CN116699521B - 一种基于环境保护的城市噪声定位系统及其方法 - Google Patents

一种基于环境保护的城市噪声定位系统及其方法 Download PDF

Info

Publication number
CN116699521B
CN116699521B CN202310929386.3A CN202310929386A CN116699521B CN 116699521 B CN116699521 B CN 116699521B CN 202310929386 A CN202310929386 A CN 202310929386A CN 116699521 B CN116699521 B CN 116699521B
Authority
CN
China
Prior art keywords
noise
inspection
index
patrol
class
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
CN202310929386.3A
Other languages
English (en)
Other versions
CN116699521A (zh
Inventor
朱明�
郑佳文
王志余
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.)
Anhui Bishui Huanye Ecological Technology Co ltd
Original Assignee
Anhui Bishui Huanye Ecological Technology Co ltd
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 Anhui Bishui Huanye Ecological Technology Co ltd filed Critical Anhui Bishui Huanye Ecological Technology Co ltd
Priority to CN202310929386.3A priority Critical patent/CN116699521B/zh
Publication of CN116699521A publication Critical patent/CN116699521A/zh
Application granted granted Critical
Publication of CN116699521B publication Critical patent/CN116699521B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于环境保护的城市噪声定位系统及其方法，包括：巡检区域划分模块以及由可运动数据采集模块、噪音源分析模块和结果上传预警模块组成的噪音巡检单元构成，根据相关系数QJs在0～1的范围内的区间值来判断交通车噪音巡检、无人机噪音巡检、固定位噪音巡检或者联动巡检的执行方式，可运动数据采集模块的设置减少了噪音收集点的布置，降低投入成本，同时可移动特性，能够根据噪音源情况通过交通车噪音巡检、无人机噪音巡检的方式对诸如摩托车“炸街”的行为进行动态噪音定位，以及后续的预警、画面取证。

