7.根据权利要求6所述的系统，其特征在于，所述获取模块具体用于，将所述落水信号的幅度与背景噪声的幅度进行时域对比分析，获得所述对比数据。
8.根据权利要求6所述的系统，其特征在于，所述处理模块具体用于，采取分时间段处理所述落水信号，根据以下公式确定所述检测动态门限，所述公式如下：
设定时间段为T，m为第m个时刻，所述时间段T内的数据点数为M，对第一时间段的信号进行取平均值S，可以表示为
Figure FDA0002388700490000041
kls≤x(ti)≤khs(i＝1,2,3,…,M)
根据平均值S设定动态门限，其中，接收到的时域信号为x(ti)(i＝1,2,3,…,N)，低门限为kls，高门限为khs，kl，kh是门限参数，所述动态门限参数与落水物体的形状，几何尺寸有关，根据设定的所述动态门限，对第二时间段内的波形数据进行检测，其中，时间段包括第一时间段、第二时间段、……第n时间段(n为正整数)。
9.根据权利要求6所述的系统，其特征在于，所述处理模块具体用于，对所述落水信号中的N点数据进行功率谱估计，分成P段进行处理，每段点数为K，则每P段的功率谱为：
Figure FDA0002388700490000042
其中，
Figure FDA0002388700490000043
为归一化因子，w(n)为加窗系数，xp(n)为第P段的时域信号，ω为数字频率，J为每一时间段的功率谱，n为n个时间段；对P段的功率谱求平均值，得到总时间序列的功率谱为
Figure FDA0002388700490000044
根据背景噪声的功率谱为Pn(ω)以及根据所述落水信号计算得到的频率
Figure FDA0002388700490000045
之间，所述落水信号功率谱Px(ω)和所述背景噪声的功率谱Pn(ω)做归一化处理并用分贝(dB)表示，分别比较所述落水信号功率谱Px(ω)和所述背景噪声的功率谱Pn(ω)的频率斜率变化，其中Px(ω)相对于频率的变化斜率为hx，Pn(ω)相对于频率的变化斜率为hn，可以表示为：
Figure FDA0002388700490000051
Figure FDA0002388700490000052
设定所述动态门限U(dB)，若功率谱的频率变换满足下述公式，
|Px(fh)-Px(fl)|≥|Pn(fh)-Pn(fl)|*U(dB)，则认为落水信号位于气泡脉动形成阶段。
10.根据权利要求6所述的系统，其特征在于，所述反馈模块具体用于，若当所述落水信号不是冲击波且不是根据所述气泡脉动形成阶段信息对所述物体进行识别的条件，则不发出警报信息。
CN201710050944.3A 2017-01-23 2017-01-23 一种检测与识别的方法及系统 Active CN106910507B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710050944.3A CN106910507B (zh) 2017-01-23 2017-01-23 一种检测与识别的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710050944.3A CN106910507B (zh) 2017-01-23 2017-01-23 一种检测与识别的方法及系统

Publications (2)

Publication Number Publication Date
CN106910507A CN106910507A (zh) 2017-06-30
CN106910507B true CN106910507B (zh) 2020-04-24

Family

ID=59206656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710050944.3A Active CN106910507B (zh) 2017-01-23 2017-01-23 一种检测与识别的方法及系统

Country Status (1)

Country Link
CN (1) CN106910507B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108318883B (zh) * 2018-01-16 2020-04-03 中国科学院声学研究所 一种基于全频谱换能器自然加权的距离向计算方法
CN109118717A (zh) * 2018-09-28 2019-01-01 常州大学 一种基于角度信号和分贝信号的溺水报警系统和方法
CN111024207B (zh) * 2019-11-26 2022-09-02 中国船舶重工集团有限公司第七一0研究所 一种矢量水听器线谱自动检测与判决方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1212097A (zh) * 1996-02-26 1999-03-24 尼尔逊媒介研究股份有限公司 借助于感觉编码的辅助信号和声频信号同时传送
CN1924997A (zh) * 2005-08-29 2007-03-07 摩托罗拉公司 用于使用动态门限进行讲话者验证的方法与系统
CN103209036A (zh) * 2013-04-22 2013-07-17 哈尔滨工程大学 基于Hilbert-黄变换双重降噪的瞬态信号检测方法
CN104021789A (zh) * 2014-06-25 2014-09-03 厦门大学 一种利用短时时频值的自适应端点检测方法
CN104568113A (zh) * 2014-12-31 2015-04-29 浙江大学 一种基于模型的海洋声传播调查爆炸波自动截取方法
CN105678263A (zh) * 2016-01-07 2016-06-15 中国科学院声学研究所 一种目标识别的方法和系统
CN105810201A (zh) * 2014-12-31 2016-07-27 展讯通信（上海）有限公司 语音活动检测方法及其系统
CN106330385A (zh) * 2016-08-29 2017-01-11 电子科技大学 一种干扰类型识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10497381B2 (en) * 2012-05-04 2019-12-03 Xmos Inc. Methods and systems for improved measurement, entity and parameter estimation, and path propagation effect measurement and mitigation in source signal separation

