CN114449410B - 一种多通道声纹信号同步采集系统及方法 - Google Patents

Abstract

本公开提供了一种基于同步多通道的声纹信号采集系统及方法，包括模拟麦克风阵列、调理电路、模数转换采集模块和现场可编程逻辑门阵列；模拟麦克风阵列为多个，模拟麦克风阵列由多组正反双麦克风组成，每组正反双麦克风分别依次连接有调理电路和模数转换采集模块；模拟麦克风阵列包括第一方向高频全指向麦克风和第二方低频心形指向麦克风，两个方向的麦克风的收声孔反向设置；调理电路包括信号衰减电路、程控放大电路、滤波电路，本实施例中，提出了一种采用基于小波变换的循环平移去噪算法，克服了小波变换在表达信号图像边缘的方向特性等方面的内在缺陷，本公开实现了同步多通道高速数据采集和边缘计算，并且能够对系统数据进行实时监控。

Description

一种多通道声纹信号同步采集系统及方法

技术领域

本公开属于声纹采集技术领域，尤其涉及一种多通道声纹信号同步采集系统及方法。

背景技术

随着工业化的不断发展，生产设备健康检测也越来越受到重视，尤其是处在初期故障期和损耗故障期的设备故障率都一般较高。因此故障检测对于工业生产具有重要意义。声纹识别是一种常用于故障检测的方式，在实际应用中具有的显著的优点，基于声音信号的结构损伤检测具有采集便利性高、准确率高、采集成本低、非接触式采集、安全性高等诸多优点，是未来万物互联网时代发展的必然趋势，因此能够快速准确实时的采集并传输声纹信号具有重要意义。

噪声和异常声音在日常生活和工业生产中很常见，如汽车行驶过程中的异常啸叫声、工业生产中皮带机的异常摩擦声。要解决这些噪声问题，首先需要识别噪声并确定噪声是从哪里发出来的，是由什么设备或部件造成的，这就是声源定位要解决的问题。声源定位技术是确定一个声音在空间来源方向的技术，声源定位技术可以用于噪声声源定位，也可以用于其它声音定位。麦克风阵列声源定位技术的原理上可归为三大类，分别是基于信号达到时间差的声源定位、基于可控波束形成的声源定位以及基于空间谱估计的声源定位，上述三种方法都要求采集的信号能具有较高的实时性，这就要求采集系统能够快速准确的采集声源信号并传输给上位机进行相关运算，由于房间反射波和环境噪声干扰等，使得麦克风接收到的信号质量差且夹杂大量噪音信号，降低了声源信号的信噪比，增加上位机提取有用信号的工作量，因此强化采集系统除噪功能非常必要。

本公开发明人发现，当前传统声纹信号采集方法或系统仍存在以下问题：

1.麦克风采集到的声源信号质量较差，其中包含的低频噪音影响有效信号的分析，对后续去噪工作带来很大难度，需要在声场较好的房间进行采集，例如静音室等；

2.传统采集系统对声音信号的采集实时性较差，难以做到多通道同步采集；

3.传统采集系统难以实现边缘计算，给上位机带来了较多数据处理方面的负担；

4.难以实现系统的实时远程监控。

发明内容

本公开为了解决上述问题，提出了一种多通道声纹信号同步采集系统及方法，本公开实现了多通道数据的同步高速采集和边缘计算，并且能够对系统进行实时监控。

为了实现上述目的，本发明是通过如下的技术方案来实现：

第一方面，本公开提供了一种多通道声纹信号同步采集系统及方法，包括模拟麦克风阵列、调理电路、模数转换采集模块和现场可编程逻辑门阵列；

所述模拟麦克风阵列由多组正反双麦克风组成，每组正反双麦克风分别依次连接有调理电路和模数转换采集模块；多个模数转换采集模块共同与所述现场可编程逻辑门阵列连接；

所述每组正反双麦克风组包括第一方向麦克风和第二方向麦克风，两个方向的麦克风的收声孔反向设置。

进一步的，还包括电池供电模块和5G无线传输模块；所述电池供电模块分别与所述模拟麦克风阵列、调理电路、所述模数转换采集模块、所述现场可编程逻辑门阵列和5G无线传输模块连接；所述现场可编程逻辑门阵列与所述5G无线传输模块连接。