Description

一种基于环境保护的城市噪声定位系统及其方法
技术领域
本发明属于环境噪音保护领域，具体涉及一种基于环境保护的城市噪声定位系统及其方法。
背景技术
我国城市环境噪声污染严重，噪声影响范围和程度不断扩大，城市噪声主要包括：交通噪声、工业噪声、建筑噪声、社会生活噪声，其中：交通噪声：主要是机动车辆、飞机、火车船舶的噪声，工业噪声：主要是工厂车间动力机械设备等辐射噪声，建筑噪声：主要是城市建筑工地的噪声，社会生活噪声：包括群众聚会、娱乐宣传活动、噪音、家用电器，如收音机、电视、洗衣机、空调等，噪声污染具有随机性、局限性和分散性，在城市中无处不在，对于城市中的小区住户来说，依据≤中华人民共和国环境保护法≥及≤中华人民共和国环境噪污染防治条例≥中关于2类居住区的最低要求为：昼间60分贝，夜间50分贝，适用于居住、商业、工业混杂区；现有小区周边都有交通道路，车辆噪音、社会生活噪音是最大的影响因素，因此在小区周边道路会配备鸣笛噪音检测设备并用于车辆在禁鸣笛区域的管理；然而对于在夜间行驶的摩托车“炸街”行为，由于其避开了小区周边的道路，其在小区外围道路上进行“炸街”行为，其产生的噪音扩散至小区时会超过50分贝，严重影响小区内居民；
如公告号为CN111722183A的中国专利，其利用噪声信号收集点位置分配模块用于对中心城市区域进行划分后分配噪声信号收集点，噪声信号实测值统计模块用于对不同区域的噪声进行收集监测，超标噪声源特定频段内分析模块用于对噪声源与额定噪声参数范围进行对比分析，警示设备实时唤醒模块用于对噪声过响的警示设备进行唤醒，超标噪声定位位置发送模块用于对发出噪声声贝过响的位置进行实时定位后发送给监测人员；
但是上述方案存在以下不足：采用公告号为CN111722183A的中国专利虽然能够对工业噪声、建筑施工噪声、交通运输噪声和社会生活噪声进行定位检测，但是其检测方式需要预先在城市布置大量的噪音收集点，前期投入成本较高，且噪音收集点为固定式，不具备可移动特性，尤其难以针对城市周边道路的摩托车“炸街”行为进行动态噪音定位。
发明内容
本发明的目的在于提供一种基于环境保护的城市噪声定位系统及其方法，通过巡检区域划分模块以及由可运动数据采集模块、噪音源分析模块和结果上传预警模块组成的噪音巡检单元，并根据相关系数QJs实现运动噪音源的动态噪音定位取证，以解决上述背景技术中存在的问题。
为实现上述目的，本发明提供如下技术方案：一种基于环境保护的城市噪声定位系统，包括：巡检区域划分模块以及由可运动数据采集模块、噪音源分析模块和结果上传预警模块组成的噪音巡检单元构成；
巡检区域划分模块：将城市根据噪音巡检单元的最大巡检效率指标XLp进行巡检区域划分，形成巡检区域集合N＝{1、2、3......n}，并依据划分的巡检区域内建筑类别进行0类、1类、2类、3类和4类的划分，以及对巡检区域进行噪音阈值集合M＝{1、、2、、3、、......n、}设置；
可运动数据采集模块：根据巡检区域集合N和噪音阈值集合M规划运动路线并采集周边环境的声音强度SYQd和频谱分析PPFx，并经过加权修正JQXz和时间加权SJJq形成噪音指数ZYs，声源位置参数SYs、可视画面数据KSj以及居民噪音投诉指数JMs；
噪音源分析模块：接收噪音指数ZYs、声源位置参数SYs并进行声音特征提取、声源定位、数据聚类和模式识别与特定噪音源识别，再和巡检区域对应的阈值集合M＝{1、、2、、3、、......n、}进行比对分析、处理后形成噪音源评估指标ZYPg，根据居民噪音投诉指数JMs对采集路线进行调整并以可视画面数据KSj和最大巡检效率指标XLp作为行为依据，形成巡检指标XJZb，最后将噪音源评估指标ZYPg和巡检指标XJZb通过相关性分析并进行公式化处理得到巡检系数QJs；
结果上传预警模块：根据巡检系数QJs的数值区间对噪音巡检单元的巡检方式进行选择，巡检方式为交通车噪音巡检、无人机噪音巡检、固定位噪音巡检以及联动噪音巡检。
优选的，声音强度SYQd的计算公式为：
频谱分析PPFx的计算公式为：采用傅里叶变换公式，
X(f)＝∫[x(t)*e(-j2Πft)]dt
其中，X(f)表示频域上的信号，x(t)是时域上的输入信号，f是频率，j是虚数单位
加权修正JQXz的计算公式为：dBA＝dB+C，其中，C是A-weighting修正值，用于根据频率修正分贝值；
时间加权SJJq由工作日平均噪声指数(Ldn)和夜间等效声级(Lnight)叠加构成，其中：
工作日平均噪声指数(Ldn)计算公式如下：
其中，Ti是每个时间段的时长，Li是对应时间段内的噪音水平；
夜间等效声级(Lnight)计算公式如下：
其中，Ti是夜间各个时间段的时长(以小时为单位)，Li是对应时间段内的噪音水平；
噪音指数ZYs的计算公式为：
其中E为影响因子，0.32≤E≤0.46。
优选的，设定所述噪音巡检单元的巡检范围指标XJFw、巡检速度指标XJSd，T为噪音巡检单元运动时间，得到下列关于最大巡检效率指标XLp公式；
设定交通车噪音巡检和无人机噪音巡检的最大巡检效率指标分别为JTc和WRj，且JTc≥1，WRj≥1，固定位噪音巡检的的最大巡检效率指标为GTw，GTw为0.1，根据巡检区域集合N＝{1、2、3......n}的各分区面积设定T的最大限定阈值为t，其中α为巡检范围指标XJFw的影响因子，0.23≤α≤0.45，当XLp＜1时，表示该噪音巡检单元的巡检范围较小，当XLp≥1，表示该噪音巡检单元的巡检范围较大，并通过XLp与1进行数值判断，对交通车噪音巡检、无人机噪音巡检、固定位噪音巡检以及联动噪音巡检的配置进行适应性调整。
优选的，根据城市需要噪音检测的地域总面积进行换算，得到需要的总XLp值为P，将P与JTc、WRj和GTw进行公式化处理获得：
P≤aJTc+bWRj+cGTw
