CN107393523A - 一种噪音监控方法及系统 - Google Patents
一种噪音监控方法及系统 Download PDFInfo
- Publication number
- CN107393523A CN107393523A CN201710629698.7A CN201710629698A CN107393523A CN 107393523 A CN107393523 A CN 107393523A CN 201710629698 A CN201710629698 A CN 201710629698A CN 107393523 A CN107393523 A CN 107393523A
- Authority
- CN
- China
- Prior art keywords
- noise
- information
- convolution
- server
- smoothing
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 111
- 238000012544 monitoring process Methods 0.000 title claims abstract description 43
- 238000011282 treatment Methods 0.000 claims abstract description 127
- 230000005540 biological transmission Effects 0.000 claims abstract description 23
- 238000009499 grossing Methods 0.000 claims description 120
- 238000012545 processing Methods 0.000 claims description 77
- 230000008569 process Effects 0.000 claims description 71
- 238000001914 filtration Methods 0.000 claims description 40
- 230000010354 integration Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000006378 damage Effects 0.000 abstract description 20
- 238000003860 storage Methods 0.000 description 19
- 208000027418 Wounds and injury Diseases 0.000 description 10
- 230000010365 information processing Effects 0.000 description 10
- 208000014674 injury Diseases 0.000 description 10
- 238000010276 construction Methods 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- LACQPOBCQQPVIT-SEYKEWMNSA-N scopolamine hydrobromide trihydrate Chemical class O.O.O.Br.C1([C@@H](CO)C(=O)O[C@H]2C[C@@H]3N([C@H](C2)[C@@H]2[C@H]3O2)C)=CC=CC=C1 LACQPOBCQQPVIT-SEYKEWMNSA-N 0.000 description 3
- 238000004904 shortening Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 235000015170 shellfish Nutrition 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002910 solid waste Substances 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
- G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种噪音监控方法及系统,该监控方法包括:在设定时间间隔内,噪音采集装置采集噪音信息,并发送给与其对应的噪音处理装置;噪音处理装置对噪音信息进行两次预处理,得到噪音卷积信息,并噪音控制中心的服务器;根据预设噪音类型信息与接收到的噪音卷积信息,确定对应的噪音类型,并判断噪音类型;发送报警信息以提醒监管中心的服务器,以提醒管理人员对发出非法扰民的噪音的地方进行管理。还涉及一种系统,该系统包括:噪音采集装置、噪音处理装置、噪音控制中心的服务器。通过本发明可以准确地监测出噪音的发源地,并根据噪音类型有针对性地对噪音进行控制,及时地制止噪音的传送,减少对环境和人员的危害。
Description
技术领域
本发明属于城市环境控制领域,尤其涉及一种噪音监控方法及系统。
背景技术
随着现代城市建设和城市交通的发展,城市环境噪音污染已经成为世界各国大城市面临的一个重要环境问题。噪音已成为继水污染、空气污染、固体废料污染之后的第四大环境公害。城市噪音污染严重影响了人们正常的工作、学习和休息,非稳态噪音对人的影响强于稳态噪音。在我国城市中车辆造成的非稳态噪音干扰十分普遍。有研究表明:高强度非稳态噪音可以诱发各种疾病,降低工作效率,造成生产事故,甚至还可能损害设备和建筑物。低频噪音对人的心情、学习、睡眠及某些行为都会产生直接影响。因此,环境噪音控制已成为城市环境保护和社会发展的重要工作内容。近年来噪音污染投诉事件数量一直居各类环境污染诉讼事件的首位,对环境噪音进行及时准确的测量分析和有效控制就显得尤为重要。但是目前的环境噪音监控效率低下,采集信息不准确,无法及时通知管理人员及时制止噪音传播。
发明内容
为解决上述技术问题,本发明提供了一种噪音监控方法,在设定的城市范围内的中心处设置一个噪音控制中心的服务器,并分布M个噪音采集装置和多个噪音处理装置,且每个噪音处理装置分别对应N个噪音采集装置,其中,M、N为自然数且N小于M,该监控方法包括如下步骤:
S1,在设定时间间隔内,所述M个噪音采集装置中的每个噪音采集装置采集以其自身为圆心预设半径范围内的噪音信息,并将所述噪音信息发送给与其对应的噪音处理装置;
S2,所述噪音处理装置对所述噪音信息进行预处理,得到噪音平滑信息,并判断所述噪音平滑信息是否在预设噪音范围内,若在,对在所述预设噪音范围内的所述噪音平滑信息进行再次预处理,得到噪音卷积信息,并将所述噪音卷积信息发送给所述噪音控制中心的服务器;
S3,所述噪音控制中心的服务器根据预设噪音类型信息与接收到的所述噪音卷积信息,确定与接收到的所述噪音卷积信息对应的噪音类型,并判断所述噪音类型是否属于非法扰民的噪音类型;
S4,若属于,所述噪音控制中心的服务器发送报警信息给与所述噪音采集装置最近的监管中心的服务器,以提醒管理人员对发出非法扰民的噪音的地方进行管理。
本发明的有益效果:通过本发明的方法,在一个城市范围内的中心处设置噪音控制中心的服务器,以及在城市范围内设置噪音采集装置和噪音处理装置,噪音采集装置在设定的时间段内采集噪音信息,并将噪音信息发送给噪音处理装置进行处理,过滤掉部分是由于瞬间引起的短暂的噪音信息,能够减少对噪音信息的处理压力,同时对在所述噪音范围内的所述噪音平滑信息进行卷积处理,得到噪音卷积信息,确定与之对应的噪音类型,这样能够有效地提高了对噪音类型的判断准确率,并根据噪音类型有针对性地对噪音进行管理控制,及时降低对周边环境的影响以及对人员的危害。
进一步的,所述S22还包括:若不在,则将不在所述预设噪音范围内的所述噪音平滑信息删除,返回S1。
上述进一步的有益效果:将不在所述预设噪音范围内的所述噪音平滑信息删除,这样降低了噪音处理装置的信息存储压力,同时也间接地提高了噪音处理装置的信息处理能力和缩短了信息处理的时间,提高了效率。
进一步的,所述S4还包括:若不属于,所述噪音控制中心的服务器更新上次存储的在所述预设噪音范围内的所述噪音卷积信息,同时返回S1。
上述进一步的有益效果:当判断出噪音卷积信息不属于非法扰民的噪音类型时,噪音控制中心的服务器更新上次存储的在预设噪音范围内的噪音卷积信息,这样使得噪音控制中心的服务器可以查看最新的信息,减少了上次存储的信息对这次信息的干扰,提高了信息的准确率。
本发明还提供了一种噪音监控系统,该监控系统包括:在设定的城市范围内的中心处设置一个噪音控制中心的服务器,并分布M个噪音采集装置和多个噪音处理装置,且每个噪音处理装置分别对应N个噪音采集装置,其中,M、N为自然数且N小于M;