进一步的，所述电池供电模块包括主备电切换电路、恒流源电路和降压电路。

进一步的，所述第一方向麦克风为全指向型高频麦克风，所述第二方向麦克风为心形指向型低频麦克风，第一方向麦克风选为全指向型高频麦克风能够采集高频声音信号，可实现对超声波信号的采集。

进一步的，所述调理电路包括信号衰减电路、程控放大电路和滤波电路；所述滤波电路包括低频滤波、抗混叠滤波和高频率波电路。

进一步的，所述信号衰减电路采用T型衰减网络。

进一步的，所述模数转换采集模块为四片8通道24位；所述模数转换采集模块通过串行外设接口与所述现场可编程逻辑门阵列连接。

第二方面，本公开还提供了一种多通道声纹信号同步采集系统及方法，采用了如第一方面所述的基于同步多通道的声纹信号采集系统；包括：

获取声源信号；

对所述声源信号进行预处理，包括信号衰减、程控放大、低通滤波、抗混叠滤波和高通滤波；

将预处理后的声源信号转换为数字信号；

对所述数字信号进行去噪；

将去噪后的数字信号传输给上位机和云端。

进一步的，心形指向型麦克风采集声源正面和侧面的声源信号，屏蔽心形指向型麦克风后方低频噪音信号。

进一步的，对所述数字信号进行去噪采用基于小波变换的循环平移去噪算法，包括：

对含噪声数据进行平移，形成一维数组；

对得到的一维数组进行变换得到小波系数；

对得到的小波系数进行阈值去噪得到新的小波系数；

对得到的新的小波系数进行逆变换得到新的一维数组；

对新的数组进行逆方向的平移，并恢复到原数据状态，得到去噪结果；

判断是否已经达到设定的循环次数，如果未达到循环次数，则再次进行去噪，如果达到循环次数，则完成去噪。

与现有技术相比，本公开的有益效果为：

1.本公开在模拟麦克风阵列部分，采用正反两组麦克风对同一被测对象进行声音信号采集，正面麦克风采集可测范围内包括噪音的有效信号，背面麦克风采集背侧范围内声音信号(主要是噪音信号)；正反两组麦克风的两组被测信号经过现场可编程逻辑门阵列(Field Programmable Gate Array；FPGA)处理，可极大程度上降低甚至消除部分硬件电路难以去除的噪音信号，只保留所需有用信号，提高了有用信号的质量；正反两组麦克风的结构也最大程度上降低了环境噪音的干扰，提高了设备对环境噪音的容忍度；相比于传统单麦克风采集系统，本公开降低了对测量环境的要求，对声音信号的采集更精确，采集范围更广，可采集超声波信号，弥补了传统单麦克风采集系统的不足；

2.本公开该系统在数据采集部分，采用了FPGA和四片8通道24位同步采样模数转换(analogue-to-digital conversion；ADC)芯片，极大发挥了ADC芯片高采样速率、高采样精度和高数据传输速度的优势；

3.本公开在FPGA中对数据处理部分，利用小波变换的平移循环去噪方法，抑制了小波变换阈值去噪过程中产生的伪吉布斯现象，可大幅度减少随机噪声的干扰；

4.本公开采用了5G无线传输模块，可以实现远程数据实时监控，方便用户对被测对象的检测，用户无需身临现场就可以监控并控制生产系统和现场设备的运行状态及各种参数。

附图说明

构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。

图1为本公开实施例1的系统框图；

图2为本公开实施例1的模拟麦克风阵列示意图；

图3为本公开实施例1的电池充电模块框图；

图4为本公开实施例1的正反两组模拟麦克风结构示意图；

图5为本公开实施例2的流程图；

其中，1、正面全指向型高频麦克风，2、反面心型指向低频麦克风，3、模拟麦克风阵列，4、声源信号，5、正面全指向型麦克风信号拾取范围，6、反面心型指向麦克风的信号拾取范围。

具体实施方式：

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

实施例1：

如图1所示，本实施例提供了一种基于同步多通道的声纹信号采集系统，包括电池供电模块、模拟麦克风阵列、调理电路、模数转换采集模块、现场可编程逻辑门阵列和5G传输模块；

所述模拟麦克风阵列由16组正反双麦克风组成，每组正反双麦克风分别依次连接有调理电路和模数转换采集模块；多个模数转换采集模块共同与所述现场可编程逻辑门阵列连接；

所述每组正反双麦克风组包括第一方向麦克风和第二方向麦克风，两个方向的麦克风的收声孔反向设置。

本实施例中，采用了高速处理器FPGA，能够在FPGA中对数据进行预处理，除去部分调理电路中难以去除的噪声信号，采用了5G传输技术，能够将声源数据上传至云端，用户可实时监测设备运行情况，方便本地上位机进行声源定位和故障诊断。

如图3所示，在本实施例中，电池供电部分包括主备电切换电路、恒流源电路和降压电路，外部没有稳定且足够大的电源时，通过主备电切换电路，使系统采用电池供电，提高系统对恶劣环境的容忍度，延长系统的续航时间。利用降压电路为系统各模块提供所需标准电压；具体的，所述电池供电部分包括24v、4mA二线制恒流源、主备电切换电路和降压电路。如果外部没有稳定且足够大的电源时，通过主备电切换电路，使系统采用电池供电，提高的系统对恶劣环境的容忍度，延长系统的续航时间。电源经过降压电路降为3.3v后供给FPGA和ADC模块。

本实施例中，所述模拟麦克风阵列由16组正反两组麦克风组成，两组麦克风为第一方向麦克风和第二方向麦克风，可以大幅度提高采集声源信号的质量，减少墙壁反射或其他方向的杂音，降低采集系统对环境的要求；具体的，所述模拟麦克风部分采用正反两组麦克风的结构，该结构能够在数据处理时有效降低低频噪声信号，可以将两组信号中相似部分的噪音信号大范围衰减甚至消除。可在很大程度上降低甚至消除模拟麦克风采集数据中的噪音，弥补了硬件预调电路中无法过滤部分低频噪音的缺点。

所述第一方向麦克风为正面麦克风，选用全指向型高频麦克风；所述第二方向麦克风为反面麦克风选用心形指向型低频麦克风，心形指向型麦克风主要采集正面和侧面的声源信号，屏蔽后方低频噪音信号(主要包括墙壁对声音信号的漫反射)。两组麦克风可以采用“背对背”(即收声孔朝向相差180°)放置，具体结构如图4所示：1为正面全指向型高频麦克风，2为反面心型指向低频麦克风，3为模拟麦克风阵列，阵列上有16组正反结构的麦克风，4为声源信号示意图，5虚线是正面全指向型麦克风信号拾取范围形状示意图，6虚线是反面心型指向麦克风的信号拾取范围示意图。根据心形指向麦克风的接受范围的不同，适当调整反面麦克风与正面麦克风的距离，当心形指向麦克风对后方的声音信号拾取功能明显时，应尽量增大两组麦克风之间的距离，若心型指向麦克风对后方声音信号拾取能力较弱或者不拾取时，可减小两组麦克风之间的距离。

在声场环境较差的场地下，近距离使用心形指向型麦克风可以拾取墙壁反射低频噪音，正面麦克风则负责拾取被测对象声音信号。

在本实施例中，所述调理电路包括信号衰减电路、程控放大电路、滤波电路，滤波电路又包括低频滤波、抗混叠滤波和高频率波电路；具体的，所述调理电路模块主要功能是将采集到的声源信号进行信号衰减、程控放大、低通滤波、抗混叠滤波和高通滤波。

信号衰减部分主要采用T型衰减网络，实现对幅值较大的信号进行衰减，保护电路不被损坏，增加信号测量范围。

程控放大电路是采集模块的重要组成部分，它实现对传感器输出信号的放大，对信噪比和电压放大增益有较高的要求。

低通滤波电路主要作用是滤除部分高频噪音分量，当信号的频率增大到截止频率f_c时，滤波器的增益降至-3dB，之后增益快速跌落，其带宽BW与截止频率相等：BW＝f_c。抗混叠电路部分为了防止高于采样频率一半的信号产生混叠而造成误差，实现了抗混叠滤波电路过渡带陡，信号的截止频率随采样频率的变化而变化。高通滤波电路作用是滤除部分低频噪音分量，且高通滤波的阶次越高滤波效果越好，本系统采用四阶巴特沃斯高通滤波器。

