CN114279557B - 一种分布式声学检测设备及其检测方法 - Google Patents
一种分布式声学检测设备及其检测方法 Download PDFInfo
- Publication number
- CN114279557B CN114279557B CN202210199001.8A CN202210199001A CN114279557B CN 114279557 B CN114279557 B CN 114279557B CN 202210199001 A CN202210199001 A CN 202210199001A CN 114279557 B CN114279557 B CN 114279557B
- Authority
- CN
- China
- Prior art keywords
- distributed acoustic
- acoustic detection
- noise
- difference
- group
- 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
本发明涉及噪声检测技术领域,具体涉及一种分布式声学检测设备及其检测方法:基于各分布式声学检测设备的噪声分贝和设备到声源的距离,计算可信程度;基于各分布式声学检测设备的噪声频率,计算各组内任意两分布式声学检测设备的差异度;根据各组内任意两个差异度的比值得到差异系数;基于可信程度最大的两组分布式声学检测设备的差异度,计算所述两组分布式声学检测设备的噪声评价;若噪声评价大于第二阈值,则获取噪声评价为噪声检测结果;若噪声评价小于第二阈值,则基于所述可信程度最大的两组分布式声学检测设备的差异系数和噪声评价,计算所述两组分布式声学检测设备的噪声程度,将噪声程度记为噪声检测结果。本发明能够准确检测噪声情况。
Description
技术领域
本发明涉及噪声检测技术领域,具体涉及一种分布式声学检测设备及其检测方法。
背景技术
噪声通常指任意的随机干扰,噪声检测是对干扰人们生活、学习、工作的声音及其声源进行的检测活动。现有的噪声来源广泛,包括生活噪声、道路交通噪声、工厂噪声等等。其中,在工厂内部机器工作的时候会产生噪声,不仅会对工人们的听力造成伤害,而且还会影响周围的环境,因此需要对工厂内的噪声进行检测。现有的噪声检测方法,采用的噪声检测器数量较少,并且声音在传播过程中有损失,进而导致噪声检测结果不理想。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种分布式声学检测设备及其检测方法,所采用的技术方案具体如下:
本发明提供的一种分布式声学检测设备,包括分布式声学测量设备本体,其特征在于,所述分布式声学测量设备还包括分布式声学检测系统,所述分布式声学检测系统包括控制器,以及与所述控制器信号连接的噪音分贝检测仪、噪声频率检测仪和红外测距传感器;所述噪音分贝检测仪用于检测声源产生的噪声分贝,所述噪声频率检测仪用于检测声源产生的噪声频率,所述红外测距传感器用于检测设备到声源的距离;所述控制器获取各组分布式声学检测设备在声源产生噪声时的噪声分贝、噪声频率和设备到声源的距离;
基于所述噪声分贝和各组内设备到声源的距离,计算各组分布式声学检测设备的可信程度;
基于所述噪声频率,计算各组内任意两分布式声学检测设备的差异度;根据各组内任意两个差异度的比值得到差异系数;获取大于第一阈值的差异系数;
基于可信程度最大的两组分布式声学检测设备的差异度,计算所述两组分布式声学检测设备的噪声评价;
若噪声评价大于第二阈值,则获取噪声评价为噪声检测结果;若噪声评价小于第二阈值,则基于所述可信程度最大的两组分布式声学检测设备对应的两个最小差异系数和所述噪声评价,计算所述两组分布式声学检测设备的噪声程度,将噪声程度记为噪声检测结果。
优选地,所述可信程度的获取方法具体为:获取各组分布式声学检测设备的噪声分贝的均值和标准差,以及各组内设备到声源的最远距离与最近距离的差值,根据所述均值、标准差和差值得到各组分布式声学检测设备的可信程度。
优选地,所述差异度的获取方法具体为:利用DTW算法对各组内任意两个分布式声学检测设备的噪声频率进行处理,得到各组内任意两分布式声学检测设备的差异度。
优选地,所述噪声评价的获取方法具体为:获取可信程度最大的两组分布式声学检测设备,根据所述两组内分布式声学检测设备差异度的和标准差乘积的比值,得到所述两组分布式声学检测设备的噪声评价。
优选地,所述噪声程度的获取方法具体为:分别获取可信程度最大的两组分布式声学检测设备内对应最小的差异系数,根据所述差异系数的比值和噪声评价的乘积,得到所述可信程度最大的两组分布式声学检测设备的噪声程度。
优选地,所述每组分布式声学检测设备包括多个分布式声学检测设备。