所述噪音采集装置,用于在设定时间间隔内,采集以其自身为圆心预设半径范围内的噪音信息,并将所述噪音信息发送给与其对应的噪音处理装置;
所述噪音处理装置,用于对所述噪音信息进行预处理,得到噪音平滑信息,并判断所述噪音平滑信息是否在预设噪音范围内,若在,对在所述预设噪音范围内的所述噪音平滑信息进行再次预处理,得到噪音卷积信息,并将所述噪音卷积信息发送给所述噪音控制中心的服务器;
所述噪音控制中心的服务器,用于根据预设噪音类型信息与接收到的所述噪音卷积信息,确定与接收到的所述噪音卷积信息对应的噪音类型,并判断所述噪音类型是否属于非法扰民的噪音类型,同时还用于当所述噪音类型属于非法扰民的噪音时,发送报警信息给与所述噪音采集装置最近的监管中心的服务器,以提醒管理人员对发出非法扰民的噪音的地方进行管理。
本发明的有益效果:通过本发明的系统,在一个城市范围内的中心处设置噪音控制中心的服务器,以及在城市范围内设置噪音采集装置和噪音处理装置,噪音采集装置在设定的时间段内采集噪音信息,并将噪音信息发送给噪音处理装置进行处理,过滤掉部分是由于瞬间引起的短暂的噪音信息,能够减少对噪音信息的处理压力,同时对在所述噪音范围内的所述噪音平滑信息进行卷积处理,得到噪音卷积信息,确定与之对应的噪音类型,这样能够有效地提高了对噪音类型的判断准确率,并根据噪音类型有针对性地对噪音进行管理控制,及时降低对周边环境的影响以及对人员的危害。
进一步的,所述噪音卷积处理模块,还用于当不在时,将不在所述预设噪音范围内的所述噪音平滑信息删除。
上述进一步的有益效果:将不在所述预设噪音范围内的所述噪音平滑信息删除,这样降低了噪音处理装置的信息存储压力,同时也间接地提高了噪音处理装置的信息处理能力和缩短了信息处理的时间。
进一步的,所述噪音控制中心的服务器,还用于当不属于时,更新上次存储的在所述预设噪音范围内的所述噪音卷积信息。
上述进一步的有益效果:当判断出噪音卷积信息不属于非法扰民的噪音类型时,噪音控制中心的服务器更新上次存储的在预设噪音范围内的噪音卷积信息,这样使得噪音控制中心的服务器可以查看最新的信息,减少了上次存储的信息对这次信息的干扰,提高了信息的准确率。
附图说明
图1为本发明的一种噪音监控方法的流程图;
图2为本发明的一种噪音监控系统的示意图;
图3为本实施例2一种噪音监控方法的部分示意图;
图4为本实施例2一种噪音监控方法的部分示意图;
图5为本实施例2一种噪音监控方法的部分示意图;
图6为本实施例5一种噪音监控系统的结构示意图;
图7为本实施例5一种噪音监控系统的结构示意图;
图8为本实施例5一种噪音监控系统的结构示意图;
图9为本发明的一种噪音监控系统的拓扑结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、接口、技术之类的具体细节,以便透切理解本发明。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
实施例1
如图1所示,本实施例1是一种噪音监控方法,在设定的城市范围内的中心处设置一个噪音控制中心的服务器,并分布M个噪音采集装置和多个噪音处理装置,且每个噪音处理装置分别对应N个噪音采集装置,其中,M、N为自然数且N小于M,该监控方法包括如下步骤:
S1,在设定时间间隔内,所述M个噪音采集装置中的每个噪音采集装置采集以其自身为圆心预设半径范围内的噪音信息,并将所述噪音信息发送给与其对应的噪音处理装置;
S2,所述噪音处理装置对所述噪音信息进行预处理,得到噪音平滑信息,并判断所述噪音平滑信息是否在预设噪音范围内,若在,对在所述预设噪音范围内的所述噪音平滑信息进行再次预处理,得到噪音卷积信息,并将所述噪音卷积信息发送给所述噪音控制中心的服务器;
S3,所述噪音控制中心的服务器根据预设噪音类型信息与接收到的所述噪音卷积信息,确定与接收到的所述噪音卷积信息对应的噪音类型,并判断所述噪音类型是否属于非法扰民的噪音类型;
S4,若属于,所述噪音控制中心的服务器发送报警信息给与所述噪音采集装置最近的监管中心的服务器,以提醒管理人员对发出非法扰民的噪音的地方进行管理。
需要说明的是,在本实施例1中先规划一定需要监控的城市范围,并且在该城市范围的中心处设置一个噪音控制中心的服务器,同时还在这个城市范围内分布多个噪音采集装置和多个噪音处理装置,而且每个噪音处理装置分别对应多个噪音采集装置,同时各个噪音处理装置会相互联系,相互发送一定的信息,比如:在整个城市范围内分成多个小区域,这些小区域内设置一个噪音采集装置,这个噪音采集装置对应6个或者8个的噪音采集装置,其中,6个或者8个的噪音采集装置都会将采集到的噪音信息发送给与其对应的噪音采集装置。
如此,这个噪音采集装置就只接收这6个采集传感器的信息,对其他的噪音采集装置的信息并不会接收,提高了对信息的接收和发送的效率,也保证了信息的准确性,同时也方便后续在监管中心的服务器派管理人员对发出非法扰民的噪音的地方进行管理,能够快速准确地找到发出噪音的源头。
在本实施例1中的步骤S1是先设定一个时间周期,比如:这个时间周期是4个小时或者6个小时等,按照这个时间周期,每个噪音采集装置分别采集以其自身为圆心预设半径范围内的噪音信息,比如:预设的半径为1000-1200米范围内的圆,噪音采集装置就会采集这个范围内的噪音信息。
当两个噪音处理装置分别采集到噪音信息时,相邻的任意两个噪音处理装置之间也会进行噪音信息的对比,当发现彼此之间存在相同的噪音信息时,其中离噪音控制中心的服务器较近的噪音处理装置则将该相同的噪音信息发送给噪音控制中心的服务器,而另外一个噪音处理装置不发送该相同的噪音信息,直接将该相同的噪音信息删除。比如:通常A噪音采集装置采集的噪音范围有可能会与B噪音采集装置采集的噪音范围,此时,采集的噪音信息都会发送给各自对应的噪音处理装置,A噪音采集装置对应的是A噪音处理装置、B噪音采集装置对应的是B噪音处理装置;当A噪音处理装置在处理完A噪音采集装置发送的噪音信息后,以及B噪音处理装置在处理完B噪音采集装置发送的噪音信息后,A噪音处理装置与B噪音处理装置之间会进行信息的对比,当发现两者之间有部分相同的信息,则距离噪音控制中心的服务器最近的噪音处理装置会将相同的部分信息发送,而远的则将不发送该部分相同的信息,只是将该部分相同的信息保存起来,以便后续根据这些噪音信息查找噪音的源头。
通过上述的方法,相邻任意两个噪音处理装置将采集到的噪音信息进行对比,当存在相同噪音信息时,离噪音控制中心的服务器较近的噪音处理装置发送该相同的噪音信息,这样大大减少了离噪音控制中心的服务器对噪音信息的存储压力以及处理压力,也避免了噪音控制中心的服务器多次处理相同噪音信息,提高了处理噪音信息的效率。
在本实施例1中的步骤S2是当噪音处理装置接收到噪音信息后,比如:A噪音处理装置接收到A噪音采集装置发送的噪音信息后,A噪音处理装置对噪音信息进行预处理,删除该噪音信息中存在的部分属于瞬间引起的噪音,并且删除该噪音信息其对人员并没有任何影响,因为该噪音信息存在的时间很短暂,所说义可以忽略,因此需要删除掉该部分信息,在对噪音信息进行预处理后,得到噪音平滑信息,并判断该噪音平滑信息是否在预设噪音范围内,若在,对在该预设噪音范围内的该噪音平滑信息进行再次预处理,得到噪音卷积信息,并将该噪音卷积信息发送给所述噪音控制中心的服务器。
在本实施例1中的步骤S3当噪音控制中心的服务器接收到上述发送的噪音卷积信息后,会根据之前设置的噪音类型信息,其中,噪音类型信息是指不同的发声源会发出不同的分贝的噪音,同时这些噪音的发出的波形也不尽相同,比如:建筑工地的起重机的噪音,一些其他的超音波的噪音,或者次声波的噪音,它们的噪音波长是不相同的,同时发出的频率也不尽相同,根据这些预设噪音类型信息与接收到的噪音卷积信息,确定对应的噪音类型,并判断噪音类型是否属于非法扰民的噪音类型,比如:在白天的时间内,建筑工地的一些设备是可以使用的,但是一旦在晚上使用的时候,这些就会变成非法扰民的噪音信息,比如:一些飙车的车辆信息,若是在正常的高速跑到运行时发出的噪音信息是合法,但是一旦在夜深人静的时候,在普通的街道上飙车,这些就会变成是非法扰民的噪音信息。
在本实施例1中的步骤S4当判断是属于非法扰民的噪音信息,这时噪音控制中心的服务器发送报警信息给与噪音采集装置最近的监管中心的服务器,以提醒所述监管中心的服务器派管理人员对发出非法扰民的噪音的地方进行管理。
通过本实施例1的方法,在一个城市范围内的中心处设置噪音控制中心的服务器,以及在城市范围内设置噪音采集装置和噪音处理装置,噪音采集装置在设定的时间段内采集噪音信息,并将噪音信息发送给噪音处理装置进行处理,过滤掉部分是由于瞬间引起的短暂的噪音信息,减少对噪音信息的处理压力,同时对在所述噪音范围内的所述噪音平滑信息进行卷积处理,得到噪音卷积信息,确定与之对应的噪音类型,这样能够有效地提高了对噪音类型的判断准确率,有针对性地对噪音进行控制。
实施例2
如图1所示,在本实施例2中是一种噪音监控方法,在设定的城市范围内的中心处设置一个噪音控制中心的服务器,并分布M个噪音采集装置和多个噪音处理装置,且每个噪音处理装置分别对应N个噪音采集装置,其中,M、N为自然数且N小于M,该监控方法包括如下步骤:
S1,在设定时间间隔内,所述M个噪音采集装置中的每个噪音采集装置以其自身为圆心预设半径范围内的噪音信息,并将所述噪音信息发送给与其对应的噪音处理装置;
S2,所述噪音处理装置对所述噪音信息进行预处理,得到噪音平滑信息,并判断所述噪音平滑信息是否在预设噪音范围内,若在,对在所述预设噪音范围内的所述噪音平滑信息进行再次预处理,得到噪音卷积信息,并将所述噪音卷积信息发送给所述噪音控制中心的服务器;
S3,所述噪音控制中心的服务器根据预设噪音类型信息与接收到的所述噪音卷积信息,确定与接收到的所述噪音卷积信息对应的噪音类型,并判断所述噪音类型是否属于非法扰民的噪音类型;
S4,若属于,所述噪音控制中心的服务器发送报警信息给与所述噪音采集装置最近的监管中心的服务器,以提醒管理人员对发出非法扰民的噪音的地方进行管理。
需要说明的是,在本实施例2中先规划一定需要监控的城市范围,并且在该城市范围的中心处设置一个噪音控制中心的服务器,同时还在这个城市范围内分布多个噪音采集装置和多个噪音处理装置,而且每个噪音处理装置分别对应多个噪音采集装置,同时各个噪音处理装置会相互联系,相互发送一定的信息,比如:在整个城市范围内分成多个小区域,这些小区域内设置一个噪音采集装置,这个噪音采集装置对应6个或者8个的噪音采集装置,其中,6个或者8个的噪音采集装置都会将采集到的噪音信息发送给与其对应的噪音采集装置。
如此,这个噪音采集装置就只接收这6个采集传感器的信息,对其他的噪音采集装置的信息并不会接收,提高了对信息的接收和发送的效率,也保证了信息的准确性,同时也方便后续在监管中心的服务器派管理人员对发出非法扰民的噪音的地方进行管理,能够快速准确地找到发出噪音的源泉。
可选地,如图3所示,所述S2中包括:
S21,所述噪音处理装置对所述噪音信息进行滤波、整合处理,得到噪音平滑信息;
S22,判断所述噪音平滑信息是否在预设噪音范围内,若在,对在所述预设噪音范围内的所述噪音平滑信息进行卷积处理,得到噪音卷积信息,将所述噪音卷积信息发送给所述噪音控制中心的服务器。
需要说明的是,在本实施例2中步骤S21噪音处理装置对采集到的噪音信息进行过滤,过滤掉一些波动幅度很大,但是时间很短的噪音信息,比如“在10点钟的时候,某地方的建筑工地的机械设备出现了故障,发出了噪音信息,但是这些噪音信息持续的时间也就只有5分钟,并且5分钟后就恢复了正常的工作”,将这些短暂时间段内而发出的噪音信息过滤掉,同时将一些噪音的频率相位进行调整,使得每条噪音信息的波位都比较平缓,有规律,再对滤波后的比较平缓,有规律的噪音信息进行相位的调整,处理一些存在相位误差的噪音信息,得到噪音平滑信息。
还需要说明的是,在本实施例2中步骤S22是在上述得到噪音平滑信息后,判断这些噪音平滑信息是否在预设噪音范围内,其中,预设噪音范围内是指设备工作发出的不符合人体分贝的噪音信息,在该分贝内人体长时间听取会出现耳道受伤的现象的噪音范围。比如:人体听取噪音的分贝是60-70分贝时,长时间听取是不会出现耳道受伤的现象的,一但超出这个范围且持续时间也超出人体能够接受的时间段,那么这些噪音信息是不合法的,也是不符合人们生活的环境的。以及上述还提及到比如:在白天的时间内,建筑工地的一些设备是可以使用的,但是一旦在晚上使用的时候,这些就会变成非法扰民的噪音信息,比如:一些飙车的车辆信息,若是在正常的高速跑到运行时发出的噪音信息是合法,但是一旦到了夜深人静的时候,在普通的街道上飙车等发出的噪音信息。对在预设噪音范围内的该噪音平滑信息进行卷积处理,得到噪音卷积信息,将该噪音卷积信息发送给所述噪音控制中心的服务器,其中,卷积处理是指取一些噪音信息波长相位差别不大的当作相近似的一类噪音,将这一类噪音近似化,取较为接近的噪音信息代表其他几个的噪音信息,比如“A噪音、B噪音、C噪音、D噪音、E噪音”这5个噪音信息其波长相位都比较近似,那么将这5个噪音信息用其中一个噪音信息替代,而这个替代的噪音信息是这5个噪音信息中最平稳、最规律的,比如“C噪音是这个噪音信息中最平稳、最规律的”,则将用C噪音的噪音信息替代这个5个噪音信息,同时将“A噪音、B噪音、D噪音、E噪音”4个噪音信息删除,减少对噪音信息的处理压力,也减少对噪音信息的存储压力,大大提高了对这些噪音信息的处理效率。
通过上述的方法,将采集到的噪音信息进行滤波、整合处理,得到噪音平滑信息,这样可以使得噪音信息的平缓,有规律,对在预设噪音范围内的噪音平滑信息进行卷积处理,得到噪音卷积信息,这样可以将波长相位差别不大的噪音平滑信息当作相近似的一类噪音,这样可以大大减少了对噪音信息的处理压力和存储压力,也提高了对后续的噪音信息的发送的速率。
可选地,如图4所示,在本实施例2中,所述S21中包括:
S211,当有多个所述噪音信息时,所述噪音处理装置根据不同的声音传播的距离以及介质对多个所述噪音信息进行滤波处理,计算滤波处理后的多个所述噪音信息的离散值;
S212,将滤波处理后的多个所述噪音信息按照所述离散值大小进行排序,得到多个离散噪音信息,并对所述多个离散噪音信息进行整合处理,得到多个噪音平滑信息。
需要说明的是,在本实施例2中步骤S211中噪音处理装置是根据不同的噪音信息,其物理性质的不同,比如:A噪音是通过大气传播的,其介质是大气,B噪音是通过水传播的,其介质是水,另外噪音的传播距离是不同也会对噪音信息的产生影响,长距离的噪音会因为大气传播的而造成一定偏差,所以在进行滤波处理的时候,可以根据声音传播的距离以及介质不同对噪音信息进行滤波处理,这样有针对性地进行滤波处理,会使得噪音信息更加准确,也使得后续噪音类型的判断更加精确。在滤波处理完后,需要计算这些滤波处理后的噪音信息的离散值。
在本实施例2中步骤S212将上述滤波处理后的这些噪音信息按照所述离散值大小进行排序,得到与其对应的离散噪音信息,对这些离散噪音信息进行整合处理,将一些噪音的频率相位进行调整,使得每条噪音信息的波位都比较平缓,有规律,再对滤波后的比较平缓,有规律的噪音信息进行相位的调整,处理一些存在相位误差的噪音信息,得到噪音平滑信息。
通过上述在滤波处理后,计算离散值,按照离散值排序,然后再整合处理,这样使得噪音信息可以按照紧密度和重要度进行优先级的处理,使得噪音处理装置处理噪音信息时更加有序地进行,大大降低了处理噪音信息时错误率,提高了噪音信息处理的准确率。
可选地,如图5所示,所述S22中包括:
S221,判断所述多个噪音平滑信息是否在预设噪音范围内,若在,将在所述预设噪音范围内的所述多个噪音平滑信息进行滤波处理,同时计算滤波处理后的所述多个噪音平滑信息的权重值;
S222,将滤波处理后的所述多个噪音平滑信息按照所述权重值大小进行排序,对排序后的所述滤波处理后的所述多个噪音平滑信息进行卷积处理,得到多个噪音卷积信息;
S223,将所述多个噪音卷积信息发送给所述噪音控制中心的服务器。
需要说明的是,在本实施例2中步骤S221是判断上述提及到噪音平滑信息是否在预设噪音范围内,当判断到该噪音平滑信息是在预设噪音范围内,将在该预设噪音范围内的该噪音平滑信息进行滤波处理,这次的滤波处理是减少噪音平滑信息中存在的一些是由于上次的滤波整合的时候出现比较极端的噪音信息的波段和频率,而且这些噪音平滑信息对后续判断噪音信息的时候会产生干扰,所以再次进行滤波处理,可以使得后续的判断更加准确。当处理装置中有多个噪音平滑信息,比如:属于A噪音的噪音平滑信息、B噪音的噪音平滑信息、C噪音的噪音平滑信息、D噪音的噪音平滑信息;在对这些噪音平滑信息进行滤波处理后,同时会计算滤波处理后的每个噪音平滑信息的权重值,计算权重值,是为了判断这些噪音平滑信息中每个噪音平滑信息各自所占的权重比值,判断出每个噪音平滑信息在该时间段中对周边环境造成的危害的严重度,按照权重值可以得知该时间段中权重值较大的对周边环境和人员的伤害比较大。比如:A噪音的权重值是8,B噪音的权重值是5,C噪音的权重值是7,D噪音的权重值是9,那么按照权重值大小判断D噪音大于A噪音,大于C噪音,大于B噪音,表明D噪音对周边环境和人员的伤害比较大。
另外,在本实施例2中步骤S222将滤波处理后的这些噪音平滑信息按照所述权重值大小进行排序,对排序后的所述滤波处理后的该噪音平滑信息进行卷积处理,其中提及到的卷积处理是指现有技术中的卷积计算公式,通过卷积计算可以使得噪音处理装置处理噪音信息时更加高效,也使得后续判断噪音类型的时候更加准确。
最后,在本实施例2中步骤S223是将上述噪音卷积信息发送给所述噪音控制中心的服务器。
通过计算权重值可以判断出每个噪音平滑信息在该时间段中对周边环境造成的危害的严重度,按照权重值可以得知该时间段中权重值较大的对周边环境和人员的伤害比较大,同时通过计算卷积可以使得噪音处理装置处理噪音信息时更加高效,也使得后续判断噪音类型的时候更加准确。