其中参数的意义为：a为交通车噪音巡检的适配数量，b为无人机噪音巡检的适配数量，c为固定位噪音巡检的适配数量，当P-(aJTc+bWRj+cGTw)的结果数值越小时，表示针对巡检区域集合N＝{1、2、3......n}的巡检效率越大。
优选的，将接收噪音指数ZYs、声源位置参数SYs以及阈值集合M＝{1、、2、、3、、......n、}进行相关性分析获得以下公式：
其中参数的意义为：ZYPg为噪音源评估指标，K为常数，σ为标准差，0.34≤σ≤0.65，β为修正数值，噪音指数ZYs随着环境噪音的增加呈现正相关趋势，且声源位置参数SYs随着距离城区越远呈现负相关趋势，当0〈ZYPg＜1时，表示环境噪音值符合正常区间，当ZYPg≥1时，表示环境噪音值不符合正常区间；
所述居民噪音投诉指数JMs由居民的噪音投诉类型以正相关的数值代表，具体的，针对巡检区域集合N＝{1、2、3......n}和噪音阈值集合M＝{1、、2、、3、、......n、}的前提，判断投诉区域在上述N、M的所在区间，同时根据噪音等级分类：0类、1类、2类、3类和4类的相关联系确定噪音投诉指数JMs的级别，1≤JMs≤10，且JMs取整数，随着JMs的增大，表示投诉级别越高；
可视画面数据KSj由获取噪音源周边的环境图像，并与预先经过训练的云端数据比对库进行比对，在巡检区域集合N＝{1、2、3......n}和阈值集合M＝{1、、2、、3、、......n、}基础上进行判断获得，经过比对的数据最后通过相关性分析获得可视画面数据KSj标的数值，0〈KSj标的数值〈1时，表示被检测设备为静态设备，不需要动态跟踪，而当可视画面数据KSj标的数值≥1时，表示被检测设备为动态设备，需要动态跟踪，且当可视画面数据KSj标的数值≥1的数值越大时，表示动态设备的体积特征、速度特征、相对于城区中心的距离特征中的任意一种或多种呈现正相关；
接收居民噪音投诉指数JMs后对采集路线进行调整并以可视画面数据KSj和最大巡检效率指标XLp作为行为依据，进行相关性分析获得以下关于巡检指标XJZb的公式：
其中参数的意义为：d为影响因子，0.53〈d≤0.81，C1为修正常数；当0〈XJZb＜1时，表示为常规巡检，对于噪音巡检单元的巡检方式没有特别要求，在单位T2时间内到达即可，而当XJZb≥1时，表示为特别巡检，对于噪音巡检单元的巡检方式需要在T2/2时间内快速到达。
优选的，接收噪音源评估指标ZYPg和巡检指标XJZb并通过斯皮尔曼等级相关系数分析得到巡检系数QJs,，具体的如下：
两个随机变量分别为噪音源评估指标ZYPg、巡检指标XJZb，它们的元素个数均为N，两个随机变量取的第i(1≤i≤N)个值分别用ZYPgi、XJZbi表示，下述和/>表示平均数值并获得以下公式；
由于当ZYPgi的值增大或减小，XJZbi值增大或减小，两个变量为正相关，相关系数在0.00与1.00之间；
当0＜QJs≤0.2，表示环境噪音值在阈值范围上下轻微波动，影响人群较小，采用固定位噪音巡检；
当0.2＜QJs≤0.4，表示环境噪音值在阈值范围上的合理范围内波动，影响人群一般，通过固定位噪音巡检或者交通车巡检，并将实时噪音检测数据通过云端上传至远程监控室进行对应等级预警；
当0.4＜QJs≤0.6，表示环境噪音值在阈值范围上的预警范围内波动，影响人群中等，通过交通车噪音巡检、无人机噪音巡检中的任意一种在3/5T时间内到达，根据噪音源是否具备运动性进行动态观察，并将实时噪音检测数据通过云端上传至远程监控室进行对应等级预警；
当0.6＜QJs≤0.8，表示环境噪音值在阈值范围上的预警范围内波动，影响人群严重，通过交通车噪音巡检、无人机噪音巡检和固定位噪音巡检进行联动巡检，要求噪音巡检单元的巡检方式需要在T2/2时间内快速到达，并将实时噪音检测数据通过云端上传至远程监控室进行对应等级预警。
一种方法，用于上述所述的基于环境保护的城市噪声定位系统，具体步骤为：
将城市根据噪音巡检单元的最大巡检效率指标XLp进行巡检区域划分，形成巡检区域集合N＝{1、2、3......n}，并依据划分的巡检区域内建筑类别进行0类、1类、2类、3类和4类的划分，以及对巡检区域进行噪音阈值集合M＝{1、、2、、3、、......n、}设置；
根据巡检区域集合N和噪音阈值集合M规划运动路线并采集周边环境的噪音指数ZYs、声源位置参数SYs、可视画面数据KSj以及居民噪音投诉指数JMs；
接收噪音指数ZYs、声源位置参数SYs并进行声音特征提取、声源定位、数据聚类和模式识别与特定噪音源识别，再和巡检区域对应的阈值集合M＝{1、、2、、3、、......n、}进行比对分析、处理后形成噪音源评估指标ZYPg，根据居民噪音投诉指数JMs对采集路线进行调整并以可视画面数据KSj和最大巡检效率指标XLp作为行为依据，形成巡检指标XJZb，最后将噪音源评估指标ZYPg和巡检指标XJZb通过相关性分析并进行公式化处理得到巡检系数QJs；
根据巡检系数QJs的数值区间对噪音巡检单元的巡检方式进行选择，巡检方式为交通车噪音巡检、无人机噪音巡检、固定位噪音巡检以及联动噪音巡检。
与现有技术相比，本发明的有益效果是：根据相关系数QJs在0～1的范围内的区间值来判断交通车噪音巡检、无人机噪音巡检、固定位噪音巡检或者联动巡检的执行方式，可运动数据采集模块的设置减少了噪音收集点的布置，降低投入成本，同时可移动特性，能够根据噪音源情况通过交通车噪音巡检、无人机噪音巡检的方式对诸如摩托车“炸街”的行为进行动态噪音定位，以及后续的预警、画面取证。
附图说明
图1为本发明的流程示意图；
图2为本发明根据巡检系数QJs范围区间对交通车噪音巡检、无人机噪音巡检、固定位噪音巡检的选择示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