本发明还提供了一种分布式声学检测设备的检查方法,该方法包括以下步骤:
基于各组内分布式声学检测设备在声源产生噪声时的噪声分贝,以及各组内设备到声源的距离,计算各组分布式声学检测设备的可信程度;
基于各分布式声学检测设备在声源产生噪声时的噪声频率,计算各组内任意两分布式声学检测设备的差异度;根据各组内任意两个差异度的比值得到差异系数;获取大于第一阈值的差异系数;
基于可信程度最大的两组分布式声学检测设备的差异度,计算所述两组分布式声学检测设备的噪声评价;
若噪声评价大于第二阈值,则获取噪声评价为噪声检测结果;若噪声评价小于第二阈值,则基于所述可信程度最大的两组分布式声学检测设备对应的两个最小差异系数和所述噪声评价,计算所述两组分布式声学检测设备的噪声程度,将噪声程度记为噪声检测结果。
优选地,所述可信程度的获取方法具体为:获取各组分布式声学检测设备的噪声分贝的均值和标准差,以及各组内设备到声源的最远距离与最近距离的差值,根据所述均值、标准差和差值得到各组分布式声学检测设备的可信程度。
优选地,所述差异度的获取方法具体为:利用DTW算法对各组内任意两个分布式声学检测设备的噪声频率进行处理,得到各组内任意两分布式声学检测设备的差异度。
优选地,所述噪声评价的获取方法具体为:获取可信程度最大的两组分布式声学检测设备,根据所述两组内分布式声学检测设备差异度的和标准差乘积的比值,得到所述两组分布式声学检测设备的噪声评价。
本发明实施例至少具有如下有益效果:
本发明通过计算各组分布式声学检测设备的可信程度,并获取可信程度最大的两组,根据该两组内分布式声学检测设备采集到的数据进行计算,得到噪声检测结果,能够使两组分布式声学检测设备的检测结果更符合实际,从而能够更加准确的判断噪声情况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明提供的一种分布式声学检测设备的检测原理图;
图2为本发明提供的一种分布式声学检测设备的检测方法实施例的步骤流程图;
图3为本发明提供的一种分布式声学检测设备的检测方法实施例的各组内分布式声学检测设备的放置结构示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种分布式声学检测设备及其检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
一种分布式声学检测设备,包括分布式声学检测设备本体和分布式声学检测系统。
分布式声学检测设备本体为常规的噪声检测设备,对于其结构构成、工作原理以及工作过程不在赘述。
如图1所示,分布式声学检测系统包括控制器,以及与控制器信号相连的噪音分贝检测仪、噪声频率检测仪和红外测距传感器。噪音分贝检测仪用于检测声源产生的噪声分贝,实时获取工厂内机器产生的噪声分贝。噪声频率检测仪用于检测声源产生的噪声频率,实时获取工厂内机器产生的噪声频率。红外测距传感器用于检测设备到声源的距离,实时获取工厂内分布式声学检测设备到产生噪声的机器的距离。所述控制器获取各组分布式声学检测设备在声源产生噪声时的噪声分贝、噪声频率和设备到声源的距离,控制器为常规的控制芯片,例如单片机等。其中,所述每组分布式声学检测设备包括多个分布式声学检测设备,并且按照一定的放置策略被放置在工厂房间内。
对上述中各组分布式声学检测设备采集的数据进行数据处理,数据处理后可以由后台服务器执行,即各分布式声学检测设备将数据传送给后台服务器,通过后台服务器进行噪声检测的结果分析。具体的传送方式是通过在分布式声学检测系统中设置的通信模块中进行传送。作为其他实施方式,数据处理也可以在任意一台分布式声学检测设备的控制器中执行,即各分布式声学检测设备之间通过在分布式声学检测系统中设置的通信模块中实现数据的共享。
对上述控制器采集到的各个数据信息进行处理,如图2所示,具体处理方法包括以下步骤:
步骤一,按照放置策略在房间内放置多组分布式声学检测设备,采集各组内分布式声学检测设备在声源产生噪声时的噪声分贝,以及各组内设备到声源的距离。
具体地,需要首先采集厂房的长宽高数据,为了保障分布式噪声检测设备的准确性,以房间的长边的两端点分别作为起点和终点,放置各组分布式声学检测设备,各组的组间距为预设距离,本实施例中预设距离为5米,实施者也可根据厂房内部长边的长度进行设定。
本实施例中的各组分布式声学检测设备的放置结构示意图,如图3所示,每组设有7个分布式声学检测设备,其中S01~S07为分布式声学检测设备,C01~C03为墙体,B01为地面,A01为声源。且S04和S05被放置时应分别距离墙面C02和C03至少0.5m以上,距离地面B01的高度为1.2m。S03和S06分别放置在对应墙面C02和C03中间的位置,且S03和S06的连线平行于S04和S05连线,且S02、S03、S05、S06均距离墙面至少0.5m以上。上述分布式声学检测设备的放置方法仅为本实施例示出的一种具体的方法,实施者可根据厂房的实际情况,在声源四周放置多个分布式声学检测设备。
需要说明的是,在实际生产的过程中,同一个厂房内有很多台机器,测量一台机器时,应保证其他机器处于未工作状态,避免各个机器的噪声互相影响,导致某台机器的噪声过大,最终影响分布式声学检测设备对某台机器的噪声检测结果。同时,厂房内的机器会根据需要的工况设置多个档位,因此在测量机器工作时的噪声情况,默认将机器空载运行到最大档位保持一定时间,实施者可根据实际情况选择运作时间,以保障数据的准确性,以便记录后期对噪声的检测结果。
在本实施例中,将机器空载运行到最大档位,对机器运行时的噪声分贝进行检测,各分布式声学检测设备每两秒记录一次数据,以五分钟为例,记录共150个数据,同时检测各组内分布式声学检测设备到声源的距离。需要说明的是,机器工作时产生的噪声在空气中会有相应的能力损失,且不同的噪声会在扩散中相互抵消,因此,在预设距离内(本实施例中为5米)的多台机器可以视为一个整体,即视为同一个声源。
步骤二,计算各组分布式声学检测设备的可信程度;基于各分布式声学检测设备在声源产生噪声时的噪声频率,计算各组内任意两分布式声学检测设备的差异度;根据各组内任意两个差异度的比值得到差异系数;获取大于第一阈值的差异系数。
具体地,获取各组分布式声学检测设备的噪声分贝的均值和标准差,以及各组内设备到声源的最远距离与最近距离的差值,根据所述均值、标准差和差值得到各组分布式声学检测设备的可信程度,用公式表示为:
其中,Ui表示第i组分布式声学检测设备的可信程度,Max(Di n )表示第i组中第n个分布式声学检测设备到声源的距离最大,Min(Di m)表示第i组中第m个分布式声学检测设备到声源的距离最小;[Max(Di n)-Min(Di m)]的数值越大表示这组分布式声学检测设备采集到的数据越没有代表性,可信程度越低。mean(Ni)表示第i组分布式声学检测设备的噪声分贝的均值,STD(Ni)表示第i组分布式声学检测设备的噪声分贝的标准差,[mean(Ni)*STD(Ni)]反映了机器在工作状态下产生的噪声变化情况,其数值越小,表示这组分布式声学检测设备采集到的数据越稳定,则可信程度越大。
需要说明的是,在对机器产生的噪声进行检测时,由于实际生产中检测器的位置是相对不变且有放置规律的,但是机器的排布是需要根据具体使用情况及需求进行排布的。因此不同组内分布式声学检测设备的噪声检测结果表达某个区域或者某台机器的噪声情况不同,故还需对每组内分布式声学检测设备采集到的数据进行分析。
接着,获取各分布式声学检测设备在机器产生噪声时采集到的噪声频率,计算各组内任意两分布式声学检测设备的差异度,差异度的计算方法用公式表示为:
其中,R(ni,mi)表示第i组的第n个分布式声学检测设备和第m个分布式声学检测设备的差异度。Li n 、Li m分别表示第i组的第n个分布式声学检测设备和第m个分布式声学检测设备采集到的噪声频率。的取值范围为(0,1)。当R(ni,mi)的值越小,表示差异度越小,则相似性越高。
按照上述计算方法可以得到每组内的分布式声学检测设备之间的差异度,为了方便分析各个组内设备的准确情况,将差异程度转化为需要的样本差异距离,即可得到每组内的分布式声学检测设备之间的差异距离。在本实施例中,每组内有7个分布式声学检测设备,通过计算可得到21个差异距离的数据,将任意两个数值进行比较,可以得到差异系数,用公式可表示为:
其中,α为差异系数,M(ni,mi)表示第i组的第n个分布式声学检测设备和第m个分布式声学检测设备的差异距离,M(ai,bi)表示第i组的第a个分布式声学检测设备和第b个分布式声学检测设备的差异距离。并且在本实施例中,计算差异系数时,始终将两个差异距离的数值中较大的差异距离作为分母进行计算,则α的取值范围为(0,1)。
然后,设定第一阈值,在本实施例中取值为0.8,当时0.8≤α<1时,表示此时两个差异距离相近,两对设备的差异度类似,则获取此时的所有差异系数。当α<0.8时,表示此时两个差异距离没有参考价值,则可将其数据删除,不做考虑。
步骤三,基于可信程度最大的两组分布式声学检测设备的差异度,计算所述两组分布式声学检测设备的噪声评价;若噪声评价大于第二阈值,则获取噪声评价为噪声检测结果;若噪声评价小于第二阈值,则基于所述可信程度最大的两组分布式声学检测设备对应最小的两个差异系数和所述噪声评价,计算所述两组分布式声学检测设备的噪声程度,将噪声程度记为噪声检测结果。
具体地,在实际生产过程中,一组分布式声学检测设备无法更准确的判断噪声情况,故将各组的可信程度按照从大到小的顺序排列,获取可信程度最大对应的一组分布式声学检测设备记为第一组,获取可信程度第二大对应的一组分布式声学检测设备记为第二组,根据所述第一组和第二组计算噪声评价,用公式表示为:
其中,c为噪声评价,mean(M1)和STD(M1)分别表示第一组分布式声学检测设备之间的差异距离的均值和标准差,mean(M2)和STD(M2)分别表示第二组分布式声学检测设备之间的差异距离的均值和标准差。
进一步的,设定第二阈值,在本实施例中考虑到噪声在空气中会有能量的损失或者互相干扰,第二阈值取值为0.7,实施者可根据实际情况进行设定。
当0.7≤c<1时,表示可信程度最大的两组分布式声学检测设备的样本距离相近,差异程度相似,则获取此时的噪声评价为噪声检测结果。
当c<0.7时,分别获取第一组和第二组中最小的差异系数,计算噪声程度,用公式表示为:
其中,C为噪声程度,c为噪声评价,α1为第一组中最小的差异系数,α2为第二组中最小的差异系数,则噪声程度为最终的噪声检测结果。需要说明的是,可以限制噪声程度的取值在(0.65,0.7),使得本实施例中对同时检测同一台机器或者同一区域的两组分布式声学检测设备的检测结果更符合实际,从而能够更加准确的判断噪声情况。
本发明还提供一种分布式声学检测设备的检测方法,该方法与上述步骤一到步骤三的过程一致,因步骤一到步骤三的具体实施过程已在上述实施例中详细叙述,在此不过多赘述。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种分布式声学检测设备,包括分布式声学检测设备本体,其特征在于,所述分布式声学检测设备还包括分布式声学检测系统,所述分布式声学检测系统包括控制器,以及与所述控制器信号连接的噪音分贝检测仪、噪声频率检测仪和红外测距传感器;所述噪音分贝检测仪用于检测声源产生的噪声分贝,所述噪声频率检测仪用于检测声源产生的噪声频率,所述红外测距传感器用于检测设备到声源的距离;所述控制器获取各组分布式声学检测设备在声源产生噪声时的噪声分贝、噪声频率和设备到声源的距离;
获取各组分布式声学检测设备的噪声分贝的均值和标准差,以及各组内设备到声源的最远距离与最近距离的差值,根据所述均值、标准差和差值得到各组分布式声学检测设备的可信程度,其中可信程度为:
其中,Ui表示第i组分布式声学检测设备的可信程度,Max(Di n)表示第i组中第n个分布式声学检测设备到声源的距离最大,Min(Di m)表示第i组中第m个分布式声学检测设备到声源的距离最小,mean(Ni)表示第i组分布式声学检测设备的噪声分贝的均值,STD(Ni)表示第i组分布式声学检测设备的噪声分贝的标准差;
利用DTW算法对各组内任意两个分布式声学检测设备的噪声频率进行处理,得到各组内任意两分布式声学检测设备的差异度,其中差异度为:
其中,R(ni,mi)表示第i组的第n个分布式声学检测设备和第m个分布式声学检测设备的差异度,Li n、Li m分别表示第i组的第n个分布式声学检测设备和第m个分布式声学检测设备采集到的噪声频率;
根据差异度的倒数得到差异距离,所述差异距离为:
其中,M(ni,mi)第i组的第n个分布式声学检测设备和第m个分布式声学检测设备的差异距离,R(ni,mi)表示第i组的第n个分布式声学检测设备和第m个分布式声学检测设备的差异度;
根据各组内任意两个差异距离的比值得到差异系数,其中差异系数为:
其中,α为差异系数,M(ni,mi)表示第i组的第n个分布式声学检测设备和第m个分布式声学检测设备的差异距离,M(ai,bi)表示第i组的第a个分布式声学检测设备和第b个分布式声学检测设备的差异距离,计算差异系数时,将两个差异距离的数值中较大的差异距离作为分母进行计算,α的取值范围为(0,1);并获取大于第一阈值的差异系数,所述第一阈值的取值为0.8,即0.8≤α<1时,获取此时的所有差异系数,当α<0.8时,将其数据删除;
获取可信程度最大的两组分布式声学检测设备,根据所述两组内分布式声学检测设备差异度的和标准差乘积的比值,得到所述两组分布式声学检测设备的噪声评价,所述噪声评价为:
其中,c为噪声评价,将可信程度最大对应的一组分布式声学检测设备记为第一组,将可信程度第二大对应的一组分布式声学检测设备记为第二组,M1表示第一组分布式声学检测设备的差异距离,M2表示第二组分布式声学检测设备的差异距离,mean(M1)和STD(M1)分别表示第一组分布式声学检测设备的差异距离的均值和标准差,mean(M2)和STD(M2)分别表示第二组分布式声学检测设备之间的差异距离的均值和标准差;
若噪声评价大于第二阈值,则获取噪声评价为噪声检测结果,所述第二阈值的取值为0.7,即0.7≤c<1时,获取噪声评价为噪声检测结果;若噪声评价小于第二阈值,即c<0.7时,分别获取可信程度最大的两组分布式声学检测设备内对应最小的差异系数,根据所述差异系数的比值和噪声评价的乘积,得到所述可信程度最大的两组分布式声学检测设备的噪声程度,所述噪声程度为:
其中,C为噪声程度,c为噪声评价,α1为第一组分布式声学检测设备中最小的差异系数,α2为第二组分布式声学检测设备中最小的差异系数,并将噪声程度记为噪声检测结果;
其中,每组分布式声学检测设备包括多个分布式声学检测设备。
2.一种分布式声学检测设备的检测方法,其特征在于,所述方法包括以下步骤:
获取各组分布式声学检测设备的噪声分贝的均值和标准差,以及各组内设备到声源的最远距离与最近距离的差值,根据所述均值、标准差和差值得到各组分布式声学检测设备的可信程度,其中可信程度为:
其中,Ui表示第i组分布式声学检测设备的可信程度,Max(Di n)表示第i组中第n个分布式声学检测设备到声源的距离最大,Min(Di m)表示第i组中第m个分布式声学检测设备到声源的距离最小,mean(Ni)表示第i组分布式声学检测设备的噪声分贝的均值,STD(Ni)表示第i组分布式声学检测设备的噪声分贝的标准差;
利用DTW算法对各组内任意两个分布式声学检测设备的噪声频率进行处理,得到各组内任意两分布式声学检测设备的差异度,其中差异度为:
其中,R(ni,mi)表示第i组的第n个分布式声学检测设备和第m个分布式声学检测设备的差异度,Li n、Li m分别表示第i组的第n个分布式声学检测设备和第m个分布式声学检测设备采集到的噪声频率;
根据差异度的倒数得到差异距离,所述差异距离为:
其中,M(ni,mi)第i组的第n个分布式声学检测设备和第m个分布式声学检测设备的差异距离,R(ni,mi)表示第i组的第n个分布式声学检测设备和第m个分布式声学检测设备的差异度;
根据各组内任意两个差异距离的比值得到差异系数,其中差异系数为:
其中,α为差异系数,M(ni,mi)表示第i组的第n个分布式声学检测设备和第m个分布式声学检测设备的差异距离,M(ai,bi)表示第i组的第a个分布式声学检测设备和第b个分布式声学检测设备的差异距离,计算差异系数时,将两个差异距离的数值中较大的差异距离作为分母进行计算,α的取值范围为(0,1);并获取大于第一阈值的差异系数,所述第一阈值的取值为0.8,即0.8≤α<1时,获取此时的所有差异系数,当α<0.8时,将其数据删除;
获取可信程度最大的两组分布式声学检测设备,根据所述两组内分布式声学检测设备差异度的和标准差乘积的比值,得到所述两组分布式声学检测设备的噪声评价,所述噪声评价为:
其中,c为噪声评价,将可信程度最大对应的一组分布式声学检测设备记为第一组,将可信程度第二大对应的一组分布式声学检测设备记为第二组,M1表示第一组分布式声学检测设备的差异距离,M2表示第二组分布式声学检测设备的差异距离,mean(M1)和STD(M1)分别表示第一组分布式声学检测设备的差异距离的均值和标准差,mean(M2)和STD(M2)分别表示第二组分布式声学检测设备之间的差异距离的均值和标准差;
若噪声评价大于第二阈值,则获取噪声评价为噪声检测结果,所述第二阈值的取值为0.7,即0.7≤c<1时,获取噪声评价为噪声检测结果;若噪声评价小于第二阈值,即c<0.7时,分别获取可信程度最大的两组分布式声学检测设备内对应最小的差异系数,根据所述差异系数的比值和噪声评价的乘积,得到所述可信程度最大的两组分布式声学检测设备的噪声程度,所述噪声程度为:
其中,C为噪声程度,c为噪声评价,α1为第一组分布式声学检测设备中最小的差异系数,α2为第二组分布式声学检测设备中最小的差异系数,并将噪声程度记为噪声检测结果;
其中,每组分布式声学检测设备包括多个分布式声学检测设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210199001.8A CN114279557B (zh) | 2022-03-02 | 2022-03-02 | 一种分布式声学检测设备及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210199001.8A CN114279557B (zh) | 2022-03-02 | 2022-03-02 | 一种分布式声学检测设备及其检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114279557A CN114279557A (zh) | 2022-04-05 |
CN114279557B true CN114279557B (zh) | 2022-05-17 |
Family