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1212097A (zh) * 1996-02-26 1999-03-24 尼尔逊媒介研究股份有限公司 借助于感觉编码的辅助信号和声频信号同时传送
CN1924997A (zh) * 2005-08-29 2007-03-07 摩托罗拉公司 用于使用动态门限进行讲话者验证的方法与系统
CN103209036A (zh) * 2013-04-22 2013-07-17 哈尔滨工程大学 基于Hilbert-黄变换双重降噪的瞬态信号检测方法
CN104021789A (zh) * 2014-06-25 2014-09-03 厦门大学 一种利用短时时频值的自适应端点检测方法
CN104568113A (zh) * 2014-12-31 2015-04-29 浙江大学 一种基于模型的海洋声传播调查爆炸波自动截取方法
CN105810201A (zh) * 2014-12-31 2016-07-27 展讯通信（上海）有限公司 语音活动检测方法及其系统
CN105678263A (zh) * 2016-01-07 2016-06-15 中国科学院声学研究所 一种目标识别的方法和系统
CN106330385A (zh) * 2016-08-29 2017-01-11 电子科技大学 一种干扰类型识别方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
"Identification modeling of underwater vehicles nonliear dynamics based on support vector machines";Feng Xu;《Sciencedirect Ocean Engineering》;20130715;第67卷;全文 *
"基于矢量水听器的水下瞬态信号检测及特征提取";卢中新;《中国优秀硕士学位论文全文数据库 信息科技辑》;20110515;全文 *
"水下瞬态信号特征提取与多分类器融合";李杨;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20090615;全文 *
"水下瞬态信号特性获取与分析";吕成刚;《中国优秀硕士学位论文全文数据库 信息科技辑》;20090615;全文 *
"水声信号实时数据采集与处理系统";许枫;《微计算机应用》;20090331;第30卷(第3期);全文 *

Also Published As

Publication number Publication date
CN106910507A (zh) 2017-06-30

Similar Documents

Publication Publication Date Title
CN106910507B (zh) 一种检测与识别的方法及系统
Chen et al. Acoustic source localization based on generalized cross-correlation time-delay estimation
RU2653585C1 (ru) Способ обнаружения шумящих, движущихся в море объектов
CN104732970A (zh) 一种基于综合特征的舰船辐射噪声识别方法
KR101438114B1 (ko) 정준상관분석을 이용한 수중표적 식별방법 및 수중표적 식별장치
Kim et al. Localization of incipient tip vortex cavitation using ray based matched field inversion method
CN108919241A (zh) 一种基于恒虚警检测的水下信号时频端点参数估计方法
Tani et al. Round robin test on radiated noise of a cavitating propeller
Barile et al. Designing a deep neural network for an acousto-ultrasonic investigation on the corrosion behaviour of CORTEN steel
Butterfield et al. Feature extraction of leaks signals in plastic water distribution pipes using the wavelet transform
CN114927141B (zh) 异常水声信号的检测方法及系统
Zeng et al. Underwater sound classification based on Gammatone filter bank and Hilbert-Huang transform
Łubniewski et al. Application of the fractal analysis in the sea bottom recognition
US20220003630A1 (en) Vibro-acoustic analysis method and device and equipment-abnormality-location estimation method and device
Lohrberg et al. Measurement of cavitation erosive aggressiveness by means of structure born noise
Du et al. Detection of snapping shrimp using machine learning
CN111257859B (zh) 一种波束域自相关水下目标识别方法
Baral-Baron et al. Signal parameters estimation using time-frequency representation for laser doppler anemometry
Zhang et al. Modeling of radiated noise passing characteristic for ship in different marine environments
Douglass et al. Flexible, multi-measurement guided wave damage detection under varying temperatures
Okopal et al. Recognition of propagating vibrations and invariant features for classification
Sattart et al. Marine mammal sound anomaly and quality detection using multitaper spectrogram and hydrophone big data
Felli Noise measurements techniques and hydrodynamic aspects related to cavitation noise
Liu et al. A study on the effect of object's shape in the underwater active electrolocation
Murgan et al. Multimodal sensing of erosive cavitation phenomena

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant