DE19949637A1 - Noise detection and separation arrangement, having neural network which forms classification signal giving indication of type of acoustic signal - Google Patents
Noise detection and separation arrangement, having neural network which forms classification signal giving indication of type of acoustic signalInfo
- Publication number
- DE19949637A1 DE19949637A1 DE19949637A DE19949637A DE19949637A1 DE 19949637 A1 DE19949637 A1 DE 19949637A1 DE 19949637 A DE19949637 A DE 19949637A DE 19949637 A DE19949637 A DE 19949637A DE 19949637 A1 DE19949637 A1 DE 19949637A1
- Authority
- DE
- Germany
- Prior art keywords
- amplitude
- signal
- acoustic signal
- sound
- acoustic
- 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.)
- Withdrawn
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 title claims description 109
- 238000000926 separation method Methods 0.000 title description 3
- 238000001228 spectrum Methods 0.000 claims abstract description 67
- 210000004205 output neuron Anatomy 0.000 claims abstract description 13
- 210000002364 input neuron Anatomy 0.000 claims abstract description 11
- 230000004069 differentiation Effects 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 44
- 238000005259 measurement Methods 0.000 claims description 29
- 210000002569 neuron Anatomy 0.000 claims description 13
- 230000007774 longterm Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims description 7
- 238000003379 elimination reaction Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 238000012806 monitoring device Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000010606 normalization Methods 0.000 abstract 1
- 239000013598 vector Substances 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000013277 forecasting method Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 150000001768 cations Chemical group 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000030808 detection of mechanical stimulus involved in sensory perception of sound Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 239000000499 gel Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000013208 measuring procedure Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/0296—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor to prevent, counteract or reduce noise emissions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
- G01H3/04—Frequency
- G01H3/08—Analysing frequencies present in complex vibrations, e.g. comparing harmonics present
-
- 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
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- 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
- G10L17/00—Speaker identification or verification techniques
- G10L17/26—Recognition of special voice characteristics, e.g. for use in lie detectors; Recognition of animal voices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/323—Air humidity
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/333—Noise or sound levels
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Sustainable Energy (AREA)
- Combustion & Propulsion (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
Description
Die vorliegende Erfindung betrifft Vorrichtungen zur Geräuscherkennung und -trennung sowie Lärmüberwachung und hierauf basierende Verfahren zur Lärmüberwachung und und -prognose.The present invention relates to devices for noise detection and separation and noise monitoring and methods based thereon for noise monitoring and and forecast.
Im Rahmen von automatischen Schallmessungen ohne menschliche Bedienung stellt sich neben der Frage, wie laut es an einem bestimmten Ort ist, fast immer das Problem, die zu gehörigen lärmerzeugenden Quellen zu identifizieren und ihre Anteile zu bestimmen. Nur in offensichtlichen Fällen, in denen eine Lärmquelle dominiert, fällt dies leicht. Da die Schallimmision stark von Ausbreitungsbedingungen und Tageszeiten abhängt, können die Anteile an einem Immissionsort erheblich variieren.In the context of automatic sound measurements without human intervention in addition to the question of how loud it is in a particular location, the problem almost always identify the relevant noise-generating sources and determine their proportions. Just in obvious cases where a source of noise dominates, this is easy. Since the Sound immissions depend heavily on propagation conditions and times of day Shares in an immission location vary considerably.
Vielfach jedoch ist es auch nicht möglich und die Lärmquelle eindeutig zu identifizieren; sie muß erst aufwendig gesucht werden. Ist ein vermeintlicher Verursacher dann ausgemacht, so kann mittels eines Vergleiches zwischen der jeweiligen Situation bei an- und abgeschalte ter vermeintlicher Quelle versucht werden, die Annahme über die Lärmquelle zu verifizie ren. Dieses Verfahren stößt wegen der genannten Varianz schnell an Grenzen.In many cases, however, it is also not possible to clearly identify the source of the noise; she must first be searched extensively. Is a supposed cause then identified so can by means of a comparison between the respective situation at on and off the supposed source are attempted to verify the assumption about the noise source ren. This method quickly reaches its limits due to the variance mentioned.
So denke man etwa daran, daß Fluglärm neben dem Lärm an einer vielbefahrenen Auto bahn erfaßt werden soll, der bei belebter Straße auch des Nachts nicht verstummt. Um in einem solchen Falle sicher zu gehen, wäre es hier erforderlich, die Straße für zumindest einen gewissen Zeitraum zu sperren, was sicherlich nur in Ausnahmefällen möglich ist. So think about the fact that aircraft noise alongside the noise from a busy car Railway should be recorded, which does not fall silent even at night when the road is busy. To in In such a case, to be safe, it would be necessary here for at least the road to block a certain period of time, which is certainly only possible in exceptional cases.
Hier scheidet eine Abschaltung, also Sperrung der Straße zu Lärmmessungszwecken schon aus Verhältnismäßigkeitsgründen meist aus.A shutdown, i.e. blocking the road for noise measurement purposes, is already out of the question here mostly out of proportionality reasons.
Auch stellt sich, selbst wenn die einzelnen Schallquellen identifiziert sind, oftmals das Pro blem, daß aus einer Vielzahl von unterschiedlichen Quellen nur eine ganz bestimmte Schallquelle gemessen oder überwacht werden soll. Dies kann jedoch nur dann geschehen, wenn die zu überwachende Schallquelle aus dem gesamten akustischen Signal heraus er kannt und von den anderen getrennt werden kann.Even if the individual sound sources are identified, the pro often arises blem that from a variety of different sources only one very specific Sound source to be measured or monitored. However, this can only happen if the sound source to be monitored out of the entire acoustic signal knows and can be separated from the others.
Daher ist es Aufgabe der vorliegenden Erfindung, eine Vorrichtung anzugeben, die es er möglicht, ein akustisches Signal nach seiner Art selbsttätig zu klassifizieren und so eine vollautomatische Geräuscherkennung zu ermöglichen, wobei hier für die Zwecke der Be schreibung und Beanspruchung der vorliegenden Erfindung unter Klassifikation insbeson dere die Zuordnung eines akustischen Signals zu einer Quelle oder einem Quellentyp ver standen werden soll.It is therefore an object of the present invention to provide a device that he possible to automatically classify an acoustic signal according to its type and thus one to enable fully automatic noise detection, here for the purposes of loading Description and claim of the present invention under classification in particular the assignment of an acoustic signal to a source or a source type should be standing.
Diese Aufgabe wird erfindungsgemäß gelöst durch eine Vorrichtung zur Geräuscherken nung in akustischen Signalen mit zumindest einem neuronalen Netzwerk mit Eingangsneu ronen, Ausgangsneuronen und mit Gewichten versehenen Verbindungen zwischen den Neuronen, wobei die Eingangsneuronen jeweils zum Empfang der Amplitude eines be stimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals vorgesehen sind, und die Ausgangsneuronen zumindest ein Klassifikations-Signal erzeugen, welches das akustische Signal entsprechend seinem Frequenzspektrum klassifiziert, wobei das Klassifi kationssignal oder die Klassifikationssignale Aufschluß über die Art des akustischen Signals gibt oder geben. So gibt das Klassifikationssignal, in dem es Aufschluß über die Art des akustischen Signals gibt, insbesondere Aufschluß über seine Quelle. Auch können die Ein gangsneuronen statt zum Empfang der Amplitude eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals zum Empfang dessen zeitlicher Änderung vorgesehen zu sein. Ebenso ist es möglich, daß sie sowohl zum Empfang der jeweiligen Amplitude, wie auch ihrer Ableitung vorgesehen sind. Die erfindungsgemäße Vorrichtung zur Geräuscherkennung ist somit in der Lage, das akustische Signal, insbesondere nach Quellen, zu klassifizieren. Es hat sich nämlich gezeigt, daß ein künstliches neuronales Netz das Frequenzspektrum des akustischen Signals bei entsprechendem Trainingsverfahren gut zu klassifizieren in der Lage ist.This object is achieved according to the invention by a device for noise detection in acoustic signals with at least one neural network with new input rons, output neurons and weighted connections between the Neurons, the input neurons each receiving the amplitude of a be agreed frequency band provided from the frequency spectrum of the acoustic signal are, and the output neurons generate at least one classification signal that the classified acoustic signal according to its frequency spectrum, the classifi cation signal or the classification signals provide information about the type of acoustic signal gives or give. So there is the classification signal, in which it provides information about the type of acoustic signal, in particular information about its source. Even the one gait neurons instead of receiving the amplitude of a certain frequency band the frequency spectrum of the acoustic signal for receiving its change over time to be provided. It is also possible that they both receive the respective Amplitude, as well as their derivation are provided. The device according to the invention is therefore able to detect the acoustic signal, especially after Sources to classify. It has been shown that an artificial neural network the frequency spectrum of the acoustic signal is good with the appropriate training method is able to classify.
Vorzugsweise eignen sich hierfür klassifizierende künstliche neuronale Netze, wie etwa Single Cluster Learning Netze, vorzugsweise solche, die nach der Methode der Vector Quantisierung arbeiten. Auch Multi Cluster Netze, vorzugsweise solche, die selbstlernend und/oder selbstorganisierend (etwa selbstorganisierende Karten) funktionieren, eignen sich im Rahmen der vorliegenden Erfindung. Als ein Beispiel, eines für die vorliegende Erfin dung geeigneten Netzwerktyps, seien hier die Kohonen Netze genannt.Classifying artificial neural networks, such as, are preferably suitable for this Single cluster learning networks, preferably those based on the Vector method Quantization work. Also multi cluster networks, preferably those that are self-learning and / or self-organizing (such as self-organizing cards) are suitable within the scope of the present invention. As an example, one for the present inventor suitable network types, here are the Kohonen networks.