通过本实施例2的方法,计算离散值,这样使得噪音信息可以按照紧密度和重要度进行优先级的处理,使得噪音处理装置处理噪音信息时更加有序地进行,通过计算权重值可以判断出每个噪音平滑信息在该时间段中对周边环境造成的危害的严重度,同时通过计算卷积可以使得噪音处理装置处理噪音信息时更加高效,也使得后续判断噪音类型的时候更加准确。
实施例3
如图1所示,本实施例3是一种噪音监控方法,在设定的城市范围内的中心处设置一个噪音控制中心的服务器,并分布M个噪音采集装置和多个噪音处理装置,且每个噪音处理装置分别对应N个噪音采集装置,其中,M、N为自然数且N小于M,该监控方法包括如下步骤:
S1,在设定时间间隔内,所述M个噪音采集装置中的每个噪音采集装置采集以其自身为圆心预设半径范围内的噪音信息,并将所述噪音信息发送给与其对应的噪音处理装置;
S2,所述噪音处理装置对所述噪音信息进行预处理,得到噪音平滑信息,并判断所述噪音平滑信息是否在预设噪音范围内,若在,对在所述预设噪音范围内的所述噪音平滑信息进行再次预处理,得到噪音卷积信息,并将所述噪音卷积信息发送给所述噪音控制中心的服务器;
S3,所述噪音控制中心的服务器根据预设噪音类型信息与接收到的所述噪音卷积信息,确定与接收到的所述噪音卷积信息对应的噪音类型,并判断所述噪音类型是否属于非法扰民的噪音类型;
S4,若属于,所述噪音控制中心的服务器发送报警信息给与所述噪音采集装置最近的监管中心的服务器,以提醒管理人员对发出非法扰民的噪音的地方进行管理。
需要说明的是,在本实施例3中先规划一定需要监控的城市范围,并且在该城市范围的中心处设置一个噪音控制中心的服务器,同时还在这个城市范围内分布多个噪音采集装置和多个噪音处理装置,而且每个噪音处理装置分别对应多个噪音采集装置,同时各个噪音处理装置会相互联系,相互发送一定的信息,比如:在整个城市范围内分成多个小区域,这些小区域内设置一个噪音采集装置,这个噪音采集装置对应6个或者8个的噪音采集装置,其中,6个或者8个的噪音采集装置都会将采集到的噪音信息发送给与其对应的噪音采集装置。
如此,这个噪音采集装置就只接收这6个采集传感器的信息,对其他的噪音采集装置的信息并不会接收,提高了对信息的接收和发送的效率,也保证了信息的准确性,同时也方便后续在监管中心的服务器派管理人员对发出非法扰民的噪音的地方进行管理,能够快速准确地找到发出噪音的源泉。
可选地,在本实施例3中,所述S3中包括:
S31,所述噪音控制中心的服务器根据所述预设噪音类型信息与所述噪音卷积信息的方差,得到方差值;
S32,根据所述方差值确定所述噪音卷积信息对应的噪音类型,并判断所述噪音类型是否属于非法扰民的噪音类型。
需要说明的是,在本实施例3中步骤S31是噪音控制中心的服务器根据预先设置的噪音类型信息,比如:预设的A噪音、B噪音、D噪音、E噪音的信息与噪音卷积信息进行方差计算,得到方差值,通过方差值的大小可以确定预设的A噪音与采集的噪音之间的相似度,方差值越小的,则他们两者之间就越相似,表明其采集的噪音与A噪音更加接近,判断采集的噪音是属于A噪音,通过对A噪音的声音频率和波长变化,以及受到大气介质因素的影响的反推断,可以判断出A噪音大概发生的范围以及区域。
另外,还判断出该噪音信息在该时间段内是否属于非法扰民的噪音类型,若是非法扰民的噪音类型,则需要采取相应的扰民法条对其进行处理。
通过上述的方法,计算预设噪音类型信息与噪音卷积信息的方差,根据方差值确定噪音卷积信息对应的噪音类型,有利于更加准确地得到噪音类型,并对此采取相应的管理措施,以便及时对该噪音进行抑制,减少对周边环境的危害和对人们的伤害。
可选地,所述S22还包括:若不在,则将不在所述预设噪音范围内的所述噪音平滑信息删除,返回S1。
需要说明的是,在本实施例3中步骤S22还可以是将不在所述预设噪音范围内的噪音平滑信息删除,这样降低了噪音处理装置的信息存储压力,同时也间接地提高了噪音处理装置的信息处理能力和缩短了信息处理的时间。
可选地,所述S4还包括:若不属于,所述噪音控制中心的服务器更新上次存储的在所述预设噪音范围内的所述噪音卷积信息,同时返回S1。
需要说明的是,在本实施例3中步骤S4是当判断出噪音卷积信息不属于非法扰民的噪音类型时,噪音控制中心的服务器更新上次存储的在预设噪音范围内的噪音卷积信息,这样使得噪音控制中心的服务器可以查看最新的信息,减少了上次的存储的信息对这次信息的干扰,提高了信息的准确率。
通过本实施例3的方法,计算方差值,有利于更加准确地得到噪音类型,并对此采取相应的管理措施,以便及时对该噪音进行抑制,减少对周边环境的危害和对人们的伤害,通过删除不在所述预设噪音范围内的噪音平滑信息,降低了噪音处理装置的信息存储压力,通过噪音控制中心的服务器更新上次存储的在预设噪音范围内的噪音卷积信息,这样可以查看最新的信息,减少了上次的存储的信息对这次信息的干扰,提高了信息的准确率。
实施例4
如图2和图9所示,本实施例4是一种噪音监控系统,该监控系统包括:在设定的城市范围内的中心处设置一个噪音控制中心的服务器,并分布M个噪音采集装置和多个噪音处理装置,且每个噪音处理装置分别对应N个噪音采集装置,其中,M、N为自然数且N小于M;
所述噪音采集装置,用于在设定时间间隔内,采集以其自身为圆心预设半径范围内的噪音信息,并将所述噪音信息发送给与其对应的噪音处理装置;
所述噪音处理装置,用于对所述噪音信息进行预处理,得到噪音平滑信息,并判断所述噪音平滑信息是否在预设噪音范围内,若在,对在所述预设噪音范围内的所述噪音平滑信息进行再次预处理,得到噪音卷积信息,并将所述噪音卷积信息发送给所述噪音控制中心的服务器;
所述噪音控制中心的服务器,用于根据预设噪音类型信息与接收到的所述噪音卷积信息,确定与接收到的所述噪音卷积信息对应的噪音类型,并判断所述噪音类型是否属于非法扰民的噪音类型,同时还用于当所述噪音类型属于非法扰民的噪音时,发送报警信息给与所述噪音采集装置最近的监管中心的服务器,以提醒管理人员对发出非法扰民的噪音的地方进行管理。
需要说明的是,需要说明的是,在本实施例4中先规划一定需要监控的城市范围,并且在该城市范围的中心处设置一个噪音控制中心的服务器,同时还在这个城市范围内分布多个噪音采集装置和多个噪音处理装置,而且每个噪音处理装置分别对应多个噪音采集装置,同时各个噪音处理装置会相互联系,相互发送一定的信息,比如:在整个城市范围内分成多个小区域,这些小区域内设置一个噪音采集装置,这个噪音采集装置对应6个或者8个的噪音采集装置,其中,6个或者8个的噪音采集装置都会将采集到的噪音信息发送给与其对应的噪音采集装置。
如此,这个噪音采集装置就只接收这6个采集传感器的信息,对其他的噪音采集装置的信息并不会接收,提高了对信息的接收和发送的效率,也保证了信息的准确性,同时也方便后续在监管中心的服务器派管理人员对发出非法扰民的噪音的地方进行管理,能够快速准确地找到发出噪音的源泉。
在本实施例4中是先设定一个时间周期,比如:这个时间周期是4个小时或者6个小时等,按照这个时间周期,每个噪音采集装置分别采集以其自身为圆心预设半径范围内的噪音信息,比如:预设的半径为1000-1200米范围内的圆,噪音采集装置就会采集这个范围内的噪音信息。
当两个噪音处理装置分别采集到噪音信息时,相邻的任意两个噪音处理装置之间也会进行噪音信息的对比,当发现彼此之间存在相同的噪音信息时,其中离噪音控制中心的服务器较近的噪音处理装置则将该相同的噪音信息发送给噪音控制中心的服务器,而另外一个噪音处理装置不发送该相同的噪音信息,直接将该相同的噪音信息删除。比如:通常A噪音采集装置采集的噪音范围有可能会与B噪音采集装置采集的噪音范围,此时,采集的噪音信息都会发送给各自对应的噪音处理装置,A噪音采集装置对应的是A噪音处理装置、B噪音采集装置对应的是B噪音处理装置;当A噪音处理装置在处理完A噪音采集装置发送的噪音信息后,以及B噪音处理装置在处理完B噪音采集装置发送的噪音信息后,A噪音处理装置与B噪音处理装置之间会进行信息的对比,当发现两者之间有部分相同的信息,则距离噪音控制中心的服务器最近的噪音处理装置会将相同的部分信息发送,而远的则将不发送该部分相同的信息,只是将该部分相同的信息保存起来,以便后续根据这些噪音信息查找噪音的源头。
通过上述的系统,相邻任意两个噪音处理装置将采集到的噪音信息进行对比,当存在相同噪音信息时,离噪音控制中心的服务器较近的噪音处理装置发送该相同的噪音信息,这样大大减少了离噪音控制中心的服务器对噪音信息的存储压力以及处理压力,也避免了噪音控制中心的服务器多次处理相同噪音信息,提高了处理噪音信息的效率。
在本实施例4中是当噪音处理装置接收到噪音信息后,比如:A噪音处理装置接收到A噪音采集装置发送的噪音信息后,A噪音处理装置对噪音信息进行预处理,删除该噪音信息中存在的部分属于瞬间引起的噪音,但是其对人员并没有任何影响,因为该噪音信息存在的时间很短暂,所说义可以忽略,因此需要删除掉该部分信息,在对噪音信息进行预处理后,得到噪音平滑信息,并判断该噪音平滑信息是否在预设噪音范围内,若在,对在该预设噪音范围内的该噪音平滑信息进行再次预处理,得到噪音卷积信息,并将该噪音卷积信息发送给所述噪音控制中心的服务器。
在本实施例4中是当噪音控制中心的服务器接收到上述发送的噪音卷积信息后,会根据之前设置的噪音类型信息,其中,噪音类型信息是指不同的发声源会发出不同的分贝的噪音,同时这些噪音的发出的波形也不尽相同,比如:建筑工地的起重机的噪音,一些其他的超音波的噪音,或者次声波的噪音,它们的噪音波长是不相同的,同时发出的频率也不尽相同,根据这些预设噪音类型信息与接收到的噪音卷积信息,确定对应的噪音类型,并判断噪音类型是否属于非法扰民的噪音类型,比如:在白天的时间内,建筑工地的一些设备是可以使用的,但是一旦在晚上使用的时候,这些就会变成非法扰民的噪音信息,比如:一些飙车的车辆信息,若是在正常的高速跑到运行时发出的噪音信息是合法,但是一旦在夜深人静的时候,在普通的街道上飙车,这些就会变成是非法扰民的噪音信息。
在本实施例4中是当判断是属于非法扰民的噪音信息,这时噪音控制中心的服务器发送报警信息给与噪音采集装置最近的监管中心的服务器,以提醒所述监管中心的服务器派管理人员对发出非法扰民的噪音的地方进行管理。
通过本实施例4的系统,在一个城市范围内的中心处设置噪音控制中心的服务器,以及在城市范围内设置噪音采集装置和噪音处理装置,噪音采集装置在设定的时间段内采集噪音信息,并将噪音信息发送给噪音处理装置进行处理,过滤掉部分是由于瞬间引起的短暂的噪音信息,减少对噪音信息的处理压力,同时也提高了对噪音类型的判断准确率,有针对性地对噪音进行控制。
实施例5
如图2和图9所示,本实施例5是一种噪音监控系统,该监控系统包括:在设定的城市范围内的中心处设置一个噪音控制中心的服务器,并分布M个噪音采集装置和多个噪音处理装置,且每个噪音处理装置分别对应N个噪音采集装置,其中,M、N为自然数且N小于M;
所述噪音采集装置,用于在设定时间间隔内,采集以其自身为圆心预设半径范围内的噪音信息,并将所述噪音信息发送给与其对应的噪音处理装置;
所述噪音处理装置,用于对所述噪音信息进行预处理,得到噪音平滑信息,并判断所述噪音平滑信息是否在预设噪音范围内,若在,对在所述预设噪音范围内的所述噪音平滑信息进行再次预处理,得到噪音卷积信息,并将所述噪音卷积信息发送给所述噪音控制中心的服务器;
所述噪音控制中心的服务器,用于根据预设噪音类型信息与接收到的所述噪音卷积信息,确定与接收到的所述噪音卷积信息对应的噪音类型,并判断所述噪音类型是否属于非法扰民的噪音类型,同时还用于当所述噪音类型属于非法扰民的噪音时,发送报警信息给与所述噪音采集装置最近的监管中心的服务器,以提醒管理人员对发出非法扰民的噪音的地方进行管理。
需要说明的是,在本实施例5中先规划一定需要监控的城市范围,并且在该城市范围的中心处设置一个噪音控制中心的服务器,同时还在这个城市范围内分布多个噪音采集装置和多个噪音处理装置,而且每个噪音处理装置分别对应多个噪音采集装置,同时各个噪音处理装置会相互联系,相互发送一定的信息,比如:在整个城市范围内分成多个小区域,这些小区域内设置一个噪音采集装置,这个噪音采集装置对应6个或者8个的噪音采集装置,其中,6个或者8个的噪音采集装置都会将采集到的噪音信息发送给与其对应的噪音采集装置。
如此,这个噪音采集装置就只接收这6个采集传感器的信息,对其他的噪音采集装置的信息并不会接收,提高了对信息的接收和发送的效率,也保证了信息的准确性,同时也方便后续在监管中心的服务器派管理人员对发出非法扰民的噪音的地方进行管理,能够快速准确地找到发出噪音的源泉。
可选地,在本实施例5中,如图6所示,所述噪音处理装置包括:噪音平滑处理模块、噪音卷积处理模块;
所述噪音平滑处理模块,用于对所述噪音信息进行滤波、整合处理,得到噪音平滑信息;
所述噪音卷积处理模块,用于对在所述预设噪音范围内的所述噪音平滑信息进行再次预处理,得到噪音卷积信息,并将所述噪音卷积信息发送给所述噪音控制中心的服务器。
需要说明的是,在本实施例5中噪音处理装置对采集到的噪音信息进行过滤,过滤掉一些波动幅度很大,但是时间很短的噪音信息,比如“在10点钟的时候,某地方的建筑工地的机械设备出现了故障,发出了噪音信息,但是这些噪音信息持续的时间也就只有5分钟,并且5分钟后就恢复了正常的工作”,将这些短暂时间段内而发出的噪音信息过滤掉,同时将一些噪音的频率相位进行调整,使得每条噪音信息的波位都比较平缓,有规律,再对滤波后的比较平缓,有规律的噪音信息进行相位的调整,处理一些存在相位误差的噪音信息,得到噪音平滑信息。
还需要说明的是,在本实施例5中是在上述得到噪音平滑信息后,判断这些噪音平滑信息是否在预设噪音范围内,其中,预设噪音范围内是指设备工作发出的不符合人体分贝的噪音信息,在该分贝内人体长时间听取会出现耳道受伤的现象的噪音范围。比如:人体听取噪音的分贝是60-70分贝时,长时间听取是不会出现耳道受伤的现象的,一但超出这个范围且持续时间也超出人体能够接受的时间段,那么这些噪音信息是不合法的,也是不符合人们生活的环境的。以及上述还提及到比如:在白天的时间内,建筑工地的一些设备是可以使用的,但是一旦在晚上使用的时候,这些就会变成非法扰民的噪音信息,比如:一些飙车的车辆信息,若是在正常的高速跑到运行时发出的噪音信息是合法,但是一旦到了夜深人静的时候,在普通的街道上飙车等发出的噪音信息。对在预设噪音范围内的该噪音平滑信息进行卷积处理,得到噪音卷积信息,将该噪音卷积信息发送给所述噪音控制中心的服务器,其中,卷积处理是指取一些噪音信息波长相位差别不大的当作相近似的一类噪音,将这一类噪音近似化,取较为接近的噪音信息代表其他几个的噪音信息,比如“A噪音、B噪音、C噪音、D噪音、E噪音”这5个噪音信息其波长相位都比较近似,那么将这5个噪音信息用其中一个噪音信息替代,而这个替代的噪音信息是这5个噪音信息中最平稳、最规律的,比如“C噪音是这个噪音信息中最平稳、最规律的”,则将用C噪音的噪音信息替代这个5个噪音信息,同时将“A噪音、B噪音、D噪音、E噪音”4个噪音信息删除,减少对噪音信息的处理压力,也减少对噪音信息的存储压力,大大提高了对这些噪音信息的处理效率。
通过上述的系统,将采集到的噪音信息进行滤波、整合处理,得到噪音平滑信息,这样可以使得噪音信息的平缓,有规律,对在预设噪音范围内的噪音平滑信息进行卷积处理,得到噪音卷积信息,这样可以将波长相位差别不大的噪音平滑信息当作相近似的一类噪音,这样可以大大减少了对噪音信息的处理压力和存储压力,也提高了对后续的噪音信息的发送的速率。
可选地,如图7所示,所述噪音平滑处理模块包括:滤波处理单元、整合处理单元;
所述滤波处理单元,用于当有多个所述噪音信息时,根据不同的声音传播的距离以及介质对多个所述噪音信息进行滤波处理,计算滤波处理后的多个所述噪音信息的离散值;
所述整合处理单元,用于将滤波处理后的多个所述噪音信息按照所述离散值大小进行排序,得到多个离散噪音信息,并对所述多个离散噪音信息进行整合处理,得到多个噪音平滑信息。
需要说明的是,在本实施例5中噪音处理装置是根据不同的噪音信息,其物理性质的不同,比如:A噪音是通过大气传播的,其介质是大气,B噪音是通过水传播的,其介质是水,另外噪音的传播距离是不同也会对噪音信息的产生影响,长距离的噪音会因为大气传播的而造成一定偏差,所以在进行滤波处理的时候,可以根据声音传播的距离以及介质不同对噪音信息进行滤波处理,这样有针对性地进行滤波处理,会使得噪音信息更加准确,也使得后续噪音类型的判断更加精确。在滤波处理完后,需要计算这些滤波处理后的噪音信息的离散值。
在本实施例5中将上述滤波处理后的这些噪音信息按照所述离散值大小进行排序,得到与其对应的离散噪音信息,对这些离散噪音信息进行整合处理,将一些噪音的频率相位进行调整,使得每条噪音信息的波位都比较平缓,有规律,再对滤波后的比较平缓,有规律的噪音信息进行相位的调整,处理一些存在相位误差的噪音信息,得到噪音平滑信息。
通过上述在滤波处理后,计算离散值,按照离散值排序,然后再整合处理,这样使得噪音信息可以按照紧密度和重要度进行优先级的处理,使得噪音处理装置处理噪音信息时更加有序地进行,大大降低了处理噪音信息时错误率,提高了噪音信息处理的准确率。
可选地,如图8所示,所述噪音卷积处理模块包括:权重处理单元、卷积处理单元、发送单元;
所述权重处理单元,用于判断所述多个噪音平滑信息是否在预设噪音范围内,若在,将在所述预设噪音范围内的所述多个噪音平滑信息进行滤波处理,同时计算滤波处理后的所述多个噪音平滑信息的权重值;
所述卷积处理单元,用于将滤波处理后的所述多个噪音平滑信息按照所述权重值大小进行排序,对排序后的所述滤波处理后的所述多个噪音平滑信息进行卷积处理,得到多个噪音卷积信息;
所述发送单元,用于将所述多个噪音卷积信息发送给所述噪音控制中心的服务器。
需要说明的是,在本实施例5中是判断上述提及到噪音平滑信息是否在预设噪音范围内,当判断到该噪音平滑信息是在预设噪音范围内,将在该预设噪音范围内的该噪音平滑信息进行滤波处理,这次的滤波处理是减少噪音平滑信息中存在的一些是由于上次的滤波整合的时候出现比较极端的噪音信息的波段和频率,而且这些噪音平滑信息对后续判断噪音信息的时候会产生干扰,所以再次进行滤波处理,可以使得后续的判断更加准确。当处理装置中有多个噪音平滑信息,比如:属于A噪音的噪音平滑信息、B噪音的噪音平滑信息、C噪音的噪音平滑信息、D噪音的噪音平滑信息;在对这些噪音平滑信息进行滤波处理后,同时会计算滤波处理后的每个噪音平滑信息的权重值,计算权重值,是为了判断这些噪音平滑信息中每个噪音平滑信息各自所占的权重比值,判断出每个噪音平滑信息在该时间段中对周边环境造成的危害的严重度,按照权重值可以得知该时间段中权重值较大的对周边环境和人员的伤害比较大。比如:A噪音的权重值是8,B噪音的权重值是5,C噪音的权重值是7,D噪音的权重值是9,那么按照权重值大小判断D噪音大于A噪音,大于C噪音,大于B噪音,表明D噪音对周边环境和人员的伤害比较大。
另外,在本实施例5将滤波处理后的这些噪音平滑信息按照所述权重值大小进行排序,对排序后的这些滤波处理后的多个噪音平滑信息进行卷积处理,其中提及到的卷积处理是指现有技术中的卷积计算公式,通过卷积计算可以使得噪音处理装置处理噪音信息时更加高效,也使得后续判断噪音类型的时候更加准确。
最后,在本实施例5是将上述噪音卷积信息发送给所述噪音控制中心的服务器。
通过计算权重值可以判断出每个噪音平滑信息在该时间段中对周边环境造成的危害的严重度,按照权重值可以得知该时间段中权重值较大的对周边环境和人员的伤害比较大,同时通过计算卷积可以使得噪音处理装置处理噪音信息时更加高效,也使得后续判断噪音类型的时候更加准确。
通过本实施例5的系统,计算离散值,这样使得噪音信息可以按照紧密度和重要度进行优先级的处理,使得噪音处理装置处理噪音信息时更加有序地进行,通过计算权重值可以判断出每个噪音平滑信息在该时间段中对周边环境造成的危害的严重度,同时通过计算卷积可以使得噪音处理装置处理噪音信息时更加高效,也使得后续判断噪音类型的时候更加准确。
实施例6
如图2和图9所示,本实施例6是一种噪音监控系统,该监控系统包括:在设定的城市范围内的中心处设置一个噪音控制中心的服务器,并分布M个噪音采集装置和多个噪音处理装置,且每个噪音处理装置分别对应N个噪音采集装置,其中,M、N为自然数且N小于M;
所述噪音采集装置,用于在设定时间间隔内,采集以其自身为圆心预设半径范围内的噪音信息,并将所述噪音信息发送给与其对应的噪音处理装置;
所述噪音处理装置,用于对所述噪音信息进行预处理,得到噪音平滑信息,并判断所述噪音平滑信息是否在预设噪音范围内,若在,对在所述预设噪音范围内的所述噪音平滑信息进行再次预处理,得到噪音卷积信息,并将所述噪音卷积信息发送给所述噪音控制中心的服务器;
所述噪音控制中心的服务器,用于根据预设噪音类型信息与接收到的所述噪音卷积信息,确定与接收到的所述噪音卷积信息对应的噪音类型,并判断所述噪音类型是否属于非法扰民的噪音类型,同时还用于当所述噪音类型属于非法扰民的噪音时,发送报警信息给与所述噪音采集装置最近的监管中心的服务器,以提醒管理人员对发出非法扰民的噪音的地方进行管理。
需要说明的是,在本实施例5中先规划一定需要监控的城市范围,并且在该城市范围的中心处设置一个噪音控制中心的服务器,同时还在这个城市范围内分布多个噪音采集装置和多个噪音处理装置,而且每个噪音处理装置分别对应多个噪音采集装置,同时各个噪音处理装置会相互联系,相互发送一定的信息,比如:在整个城市范围内分成多个小区域,这些小区域内设置一个噪音采集装置,这个噪音采集装置对应6个或者8个的噪音采集装置,其中,6个或者8个的噪音采集装置都会将采集到的噪音信息发送给与其对应的噪音采集装置。
如此,这个噪音采集装置就只接收这6个采集传感器的信息,对其他的噪音采集装置的信息并不会接收,提高了对信息的接收和发送的效率,也保证了信息的准确性,同时也方便后续在监管中心的服务器派管理人员对发出非法扰民的噪音的地方进行管理,能够快速准确地找到发出噪音的源泉。
可选地,在本实施例6中,所述噪音控制中心的服务器包括:噪音计算单元、噪音类型判断单元;
所述噪音计算单元,用于根据所述预设噪音类型信息与所述噪音卷积信息的方差,得到方差值;
所述噪音类型判断单元,用于根据所述方差值确定所述噪音卷积信息对应的噪音类型,并判断所述噪音类型是否属于非法扰民的噪音类型。
需要说明的是,在本实施例6是噪音控制中心的服务器根据预先设置的噪音类型信息,比如:预设的A噪音、B噪音、D噪音、E噪音的信息与噪音卷积信息进行方差计算,得到方差值,通过方差值的大小可以确定预设的A噪音与采集的噪音之间的相似度,方差值越小的,则他们两者之间就越相似,表明其采集的噪音与A噪音更加接近,判断采集的噪音是属于A噪音,通过对A噪音的声音频率和波长变化,以及受到大气介质因素的影响的反推断,可以判断出A噪音大概发生的范围以及区域。
另外,还判断出该噪音信息在该时间段内是否属于非法扰民的噪音类型,若是非法扰民的噪音类型,则需要采取相应的扰民法条对其进行处理。
通过上述的方法,计算预设噪音类型信息与噪音卷积信息的方差,根据方差值确定噪音卷积信息对应的噪音类型,有利于更加准确地得到噪音类型,并对此采取相应的管理措施,以便及时对该噪音进行抑制,减少对周边环境的危害和对人们的伤害。
可选地,所述噪音卷积处理模块,还用于当不在时,将不在所述预设噪音范围内的所述噪音平滑信息删除。
需要说明的是,在本实施例6是噪音卷积处理模块还可以是将不在所述预设噪音范围内的噪音平滑信息删除,这样降低了噪音处理装置的信息存储压力,同时也间接地提高了噪音处理装置的信息处理能力和缩短了信息处理的时间。
可选地,所述噪音控制中心的服务器,还用于当不属于时,更新上次存储的在所述预设噪音范围内的所述噪音卷积信息。
需要说明的是,在本实施例6是当判断出噪音卷积信息不属于非法扰民的噪音类型时,噪音控制中心的服务器更新上次存储的在预设噪音范围内的噪音卷积信息,这样使得噪音控制中心的服务器可以查看最新的信息,减少了上次的存储的信息对这次信息的干扰,提高了信息的准确率。
通过本实施例6的系统,计算方差值,有利于更加准确地得到噪音类型,并对此采取相应的管理措施,以便及时对该噪音进行抑制,减少对周边环境的危害和对人们的伤害,通过删除不在所述预设噪音范围内的噪音平滑信息,降低了噪音处理装置的信息存储压力,通过噪音控制中心的服务器更新上次存储的在预设噪音范围内的噪音卷积信息,这样可以查看最新的信息,减少了上次的存储的信息对这次信息的干扰,提高了信息的准确率。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。。
Claims (10)
1.一种噪音监控方法,其特征在于,在设定的城市范围内的中心处设置一个噪音控制中心的服务器,并分布M个噪音采集装置和多个噪音处理装置,且每个噪音处理装置分别对应N个噪音采集装置,其中,M、N为自然数且N小于M,该监控方法包括如下步骤:
S1,在设定时间间隔内,所述M个噪音采集装置中的每个噪音采集装置中的每个噪音采集装置采集以其自身为圆心预设半径范围内的噪音信息,并将所述噪音信息发送给与其对应的噪音处理装置;
S2,所述噪音处理装置对所述噪音信息进行预处理,得到噪音平滑信息,并判断所述噪音平滑信息是否在预设噪音范围内,若在,对在所述预设噪音范围内的所述噪音平滑信息进行再次预处理,得到噪音卷积信息,并将所述噪音卷积信息发送给所述噪音控制中心;
S3,所述噪音控制中心的服务器根据预设噪音类型信息与接收到的所述噪音卷积信息,确定与接收到的所述噪音卷积信息对应的噪音类型,并判断所述噪音类型是否属于非法扰民的噪音类型;
S4,若属于,所述噪音控制中心的服务器发送报警信息给与所述噪音采集装置最近的监管中心的服务器,以提醒管理人员对发出非法扰民的噪音的地方进行管理。
2.根据权利要求1所述的监控方法,其特征在于,所述S2中包括:
S21,所述噪音处理装置对所述噪音信息进行滤波、整合处理,得到噪音平滑信息;
S22,判断所述噪音平滑信息是否在预设噪音范围内,若在,对在所述预设噪音范围内的所述噪音平滑信息进行卷积处理,得到噪音卷积信息,将所述噪音卷积信息发送给所述噪音控制中心的服务器。
3.根据权利要求2所述的监控方法,其特征在于,所述S21中包括:
S211,当有多个所述噪音信息时,所述噪音处理装置根据不同的声音传播的距离以及介质对多个所述噪音信息进行滤波处理,计算滤波处理后的多个所述噪音信息的离散值;
S212,将滤波处理后的多个所述噪音信息按照所述离散值大小进行排序,得到多个离散噪音信息,并对所述多个离散噪音信息进行整合处理,得到多个噪音平滑信息。
4.根据权利要求2或3所述的监控方法,其特征在于,所述S22中包括:
S221,判断所述多个噪音平滑信息是否在预设噪音范围内,若在,将在所述预设噪音范围内的所述多个噪音平滑信息进行滤波处理,同时计算滤波处理后的所述多个噪音平滑信息的权重值;
S222,将滤波处理后的所述多个噪音平滑信息按照所述权重值大小进行排序,对排序后的所述滤波处理后的所述多个噪音平滑信息进行卷积处理,得到多个噪音卷积信息;
S223,将所述多个噪音卷积信息发送给所述噪音控制中心的服务器。
5.根据权利要求2所述的监控方法,其特征在于,所述S3中包括:
S31,所述噪音控制中心的服务器根据所述预设噪音类型信息与所述噪音卷积信息的方差,得到方差值;
S32,根据所述方差值确定所述噪音卷积信息对应的噪音类型,并判断所述噪音类型是否属于非法扰民的噪音类型。
6.一种噪音监控系统,其特征在于,该监控系统包括:在设定的城市范围内的中心处设置一个噪音控制中心的服务器,并分布M个噪音采集装置和多个噪音处理装置,且每个噪音处理装置分别对应N个噪音采集装置,其中,M、N为自然数且N小于M;
所述噪音采集装置,用于在设定时间间隔内,采集以其自身为圆心预设半径范围内的噪音信息,并将所述噪音信息发送给与其对应的噪音处理装置;
所述噪音处理装置,用于对所述噪音信息进行预处理,得到噪音平滑信息,并判断所述噪音平滑信息是否在预设噪音范围内,若在,对在所述预设噪音范围内的所述噪音平滑信息进行再次预处理,得到噪音卷积信息,并将所述噪音卷积信息发送给所述噪音控制中心的服务器;
所述噪音控制中心的服务器,用于根据预设噪音类型信息与接收到的所述噪音卷积信息,确定与接收到的所述噪音卷积信息对应的噪音类型,并判断所述噪音类型是否属于非法扰民的噪音类型,同时还用于当所述噪音类型属于非法扰民的噪音时,发送报警信息给与所述噪音采集装置最近的监管中心的服务器,以提醒管理人员对发出非法扰民的噪音的地方进行管理。
7.根据权利要求6所述的监控系统,其特征在于,所述噪音处理装置包括:噪音平滑处理模块、噪音卷积处理模块;
所述噪音平滑处理模块,用于对所述噪音信息进行滤波、整合处理,得到噪音平滑信息;
所述噪音卷积处理模块,用于对在所述预设噪音范围内的所述噪音平滑信息进行再次预处理,得到噪音卷积信息,并将所述噪音卷积信息发送给所述噪音控制中心的服务器。
8.根据权利要求7所述的监控系统,其特征在于,所述噪音平滑处理模块包括:滤波处理单元、整合处理单元;
所述滤波处理单元,用于当有多个所述噪音信息时,根据不同的声音传播的距离以及介质对多个所述噪音信息进行滤波处理,计算滤波处理后的多个所述噪音信息的离散值;
所述整合处理单元,用于将滤波处理后的多个所述噪音信息按照所述离散值大小进行排序,得到多个离散噪音信息,并对所述多个离散噪音信息进行整合处理,得到多个噪音平滑信息。
9.根据权利要求7或8所述的监控系统,其特征在于,所述噪音卷积处理模块包括:权重处理单元、卷积处理单元、发送单元;
所述权重处理单元,用于判断所述多个噪音平滑信息是否在预设噪音范围内,若在,将在所述预设噪音范围内的所述多个噪音平滑信息进行滤波处理,同时计算滤波处理后的所述多个噪音平滑信息的权重值;
所述卷积处理单元,用于将滤波处理后的所述多个噪音平滑信息按照所述权重值大小进行排序,对排序后的所述滤波处理后的所述多个噪音平滑信息进行卷积处理,得到多个噪音卷积信息;
所述发送单元,用于将所述多个噪音卷积信息发送给所述噪音控制中心的服务器。
10.根据权利要求7所述的监控系统,其特征在于,所述噪音控制中心的服务器包括:噪音计算单元、噪音类型判断单元;
所述噪音计算单元,用于根据所述预设噪音类型信息与所述噪音卷积信息的方差,得到方差值;
所述噪音类型判断单元,用于根据所述方差值确定所述噪音卷积信息对应的噪音类型,并判断所述噪音类型是否属于非法扰民的噪音类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710629698.7A CN107393523B (zh) | 2017-07-28 | 2017-07-28 | 一种噪音监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710629698.7A CN107393523B (zh) | 2017-07-28 | 2017-07-28 | 一种噪音监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107393523A true CN107393523A (zh) | 2017-11-24 |
CN107393523B CN107393523B (zh) | 2020-11-13 |
Family
ID=60341379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710629698.7A Active CN107393523B (zh) | 2017-07-28 | 2017-07-28 | 一种噪音监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107393523B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108577592A (zh) * | 2018-06-21 | 2018-09-28 | 九阳股份有限公司 | 一种食品加工机的控制方法 |
CN108965476A (zh) * | 2018-08-30 | 2018-12-07 | 马伟超 | 一种基于物联网的环境噪音预警系统 |
CN109345145A (zh) * | 2018-11-19 | 2019-02-15 | 国网四川省电力公司电力科学研究院 | 一种变电站噪声治理辅助决策方法 |
CN110702169A (zh) * | 2019-10-24 | 2020-01-17 | 淮安信息职业技术学院 | 室内环境监测评级用大数据分析系统及方法 |
CN111124667A (zh) * | 2019-11-27 | 2020-05-08 | 重庆特斯联智慧科技股份有限公司 | 一种基于边缘计算的社区噪音处理方法和系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1360238A (zh) * | 2000-12-20 | 2002-07-24 | 本田技研工业株式会社 | 噪声监视系统 |
US20060092854A1 (en) * | 2003-05-15 | 2006-05-04 | Thomas Roder | Apparatus and method for calculating a discrete value of a component in a loudspeaker signal |
CN2786574Y (zh) * | 2004-02-16 | 2006-06-07 | 黑龙江红鸿科技贸易发展有限责任公司 | 环境噪声在线自动监测系统 |
US20120086570A1 (en) * | 2010-10-06 | 2012-04-12 | Mitel Networks Corporation | Digital telephony distressed sound detection |
CN102506991A (zh) * | 2011-10-25 | 2012-06-20 | 东北石油大学 | 分布式城市环境噪声实时自动监测系统 |
CN103886585A (zh) * | 2014-02-18 | 2014-06-25 | 浙江大学 | 一种基于排序学习的视频跟踪方法 |
CN104616032A (zh) * | 2015-01-30 | 2015-05-13 | 浙江工商大学 | 基于深度卷积神经网络的多摄像机系统目标匹配方法 |
CN104952449A (zh) * | 2015-01-09 | 2015-09-30 | 珠海高凌技术有限公司 | 环境噪声声源识别方法及装置 |
CN104966305A (zh) * | 2015-06-12 | 2015-10-07 | 上海交通大学 | 基于运动矢量划分的前景检测方法 |
CN204915461U (zh) * | 2015-09-14 | 2015-12-30 | 东北大学秦皇岛分校 | 一种车辆行驶安全报警系统 |
CN105512684A (zh) * | 2015-12-09 | 2016-04-20 | 江苏大为科技股份有限公司 | 基于主成分分析卷积神经网络的车标自动识别方法 |
CN105940435A (zh) * | 2014-09-12 | 2016-09-14 | 微软技术许可有限责任公司 | 测量并诊断城市环境中的噪音 |
CN106156169A (zh) * | 2015-04-16 | 2016-11-23 | 深圳市腾讯计算机系统有限公司 | 离散数据的处理方法和装置 |