ID=80882090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210199001.8A Active CN114279557B (zh) | 2022-03-02 | 2022-03-02 | 一种分布式声学检测设备及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114279557B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4532807A (en) * | 1982-10-01 | 1985-08-06 | Bridgestone Tire Company Limited | Method and apparatus for detecting sound source |
JPH08122140A (ja) * | 1994-10-20 | 1996-05-17 | Isuzu Motors Ltd | ギヤノイズ評価装置 |
WO1996027862A1 (fr) * | 1995-03-08 | 1996-09-12 | Paul Bertrand | Procede de detection de bruits et dispositif acoustique de detection d'intrusion |
JPH09243448A (ja) * | 1996-03-08 | 1997-09-19 | Nippon Telegr & Teleph Corp <Ntt> | 音響伝達特性予測方法およびその装置、音響装置 |
CN104204737A (zh) * | 2012-02-01 | 2014-12-10 | 光学感应器控股有限公司 | 指示位置 |
KR20160097999A (ko) * | 2014-07-22 | 2016-08-18 | 광주과학기술원 | 위험 상황을 인식하는 음향 감시 방법 |
CN106125048A (zh) * | 2016-07-11 | 2016-11-16 | 浙江大华技术股份有限公司 | 一种声源定位方法及装置 |
CN107202976A (zh) * | 2017-05-15 | 2017-09-26 | 大连理工大学 | 低复杂度的分布式麦克风阵列声源定位系统 |
CN109238443A (zh) * | 2018-08-01 | 2019-01-18 | 中科振声(苏州)电子科技有限公司 | 一种振动噪声智能应对系统及一种振动噪声智能应对方法 |
CN110245443A (zh) * | 2019-06-21 | 2019-09-17 | 中国人民解放军63892部队 | 一种基于映射函数的多类型输出仿真模型可信度综合评估方法 |
CN110715724A (zh) * | 2019-08-12 | 2020-01-21 | 中国第一汽车股份有限公司 | 一种基于台架噪声和声传函测算车内噪声的方法 |
CN110889207A (zh) * | 2019-11-08 | 2020-03-17 | 江南机电设计研究所 | 一种基于深度学习的体系组合模型可信度智能评估方法 |
CN110986950A (zh) * | 2019-12-09 | 2020-04-10 | 上海上实龙创智慧能源科技股份有限公司 | 一种基于bim的工厂噪声强度安全区域导航方法 |
CN112649788A (zh) * | 2020-12-30 | 2021-04-13 | 华东理工大学 | 可适应运动声源的分布式汽车鸣笛声源实时快速定位方法、系统、装置、处理器及存储介质 |
CN113267249A (zh) * | 2021-05-12 | 2021-08-17 | 杭州仁牧科技有限公司 | 基于大数据的多通道噪声分析系统及分析方法 |
CN113936688A (zh) * | 2021-09-14 | 2022-01-14 | 广州大学 | 一种声学指数确定方法、装置及存储介质 |
CN114096874A (zh) * | 2019-07-10 | 2022-02-25 | 金永彦 | 声源可视化装置及方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004084176A1 (ja) * | 2000-08-15 | 2004-09-30 | Yoichi Ando | 音響評価方法およびそのシステム |
JP5305743B2 (ja) * | 2008-06-02 | 2013-10-02 | 株式会社東芝 | 音響処理装置及びその方法 |
GB201109372D0 (en) * | 2011-06-06 | 2011-07-20 | Silixa Ltd | Method for locating an acoustic source |