Als Trainingsmethoden für künstliche neuronale Netze kommen für die vorliegende Erfin dung eine Reihe von dem Fachmann bekannten Verfahren in Betracht, wozu auch bereits etliche Literatur verfügbar ist (vgl. so etwa: Nauck, D. et al., Neuronale Netze, Braun schweig/Wiesbaden 1994). Allgemein gesprochen dient der Trainingsprozess dabei der auf gabengeeigneten Veränderung der Gewichte der Verbindungen zwischen den Neuronen und zwar so lange, bis das neuronale Netzwerk seine Klassifikationsaufgabe zufriedenstel lend erfüllt. Dabei erfolgt der Trainingsprozess üblicherweise meist in einer der eigentli chen Betriebsphase vorgeschalteten überwachten Trainingsphase, in der das Netz nur lernt, also trainiert wird und noch nicht in Betrieb ist. Darüber hinaus existieren jedoch auch Trainingsmethoden, die das neuronale Netz unüberwacht lernen lassen, was auch ein be triebsbegleitendes Lernen ermöglicht, das kontinuierlich zur Verbesserung der Leistung des Netzes beitragen kann. Wie bereits vorstehend erwähnt, stehen dem Fachmann hier im Einzelfall somit eine Reihe von Möglichkeiten zum zweckentsprechenden Training des künstlichen neuronalen Netzes offen, die auf unterschiedlichen Wegen mehr oder weniger schnell zum angestrebten Ziel eines das akustische Signal klassifizierenden Netzes führen, da sich neuronale Netze zur Klassifikation von Signalmustern grundsätzlich gut eignen. Akustische Signale aus gleicher Quelle ähneln dabei einander oft in ihrem Frequenzspek trum als einem für die vorliegende Aufgabenstellung hier in Frage kommenden Signalmu ster. Das neuronale Netz vermag, wenn es die Amplituden der verschiedenen Frequenz bänder des zu identifizierenden akustischen Signals als Eingangssignal erhält dann ein der Schallquelle, der das akustische Signal entstammt, zugehöriges Klassifikationssignal zu er zeugen und so Aufschluß über die Art und insbesondere die Quelle des akustischen Signals zu geben. Die Anzahl und Breite der Frequenzbänder, wie auch der Bereich, den sie abdec ken, ist dabei der zugrundeliegenden Problemstellung anzupassen. Anzahlen von 20 oder besser noch von 40 Frequenzbändern haben sich dabei bewährt.For the present Erfin come as training methods for artificial neural networks a number of methods known to the person skilled in the art, for which purpose already several literature is available (see for example: Nauck, D. et al., Neuronal Networks, Braun Switzerland / Wiesbaden 1994). Generally speaking, the training process is based on appropriate change of the weights of the connections between the neurons until the neural network satisfies its classification task lend met. The training process usually takes place in one of the actual ones the supervised training phase preceding the operating phase, in which the network only learns is being trained and is not yet in operation. Beyond that, however, also exist Training methods that let the neural network learn unsupervised, which is also a be drive learning that enables continuous improvement of performance Network can contribute. As already mentioned above, the expert is here in the In individual cases, there are a number of options for training the artificial neural network that is open in different ways more or less quickly lead to the desired goal of a network that classifies the acoustic signal, since neural networks are generally well suited for the classification of signal patterns. Acoustic signals from the same source are often similar in their frequency specs as a signal signal that comes into question here for the task at hand ster. The neural network is capable of handling the amplitudes of the different frequencies bands of the acoustic signal to be identified is then received as one of the input signals Sound source from which the acoustic signal originates, classification signal belonging to it testify and thus shed light on the type and in particular the source of the acoustic signal to give. The number and width of the frequency bands, as well as the area they cover ken, is to be adapted to the underlying problem. Numbers of 20 or better of 40 frequency bands have proven themselves.
In Versuchen hat sich gezeigt, daß sogar ein recht einfach ausgelegtes künstliches neuronales Netz mit nur zwei Layern und ohne Hidden-Layer schon geeignet ist, die Aufgabenstellung zu erfüllen. Dabei empfangen die Eingangsneuronen im ersten Layer die Amplituden der zu betrachtenden Frequenzbänder, wobei sich hier 20 Bänder, die zusammen genommen einen Bereich von 16 Hz-20 KHz, vorzugsweise 16 Hz bis 16 KHz abdecken gut bewährt haben. Je Frequenzband, also je zu empfangender Amplitude kann dabei ein Eingang je Neuron in diesem ersten Layer vorgesehen sein. Die Anzahl der Neuronen dieses ersten Layers (Eingangslayer) wird dabei vorzugsweise so gewählt, daß sie der Anzahl der ver wendeten Frequenzbänder entspricht. Auch hat es sich bewährt die Eingänge der Neuro nen des ersten Layers, also die empfangenen Amplituden nicht mit Gewichten zu versehen, sondern den Eingangsneuronen ungewichtet zuzuleiten. Für die Einggangsneuronen selbst hat sich die Identitätsfunktion (Id) als Transferfunktion (Übergangsfunktion) als geeignet herausgestellt. Die Eingangsneuronen sind sodann vorzugsweise jeweils mit allen Neuronen einer Ausgangsschicht (Ausgangslayer) verbunden, wobei die Anzahl der Neuronen dieser Schicht, also die Anzahl der Ausgangsneuronen vorzugsweise gleich der Anzahl der zu er kennenden Geräusche gewählt wird. Jedes Ausgangsneuron gibt dann vorzugsweise selbst wiederum jeweils ein Ausgangssignal (Klassifikationssignal) aus, welches Aufschluß über die Art des akustischen Signals gibt. Als Übergangsfunktion für die Ausgangsneuronen hat sich dabei die Sigmoid-Fuktion (σ-Funktion) bewährt. Die Verbindungen zwischen den Neuro nen des Eingangslayers und denen des Ausgangslayers sind vorzugsweise mit Gewichten ωij (als dem Gewicht der Verbindung vom Neuron Nr. i des Eingangslayers zum Neuron Nr. j des Ausgangslayers) versehen.Experiments have shown that even a very simple artificial neural network with only two layers and without a hidden layer is already suitable for fulfilling the task. The input neurons in the first layer receive the amplitudes of the frequency bands to be considered, 20 bands covering a range of 16 Hz-20 kHz, preferably 16 Hz to 16 kHz, having proven themselves here. One input per neuron can be provided in this first layer for each frequency band, ie for each amplitude to be received. The number of neurons of this first layer (input layer) is preferably chosen so that it corresponds to the number of frequency bands used. It has also proven to be useful not to weight the received amplitudes of the inputs of the neurons of the first layer, but to feed them to the input neurons unweighted. For the input neurons themselves, the identity function (Id) has proven to be suitable as a transfer function (transition function). The input neurons are then preferably each connected to all neurons of an output layer (output layer), the number of neurons in this layer, that is to say the number of output neurons, preferably being selected to be equal to the number of sounds to be recognized. Each output neuron then preferably itself outputs an output signal (classification signal), which provides information about the type of acoustic signal. The sigmoid function (σ function) has proven itself as a transition function for the output neurons. The connections between the neurons of the input layer and those of the output layer are preferably provided with weights ω ij (as the weight of the connection from neuron no. I of the input layer to neuron no. J of the output layer).
Um das Netz nun zu trainieren hat sich folgende Verfahrensweise als recht praktikabel her
ausgestellt: Zu Anfang werden die Gewichte ωij zufällig entsprechend einer Gauß Vertei
lung gewählt. Sodann wird dem Netz über die Eingänge der Eingangsneuronen das Spek
trum eines akustischen Signals präsentiert, von dem bekannt ist, welcher Art es ist. Nun
werden die von den Ausgangsneuronen erzeugten Klassifikationssignale (IstKlassifikations
signale) mit den für dieses akustische Signal erwarten Klassifikationssignalen (SollKlassifika
tionssignale) verglichen und aus der Abweichung ein Maß für die Güte der Signalklassifika
tion gebildet. Vorzugsweise geschieht dies durch die Verwendung eines Fitness-Maßes wie
folgt,
In order to train the network, the following procedure has proven to be quite practical: At the beginning, the weights ω ij are chosen randomly according to a Gaussian distribution. The spectrum of an acoustic signal is then presented to the network via the inputs of the input neurons, of which it is known what type it is. Now the classification signals (actual classification signals) generated by the output neurons are compared with the classification signals (target classification signals) expected for this acoustic signal and a measure of the quality of the signal classification is formed from the deviation. This is preferably done by using a fitness measure as follows,
wobei p die Anzahl der erzeugten Klassifikationssignale ist. Diese Fitness ist um so günsti ger, je näher sie an 0 liegt und für den Wert 0 optimal, da dann die SollKlassifikationssigna le nicht mehr von den IstKlassifikationssignalen abweichen. Nun wird ein einzelnes ωij (vorzugsweise zufällig) ausgewählt und sein aktueller Wert zufällig (entsprechend einer Gauß Verteilung) verändert. Sodann wird wiederum die Fitness ermittelt. Ist die Fitness des Netzes günstiger geworden, so wird der neue Wert beibehalten und dieser neue Wert für ωij wiederum zufällig verändert; dies geschieht solange, bis keine Verbesserung der Fitness mehr eintritt; ein zweckmäßig gewähltes Abbruchkriterien, für das verschiedene Heuristi ken in Frage kommen (etwa ein Abbruch nach einer konstanten Anzahl (vorzugsweise zehn) von Versuchen, die keine Verbesserung mehr ergeben haben) dient dabei der Beendi gung des Verbesserungsvorganges. Sodann wird die Varianz der Gauß Verteilung für die zufällige Veränderung des ausgewählten ωij verändert und der Veränderungsprozess für das ωij und der zugehörige Überprüfungsprozess der zugehörigen Fitness des Netzes wie vor stehend beschrieben wieder durchlaufen. Kann auch mit einer Veränderung der Varianz keine Fitness-Verbesserung mehr erzielt werden, so wird das nächste Gewicht ωij (vorzugs weise zufällig) ausgewählt und dem gleichen Prozess unterzogen, hiernach wiederum das nächste Gewicht und so weiter, bis schließlich alle Gewichte ωij auf diese Weise angepaßt wurden. Dies Verfahren führt man für eine Reihe möglichst repräsentativer Vertreter für die verschiedenen Klassen zu erkennender akustischer Signale durch und erhält als Resultat schließlich ein Netz, welches in der Lage ist für ein gegebenes akustisches Signal Klassifika tionssignale zu erzeugen, die Aufschluß über die Art des akustischen Signals geben.where p is the number of classification signals generated. This fitness is all the more favorable the closer it is to 0 and optimal for the value 0, since then the target classification signals no longer differ from the actual classification signals. Now a single ω ij (preferably random) is selected and its current value is changed randomly (according to a Gaussian distribution). Then the fitness is determined again. If the fitness of the network has become cheaper, the new value is retained and this new value for ω ij is again changed randomly; this continues until there is no improvement in fitness; An appropriately chosen termination criteria for which different heuristics come into question (e.g. termination after a constant number (preferably ten) of attempts that have not resulted in improvement) serves to terminate the improvement process. Then the variance of the Gaussian distribution for the random change of the selected ω ij is changed and the change process for the ω ij and the associated checking process of the associated fitness of the network are run through again as described above. If it is no longer possible to achieve a fitness improvement with a change in the variance, the next weight ω ij (preferably randomly) is selected and subjected to the same process, then again the next weight and so on until finally all weights ω ij have been adjusted this way. This procedure is carried out for a number of representative representatives of the various classes of acoustic signals to be recognized and, as a result, a network is finally obtained which is able to generate classification signals for a given acoustic signal, which provide information about the type of acoustic signal give.
Alternativ zu den vorstehenden Ausführungen eignen sich, wie bereits erwähnt auch un
überwachte, evtl. betriebsbegleitende Trainingsmethoden, wie sie etwa im Rahmen der
selbstorganisierenden Karten (SOM ≈ self organizing maps) zur Anwendung kommen im
Rahmen der Ausführung der vorliegenden Erfindung. Beim Training der selbstorganisie
renden Karten wird ein Eingabevektor X = (x1, . . ., xn) vorzugsweise parallel mit allen Ge
wichtsvektoren Wj = (w1j, . . ., wnj) verglichen. Als Metrik zum Vergleich finden dabei vor
zugsweise die euklidische Norm oder besonders bevorzugterweise das Skalarprodukt
As already mentioned, alternative to the above explanations are also unsupervised, possibly in-company training methods, such as those used in the context of self-organizing maps (SOM ≈ self-organizing maps) in the implementation of the present invention. When training the self-organizing cards, an input vector X = (x 1 ,..., X n ) is preferably compared in parallel with all weight vectors W j = (w 1j , ... , W nj ). The Euclidean norm, or particularly preferably the dot product, is preferably used as a metric for comparison
Verwendung, wobei sich letzteres insbesondere bei normalisierten Vektoren eignet. Das Neuron nun, dessen Gewichte (dessen Gewichtsvektor), im Rahmen der gewählten Metrik, dem Eingabevektor X am nächsten kommt bzw. am ähnlichsten ist, wird nun ausgewählt, um seinen Gewichtsvektor dem Eingangsvektor noch ähnlicher zu machen. Vorzugsweise geschieht dies durch Addition oder Subtraktion eines variablen Bruchteiles des Differenz vektors X - Wj zum Gewichtsvektor Wj.Use, the latter being particularly suitable for normalized vectors. The neuron, whose weights (its weight vector), in the context of the selected metric, comes closest to or is most similar to the input vector X, is now selected in order to make its weight vector even more similar to the input vector. This is preferably done by adding or subtracting a variable fraction of the difference vector X - W j to the weight vector W j .
Zur weiteren Verbesserung der Klassifikationsfähigkeit akustischer Signale kann das neuro nale Netzwerk auch Eingangsneuronen aufweisen, die jeweils zum Empfang der nach der Zeit (zumindest einfach) abgeleiteten Amplitude (bzw. Amplituden) eines bestimmten Fre quenzbandes aus dem Frequenzspektrum des akustischen Signals oder dessen Absolutbetra ges (bzw. deren Absolutbeträge) vorgesehen sind. Dies trägt der Beobachtung Rechnung, daß akustische Signale nicht nur anhand ihres statischen Frequenzmusters erkannt werden können. Vielmehr wurde gefunden, daß auch der zeitliche Verlauf dieser Musters wieder um Spezifika aufweisen kann, die zu einer Klassifikation und damit auch zu einer Identifi kation des akustischen Signals führen oder doch zumindest beitragen können. Somit wird in dieser Ausführungsform das akustische Signal nicht nur nach seinem Frequenzspektrum, sondern zudem u. U. auch nach dessen zeitlicher Änderung klassifiziert. Entsprechende Muster können auch für die höheren Ableitungen nach der Zeit beobachtet werden.To further improve the classification ability of acoustic signals, the neuro nale network also have input neurons, each for receiving the after Time (at least once) derived amplitude (or amplitudes) of a certain Fre quenzband from the frequency spectrum of the acoustic signal or its absolute amount totals (or their absolute amounts) are provided. This takes into account the observation that acoustic signals are not only recognized by their static frequency pattern can. Rather, it was found that the chronological course of this pattern again to have specifics that lead to a classification and thus to an identification lead of the acoustic signal or can at least contribute. Thus in this embodiment the acoustic signal not only according to its frequency spectrum, but also u. U. also classified according to its change in time. Appropriate Patterns can also be observed for the higher derivatives over time.
In einer bevorzugten Ausführungsform der Vorrichtung zur Geräuscherkennung in akusti schen Signalen nach der vorliegenden Erfindung ist weiterhin eine Vorerkennungseinrich tung vorgesehen, die wiederum Mittel vorsieht, die jeweils zum Empfang der Amplitude eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals die nen, sowie Mittel, die jeweils zum Empfang der nach der Zeit abgeleiteten Amplitude eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals oder deren Absolutbetrages dienen, wobei die Vorerkennungseinrichtung zumindest ein Vorerken nungssignal erzeugt, welches das akustische Signal nach den Kategorien Ton; Pfeifton und Kein-Ton klassifiziert, und so weiteren Aufschluß über die Art des akustischen Signals gibt und das neuronale Netz von zumindest einem der Vorerkennungssignale aktiviert wird, wenn das akustische Signal von der Vorerkennungseinrichtung als ein solches der Kategorie Kein-Ton klassifiziert wurde.In a preferred embodiment of the device for noise detection in acousti signals according to the present invention is also a prerecognizer device provided, which in turn provides means, each for receiving the amplitude a certain frequency band from the frequency spectrum of the acoustic signal NEN, and means, each for receiving the time-derived amplitude of a certain frequency band from the frequency spectrum of the acoustic signal or their Absolute amount serve, the prerecognition device at least one prerecognition generated signal, which the acoustic signal according to the categories sound; Whistle and No-sound classified, and so gives further information about the type of acoustic signal and the neural network is activated by at least one of the prerecognition signals, if the acoustic signal from the pre-detection device as such of the category No sound was classified.
Eine Vorerkennungseinrichtung bietet den Vorteil der Voraberkennung von Tönen und Pfeiftönen aus dem akustischen Signal, was auch für die weitere Geräuscherkennung inso weit wichtig ist, als daß dies der besseren Identifizierung sogenannter tonhaltiger Geräusche dient. Geräusche sind immer dann tonhaltig i. S. der DIN 45 681 (Bestimmung der Tonhal tigkeit von Geräuschen und Ermittlung eines Tonzuschlages für die Beurteilung von Geräu schimissionen), wenn sie einen Ton enthalten, dessen Pegel den Pegel der Geräuschanteile in der Frequenzgruppe um die Tonfrequenz ohne den Ton um weniger als 6 dB unterschrei ten. Derartige Geräuschimmissionen sind i. d. R. für den Menschen besonders unangenehm und bedürfen daher u. U. der Beaufschlagung ihres Pegels durch einen Zuschlag, den soge nannten Tonzuschlag, "der eine Korrekturgröße zum äquivalenten Dauerschallpegel, die bei der Bildung von Beurteilungspegeln zur Berücksichtigung der besonderen Lästigkeit tonhaltiger Geräusche angewandt wird (siehe auch VDI 2058 Blatt 1)" (so: DIN 45 681, S. 3, Pkt. 2.2) ist.A pre-detection device offers the advantage of pre-detection of sounds and Whistle tones from the acoustic signal, which is also for further noise detection is far more important than that of better identification of so-called sound-containing noises serves. Noises are always sound i. S. of DIN 45 681 (determination of the Tonhal activity of noises and determination of a sound surcharge for the assessment of noises chimission), if they contain a sound, the level of which corresponds to the level of the noise components the frequency group around the sound frequency without the sound by less than 6 dB below Such noise emissions are i. d. Usually particularly uncomfortable for humans and therefore u. U. the application of their level by a surcharge, the so-called called the tone surcharge, "which is a correction quantity to the equivalent continuous sound level, which at the formation of assessment levels to take into account the particular annoyance of clayey Noise is applied (see also VDI 2058 sheet 1) "(see above: DIN 45 681, p. 3, point 2.2).
Von der Vorerkennungseinrichtung kann etwa immer dann ein Vorerkennungssignal er zeugt werden, welches das akustische Signal nach der Kategorie Ton klassifiziert, wenn mindestens eine Amplitude eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals oberhalb eines vorgewählten Tonschwellwertes liegt.A prerecognition signal can then always come from the prerecognition device be witnessed, which classifies the acoustic signal according to the category of sound, if at least one amplitude of a certain frequency band from the frequency spectrum the acoustic signal is above a preselected tone threshold.
Auch kann von der Vorerkennungseinrichtung immer dann ein Vorerkennungssignal er zeugt werden, welches das akustische Signal nach der Kategorie Pfeifton klassifiziert, wenn mindestens eine nach der Zeit abgeleitete Amplitude eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals oder deren Absolutbetrag oberhalb eines vorgewählten Pfeiftonschwellwertes liegt.A prerecognition signal can also always be sent by the prerecognition device be witnessed, which classifies the acoustic signal according to the whistle category, if at least one amplitude of a specific frequency band derived over time the frequency spectrum of the acoustic signal or its absolute amount above one preselected whistle threshold.
Eine besonders bevorzugte Ausführungsform der Vorrichtung zur Geräuscherkennung in akustischen Signalen nach der vorliegenden Erfindung, ist dadurch gekennzeichnet, daß von der Vorerkennungseinrichtung immer dann ein Vorerkennungssignal erzeugt wird, welches das akustische Signal nach der Kategorie Ton klassifiziert, wenn mindestens eine Amplitude eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals oberhalb eines vorgewählten Tonschwellwertes liegt und immer dann ein Vorer kennungssignal erzeugt wird, welches das akustische Signal nach der Kategorie Pfeifton klassifiziert, wenn mindestens eine nach der Zeit abgeleitete Amplitude eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals oder deren Absolutbe trag oberhalb als eines vorgewählten Pfeiftonschwellwertes liegt und immer dann ein Vorerkennungssignal erzeugt wird, welches das akustische Signal nach der Kategorie Kein- Ton klassifiziert, wenn das akustische Signal weder nach der Kategorie Ton noch nach der Kategorie Pfeifton klassifiziert wird.A particularly preferred embodiment of the device for noise detection in acoustic signals according to the present invention, is characterized in that a pre-recognition signal is always generated by the pre-recognition device, which classifies the acoustic signal according to the sound category if at least one Amplitude of a specific frequency band from the frequency spectrum of the acoustic Signal is above a preselected tone threshold and then always a precedent Identification signal is generated, which is the acoustic signal according to the category whistle classified if at least one amplitude derived from time of a certain one Frequency band from the frequency spectrum of the acoustic signal or its absolute is above a preselected whistle threshold and always then Pre-detection signal is generated, which the acoustic signal according to the category no Sound classified if the acoustic signal is neither classified according to the category of sound nor according to the Category whistling is classified.
Als Vorerkennungsvorrichtung kann auch eine Fuzzy-Logic vorgesehen sein, die wiederum Mittel vorsieht, die jeweils zum Empfang der Amplitude eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals dienen, sowie Mittel, die jeweils zum Empfang der nach der Zeit abgeleiteten Amplitude eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals oder deren Absolutbetrages dienen, wobei die so empfangenen Amplituden oder abgeleiteten Amplituden bzw. deren Absolutbeträge jeweils fuzzyfiziert, d. h. entsprechend einer Zugehörigkeitsfunktion auf linguistische Va riable abgebildet werden, und die Fuzzy-Logic mittels einer Inferenzmaschine die so fuz zyfizierten Amplituden und/oder nach der Zeit abgeleiteten Amplituden oder deren Abso lutbetrag mittels in einer Wissensbasis hinterlegter Regeln zu zumindest einem Vorerken nungssignal inferiert, welches das akustische Signal nach den Kategorien Ton, Pfeifton und Kein-Ton klassifiziert, und so Aufschluß über die Art des akustischen Signals gibt.A fuzzy logic can also be provided as a pre-detection device, which in turn Provides means, each for receiving the amplitude of a specific frequency band serve from the frequency spectrum of the acoustic signal, and means, each for Reception of the amplitude of a specific frequency band derived according to time serve the frequency spectrum of the acoustic signal or its absolute amount, wherein the amplitudes received or derived amplitudes or their absolute amounts each fuzzyfected, d. H. according to a membership function on linguistic Va riable, and the fuzzy logic using an inference machine the so fuz amplified and / or time-derived amplitudes or their abs amount by means of rules stored in a knowledge base for at least one preliminary work inferencesignal, which the acoustic signal according to the categories tone, whistle and No-sound classified, and so provides information about the type of acoustic signal.
Vorzugsweise sind bei der Fuzzy-Logic Mittel vorgesehen, die zum Empfang der maxima len Amplitude und solche die zum Empfang der zweitgrößten Amplitude jeweils aus einer Vielzahl von, zu bestimmten Frequenzbändern gehörigen Amplituden aus dem Frequenz spektrum des akustischen Signals dienen, sowie Mittel, zum Empfang der maximalen nach der Zeit abgeleiteten Amplitude oder deren Absolutbetrags aus einer Vielzahl von, zu be stimmten Frequenzbändern gehörigen abgeleiten Amplituden oder deren Absolutbeträge aus dem Frequenzspektrum des akustischen Signals, wobei die so empfangenen Amplituden oder abgeleiteten Amplituden bzw. deren Absolutbeträge jeweils fuzzyfiziert, d. h. entspre chend einer Zugehörigkeitsfunktion auf linguistische Variable abgebildet werden.Means are preferably provided in the fuzzy logic for receiving the maxima len amplitude and those for receiving the second largest amplitude each from one A large number of amplitudes belonging to certain frequency bands from the frequency Spectrum of the acoustic signal serve, as well as means for receiving the maximum after the time derived amplitude or its absolute amount from a variety of be agreed frequency bands belonging to derived amplitudes or their absolute amounts from the frequency spectrum of the acoustic signal, the amplitudes thus received or derived amplitudes or their absolute amounts are fuzzyfied, d. H. correspond are mapped to a linguistic variable according to a membership function.
Die vorstehenden erfindungsgemäßen Ausführungsformen einer Vorrichtung zur Geräu scherkennung in akustischen Signalen, die sich einer Fuzzy-Logic als Vorerkennungsein richtung bedienen, haben sich dabei in Versuchen besonders bewährt. Sie ermöglichten aufgrund der leicht änderbaren Zuordnungsfunktionen der Eingangswerte zu den verwen deten linguistischen Variablen und der gleichfalls leicht änder- und ergänzbaren Regelbasis für die Fuzzy-Logic-Inferenzmaschine eine besonders flexible Anpassung der Vorerken nungseinrichtung auf den jeweiligen Anwendungsfall. Wegen des näheren Verständnisses sei im weiteren auf das zu Fig. 2 besprochene Ausführungsbeispiel verwiesen.The above embodiments according to the invention of a device for noise detection in acoustic signals, which use fuzzy logic as a prerecognition device, have proven particularly useful in experiments. Due to the easily changeable assignment functions of the input values to the linguistic variables used and the also easily changeable and expandable rule base for the fuzzy logic inference machine, they enabled the prerogative recognition device to be adapted particularly flexibly to the respective application. For a better understanding, reference is made to the exemplary embodiment discussed in relation to FIG. 2.
Bei einer weiteren Ausführungsform einer erfindungsgemäßen Vorrichtung zur Geräu scherkennung in akustischen Signalen ist eine Differenzierungseinrichtung vorgesehen, die wiederum Mittel vorsieht, die jeweils zum Empfang der Amplitude eines bestimmten Fre quenzbandes aus dem Frequenzspektrum des akustischen Signals dienen, sowie Mittel, die diese Amplitude oder Amplituden nach der Zeit zumindest einfach ableitet oder ableiten und weiterhin Ausgabemittel, die die so nach der Zeit abgeleitete Amplitude oder abgeleite ten Amplituden eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akusti schen Signals ausgeben. Eine solche Differenzierungseinrichtung dient dabei in einigen Aus führungsformen der vorliegenden Erfindung der Versorgung der zentralen Auswertungs vorrichtungen, wie etwa Vorerkennungseinrichtung und künstliches neuronales Netz mit den nach der Zeit abgeleiteten Werten des Frequenzspektrums des zu klassifizierenden aku stischen Signals.In a further embodiment of a device according to the invention for noise a differentiation device is provided in acoustic signals in turn provides means, each for receiving the amplitude of a certain Fre quenzband serve from the frequency spectrum of the acoustic signal, and means that derive or derive this amplitude or amplitudes at least simply over time and further output means which are the amplitude or derivative thus derived according to time th amplitudes of a certain frequency band from the frequency spectrum of the acousti output signal. Such a differentiation device serves in some cases management forms of the present invention of supplying the central evaluation devices such as prerecognizer and artificial neural network the time-derived values of the frequency spectrum of the battery to be classified signal.
Vorzugsweise weist die Differenzierungseinrichtung weiterhin Mittel auf, die aus der nach der Zeit abgeleiteten Amplitude oder den nach der Zeit abgeleiteten Amplituden den jewei ligen Absolutbetrag (ohne negatives Vorzeichen) ermitteln und diesen oder diese ausgibt.Preferably, the differentiation device furthermore has means that are based on the following the time-derived amplitude or the time-derived amplitudes each Determine current absolute amount (without negative sign) and output this or these.
Auch kann die Differenzierungseinrichtung im Taktbetrieb arbeiten und die Amplitude oder Amplituden eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akusti schen Signals taktweise empfangen, wobei die Mittel zur Ableitung der Amplitude oder Amplituden nach der Zeit dabei einen Puffer aufweisen, der jeweils die Amplitude oder Amplituden des vorhergehenden Taktes enthält und hiermit die Ableitung nach der Zeit durch Subtraktion der aktuellen von der vorhergehenden Amplitude oder Amplituden taktweise gebildet wird. Eine solche taktweise mittels einfacher Subtraktion arbeitende Dif ferenzierungseinrichtung stellt dabei eine besonders leicht zu realisierende erfindungsgemä ße Variante dar.The differentiating device can also operate in clocked mode and the amplitude or amplitudes of a certain frequency band from the frequency spectrum of the acousti received signal intermittently, the means for deriving the amplitude or Amplitudes after the time have a buffer, each of the amplitude or Contains amplitudes of the previous measure and thus the derivation according to time by subtracting the current from the previous amplitude or amplitudes is formed in cycles. Such a Dif that works intermittently by means of simple subtraction Referencing device represents a particularly easy to implement according to the invention great variant.
Weiterhin kann die erfindungsgemäße Vorrichtung zur Geräuscherkennung in akustischen Signalen eine Renormierungseinrichtung aufweisen, welche Mittel vorsieht, die jeweils zum Empfang der Amplitude eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals dienen und Mittel, die diese Amplitude oder Amplituden so renormie ren, daß die Summe aller Amplituden nach der Renormierung gleich 1 ist und die Ampli tuden je paarweise vor der Renormierung im gleichen Verhältnis zueinander stehen wie nach der Renormierung, wobei weiterhin Ausgabemittel vorgesehen sind, die die so renormierte Amplitude oder renormierten Amplituden eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals ausgeben. Es wurde nämlich gefunden, daß es in bestimmten Fällen auch ausreicht, ja sogar vorteilhaft ist, wenn nicht die Pegel der einzelnen Frequenzen des betrachteten Frequenzbandes als Amplituden ausgewertet wer den, sondern als Amplituden nur noch ihre Intensitäten als Ausdruck ihrer relativen Ver hältnisse zueinander verwendet werden. Dies wird durch die Verwendung einer Renormie rungseinrichtung erreicht, die die Verhältnisse der Amplituden zueinander wahrt, die Summe aller jedoch auf 1 renormiert.Furthermore, the inventive device for noise detection in acoustic Signals have a renormalization device, which provides means, each for Receiving the amplitude of a certain frequency band from the frequency spectrum of the Acoustic signal serve and means which renormie this amplitude or amplitudes ren that the sum of all amplitudes after renormalization is 1 and the ampli in pairs are in the same relationship to each other before the renormalization as after the renormalization, whereby further output means are provided which the so renormalized amplitude or amplified amplitudes of a certain frequency band output from the frequency spectrum of the acoustic signal. It was found that it is sufficient in certain cases, even advantageous, if not the level of the individual frequencies of the frequency band under consideration as amplitudes but, as amplitudes, only their intensities as an expression of their relative ver relationships to each other can be used. This is done through the use of a renaissance achieved device that maintains the ratios of the amplitudes to each other Total of all, however, renormalized to 1.
Auch kann die Vorrichtung zur Geräuscherkennung in akustischen Signalen nach der vor liegenden Erfindung im weiteren eine Hintergrundgeräusch-Eliminationseinrichtung auf weisen, die Mittel vorsieht, die jeweils zum Empfang der Amplitude eines bestimmten Fre quenzbandes aus dem Frequenzspektrum des akustischen Signals dienen, und Mittel, die jeweils zum Empfang der Hintergrundgeräusch-Amplitude eines bestimmten Frequenz bandes aus dem Frequenzspektrum des zum akustischen Signal gehörigen jeweiligen Hin tergrundgeräusches dienen, sowie Mittel, die von der jeweiligen Amplitude eines bestimm ten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals die Amplitude des entsprechenden Frequenzbandes aus dem Frequenzspektrum des zum akustischen Signal gehörigen jeweiligen Hintergrundgeräusches zum Abzug bringen, und weiterhin Ausgabe mittel, die die vom Hintergrundgeräusch solchermaßen befreite Amplitude oder befreiten Amplituden eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals ausgeben.The device for noise detection in acoustic signals according to the front lying invention further on a background noise elimination device point, which provides means, each for receiving the amplitude of a certain Fre quenzband serve from the frequency spectrum of the acoustic signal, and means that each for receiving the background noise amplitude of a certain frequency band from the frequency spectrum of the respective Hin belonging to the acoustic signal serve background noise, as well as means that depend on the respective amplitude of a th frequency band from the frequency spectrum of the acoustic signal, the amplitude of the corresponding frequency band from the frequency spectrum of the acoustic signal deduct the relevant background noise and continue output means that remove the amplitude or the background noise thus freed Amplitudes of a certain frequency band from the frequency spectrum of the acoustic Output signals.
Dabei kann die Hintergrundgeräusch-Eliminationseinrichtung im Taktbetrieb arbeiten, wobei die die jeweiligen einander entsprechenden Amplituden taktweise empfängt und taktweise voneinander abzieht.The background noise elimination device can operate in cyclical mode, which receives the respective mutually corresponding amplitudes in cycles and subtracts from each other in cycles.
Vorzugsweise empfängt die Hintergrundgeräusch-Eliminationseinrichtung die zum Hinter grundgeräusch gehörigen Signale dabei von einer Vorrichtung zur Hintergrundgeräu schermittlung. Dabei verbessert diese die Qualität der Arbeit der erfindungsgemäßen Vor richtung zur Geräuscherkennung in akustischen Signalen noch einmal erheblich, da sie das beinahe jeder realistisch gewählten akustischen Umgebung zueigene Hintergrundrauschen ermittelt, um es dann von der Hintergrundgeräusch-Eliminationseinrichtung ausblenden zu lassen, womit die Vorrichtung zur Hintergrundgeräuschermittlung zur Lösung des Pro blems der automatischen Geräuscherkennung in akustischen Signalen in erheblichem Maße beiträgt.Preferably, the background noise eliminator receives the one to the rear signals associated with background noise from a device for background noise determination. This improves the quality of the work of the invention direction for noise detection in acoustic signals once again considerably, since it does almost every realistic acoustic environment has its own background noise to then hide it from the background noise eliminator leave what the device for background noise detection to solve the Pro Consider the automatic noise detection in acoustic signals to a considerable extent contributes.
Die Hintergrundgeräusch-Eliminationseinrichtung ist dabei auf eine gute Ermittlung des Hintergrundgeräusches angewiesen, um diese für die Geräuscherkennung unangenehme Störung möglichst wirkungsvoll aus dem akustischen Signal zu entfernen. Somit ist es Auf gabe der hierzu dienlichen Vorrichtung zur Hintergrundgeräuschermittlung eine möglichst leistungsfähige Hintergrundgeräuschermittlung zur Verfügung zu stellen.The background noise elimination device is based on a good determination of the Background noise instructed to make this uncomfortable for noise detection Remove the disturbance from the acoustic signal as effectively as possible. So it's up give the device used for this purpose for background noise determination as possible to provide powerful background noise detection.
Dies wird durch eine Vorrichtung zur Hintergrundgeräuschermittlung in akustischen Si gnalen erreicht, die jeweils die Amplitude eines bestimmten Frequenzbandes aus dem Fre quenzspektrum des zum akustischen Signal gehörigen jeweiligen Hintergrundgeräusches ermittelt, wobei sie Mittel aufweist, die jeweils zum Empfang der jeweils aktuell gemesse nen Amplitude eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akusti schen Signals dienen, und die Hintergrundgeräuschermittlung ausgehend von einer zu Be triebsbeginn hoch gewählten fiktiven Start-Hintergrundgeräusch-Amplitude derart ge schieht, daß die jeweilige Hintergrundgeräusch-Amplitude jeweils nach einer von Zeit zu Zeit erfolgenden Messung der aktuell herrschenden Amplitude des zugehörigen Frequenz bandes immer dann auf den letzten Meßwert korrigiert wird, wenn dieser Meßwert kleiner als der Wert der bis zu diesem Zeitpunkt solchermaßen ermittelten Hintergrundgeräusch- Amplitude, vorzugsweise zuzüglich eines bestimmten konstanten Aufschlages, war und weiterhin Ausgabemittel vorgesehen sind, die die ermittelten Hintergrundgeräusch- Amplituden eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals ausgeben.This is done by a device for background noise detection in acoustic Si gnalen reached, each the amplitude of a certain frequency band from the Fre Frequency spectrum of the background noise belonging to the acoustic signal determined, it has means, each for receiving the currently measured NEN amplitude of a certain frequency band from the frequency spectrum of the acousti signal and serve to determine the background noise from one to Be drive start highly selected fictitious start background noise amplitude such ge happens that the respective background noise amplitude after each of time Time measurement of the currently prevailing amplitude of the associated frequency bandes is corrected to the last measured value whenever this measured value is smaller than the value of the background noise Amplitude, preferably plus a certain constant premium, was and output means are also provided, which the determined background noise Amplitudes of a certain frequency band from the frequency spectrum of the acoustic Output signals.
Vorzugsweise erhöht die Vorrichtung hierbei vor jeder von Zeit zu Zeit erfolgenden Mes sung der aktuell herrschenden Amplitude die jeweilige bis zu diesem Zeitpunkt ermittelte Hintergrundgeräusch-Amplitude um einen bestimmten festen Zuschlag.In this case, the device preferably increases before each measurement taking place from time to time of the currently prevailing amplitude, the respective one determined up to this point in time Background noise amplitude around a certain fixed surcharge.
In einer bevorzugten Ausführungsform arbeitet die Hintergrundgeräuschermittlungsein richtung im Taktbetrieb und gibt die jeweilige Hintergrundgeräusch-Amplitude oder die jeweiligen Hintergrundgeräusch-Amplituden taktweise aus. In a preferred embodiment, background noise detection works direction in clock mode and gives the respective background noise amplitude or respective background noise amplitudes clockwise.
Alle vorstehenden Ausführungsformen einer Hintergrundgeräuschermittlungseinrichtung vermögen es schnell und zuverlässig das Hintergrundgeräusch des jeweiligen akustischen Signals zu ermitteln. Die Vorrichtung beginnt dabei für den Fall, daß sie tatsächlich Pegel und nicht nur Intensitäten empfängt die Ermittlung des Hintergrundgeräusches ausgehend von der Annahme eines recht hohen fiktiven Startwertes von vorzugsweise 200 dB, der dann schnell auf die dann tatsächlich gemessenen minimalen Pegel des empfangenen akusti schen Signals absinkt. Bei der Ermittlung des bis zu einem bestimmten Zeitpunkt gemesse nen minimalen Hintergrundgeräusches ist es u. U. hilfreich den bis dato gemessenen mini malen Pegel (bzw. allgemeiner: Amplitude) nur dann durch einen neuen Minimalpegel (bzw. allgemeiner: Minimalamplitude) als neuen Hintergrundgeräuschpegels (bzw. allge meiner: Hintergrundgeräuschamplitude) zu ersetzen, wenn der neue Minimalpegel (bzw. allgemeiner: Minimalamplitude) den bis dahin gültigen Hintergrundgeräuschpegel (bzw. allgemeiner: Hintergrundgeräuschamplitude) zumindest um ein gewisses Maß (etwa eine Konstante), vorzugsweise um 0,5 dB, unterschreitet, um kurzfristige kleinere Unterschrei tungen unberücksichtigt zu lassen.All of the above embodiments of a background noise detection device the background noise of the respective acoustic can quickly and reliably Determine signal. The device starts in the event that it actually has levels and the determination of the background noise not only receives intensities starting from assuming a fairly high fictitious starting value of preferably 200 dB, the then quickly to the actually measured minimum level of the received acousti signal drops. When determining the measured up to a certain point in time It is a minimal background noise. The mini measured so far may be helpful paint level (or more generally: amplitude) only by a new minimum level (or more generally: minimum amplitude) as the new background noise level (or general mine: background noise amplitude) to replace if the new minimum level (or more general: minimum amplitude) the background noise level valid until then (or more generally: background noise amplitude) at least by a certain amount (about one Constant), preferably by 0.5 dB, falls short-term smaller undershoot not to be considered.
Weiterhin ist es sinnvoll die Vorrichtung so auzugestalten, daß die jeweils aktuell ermittelte Hintergrundgeräusch-Amplitude von der Vorrichtung von Zeit zu Zeit um ein bestimmtes Maß erhöht wird, um die Vorrichtung so in die Lage zu versetzen auch ein sich wieder er höhendes Hintergrundgeräusch zu registrieren. Der von Zeit zu Zeit erfolgende Zuschlag sorgt nämlich dafür, daß der festgestellte Hintergrundgeräuschpegel nach und nach aus ei nem einmal erreichten Tal gleichsam wieder herausklettert, sofern es im Hintergrund lau ter geworden ist.Furthermore, it makes sense to design the device so that the currently determined one Background noise amplitude from device to device from time to time Dimension is increased so that the device is able to move itself again registering background noise. The surcharge from time to time ensures that the determined background noise level gradually from egg Once you have reached the valley, as it were, as long as it is in the background has become.
Die Hintergrundgeräuschermittlungsvorrichtung arbeitet vorzugsweise parallel zu den an deren Komponenten der Geräuscherkennungsvorrichtung. Dies bedeutet, daß die Geräu scherkennungsvorrichtung erst nach einer gewissen Anlaufphase von der Hintergrundge räuschermittlungsvorrichtung mit korrekten Daten über das Hintergrundgeräusch versorgt wird. Erfahrungsgemäß braucht dies etwa 5 Minuten Zeit. Danach kann sie weiter parallel arbeiten und die Geräuscherkennung derweil immer mit jeweils aktualisierten Daten über das anstehende Hintergrundgeräusch versorgen. The background noise detection device preferably operates in parallel to the the components of the noise detection device. This means that the noise Detection device only after a certain start-up phase from the background Noise detection device supplied with correct data about the background noise becomes. Experience has shown that this takes about 5 minutes. After that, it can continue in parallel work and the sound detection meanwhile always with updated data about supply the pending background noise.
In einer weiteren Ausführungsform der erfindungsgemäßen Vorrichtung zur Geräuscher kennung in akustischen Signalen ist eine Spektrumanalyse-Einrichtung vorgesehen, die wiederum Mittel zum Empfang einer einzigen über die Zeit verlaufenden Amplitude eines akustischen Signals vorsieht und weitere Mittel aufweist, um diese einzige über die Zeit verlaufenden Amplitude eines akustischen Signals in jeweils über die Zeit verlaufende Am plituden bestimmter Frequenzbänder aus dem Frequenzspektrum des akustischen Signals zu zerlegen und auszugeben. Vorzugsweise wird hierzu eine Fast-Fourier- Transformationsneinrichtung (FFT-Einrichtung) verwendet, die eine solche Zerlegung be sonders effektiv ermöglicht. Die Zerlegungseinrichtung dient dabei der Zerlegung des aku stischen Signals in eine bestimmte Anzahl von Frequenzbändern, die, wie bereits eingangs erwähnt wurde, ihrer Anzahl und Frequenzbreite nach auf die jeweiligen Verhältnisse des zu identifizierenden akustischen Signals abzustimmen sind.In a further embodiment of the device for noise In acoustic signals, a spectrum analysis device is provided, which again means for receiving a single amplitude over time provides acoustic signal and has other means to this only over time running amplitude of an acoustic signal in Am over time plitudes of certain frequency bands from the frequency spectrum of the acoustic signal to disassemble and spend. For this purpose, a Fast Fourier Transformation device (FFT device) used that be such a decomposition enables particularly effective. The disassembly device is used to disassemble the aku signal into a certain number of frequency bands, which, as already mentioned was mentioned, their number and frequency range according to the respective conditions of the to be identified to be identified acoustic signal.
Auch kann weiterhin ein Filter, vorzugsweise einen Bandpass-Filter in der erfindungsge mäßen Geräuscherkennungsvorrichtung verwendet werden, der Mittel zum Empfang einer einzigen über die Zeit verlaufenden Amplitude eines akustischen Signals vorsieht und diese einzige über die Zeit verlaufende Amplitude nur insoweit wieder ausgibt, als daß sie dem akustischen Signal im wesentlichen nur innerhalb eines bestimmten Frequenzbandes vor zugsweise in einem Bereich von etwa 16 Hz bis 20 KHz, besonders bevorzugt in einem Bereich von etwa 16 Hz bis 16 KHz entspricht. Hierdurch ist es beispielsweise möglich die Auswertung des akustischen Signals auf den hörbaren Bereich zu beschränken.A filter, preferably a bandpass filter, can also be used in the invention moderate noise detection device are used, the means for receiving a only provides an amplitude of an acoustic signal over time and this only outputs amplitude over time only to the extent that it is the acoustic signal essentially only within a certain frequency band preferably in a range from about 16 Hz to 20 KHz, particularly preferably in one Corresponds to a range of approximately 16 Hz to 16 kHz. This makes it possible, for example Limit the evaluation of the acoustic signal to the audible range.
Auch kann ein Filter eingesetzt werden, der zusätzlich eine dezibel-Bewertung, vorzugs weise eine A-Bewertung, der empfangenen Amplitude durchführt und die so gewichtete Amplitude wieder ausgibt. Solche Filter sind als sogenannte A-Filter im Handel erhältlich und tragen durch ihre A-Bewertung dem unterschiedlich empfindlichen menschlichen Hör empfinden bei verschiedenen Frequenzen Rechnung.A filter can also be used, which also prefers a decibel rating as an A-weighting, the received amplitude and the weighted Outputs amplitude again. Such filters are commercially available as so-called A filters and with their A-rating they support differently sensitive human hearing feel bill at different frequencies.
Eine weitere bevorzugte Ausführungsform einer Vorrichtung zur Geräuscherkennung in akustischen Signalen ist dadurch gekennzeichnet, daß sie weiterhin eine Umklassifizie rungsvorrichtung aufweist, welche Mittel zum Empfang des Klassifikationssignals und/oder des Vorerkennungssignals aufweist, wobei die Umklassifizierungsvorrichtung zumindest ein Geräuschklassensignal hieraus erzeugt und ausgibt, welches das akustische Signal einer oder mehreren Geräuschkategorien zuordnet. Eine solche Umklassifizeirungs vorrichtung ist immer dann von Vorteil, wenn es mehrere klassifizierte Signale gibt, die ihrerseits wieder zu Gruppen zusammengefasst werden sollen, etwa nach ihrer Herkunft, ohne aber, daß sich diese Gruppen von vorneherein nach akustischen Kriterien klassifizie ren ließen.Another preferred embodiment of a device for noise detection in Acoustic signals are characterized in that they continue to reclassify tion device, which means for receiving the classification signal and / or the prerecognition signal, the reclassification device generates and outputs at least one noise class signal, which is the acoustic one Assigns signal to one or more noise categories. Such a reclassification device is always advantageous if there are several classified signals that in turn should be grouped together again, for example according to their origin, but without these groups being classified according to acoustic criteria from the outset left.
So sind etwa im Rahmen von Lärmgutachten Gruppen akustischer Signale aufgrund jeweils
einschlägiger gesetzlicher Regelungen wie folgt von Belang:
For example, in the context of noise assessments, groups of acoustic signals based on the relevant statutory regulations are of concern as follows:
- - Straßen- und Schienenlärm aufgrund der Regelungen in der 16. Verordnung zum Bundesimmissionsschutzgesetz- Road and rail noise due to the regulations in the 16th regulation to the Federal Immission Control Act
- - Fluglärm aufgrund des Fluglärmschutzgesetzes- Aircraft noise due to the Aircraft Noise Protection Act
- - Gewerbelärm aufgrund der TA Lärm- Commercial noise due to TA noise
- - Sportlärm aufgrund der Regelungen in der 18. Verordnung zum Bundesim missionsschutzgesetz- Sports noise due to the regulations in the 18th Ordinance on Federal Mission Protection Act
- - Freizeitlärm aufgrund länderrechtlicher Regelungen, (vgl. etwa die Muster Verwaltungs Verordnung zur TA Lärm)- Leisure noise due to state regulations, (see e.g. the sample Administrative Ordinance for TA Noise)
- - Geräusche aus der Natur, die Fremdgeräusche i. S. der vorstehend angeführ ten Regelungen darstellen- Noises from nature, the extraneous noises i. See the above present regulations
Hier müssen somit verschiedene jeweils einzeln klassifizierte Geräusche den vorstehenden Kategorien zugeordnet werden, die technisch allein aufgrund ihrer akustischen Struktur nicht als solche klassifizierbar sind. Beispielsweise handelt es sich bei dem von Automobi len, Motorrädern oder Schienenfahrzeugen ausgehenden Schallimmissionen allesamt um Straßen- und Schienengeräusche, sie weisen jedoch jeweils ein eigenes akustisches Muster auf, welches jedes für sich gesehen erkannt werden kann. In ihrer Gesamtheit weisen diese Kategorien jedoch i. d. R. keine ausreichenden akustischen Gemeinsamkeiten auf, um als Straßen- und Schienenlärm direkt identifiziert werden zu können. Dies ist jedoch mittels der erfindungsgemäßen Umklassifizierungseinrichtung möglich, die es erlaubt einzeln klas sifizierte Signale auf neue Klassen, also insbesondere auch Obergruppen abzubilden und so das gewünschte Klassifikationsergebnis zu erhalten.Here, different noises classified individually must each match the above Categories are assigned that are technically based solely on their acoustic structure cannot be classified as such. For example, that of Automobi sound emissions from motorbikes, motorcycles or rail vehicles Road and rail noises, but they each have their own acoustic pattern on which each can be recognized individually. In their entirety, these show Categories however i. d. Usually, there are no acoustic similarities to be considered Road and rail noise can be identified directly. However, this is by means of possible of the reclassification device according to the invention, which allows it to be classified individually to map specific signals to new classes, in particular also to upper groups and so on to get the desired classification result.
Eine weitere besonders bevorzugte Ausführungsform einer Vorrichtung zur Geräuscher kennung in akustischen Signalen nach der vorliegenden Erfindung ist dadurch gekenn zeichnet, daß die Vorrichtung weiterhin eine Markierungsvorrichtung aufweist, die die einzige über die Zeit verlaufende, womöglich frequenz-gefilterte und/oder A-bewertete Amplitude entsprechend dem zeitlich jeweils zugehörigen Geräuschklassensignal und/oder Vorerkennungssignal, vorzugsweise mittels einer dem jeweiligen Signal zugehörigen Farbe in einer graphischen Darstellung des zeitlichen Verlaufes der Amplitude markiert, sowie Mittel zur Ausgabe des so markierten Signals vorgesehen sind. Hierdurch kann der Signal verlauf entsprechend der Art des akustischen Signals z. B. in einem Kurvenschrieb über die Zeit farbig kenntlich gemacht werden. Der Farbe der Kurve kann dann entnommen wer den, welchen Ursprungs das Signal an den so markierten (gefärbten) Punkten ist, was für den Betrachter höchst anschaulich und informativ ist.Another particularly preferred embodiment of a device for noise Identification in acoustic signals according to the present invention is thereby characterized records that the device further comprises a marking device that the only time-running, possibly frequency-filtered and / or A-weighted Amplitude corresponding to the temporally associated noise class signal and / or Pre-detection signal, preferably by means of a color associated with the respective signal marked in a graphical representation of the time course of the amplitude, and Means for outputting the signal marked in this way are provided. This allows the signal run according to the type of acoustic signal z. B. in a graph on the Time can be marked in color. The color of the curve can then be seen the origin of the signal at the marked (colored) points, what the viewer is extremely vivid and informative.
Vorzugsweise weist die erfindungsgemäße Vorrichtung zur Geräuscherkennung in akusti schen Signalen auch eine Impulserkennungsvorrichtung auf, welche Mittel zum Empfang der einzigen über die Zeit verlaufenden, womöglich frequenz-gefilterten und/oder A- bewerteten Amplitude vorsieht und dieses Signal auf einen Impuls hin überwacht, wobei die Impulserkennungsvorrichtung zumindest ein Impulserkennungssignal erzeugt, solange die einzige über die Zeit verlaufende und womöglich frequenz-gefilterte und/oder A- bewertete Amplitude einen Impuls aufweist, wobei vorzugsweise die Überschreitung eines Grenzwertes durch die zeitliche Ableitung oder ihren Absolutbetrag der einzigen über die Zeit verlaufenden, womöglich frequenz-gefilterten und/oder A-bewerteten Amplitude zur Impulserkennung benutzt wird. Dabei kann im Falle der Verwendung einer Markierungs vorrichtung die einzige über die Zeit verlaufende, womöglich frequenz-gefilterte und/oder A-bewertete Amplitude entsprechend dem zeitlich jeweils zugehörigen Impulserkennungs signal mit Vorrang gegenüber dem jeweils zugehörigen Geräuschklassensignal oder Vorer kennungssignal, vorzugsweise mittels einer dem Impulserkennungssignal zugehörigen Far be in einer graphischen Darstellung des zeitlichen Verlaufes der Amplitude markiert wer den. Die Impulserkennung dient der Identifikation impulsartiger Verläufe des akustischen Signals, die von akustischen Signalen anderer Art getrennt werden und auch als Impuls signale erkannt werden sollen.Preferably, the device according to the invention for noise detection in acoustically signals also a pulse detection device, which means for reception the only frequency-filtered and / or A- provides evaluated amplitude and monitors this signal for a pulse, whereby the pulse detection device generates at least one pulse detection signal as long as the only time-filtered and possibly frequency-filtered and / or A- evaluated amplitude has a pulse, preferably exceeding a Limit by the time derivative or its absolute amount of the only over the Time-running, possibly frequency-filtered and / or A-weighted amplitude Pulse detection is used. This can be done in the case of using a marker device the only frequency-filtered and / or time-passed, possibly A-weighted amplitude corresponding to the associated pulse detection signal with priority over the associated noise class signal or previous identification signal, preferably by means of a Far associated with the pulse detection signal be marked in a graphical representation of the time course of the amplitude the. The pulse detection serves to identify pulse-like courses of the acoustic Signals that are separated from other acoustic signals and also as an impulse signals should be recognized.