在本实施例中，所述模数转换采集模块负责将32路声源模拟信号转换为24bit数字信号并通过SPI传输至FPGA；具体的，所述模数转换采集模块为ADC芯片，所述ADC芯片带有串行外设接口(Serial Peripheral Interface；SPI)，可通过SPI配置ADC数据输出格式，内部时钟频率及时钟偏移等，数据输出采用CMOS并行输出模式，AD采集芯片通过SPI与FPGA进行信息传输，不仅增大了数据的传输量并且加快了数据传输速度。例如AD7768具有密交流和直流性能，8通道同步采样，所以该系统只需要四组AD7768芯片，并且每个芯片均可采用菊花连接的方式进行扩充，每通道最大输出速率可达256kSPS，具有108dB良好的动态范围，较大输入带宽为110.8KHz。

在本实施例中，FPGA内部嵌入的NiosⅡ控制模块有滤波器程控放大模块、A/D转换控制模块，SDRAM控制模块等；高速处理器FPGA负责为采集模块的各个通道提供调频时钟，并且基于小波去噪的循环平移算法对数据进行初步去噪，通过5G传输模块上传至上位机，实现边缘计算的功能；同时可以接受上位机对信号阈值设定的指令，只保留所需上传的特定频段信号数据，方便上位机进行声源定位的计算；具体的，在传统阈值去噪过程中，如果变换缺乏平移不变性，就会在有效信号不连续点的相邻位置产生伪吉布斯现象，导致视觉失真，循环平移方法就是为了抑制小波去噪中的为吉布斯现象。本实施例中，提出了一种采用基于小波变换的循环平移去噪算法，克服了小波变换在表达信号图像边缘的方向特性等方面的内在缺陷，是一种多分辨、带通和具有方向性的函数分析法。

循环平移步骤如下：

(1)对含噪声数据进行平移，形成新的一维数组；

(2)对得到的新的一维数组进行离散小波变换(Discrete WaveletTransform.DWT)得到小波系数，在任意L²(R)空间中的f(t)的DWT为：

其中

其中，t为时间参数，k为小波右移距离，j为大于0的整数，

为/>

的共轭。

一般在实际应用中，小波级数由式(1)(2)(3)构成：

Wf(m,n)＝2^(-m/2)∫f(t)Φ(2^-mt-n)dt (1)

其中，Φ(x)为尺度函数，t为时间参数，n为小波右移距离，m为大于0的整数，k为位置系数，i为尺度阶数,_k为近似系数，d_ik为细节系数，h_i为滤波系数。

(3)对得到的小波系数进行阈值去噪得到新的小波系数；

(4)对得到的新的小波系数进行逆变换得到新的一维数组；

(5)对新的数组进行逆方向的平移，并恢复到原数据状态，得到的即是去噪的结果；

(6)判断是否已经达到设定的循环次数，如果未达到循环次数，则从步骤(1)开始，如果达到则完成去噪。

循环移动次数越多，去除的噪音信号越多，达到了良好的去除噪音信号的目的。

在本实施例中，所述5G信号传输模块实现FPGA和上位机之间进行无线传输，并且可通过5G无线传输上传至云端，实现实时监控的功能。

实施例2：

本实施例提供了一种多通道声纹信号同步采集系统及方法，采用了如实施例1中所述的基于同步多通道的声纹信号采集系统；包括：

获取声源信号，其中，心形指向型麦克风采集声源正面和侧面的声源信号，屏蔽后方低频噪音信号；

对所述声源信号进行预处理，包括信号衰减、程控放大、低通滤波、抗混叠滤波和高通滤波；

将预处理后的声源信号转换为数字信号；

对所述数字信号进行去噪；

将去噪后的数字信号传输给上位机和云端。

在本实施例中，对所述数字信号进行去噪，采用基于小波变换的循环平移去噪算法，包括：

对含噪声数据进行平移，形成一维数组；

对得到的一维数组进行变换得到小波系数；

对得到的小波系数进行阈值去噪得到新的小波系数；

对得到的新的小波系数进行逆变换得到新的一维数组；

对新的数组进行逆方向的平移，并恢复到原数据状态，得到去噪结果；

判断是否已经达到设定的循环次数，如果未达到循环次数，则再次进行去噪，如果达到循环次数，则完成去噪。图5为程序流程图。

以上所述仅为本实施例的优选实施例而已，并不用于限制本实施例，对于本领域的技术人员来说，本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实施例的保护范围之内。