JP6488492B2 (ja) * | 2014-08-01 | 2019-03-27 | 本田技研工業株式会社 | 音響処理装置及び音響処理方法 |
US11340371B2 (en) * | 2019-07-11 | 2022-05-24 | Halliburton Energy Services, Inc. | Fiber optic noise mitigation for distributed acoustic sensing |
-
2022
- 2022-03-02 CN CN202210199001.8A patent/CN114279557B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4532807A (en) * | 1982-10-01 | 1985-08-06 | Bridgestone Tire Company Limited | Method and apparatus for detecting sound source |
JPH08122140A (ja) * | 1994-10-20 | 1996-05-17 | Isuzu Motors Ltd | ギヤノイズ評価装置 |
WO1996027862A1 (fr) * | 1995-03-08 | 1996-09-12 | Paul Bertrand | Procede de detection de bruits et dispositif acoustique de detection d'intrusion |
JPH09243448A (ja) * | 1996-03-08 | 1997-09-19 | Nippon Telegr & Teleph Corp <Ntt> | 音響伝達特性予測方法およびその装置、音響装置 |
CN104204737A (zh) * | 2012-02-01 | 2014-12-10 | 光学感应器控股有限公司 | 指示位置 |
KR20160097999A (ko) * | 2014-07-22 | 2016-08-18 | 광주과학기술원 | 위험 상황을 인식하는 음향 감시 방법 |
CN106125048A (zh) * | 2016-07-11 | 2016-11-16 | 浙江大华技术股份有限公司 | 一种声源定位方法及装置 |
CN107202976A (zh) * | 2017-05-15 | 2017-09-26 | 大连理工大学 | 低复杂度的分布式麦克风阵列声源定位系统 |
CN109238443A (zh) * | 2018-08-01 | 2019-01-18 | 中科振声(苏州)电子科技有限公司 | 一种振动噪声智能应对系统及一种振动噪声智能应对方法 |
CN110245443A (zh) * | 2019-06-21 | 2019-09-17 | 中国人民解放军63892部队 | 一种基于映射函数的多类型输出仿真模型可信度综合评估方法 |
CN114096874A (zh) * | 2019-07-10 | 2022-02-25 | 金永彦 | 声源可视化装置及方法 |
CN110715724A (zh) * | 2019-08-12 | 2020-01-21 | 中国第一汽车股份有限公司 | 一种基于台架噪声和声传函测算车内噪声的方法 |
CN110889207A (zh) * | 2019-11-08 | 2020-03-17 | 江南机电设计研究所 | 一种基于深度学习的体系组合模型可信度智能评估方法 |
CN110986950A (zh) * | 2019-12-09 | 2020-04-10 | 上海上实龙创智慧能源科技股份有限公司 | 一种基于bim的工厂噪声强度安全区域导航方法 |
CN112649788A (zh) * | 2020-12-30 | 2021-04-13 | 华东理工大学 | 可适应运动声源的分布式汽车鸣笛声源实时快速定位方法、系统、装置、处理器及存储介质 |
CN113267249A (zh) * | 2021-05-12 | 2021-08-17 | 杭州仁牧科技有限公司 | 基于大数据的多通道噪声分析系统及分析方法 |
CN113936688A (zh) * | 2021-09-14 | 2022-01-14 | 广州大学 | 一种声学指数确定方法、装置及存储介质 |
Non-Patent Citations (4)
Title |
---|