CN106328152A (zh) * | 2015-06-30 | 2017-01-11 | 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 |
US9570087B2 (en) * | 2013-03-15 | 2017-02-14 | Broadcom Corporation | Single channel suppression of interfering sources |
-
2017
- 2017-07-28 CN CN201710629698.7A patent/CN107393523B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1360238A (zh) * | 2000-12-20 | 2002-07-24 | 本田技研工业株式会社 | 噪声监视系统 |
US20060092854A1 (en) * | 2003-05-15 | 2006-05-04 | Thomas Roder | Apparatus and method for calculating a discrete value of a component in a loudspeaker signal |
CN2786574Y (zh) * | 2004-02-16 | 2006-06-07 | 黑龙江红鸿科技贸易发展有限责任公司 | 环境噪声在线自动监测系统 |
US20120086570A1 (en) * | 2010-10-06 | 2012-04-12 | Mitel Networks Corporation | Digital telephony distressed sound detection |
CN102506991A (zh) * | 2011-10-25 | 2012-06-20 | 东北石油大学 | 分布式城市环境噪声实时自动监测系统 |
US9570087B2 (en) * | 2013-03-15 | 2017-02-14 | Broadcom Corporation | Single channel suppression of interfering sources |
CN103886585A (zh) * | 2014-02-18 | 2014-06-25 | 浙江大学 | 一种基于排序学习的视频跟踪方法 |
CN105940435A (zh) * | 2014-09-12 | 2016-09-14 | 微软技术许可有限责任公司 | 测量并诊断城市环境中的噪音 |
CN104952449A (zh) * | 2015-01-09 | 2015-09-30 | 珠海高凌技术有限公司 | 环境噪声声源识别方法及装置 |
CN104616032A (zh) * | 2015-01-30 | 2015-05-13 | 浙江工商大学 | 基于深度卷积神经网络的多摄像机系统目标匹配方法 |
CN106156169A (zh) * | 2015-04-16 | 2016-11-23 | 深圳市腾讯计算机系统有限公司 | 离散数据的处理方法和装置 |
CN104966305A (zh) * | 2015-06-12 | 2015-10-07 | 上海交通大学 | 基于运动矢量划分的前景检测方法 |
CN106328152A (zh) * | 2015-06-30 | 2017-01-11 | 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 |
CN204915461U (zh) * | 2015-09-14 | 2015-12-30 | 东北大学秦皇岛分校 | 一种车辆行驶安全报警系统 |
CN105512684A (zh) * | 2015-12-09 | 2016-04-20 | 江苏大为科技股份有限公司 | 基于主成分分析卷积神经网络的车标自动识别方法 |
Non-Patent Citations (1)
Title |
---|
柴进: ""基于Hadoop的农业数据挖掘系统"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108577592A (zh) * | 2018-06-21 | 2018-09-28 | 九阳股份有限公司 | 一种食品加工机的控制方法 |
CN108965476A (zh) * | 2018-08-30 | 2018-12-07 | 马伟超 | 一种基于物联网的环境噪音预警系统 |
CN108965476B (zh) * | 2018-08-30 | 2020-08-04 | 赣州德业电子科技有限公司 | 一种基于物联网的环境噪音预警系统 |
CN109345145A (zh) * | 2018-11-19 | 2019-02-15 | 国网四川省电力公司电力科学研究院 | 一种变电站噪声治理辅助决策方法 |
CN110702169A (zh) * | 2019-10-24 | 2020-01-17 | 淮安信息职业技术学院 | 室内环境监测评级用大数据分析系统及方法 |
CN110702169B (zh) * | 2019-10-24 | 2021-12-24 | 淮安信息职业技术学院 | 室内环境监测评级用大数据分析系统及方法 |
CN111124667A (zh) * | 2019-11-27 | 2020-05-08 | 重庆特斯联智慧科技股份有限公司 | 一种基于边缘计算的社区噪音处理方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107393523B (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107393523A (zh) | 一种噪音监控方法及系统 | |
Lin et al. | Using machine learning to assist crime prevention | |
CN106100937A (zh) | 系统监控方法和装置 | |
CN106708692A (zh) | 建立过滤报警模型的方法和装置以及过滤报警的方法、装置和电子设备 | |
CN104240467A (zh) | 用于过程警报减少的系统和方法 | |
CN109961240A (zh) | 一种对监控车辆综合风险的判断方法 | |
AU2021202991B2 (en) | Method and system for vehicle speed profile generation | |
CN114966699A (zh) | 基于车载雷达运动监测的定点监测系统 | |
CN109525337A (zh) | WiFi指纹获取方法、装置、存储介质以及设备 | |
CN112731518A (zh) | 一种人工智能实时微地震监测节点 | |
CN113257039A (zh) | 基于大数据分析的驾驶预警方法及装置 | |
CN108038597A (zh) | 投保风险控制方法、装置、计算机设备及存储介质 | |
CN114794054A (zh) | 一种基于蚊子声音识别的灭蚊方法和系统 | |
CN113112126B (zh) | 基于人工智能的供水管漏损预警方法及系统 | |
CN112168188B (zh) | 一种用于压力检测数据的处理方法和装置 | |
CN105632095A (zh) | 一种高空作业智能预警方法 | |
CN110122045A (zh) | 割草机的刀片更换提示方法、装置、存储介质和系统 | |
CN116993208A (zh) | 一种配电网不停电作业的施工现场管理方法、系统和介质 | |
WO2018009734A1 (en) | Engine performance modeling based on wash events | |
US20210133662A1 (en) | System and method for providing job status information of assets | |
CN110826904B (zh) | 风机的数据处理方法、装置、处理设备及可读存储介质 | |
CN114332766A (zh) | 基于行动规律的危险行为预警方法、装置及其应用 | |
CN107397529A (zh) | 体征数据的检测方法、装置、服务器和存储介质 | |
CN114841451A (zh) | 一种司机出行补贴方法、装置和存储介质 | |
CN106787180A (zh) | 一种输变电状态监测数据的分析方法及装置 |
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 |