请参阅图1-2，本发明提供一种技术方案：
实施例一：
一种基于环境保护的城市噪声定位系统，包括巡检区域划分模块以及由可运动数据采集模块、噪音源分析模块和结果上传预警模块组成的噪音巡检单元构成；
巡检区域划分模块：将城市根据噪音巡检单元的最大巡检效率指标XLp进行巡检区域划分，形成巡检区域集合N＝{1、2、3......n}，并依据划分的巡检区域内建筑类别进行0类、1类、2类、3类和4类的划分，以及对巡检区域进行噪音阈值集合M＝{1、、2、、3、、......n、}设置；
具体的：
0类、疗养区、高级别墅区、高级宾馆区，昼间50分贝、夜间40分贝。
1类、以居住、文教机关为主的区域，昼间55分贝、夜间45分贝。
2类、居住、商业、工业混杂区，昼间60分贝、夜间50分贝。
3类、工业区，昼间65分贝、夜间55分贝。
4类、城市中的道路交通干线道路、内河航道、铁路主、次干线两侧区域，昼间70分贝、夜间55分贝，(夜间指22点到次日晨6点)；
可运动数据采集模块：根据巡检区域集合N和噪音阈值集合M规划运动路线并采集周边环境的声音强度SYQd和频谱分析PPFx，并经过加权修正JQXz和时间加权SJJq形成噪音指数ZYs，声源位置参数SYs、可视画面数据KSj以及居民噪音投诉指数JMs，具体包括：
传感器：采集环境中的声音信号，它是一个麦克风或其他类型的传感器，可将声音转化为相应的电信号。
预处理电路：用于增强或滤除传感器输出的电信号，这些电路可以包括放大器、滤波器和增益控制器，以确保所采集到的信号质量和稳定性。
模数转换器(ADC)：将采集到的模拟电信号转换为数字信号，ADC将连续的模拟信号转化为离散的数字值，以供处理和存储。
处理器：对数字化的信号进行处理和分析，处理器可以执行各种算法和信号处理技术，如频谱分析、噪声测量和数据记录等。
存储器：用于存储采集到的声音数据，这可以是内部存储器、闪存卡或外部存储设备。
接口：用于与其他设备或系统进行通信，这可以是串行接口(如UART、SPI或I2C)或无线接口(如蓝牙或Wi-Fi)，以便将采集到的数据传输给其他设备进行进一步的分析或显示；
频谱分析PPFx的具体步骤为：
采集噪音信号：首先需要采集包含噪音的音频信号。这可通过麦克风或传感器等设备进行采集，确保采集到的信号包含所需的噪音信息，并注意采样率和位深度等参数设置的合理性。
预处理：在进行频谱分析之前，通常需要对采集到的噪音信号进行预处理。预处理包括去除或降低信号中的不相关成分，例如环境噪音、信号基线漂移等，使用滤波器、去噪算法或其他信号处理方法来完成这些步骤。
快速傅里叶变换：频谱分析的快速傅里叶变换，它将时域的信号转换到频域，通过将信号分段并对每个分段进行FFT变换，可以得到信号在频域上的频谱信息。
能量谱图和频谱图：根据FFT变换得到的频谱数据，可以绘制能量谱图和频谱图，能量谱图显示了不同频率范围内信号的能量分布，以dB为单位表示，频谱图显示了信号在频域上的振幅和相位等信息，以线性或对数刻度表示。
频谱特征提取：对频谱图进行进一步分析，可以提取出各种频谱特征，频谱特征包括中心频率、带宽、峰值频率等，这些特征可以用于比较不同噪音源的频谱特性，或者用于噪音识别和分类等应用。
加权修正JQXz使用A-weighting通过应用一组特定的频率响应滤波器，使得声音在不同频率范围内的能量受到相应的加权修正。
噪音源分析模块的主要部件构成：
多通道传感器：多个传感器(如麦克风或加速度计)用于采集环境中的声音信号。不同位置的传感器可以提供多个通道的数据，有助于对噪音源进行定位和分析；
处理器和算法：通过使用信号处理算法和模式识别技术，对采集到的传感器数据进行分析和处理。这些算法可以包括频谱分析、峰值检测、时频分析、相关性分析等，以区分不同的噪音源和声音成分；
数据可视化：将分析结果以可视化的形式呈现，提供对噪音源特性的直观理解，这可以是谱图、声音热图、时间-频率图等，帮助用户快速识别噪音源和其频谱特征；
噪音源定位：通过利用不同位置的传感器数据，进行噪音源的定位或分布图绘制，这可以采用各种定位技术，如声音传播时间差法或声音强度法；
数据存储和分析：将采集到的噪音数据存储在内部存储器或外部设备上，以便进行进一步的分析和后续处理，这可以包括评估噪音源的贡献、制定噪音控制策略或生成报告；
通过接收噪音指数ZYs、声源位置参数SYs并进行如下步骤：
声音特征提取：该方法通过对噪音信号进行提取特征，如色彩特征、时域特征和频域特征，来识别噪音源，常见的特征包括声谱图、梅尔频率倒谱系数(MFCC)和相关性分析等。
声源定位：声源定位是通过使用多个麦克风或传感器阵列来确定噪音源的位置。通过分析多个接收传感器到的噪音信号的时间差、幅度差等信息，可以进行声源定位。常见的方法包括交叉相关法、波束形成法和扩展卡尔曼滤波器等；
数据聚类和模式识别：这种方法通过对噪音噪音数据进行噪音和模式识别，来识别和分类不同的噪音源，可以使用机器学习算法，如噪音算法(如K-means噪音和DBSCAN))和模式识别算法(如支持向量机和深度学习模型)；
特定噪音源识别：对于特定的噪音源，可以使用专门的识别方法，例如，对于噪音噪音源，可以使用振动信号分析和模式识别来识别特定的振动特征，工业机械噪音，可以使用工艺分析和声学学模型来识别噪音源，本实施例中可以针对摩托车“炸街”的声音进行存储学习并用于后期的识别；
再和巡检区域对应的阈值集合M＝{1、、2、、3、、......n、}进行比对分析、处理后形成噪音源评估指标ZYPg，根据居民噪音投诉指数JMs对采集路线进行调整并以可视画面数据KSj和最大巡检效率指标XLp作为行为依据，形成巡检指标XJZb，最后将噪音源评估指标ZYPg和巡检指标XJZb通过相关性分析并进行公式化处理得到巡检系数QJs；