Auch kann die erfindungsgemäße Vorrichtung zur Geräuscherkennung in akustischen Si gnalen eine Signalanalysevorrichtung aufweisen, welche wiederum Mittel zum Empfang der markierten einzigen über die Zeit verlaufenden, womöglich frequenz-gefilterten und/oder A-bewerteten Amplitude aufweist, wobei die Signalanalysevorrichtung die mit dem Ge räuschklassenerkennungssignal oder Impulserkennungssignal markierte Amplitude weiter auf zu erkennende Muster analysiert. Dabei kann die Signalanalysevorrichtung insbesonde re als Fuzzy-Logic, als neuronales Netz oder als eine Kombination hieraus realisiert sein. Eine, solche zusätzliche Analysevorrichtung erlaubt es auch komplexere Verläufe akusti scher Signale über die Zeit hinweg zu identifizieren, wie etwa ein periodisch auftretendes Geräusch.The device according to the invention for noise detection in acoustic Si gnalen have a signal analysis device, which in turn means for receiving the marked only those that are frequency-filtered and / or that run over time A-weighted amplitude, the signal analysis device with the Ge noise class detection signal or pulse detection signal marked amplitude analyzed for patterns to be recognized. The signal analysis device can in particular re as fuzzy logic, as a neural network or as a combination thereof. Such an additional analysis device also allows more complex acoustic processes identify signals over time, such as a periodic one Noise.
Allgemein ist zu den vorgenannten erfindungsgemäßen Vorrichtungen noch anzumerken, daß sie sich selbstverständlich auch besonders gut auf einem entsprechend ausgestatteten Computer durch eine geeignete meß- und regelungstechnische Software realisieren lassen. In diesem Falle werden die einzelnen Vorrichtungen dann auf einer programmgesteuerten Maschine als technisches Verfahren, gesteuert durch das jeweilige Programm realisiert.In general, in addition to the devices according to the invention mentioned above, that they are of course particularly good on a suitably equipped Have the computer implemented using suitable measurement and control software. In this case, the individual devices are then program-controlled Machine implemented as a technical process, controlled by the respective program.
Die erfindungsgemäße Vorrichtung zur Geräuscherkennung bietet in jedem Falle eine Viel
zahl von Vorteilen in ihrer Anwendung auf dem Gebiet der technischen Akustik. Sie ist
überall da einzusetzen, wo es nicht nur auf das Ausmaß einer Schallimmission, sondern
auch auf die Feststellung ihrer Ursachen ankommt. Insbesondere ermöglicht sie aber auch
eine Zuordnung des Ausmaßes einer Schallimmission zu der ihr zugehörigen Quelle. In
diesem Zusammenhang soll einem besonders wichtigen Anwendungsgebiet der vorliegen
den Erfindung nachfolgend die besondere Aufmerksamkeit gelten:
Den Betreibern von Windkraftanlagen weht in jüngster Vergangenheit nicht nur der von
ihnen gewünschte Wind in ihre Anlagen sondern auch der der zunehmenden Ablehnung
der Anlieger solcher Anlagen ins Gesicht, da sich diese von den von diesen Anlagen ausge
henden Schallimmissionen belästigt fühlen. Entsprechend wurden die Verwaltungsvor
schriften zum Bundesimmissionsschutzgesetz (vgl. § 48 BImSchG) in der Sechsten allge
meinen Verwaltungsvorschrift hierzu (Technische Anleitung zum Schutz gegen Lärm - TA
Lärm, GMBI 1998, 503ff.) so gefaßt, daß auch den schutzwürdigen Interessen der Anlieger
solcher Anlagen Rechnung getragen wird. Nach Pkt. 6.8 der vorgenannten TA Lärm wird
dabei der, die Betriebsdauer einer solchen Anlage maßgeblich beeinflussende Beurtei
lungspegel entsprechend ihrem Anhang: Ermittlung der Geräuschimmissionen zur
TA Lärm (vgl. GMBI 1998, 510ff.) gebildet, wobei nach dem dortigen Pkt. A2 eine Ermitt
lung durch Prognose zugelassen ist. Diese Verfahrensweise (Prognose) stellt heute nach dem
Stand der Technik den Regelfall dar, da für ein Meßverfahren, das die TA Lärm nach
Pkt. 6.9 mit einem pauschalen Abschlag für den Beurteilungspegel von 3 dB(A) belohnt, die
technischen Voraussetzungen meist fehlen.The device for noise detection according to the invention in any case offers a lot of advantages in its application in the field of technical acoustics. It can be used wherever it is not only the extent of a sound immission that is important, but also the determination of its causes. In particular, however, it also enables the extent of a sound immission to be assigned to the associated source. In this context, a particularly important area of application of the present invention is to receive special attention below:
In the recent past, the operators of wind turbines have not only seen the wind they want in their systems, but also the increasing rejection of the residents of such systems, as they feel annoyed by the noise emissions from these systems. Correspondingly, the administrative regulations for the Federal Immission Control Act (cf. § 48 BImSchG) in the sixth general administrative regulation (Technical Instructions for Protection against Noise - TA Lärm, GMBI 1998, 503ff.) Have been drafted in such a way that the interests of the residents of such systems, which are worth protecting, are also summarized Is taken into account. According to point 6.8 of the aforementioned TA Lärm, the assessment level, which significantly influences the operating time of such a system, is formed according to its appendix: Determination of the noise immissions for the TA Lärm (cf.GMBI 1998, 510ff.) Determination by forecast is permitted. According to the state of the art, this procedure (prognosis) is the normal case today, since the technical requirements are usually missing for a measuring procedure that rewards TA Noise according to Section 6.9 with a flat-rate discount for the assessment level of 3 dB (A).
Hierzu wäre es nämlich erforderlich, den von den Schallquellen der Windkraftanlage, also insbesondere den Windrädern ausgehenden Schall von den Hintergrund- und Störgeräu schen zu trennen. Als wesentliches Störgeräusch ist dabei vor allem das Geräusch des auf das Meßmikrofon auftreffenden Windes zu nennen, welches ein ganz beachtliches Ausmaß annehmen kann. Der Wind verursacht hier bei geringeren Geschwindigkeiten ein tieferfre quentes oft tonartiges Geräusch und im Falle hoher Windgeschwindigkeiten ein hochfre quentes störendes Pfeifen. Will man nun statt eines Prognoseverfahrens ein Meßverfahren zur Überwachung der Schallimmissionen einer Windkraftanlage einsetzen und so in den Genuß des pauschalen 3 dB(A) Abschlages vom Beurteilungspegel kommen, so muß man sicherstellen nicht die Windgeräusche zu messen, sondern die Schallimmissionen der Windkraftanlage. Somit müssen die Windgeräusche also für die Messung ausgeblendet wer den. For this it would be necessary that the sound sources of the wind turbine, ie in particular the noise emitted by the wind turbines from the background and interference noise separate. The main noise is the noise of the to call the measuring microphone impinging wind, which is a very considerable extent can accept. The wind causes a deeper freer at lower speeds Quent often sound-like noise and in the case of high wind speeds a high frequency Quent annoying whistle. If you want a measuring method instead of a forecasting method to monitor the noise emissions of a wind turbine and thus in the You have to enjoy the flat-rate 3 dB (A) discount from the assessment level make sure not to measure the wind noise, but the noise emissions of the Wind turbine. Thus, the wind noise must be masked out for the measurement the.
Nach dem Stand der Technik existieren hierzu zwei Möglichkeiten:
Die erste besteht darin, ähnlich wie es bei Rundfunk- und Fernsehübertragungen im Au
ßenbereich üblich ist, einen sogenannten Windball aus feinporigem Schaumstoff über das
Mikrofon zu stülpen, um so das Geräusch des auf das Mikro auftreffenden Windes zu
dämpfen. Diese Methode ist bis zu einer gewissen Windgeschwindigkeit (etwa 3 Meter pro
Sekunde) auch wirksam, versagt jedoch leider bei höheren Geschwindigkeiten, wo die Stör
geräusche dann besonders unangenehm werden.According to the state of the art, there are two options:
The first is, similar to how it is common in radio and television broadcasts in the outdoor area, to put a so-called windball made of fine-pored foam over the microphone in order to dampen the noise of the wind hitting the microphone. This method is also effective up to a certain wind speed (about 3 meters per second), but unfortunately fails at higher speeds, where the noise is particularly unpleasant.
Alternativ oder auch zusätzlich kann der Wind mittels eines Geräuschpausenverfahrens weggeblendet werden, bei dem das akustische Signal vom Mikrofon immer nur dann für die Messung berücksichtigt wird, wenn die gleichfalls gemessene Windgeschwindigkeit un terhalb eines bestimmten Wertes liegt. Dieses Verfahren ist jedoch nur für böigen Wind geeignet, der die Höchstmeßgeschwindigkeit, bei der die Vorrichtung zur Messung noch brauchbare Meßergebnisse liefert zumindest von Zeit zu Zeit unterschreitet. Bei konstan tem Wind höherer Geschwindigkeit, also schon ab 3 Meter pro Sekunde, wo der Windball schon nichts mehr ausrichtet, versagt auch dieses Verfahren.As an alternative or in addition, the wind can be operated using a noise pause method are faded away, in which the acoustic signal from the microphone is only for the measurement is taken into account if the wind speed also measured un is below a certain value. However, this procedure is only for gusty wind suitable of the maximum measuring speed at which the device for measurement is still provides usable measurement results at least from time to time. At constant tem wind of higher speed, i.e. from 3 meters per second, where the windball this procedure also fails.
Da sich nun für die Überwachung einer Windkraftanlage, die ja gerade viel und möglichst konstanten Wind ab einer gewissen Geschwindigkeit zu ihrem wirtschaftlichen Betrieb voraussetzt die voranstehenden Meßverfahren als ungeeignet erwiesen haben, bedarf es hier einer neuen Lösung, nämlich einer Meßvorrichtung, die auch noch bei höheren konstanten Windgeschwindigkeiten in der Lage ist, den von der Windkraftanlage ausgehenden Schallpegel unter Ausblendung der Windauftreffgeräusche zu messen.Since now for the monitoring of a wind turbine, which is just a lot and if possible constant wind from a certain speed to their economical operation assuming that the above measurement methods have proven unsuitable, it is necessary here a new solution, namely a measuring device that can be used even at higher constant Wind speeds is capable of that from the wind turbine Measure the sound level with the wind impingement noises suppressed.
Dies wird erreicht durch eine Vorrichtung zur Messung des Schallpegels von Windkraftan lagen, die dadurch gekennzeichnet ist, daß sie eine Vorrichtung zur Geräuscherkennung in akustischen Signalen aufweist, welche ein der Umgebung von Windkraftanlagen entstam mendes akustisches Signal auswertet und so klassifiziert, daß die Geräuscherkennungsvor richtung über die Art des der Umgebung von Windkraftanlagen entstammenden akusti schen Signals zumindest insoweit Aufschluß gibt, als daß das akustische Signal zumindest nach den Kategorien Windkraftanlagen-Schall einerseits und Kein-Windkraftanlagen-Schall andererseits klassifiziert wird, wobei das akustische Signal nur insoweit zur Messung des Schallpegels berücksichtigt wird, als es von der Vorrichtung zur Geräuscherkennung in akustischen Signalen als Windkraftanlagen-Schall klassifiziert wird.This is achieved by a device for measuring the sound level of wind power were, which is characterized in that they have a device for noise detection in has acoustic signals, which originated in the environment of wind turbines evaluating acoustic signal and classified so that the noise detection before Direction about the type of acousti coming from the environment of wind turbines rule signal at least insofar as that the acoustic signal at least according to the categories wind turbine sound on the one hand and no wind turbine sound on the other hand is classified, the acoustic signal only to the extent that it measures the Sound level is taken into account as it is in the device for noise detection acoustic signals is classified as wind turbine sound.