Claims (9)

1.一种基于同步多通道的声纹信号采集系统，其特征在于，用于故障检测，包括模拟麦克风阵列、调理电路、模数转换采集模块和现场可编程逻辑门阵列；

所述模拟麦克风阵列由多组正反双麦克风组成，每组正反双麦克风分别依次连接有调理电路和模数转换采集模块；多个模数转换采集模块共同与所述现场可编程逻辑门阵列连接；

每组正反双麦克风组包括第一方向麦克风和第二方向麦克风，两个方向的麦克风的收声孔反向设置；

所述第一方向麦克风为正面麦克风，选用全指向型高频麦克风；所述第二方向麦克风为反面麦克风选用心形指向型低频麦克风；

根据心形指向麦克风的接收范围的不同，调整反面麦克风与正面麦克风的距离，当心形指向麦克风对后方的声音信号拾取功能明显时，增大两组麦克风之间的距离，若心型指向麦克风对后方声音信号拾取能力较弱或者不拾取时，减小两组麦克风之间的距离；在声场环境差的场地下，近距离使用心形指向型麦克风拾取墙壁反射低频噪音，正面麦克风则负责拾取被测对象声音信号；

所述调理电路将采集到的声源信号进行信号衰减、程控放大、低通滤波、抗混叠滤波和高通滤波；信号衰减，对信号进行衰减，保护电路不被损坏，增加信号测量范围；程控放大，对传感器输出信号放大；低通滤波，滤除部分高频噪音分量；抗混叠滤波防止高于采样频率一半的信号产生混叠而造成误差，实现了抗混叠滤波电路过渡带陡，信号的截止频率随采样频率的变化而变化；高通滤波，滤除部分低频噪音分量。

2.如权利要求1所述的一种基于同步多通道的声纹信号采集系统，其特征在于，还包括电池供电模块和5G无线传输模块；所述电池供电模块分别与所述模拟麦克风阵列、所述模数转换采集模块和所述现场可编程逻辑门阵列连接；所述现场可编程逻辑门阵列与所述5G无线传输模块连接。

3.如权利要求2所述的一种基于同步多通道的声纹信号采集系统，其特征在于，所述电池供电模块包括主备电切换电路、恒流源电路和降压电路。

4.如权利要求1所述的一种基于同步多通道的声纹信号采集系统，其特征在于，所述调理电路包括信号衰减电路、程控放大电路和滤波电路；所述滤波电路包括低频滤波、抗混叠滤波和高频率波电路。

5.如权利要求4所述的一种基于同步多通道的声纹信号采集系统，其特征在于，所述信号衰减电路采用T型衰减网络。

6.如权利要求1所述的一种基于同步多通道的声纹信号采集系统，其特征在于，所述模数转换采集模块为四片8通道24位；所述模数转换采集模块通过串行外设接口与所述现场可编程逻辑门阵列连接。

7.一种多通道声纹信号同步采集方法，其特征在于，采用了如权利要求1-6任一项所述的基于同步多通道的声纹信号采集系统；包括：

获取声源信号；

对所述声源信号进行预处理，包括信号衰减、程控放大、低通滤波、抗混叠滤波和高通滤波；

将预处理后的声源信号转换为数字信号；

对所述数字信号进行去噪；

将去噪后的数字信号传输给上位机和云端。

8.如权利要求7所述的一种多通道声纹信号同步采集方法，其特征在于，心形指向型麦克风采集声源正面和侧面的声源信号，屏蔽心形指向麦克风后方低频噪音信号。

9.如权利要求7所述的一种多通道声纹信号同步采集方法，其特征在于，对所述数字信号进行去噪采用基于小波变换的循环平移去噪算法，包括：

对含噪声数据进行平移，形成一维数组；

对得到的一维数组进行变换得到小波系数；

对得到的小波系数进行阈值去噪得到新的小波系数；

对得到的新的小波系数进行逆变换得到新的一维数组；

对新的数组进行逆方向的平移，并恢复到原数据状态，得到去噪结果；

判断是否已经达到设定的循环次数，如果未达到循环次数，则再次进行去噪，如果达到循环次数，则完成去噪。

Images