结果上传预警模块：根据巡检系数QJs的数值区间对噪音巡检单元的巡检方式进行选择，巡检方式为交通车噪音巡检、无人机噪音巡检、固定位噪音巡检以及联动噪音巡检，固定位巡检为预置在路面交通架上的噪音自动检测系统。
实施例二：
在实施例一的基础上进一步说明，
声音强度SYQd的计算公式为：
频谱分析PPFx的计算公式为：采用傅里叶变换公式，
X(f)＝∫[x(t)*e(-j2Πft)]dt
其中，X(f)表示频域上的信号，x(t)是时域上的输入信号，f是频率，j是虚数单位
加权修正JQXz的计算公式为：dBA＝dB+C，其中，C是A-weighting修正值，用于根据频率修正分贝值；
时间加权SJJq由工作日平均噪声指数(Ldn)和夜间等效声级(Lnight)叠加构成，其中：
工作日平均噪声指数(Ldn)计算公式如下：
其中，Ti是每个时间段的时长(，Li是对应时间段内的噪音水平；
夜间等效声级(Lnight)计算公式如下：
其中，Ti是夜间各个时间段的时长(以小时为单位)，Li是对应时间段内的噪音水平；
噪音指数ZYs的计算公式为：
其中E为影响因子，0.32≤E≤0.46；
设定噪音巡检单元的巡检范围指标XJFw、巡检速度指标XJSd，T为噪音巡检单元运动时间，得到下列关于最大巡检效率指标XLp公式；
设定交通车噪音巡检和无人机噪音巡检的最大巡检效率指标分别为JTc和WRj，且JTc≥1，WRj≥1，固定位噪音巡检的的最大巡检效率指标为GTw，GTw为0.1，根据巡检区域集合N＝{1、2、3......n}的各分区面积设定T的最大限定阈值为t，其中α为巡检范围指标XJFw的影响因子，0.23≤α≤0.45，当XLp＜1时，表示该噪音巡检单元的巡检范围较小，当XLp≥1，表示该噪音巡检单元的巡检范围较大，并通过XLp与1进行数值判断，对交通车噪音巡检、无人机噪音巡检、固定位噪音巡检以及联动噪音巡检的配置进行适应性调整；
根据城市需要噪音检测的地域总面积进行换算，得到需要的总XLp值为P，将P与JTc、WRj和GTw进行公式化处理获得：
P≤aJTc+bWRj+cGTw
其中参数的意义为：a为交通车噪音巡检的适配数量，b为无人机噪音巡检的适配数量，c为固定位噪音巡检的适配数量，当P-(aJTc+bWRj+cGTw)的结果数值越小时，表示针对巡检区域集合N＝{1、2、3......n}的巡检效率越大。
实施例三：
在实施例一的基础上进一步说明，将接收噪音指数ZYs、声源位置参数SYs以及阈值集合M＝{1、、2、、3、、......n、}进行相关性分析获得以下公式：
其中参数的意义为：ZYPg为噪音源评估指标，K为常数，σ为标准差，0.34≤σ≤0.65，β为修正数值，噪音指数ZYs随着环境噪音的增加呈现正相关趋势，且声源位置参数SYs随着距离城区越远呈现负相关趋势，当0〈ZYPg＜1时，表示环境噪音值符合正常区间，当ZYPg≥1时，表示环境噪音值不符合正常区间；
实施例四：
居民噪音投诉指数JMs由居民的噪音投诉类型以正相关的数值代表，步骤如下：
数据收集：收集居民噪音投诉的相关数据，如投诉数量、投诉类型、投诉来源、投诉的时间和地点等，这些数据可以来自相关的政府部门、噪音监测设备、公众调查和居民投诉渠道等途径。
数据归一化：将不同类型的噪音投诉数据进行归一化处理，使其具有可比性，使用标准化或加权系数等方法对不同类型的投诉进行适当的处理。
加权投诉计算：根据噪音类型、投诉来源和严重程度等因素，为每个投诉分配适当的加权系数，这样可以更准确地反映不同种类和来源的投诉对居民噪音干扰的影响。
指数计算：根据规定的计算方法和公式，将加权投诉数据综合计算为居民噪音投诉指数，计算方法可以根据具体情况来确定，例如，使用求和、平均值或其他统计方法。
结果解释：对计算得到的居民噪音投诉指数进行解释和解读，指数的范围和含义可能因地区和指标而异，高的投诉指数表示居民对噪音问题的投诉程度较高，需要进一步关注和处理。
具体的，针对巡检区域集合N＝{1、2、3......n}和噪音阈值集合M＝{1、、2、、3、、......n、}的前提，判断投诉区域在上述N、M的所在区间，同时根据噪音等级分类：0类、1类、2类、3类和4类的相关联系确定噪音投诉指数JMs的级别，1≤JMs≤10，且JMs取整数，随着JMs的增大，表示投诉级别越高；
可视画面数据KSj由获取噪音源周边的环境图像，并与预先经过训练的云端数据比对库进行比对，在巡检区域集合N＝{1、2、3......n}和阈值集合M＝{1、、2、、3、、......n、}基础上进行判断获得，云端数据比对库含有对噪音源具体设备的识别库，例如汽车、摩托车、静态机械设备、卡车和货车等的区分，阈值集合M＝{1、、2、、3、、......n、}在白天和夜晚的范围根据《中华人民共和国城市区域噪声标准》进行对应调整；
经过比对的数据最后通过相关性分析获得可视画面数据KSj标的数值，0〈KSj标的数值〈1时，表示被检测设备为静态设备，不需要动态跟踪，而当KSj标的数值≥1时，表示被检测设备为动态设备，需要动态跟踪，且当KSj标的数值≥1的数值越大时，表示动态设备的体积特征、速度特征、相对于城区中心的距离特征中的任意一种或多种呈现正相关；
接收居民噪音投诉指数JMs后对采集路线进行调整并以可视画面数据KSj和最大巡检效率指标XLp作为行为依据，进行相关性分析获得以下关于巡检指标XJZb的公式：
其中参数的意义为：d为影响因子，0.53〈d≤0.81，C1为修正常数；当0〈XJZb＜1时，表示为常规巡检，对于噪音巡检单元的巡检方式没有特别要求，在单位T2时间内到达即可，而当XJZb≥1时，表示为特别巡检，对于噪音巡检单元的巡检方式需要在T2/2时间内快速到达；
接收噪音源评估指标ZYPg和巡检指标XJZb并通过斯皮尔曼等级相关系数(Spearman'srank相关系数)分析得到巡检系数QJs,，具体的如下：
两个随机变量分别为噪音源评估指标ZYPg、巡检指标XJZb，它们的元素个数均为N，两个随机变量取的第i(1≤i≤N)个值分别用ZYPgi、XJZbi表示，ZYPg与XJZb中的对应元素组成一个元素对集合ZYPgY.XJZb，其包含的元素为(ZYPgi，XJZbi)，(1≤i≤N)；
当集合ZYPgY.XJZb中任意两个元素(ZYPgi，XJZbi)与(ZYPgj，XJZbj)的排行相同时(也就是说当出现情况1或2时；情况1：ZYPgi>ZYPgj且XJZbi>XJZbj，情况2：ZYPgi<ZYPgj,且XJZbi<XJZbj)，这两个元素就被认为是一致的；
当出现情况3或4时(情况3：ZYPgi>ZYPgj且XJZbi<XJZbj，情况4：ZYPgi<ZYPgj且XJZbi>XJZbj)，这两个元素被认为是不一致的；
当出现情况5或6时(情况5：ZYPgiZYPgj，情况6：XJZbi＝XJZbj)，这两个元素既不是一致的也不是不一致的；下述和/>表示平均数值并获得以下公式；
由于当ZYPgi的值增大(减小)，XJZbi值增大(减小)，两个变量为正相关，相关系数QJs在0.00与1.00之间；
当0＜QJs≤0.2，表示环境噪音值在阈值范围上下轻微波动，影响人群较小，采用固定位噪音巡检；
当0.2＜QJs≤0.4，表示环境噪音值在阈值范围上的合理范围内波动，影响人群一般，通过固定位噪音巡检或者交通车巡检，并将实时噪音检测数据通过云端上传至远程监控室进行对应等级预警；
当0.4＜QJs≤0.6，表示环境噪音值在阈值范围上的预警范围内波动，影响人群中等，通过交通车噪音巡检、无人机噪音巡检中的任意一种在3/5T时间内到达，根据噪音源是否具备运动性进行动态观察，并将实时噪音检测数据通过云端上传至远程监控室进行对应等级预警；
当0.6＜QJs≤0.8，表示环境噪音值在阈值范围上的预警范围内波动，影响人群严重，通过交通车噪音巡检、无人机噪音巡检和固定位噪音巡检进行联动巡检，要求噪音巡检单元的巡检方式需要在T2/2时间内快速到达，并将实时噪音检测数据通过云端上传至远程监控室进行对应等级预警。
对于无人机噪音巡检方式：无人机根据预定的飞行路径进行飞行，同时实时采集噪音数据，传感器将声音信号转化为相应的电信号，并通过通信链路将数据传输回地面站点；对从无人机采集的噪音数据进行处理和分析，这包括噪音水平计算、频谱分析、时域分析、空间分布分析等，以获得有关噪音源、频率特征和空间分布的详细信息；将噪音数据以可视化形式展示，如地图、热图或图表等，这有助于用户更直观地了解噪音情况，并生成相关的报告供进一步分析和决策使用。
同时通过如下两种方式去除无人机本体的噪音，交通车噪音巡检可以同下原理：
频率滤波：分析无人机本体产生的噪音频率特征，识别其频率范围，然后使用滤波器或数字处理算法来减小该频率范围内的噪音，通过选择适当的滤波参数或者使用专门的噪音抑制算法，可以滤除无人机本体噪音；
时域滤波：分析无人机噪音的时域特性，例如振动和脉冲性质。通过识别噪音信号的时间模式和特征，可以使用相应的滤波器或处理算法来过滤掉无人机本体产生的声音。
当无人机识别到违禁车辆时，触发周边摄像头对该车辆进行拍照，可以通过无线通信将触发指令发送给周边摄像头系统，或者通过与摄像头系统直接相连的系统进行触发，拍摄的违禁车辆照片可以存储在无人机内部或地面系统中，并通过无线通信将照片传输到中央服务器或数据中心进行存档和处理。
预警方式选择：
声音警报器：声音警报器是一种发出高响度警报声的设备，通常用于建筑工地、工厂或其他噪音易发区域，当预设的噪音水平超过设定阈值时，警报器会自动触发，向人们发出警告信号。
电子邮件/短信通知：机构或监管部门可以通过电子邮件或短信向相关方发送噪音预警通知，这可以是事先设定的阈值超过一定时间或在特定时段内的噪音超标事件。
公告板和标志：在噪音易发区域内设置警告标志或公告牌，提醒人们注意噪音相关问题，这些标志可以包含文字、图标或图形，用于警示和提醒人们保持安静或采取相应措施。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、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，所揭露的系统、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，所述单元的划分，仅仅为一种航道水下地形变化分析系统及方法逻辑功能划分，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。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述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实施例方案的目的。
另外，在本申请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，也可以两个或两个以上单元集成在一个单元中。
所述功能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，本申请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)执行本申请各个实施例所述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(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，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 (7)