《Distributed Combined Acoustic Echo Cancellation and Noise Reduction in Wireless Acoustic Sensor and Actuator Networks》;Santiago Ruiz;《IEEE/ACM Transactions on Audio, Speech, and Language Processing》;20220105;全文 * |
《Laser structural training, artificial intelligence based acoustic emission localization and structural/noise signal distinguishment in a thick FCEV fuel tank》;Jun-Min Lee;《International Journal of Hydrogen Energy》;20211120;全文 * |
《基于声学脉冲响应的麦克风阵列室内几何重构关键技术研究》;覃虹菱;《中国优秀硕士学位论文全文数据库工程科技辑》;20191215;全文 * |
《麦克风阵列声源定位算法研究综述》;石婷;《科技视界》;20160925;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114279557A (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102317770B (zh) | 用于对发声过程进行分类的方法和装置 | |
CN110045016B (zh) | 一种基于声频分析的隧道衬砌无损检测方法 | |
US10352912B2 (en) | Structure evaluation system, structure evaluation apparatus, and structure evaluation method | |
CN104471359A (zh) | 噪声识别装置及噪声识别方法 | |
CN116861544B (zh) | 一种基于边云协同的建筑异常振动源定位方法及相关设备 | |
KR20210129942A (ko) | 이음 검사 장치 및 그 검사 방법 | |
CN116623635A (zh) | 一种振冲碎石桩复合地基加固质量的自激式检测方法 | |
CN116721508A (zh) | 一种基于光纤地震计阵列技术的外界入侵监测预警方法 | |
Petryk et al. | Smartphone-Based Automated Non-Destructive Testing Devices | |
JP6386174B2 (ja) | 構造物評価システム、構造物評価装置及び構造物評価方法 | |
CN114279557B (zh) | 一种分布式声学检测设备及其检测方法 | |
CN117454283A (zh) | 一种用于风电机组运行检测数据的状态评估方法 | |
CN114722480A (zh) | 房屋建筑结构的安全监测系统及其建立、监测方法 | |
KR101288870B1 (ko) | 진동 무선센서노드를 이용한 건물의 진동 상태 중앙 모니터링 시스템 | |
US10458954B2 (en) | Structure evaluation system, structure evaluation apparatus, and structure evaluation method | |
CN115875008B (zh) | 一种地质钻机智能钻探数据采集方法、系统和存储介质 | |
CN116698986A (zh) | 一种基于调谐带通滤波器的吸音材料质控系统和方法 | |
CN116522085A (zh) | 一种全自动拉索频率提取、定阶和索力识别方法与应用 | |
CN116068056A (zh) | 一种故障检测方法和故障检测系统 | |
KR20230103456A (ko) | 건축 구조물의 안전성을 평가하는 구조물 안전 평가 방법 및 상기 방법을 수행하는 구조물 안전 평가 장치 | |
CN111721399B (zh) | 一种水工建筑结构振动测试系统和测试方法 | |
CN108387308A (zh) | 变速箱啸叫下线检测方法及其检测系统 | |
CN113312731A (zh) | 一种变桨轴承故障检测方法及装置、存储介质 | |
CN111190220A (zh) | 一种声波信号的探测方法及装置 | |
JP2021038936A (ja) | タイル健全基準取得装置及び方法 |
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 |