1.一种基于环境保护的城市噪声定位系统，其特征在于，包括：巡检区域划分模块以及由可运动数据采集模块、噪音源分析模块和结果上传预警模块组成的噪音巡检单元构成；
巡检区域划分模块：将城市根据噪音巡检单元的最大巡检效率指标XLp进行巡检区域划分，形成巡检区域集合N＝{1、2、3......n}，并依据划分的巡检区域内建筑类别进行0类、1类、2类、3类和4类的划分，以及对巡检区域进行噪音阈值集合M＝{1`、2`、3`、......n`}设置；
可运动数据采集模块：根据巡检区域集合N和噪音阈值集合M规划运动路线并采集周边环境的声音强度SYQd和频谱分析PPFx，并经过加权修正JQXz和时间加权SJJq形成噪音指数ZYs，并采集声源位置参数SYs、可视画面数据KSj以及居民噪音投诉指数JMs；
噪音源分析模块：接收噪音指数ZYs、声源位置参数SYs并进行声音特征提取、声源定位、数据聚类和模式识别与特定噪音源识别，再和巡检区域对应的阈值集合M＝{1`、2`、3`、......n`}进行比对分析、处理后形成噪音源评估指标ZYPg，根据居民噪音投诉指数JMs对采集路线进行调整并以可视画面数据KSj和最大巡检效率指标XLp作为行为依据，形成巡检指标XJZb，最后将噪音源评估指标ZYPg和巡检指标XJZb通过相关性分析并进行公式化处理得到巡检系数QJs；
结果上传预警模块：根据巡检系数QJs的数值区间对噪音巡检单元的巡检方式进行选择，巡检方式为交通车噪音巡检、无人机噪音巡检、固定位噪音巡检以及联动噪音巡检。
2.根据权利要求1所述的一种基于环境保护的城市噪声定位系统，其特征在于：
声音强度SYQd的计算公式为：
频谱分析PPFx的计算公式为：采用傅里叶变换公式，
X(f)＝∫[x(t)*e(-j2Πft)]dt
其中，X(f)表示频域上的信号，x(t)是时域上的输入信号，f是频率，j是虚数单位
加权修正JQXz的计算公式为：dBA＝dB+C，其中，C是A-weighting修正值，用于根据频率修正分贝值；
时间加权SJJq由工作日平均噪声指数(Ldn)和夜间等效声级(Lnight)叠加构成，其中：
工作日平均噪声指数(Ldn)计算公式如下：
其中，Ti是每个时间段的时长，Li是对应时间段内的噪音水平；夜间等效声级(Lnight)计算公式如下：
其中，Ti是夜间各个时间段的时长，Li是对应时间段内的噪音水平；
噪音指数ZYs的计算公式为：
其中E为影响因子，0.32≤E≤0.46。
3.根据权利要求1所述的一种基于环境保护的城市噪声定位系统，其特征在于：设定所述噪音巡检单元的巡检范围指标XJFw、巡检速度指标XJSd，T为噪音巡检单元运动时间，得到下列关于最大巡检效率指标XLp公式；
设定交通车噪音巡检和无人机噪音巡检的最大巡检效率指标分别为JTc和WRj，且JTc≥1，WRj≥1，固定位噪音巡检的的最大巡检效率指标为GTw，GTw为0.1，根据巡检区域集合N＝{1、2、3......n}的各分区面积设定T的最大限定阈值为t，其中α为巡检范围指标XJFw的影响因子，0.23≤α≤0.45。
4.根据权利要求3所述的一种基于环境保护的城市噪声定位系统，其特征在于：根据城市需要噪音检测的地域总面积进行换算，得到需要的总XLp值为P，将P与JTc、WRj和GTw进行公式化处理获得：
P≤aJTc+bWRj+cGTw
其中参数的意义为：a为交通车噪音巡检的适配数量，b为无人机噪音巡检的适配数量，c为固定位噪音巡检的适配数量。
5.根据权利要求4所述的一种基于环境保护的城市噪声定位系统，其特征在于：将接收的噪音指数ZYs、声源位置参数SYs以及阈值集合M＝{1`、2`、3`、......n`}进行相关性分析获得以下公式：
其中参数的意义为：ZYPg为噪音源评估指标，K为常数，σ为标准差，0.34≤σ≤0.65，β为修正数值；
所述居民噪音投诉指数JMs由居民的噪音投诉类型以正相关的数值代表，具体的，针对巡检区域集合N＝{1、2、3......n}和噪音阈值集合M＝{1`、2`、3`、......n`}的前提，判断投诉区域在上述N、M的所在区间，同时根据噪音等级分类：0类、1类、2类、3类和4类的相关联系确定噪音投诉指数JMs的级别，1≤JMs≤10，且JMs取整数；
可视画面数据KSj由获取噪音源周边的环境图像，并与预先经过训练的云端数据比对库进行比对，在巡检区域集合N＝{1、2、3......n}和阈值集合M＝{1`、2`、3`、......n`}基础上进行判断获得；
接收居民噪音投诉指数JMs后对采集路线进行调整并以可视画面数据KSj和最大巡检效率指标XLp作为行为依据，进行相关性分析获得以下关于巡检指标XJZb的公式：
其中参数的意义为：d为影响因子，0.53〈d≤0.81，C1为修正常数；当0〈XJZb＜1时，表示为常规巡检。
6.根据权利要求5所述的一种基于环境保护的城市噪声定位系统，其特征在于：
接收噪音源评估指标ZYPg和巡检指标XJZb并通过斯皮尔曼等级相关系数分析得到巡检系数QJs，具体的如下：
两个随机变量分别为噪音源评估指标ZYPg、巡检指标XJZb，它们的元素个数均为N，两个随机变量取的第i(1≤i≤N)个值分别用ZYPgi、XJZbi表示，下述和/>表示平均数值并获得以下公式；
由于当ZYPgi的值增大或减小，XJZbi值增大或减小，两个变量为正相关，相关系数在0.00与1.00之间；
当0＜QJs≤0.2，表示环境噪音值在阈值范围上下轻微波动，影响人群较小，采用固定位噪音巡检；
当0.2＜QJs≤0.4，表示环境噪音值在阈值范围上的合理范围内波动，影响人群一般，通过固定位噪音巡检或者交通车巡检，并将实时噪音检测数据通过云端上传至远程监控室进行对应等级预警；
当0.4＜QJs≤0.6，表示环境噪音值在阈值范围上的预警范围内波动，影响人群中等，通过交通车噪音巡检、无人机噪音巡检中的任意一种在3/5T时间内到达，根据噪音源是否具备运动性进行动态观察，并将实时噪音检测数据通过云端上传至远程监控室进行对应等级预警；
当0.6＜QJs≤0.8，表示环境噪音值在阈值范围上的预警范围内波动，影响人群严重，通过交通车噪音巡检、无人机噪音巡检和固定位噪音巡检进行联动巡检，要求噪音巡检单元的巡检方式需要在T2/2时间内快速到达，并将实时噪音检测数据通过云端上传至远程监控室进行对应等级预警。
7.一种方法，用于上述权利要求1-6任意一项所述的基于环境保护的城市噪声定位系统，其特征在于：
将城市根据噪音巡检单元的最大巡检效率指标XLp进行巡检区域划分，形成巡检区域集合N＝{1、2、3......n}，并依据划分的巡检区域内建筑类别进行0类、1类、2类、3类和4类的划分，以及对巡检区域进行噪音阈值集合M＝{1、、2、、3、、......n、}设置；
根据巡检区域集合N和噪音阈值集合M规划运动路线并采集周边环境的噪音指数ZYs、声源位置参数SYs、可视画面数据KSj以及居民噪音投诉指数JMs；
接收噪音指数ZYs、声源位置参数SYs并进行声音特征提取、声源定位、数据聚类和模式识别与特定噪音源识别，再和巡检区域对应的阈值集合M＝{1、、2、、3、、......n、}进行比对分析、处理后形成噪音源评估指标ZYPg，根据居民噪音投诉指数JMs对采集路线进行调整并以可视画面数据KSj和最大巡检效率指标XLp作为行为依据，形成巡检指标XJZb，最后将噪音源评估指标ZYPg和巡检指标XJZb通过相关性分析并进行公式化处理得到巡检系数QJs；
根据巡检系数QJs的数值区间对噪音巡检单元的巡检方式进行选择，巡检方式为交通车噪音巡检、无人机噪音巡检、固定位噪音巡检以及联动噪音巡检。
CN202310929386.3A 2023-07-25 2023-07-25 一种基于环境保护的城市噪声定位系统及其方法 Active CN116699521B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310929386.3A CN116699521B (zh) 2023-07-25 2023-07-25 一种基于环境保护的城市噪声定位系统及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310929386.3A CN116699521B (zh) 2023-07-25 2023-07-25 一种基于环境保护的城市噪声定位系统及其方法

Publications (2)

Publication Number Publication Date
CN116699521A CN116699521A (zh) 2023-09-05
CN116699521B true CN116699521B (zh) 2024-03-19

Family

ID=87843519

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310929386.3A Active CN116699521B (zh) 2023-07-25 2023-07-25 一种基于环境保护的城市噪声定位系统及其方法

Country Status (1)

Country Link
CN (1) CN116699521B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170091455A (ko) * 2016-02-01 2017-08-09 한남대학교 산학협력단 모바일 기기를 이용한 층간소음 측정 시스템
CN108871552A (zh) * 2018-06-22 2018-11-23 哈尔滨工业大学（深圳） 一种基于声源识别的噪声监测方法与系统
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
CN111722183A (zh) * 2020-06-19 2020-09-29 钟旭 一种基于环境保护的城市噪声定位系统及其方法
CN212694270U (zh) * 2020-09-02 2021-03-12 深圳衡伟环境技术有限公司 远程视频监控喊停噪声管控系统
CN114152824A (zh) * 2021-11-15 2022-03-08 国网重庆市电力公司电力科学研究院 变电站环境噪声实时监控及优化控制方法
CN114838810A (zh) * 2022-03-25 2022-08-02 武汉理工大学 一种巡检机器人
CN115597703A (zh) * 2022-09-19 2023-01-13 四川巴斯德环境保护科技有限责任公司（Cn） 一种基于物联网的城市声环境质量监测系统及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113379201B (zh) * 2021-05-25 2022-05-06 国网河南省电力公司电力科学研究院 一种城市变电站厂界噪声贡献度辨识方法
US20230221173A1 (en) * 2022-01-13 2023-07-13 Vianair Inc. Airport sound and noise management methods and systems

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170091455A (ko) * 2016-02-01 2017-08-09 한남대학교 산학협력단 모바일 기기를 이용한 층간소음 측정 시스템
CN108871552A (zh) * 2018-06-22 2018-11-23 哈尔滨工业大学（深圳） 一种基于声源识别的噪声监测方法与系统
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
CN111722183A (zh) * 2020-06-19 2020-09-29 钟旭 一种基于环境保护的城市噪声定位系统及其方法
CN212694270U (zh) * 2020-09-02 2021-03-12 深圳衡伟环境技术有限公司 远程视频监控喊停噪声管控系统
CN114152824A (zh) * 2021-11-15 2022-03-08 国网重庆市电力公司电力科学研究院 变电站环境噪声实时监控及优化控制方法
CN114838810A (zh) * 2022-03-25 2022-08-02 武汉理工大学 一种巡检机器人
CN115597703A (zh) * 2022-09-19 2023-01-13 四川巴斯德环境保护科技有限责任公司（Cn） 一种基于物联网的城市声环境质量监测系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Comparison of equivalent continuous noise levels and day-evening-night composite noise indicators for assessment of roadtraffic noise;Jeffery peng;Acoustics;全文 *
基于虚拟仪器技术分布式环境噪声自动监测系统研究;刘祥楼;中国博士学位论文全文数据库 (工程科技Ⅱ辑);全文 *

Also Published As

Publication number Publication date
CN116699521A (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
CN109981192B (zh) 一种空域反黑飞无人机的频谱监测方法
CN111770427B (zh) 麦克风阵列的检测方法、装置、设备以及存储介质
CN109616140B (zh) 一种异常声音分析系统
CN109087655A (zh) 一种交通道路声音监测与异常声音识别系统
CN108474866A (zh) 一种基于深度学习的井盖缺失检测系统及方法
CN106846803A (zh) 基于音频的交通事件检测装置及方法
CN109473119B (zh) 一种声学目标事件监控方法
CN102945675A (zh) 检测户外呼救声音的智能传感网络系统
CN115542308B (zh) 基于毫米波雷达的室内人员探测方法、装置、设备及介质
CN107393523B (zh) 一种噪音监控方法及系统
CN109580268A (zh) 一种产品异响、异音智能检测方法
CN117315941B (zh) 一种基于人工智能的车辆风险管理预警系统
CN112052878A (zh) 一种雷达的遮挡识别的方法、装置及存储介质
CN110800053A (zh) 基于音频数据获取事件指示的方法和设备
CN118015808A (zh) 一种智能安防监控方法及系统
CN105139869A (zh) 一种基于区间差分特征的婴儿啼哭检测方法
US20230143027A1 (en) System for real-time recognition and identification of sound sources
US20120039395A1 (en) System and method for time series filtering and data reduction
CN112382051B (zh) 一种基于区块链的智慧住宅安防系统
CN116699521B (zh) 一种基于环境保护的城市噪声定位系统及其方法
Machap et al. IoT audio sensor networks and decision trees for enhanced rain sound classification
CN104374885A (zh) 一种易爆气体的危险声源功能检测装置
CN114743562B (zh) 一种飞机声纹识别方法、系统、电子设备及存储介质
CN116910690A (zh) 一种基于数据融合的目标分类系统
CN115683321A (zh) 声音告警方法、装置、设备及计算机可读存储介质

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