Bevorzugterweise ist die erfindungsgemäße Vorrichtung zur Messung des Schallpegels von Windkraftanlagen dabei dadurch gekennzeichnet, daß sie eine Vorrichtung zur Geräu scherkennung in akustischen Signalen nach der hier vorliegenden Erfindung aufweist, wel che ein der Umgebung von Windkraftanlagen entstammendes akustisches Signal auswertet und deren Ausgangsneuronen zumindest ein Klassifikations-Signal erzeugen, welches oder welche über die Art des der Umgebung von Windkraftanlagen entstammenden akustischen Signals zumindest insoweit Aufschluß gibt oder geben, als daß das akustische Signal zumin dest nach den Kategorien Windkraftanlagen-Schall einerseits und Kein-Windkraftanlagen- Schall andererseits klassifiziert wird, wobei das akustische Signal nur insoweit zur Messung des Schallpegels berücksichtigt wird, als es von der Vorrichtung zur Geräuscherkennung in akustischen Signalen als Windkraftanlagen-Schall klassifiziert wird.The device according to the invention for measuring the sound level of is preferably Wind turbines characterized in that they have a device for noise has detection in acoustic signals according to the present invention, wel evaluates an acoustic signal originating from the surroundings of wind turbines and whose output neurons generate at least one classification signal, which or which about the type of acoustic originating from the environment of wind turbines Signal gives or give information at least to the extent that the acoustic signal at least least according to the categories wind turbine sound and no wind turbine Sound, on the other hand, is classified, with the acoustic signal only to this extent for measurement of the sound level is taken into account as it is in the device for noise detection acoustic signals is classified as wind turbine sound.
In einer weiteren bevorzugten Ausführungsform nach der vorliegenden Erfindung klassifi ziert dabei die Vorrichtung zur Messung des Schallpegels von Windkraftanlagen die vom Wind herrührenden Geräusche auch ihrer näheren Art nach als Wind-Schall-Tieffrequent und Wind-Schall-Hochfrequent.In a further preferred embodiment according to the present invention, classifi adorns the device for measuring the sound level of wind turbines from Wind-related noises also in their closer nature as wind-sound low frequency and high-frequency wind sound.
Bei Einsatz einer Vorerkennungseinrichtung in der erfindungsgemäßen Geräuscherken nungseinrichtung kann diese das in der Umgebung der Windkraftanlage aufgenommene akustische Signal auch vorzugsweise bereits nach den Kategorien Ton, vorzugsweise Wind- Ton, Pfeifton, vorzugsweise Wind-Pfeifton, und Kein-Ton klassifizieren.When using a pre-detection device in the noise detector according to the invention nungseinrichtung this can be recorded in the vicinity of the wind turbine acoustic signal also preferably according to the categories of sound, preferably wind Classify tone, whistle, preferably wind whistle, and no-sound.
Ebenso ist es natürlich möglich zur Entscheidung, ob das akustische Signal zur Messung berücksichtigt werden soll, das Geräuschklassensignal einer womöglich verwendeten Um klassifzierungsvorrichtung zu benutzen. It is of course also possible to decide whether the acoustic signal is to be measured should be taken into account, the noise class signal of a possibly used Um to use classification device.
Das tatsächlich dann gemessene und berücksichtigte Signal wird vorzugsweise mittels einer Mittelungsvorrichtung gemittelt, vorzugsweise langfristig gemittelt, wobei diese Mittelung besonders bevorzugterweise gleitend erfolgt.The signal then actually measured and taken into account is preferably determined using a Averaging device averaged, preferably averaged over the long term, this averaging is particularly preferably carried out smoothly.
Der so gebildete Mittelwert kann dann von einer Überwachungseinrichtung auf die Über schreitung eines Grenzwertes hin überwacht werden.The mean value formed in this way can then be monitored by a monitoring device exceeding a limit value can be monitored.
Mit der vorstehend beschriebenen Vorrichtung zur Messung des Schallpegels von Wind kraftanlagen kann damit eine TA Lärm konforme Überwachungsmessung erfolgen, die nicht von Windstörgeräuschen beeinträchtigt wird.With the device described above for measuring the sound level of wind power plants can therefore take a TA noise compliant monitoring measurement is not affected by wind noise.
Dies hilft, ohne den Willfährnissen einer im Einzelfall womöglich unzutreffenden Progno serechnung ausgeliefert zu sein eine Windkraftanlage wirtschaftlich betreiben zu können.This helps without the wishes of a progno that may be inaccurate in individual cases calculation to be able to operate a wind turbine economically.
Vorteilhafterweise kann der Beurteilungspegel für eine solche Anlage zudem um einen pau schalen Abschlag von 3 dB(A) vermindert werden, was ihre Stillstandzeiten weiter vermin dern hilft und so gleichfalls zu ihrer Wirtschaftlichkeit beiträgt.Advantageously, the assessment level for such an installation can also be around a pau shell reduction of 3 dB (A) can be reduced, which further reduces their downtimes who helps and thus also contributes to their profitability.
Weiterhin ermöglicht die vorliegende Erfindung durch die Bereitstellung ihrer Vorrichtun gen aber auch noch weitere erfindungsgemäße Verfahren, die dem besseren Betrieb von Windkraftanalgen dienen. So ist es beispielsweise wünschenswert den Schallpegel am Ort der Belästigung, üblicherweise also an bebauten Orten zu erfassen, um so eine exakte Aus sage über die dort tatsächlich auftretende Belästigung machen zu können.Furthermore, the present invention enables by providing its devices gene but also other inventive methods that improve the operation of Serve wind turbines. For example, it is desirable to have the local sound level the annoyance, usually to be recorded in built-up areas, so that an exact stop say about the harassment that actually occurs there.
Dies könnte man dadurch erreichen, daß man an all diesen Orten Meßeinrichtungen nach der vorliegenden Erfindung aufstellt und hiermit den dort auftretenden Pegel mißt. Dies scheitert jedoch i. d. R. an den hierdurch verursachten hohen Kosten für die Vielzahl der dann notwendigen Meßstationen.This could be achieved by measuring devices at all of these locations of the present invention and hereby measures the level occurring there. This however fails i. d. R. the high costs for the large number of then necessary measuring stations.
Unter Berücksichtigung des Standes der Technik, etwa der VDI 2714 (Schallausbreitung im Freien) und auch der DE 197 40 783 A1, EP 0 831 310 A2 (jeweils Verfahren und Vorrich tungen zur Bestimmung meteorologischer Zusatzdämpfungen der Schallausbreitung) ist es jedoch möglich unter Verwendung der hier vorgestellten erfindungsgemäßen Meßeinrich tungen an nur einem Ort in der Umgebung zu messen und dennoch für alle anderen Orte den Schallpegel exakt zu bestimmen.Taking into account the state of the art, such as VDI 2714 (sound propagation in Freien) and also DE 197 40 783 A1, EP 0 831 310 A2 (each method and device it is to determine additional meteorological attenuation of sound propagation) however possible using the measuring device according to the invention presented here measurements at only one location in the area and yet for all other locations to determine the sound level exactly.
Dies geschieht erfindungsgemäß durch Verfahren zur Bestimmung des von Schallquellen einer Windkraftanlage ausgehenden Schallpegels an einem frei wählbaren ersten Ort (Be stimmungsort) mittels Messung des Schallpegels an einem zweiten Ort (Meßort) mit einer Vorrichtung zur Messung des Schallpegels von Windkraftanlagen nach der vorliegenden Erfindung, wobei der Abstand zwischen der jeweiligen Schallquelle und dem Meßort, der Abstand zwischen der jeweiligen Schallquelle und dem Bestimmungsort, die Höhe der je weiligen Schallquelle, die Höhe des Meßorts, die Höhe des Bestimmungsortes, die Windge schwindigkeit, die Windrichtung, die Luftfeuchte, die Temperatur, der Winkel zwischen der Windrichtung und der direkten Verbindungsstrecke von der jeweiligen Schallquelle zum Meßort, der Winkel zwischen der Windrichtung und der direkten Verbindungsstrecke von der jeweiligen Schallquelle zum Bestimmungsort, der Stabilitätsfaktor und der meteo rologische Temperaturgradient bestimmt werden und hieraus dann der Schallpegel am Be stimmungsort bestimmt wird.This is done according to the invention by methods for determining sound sources a wind turbine emitting sound level at a freely selectable first location (Be location) by measuring the sound level at a second location (measuring location) with a Device for measuring the sound level of wind turbines according to the present Invention, the distance between the respective sound source and the measurement site, the Distance between the respective sound source and the destination, the amount of each due sound source, the height of the measuring point, the height of the destination, the wind speed, the wind direction, the humidity, the temperature, the angle between the wind direction and the direct connection distance from the respective sound source to the measuring point, the angle between the wind direction and the direct connection route from the respective sound source to the destination, the stability factor and the meteo rological temperature gradient can be determined and from this the sound level at the loading location is determined.
Hinsichtlich dieses Verfahrens bedürfen die neben den allgemein bekannten Größen auftre
tenden Werte Stabilitätsfaktor und der meteorologische Temperaturgradient (auch Tempe
raturfaktor genannt) der Erläuterung:
Der Stabilitätsfaktor auch mit dem Buchstaben m bezeichnet, ist eine Konstante, die von
der atmosphärischen Stabilität abhängt. Nach TA Luft nimmt sie die folgenden Werte an:With regard to this method, the values of the stability factor and the meteorological temperature gradient (also called temperature factor), which occur in addition to the generally known variables, require explanation:
The stability factor, also designated by the letter m, is a constant that depends on atmospheric stability. According to TA Luft, it takes on the following values:
Die Häufigkeit, in der die Windrichtung und Windgeschwindigkeit in den 6 Stabilitätsklas sen auftreten, stehen für ein Raster von 30 × 30 km für Deutschland beim Deutschen Wet terdienst abrufbar zur Verfügung. Ähnliche Modelle stehen in ganz Europa, so in Frank reich mit den Pasquill-Klassen oder in Großbrittanien mit den sogenannten Turner Klassen zur Verfügung. Das hier vorliegende erfindungsgemäße Verfahren ist somit in seiner An wendung nicht auf Deutschland beschränkt, sondern kann überall dort, wo ein System ähn lich der TA Luft erstellt ist verwendet werden. Dies ist für Europa zur Zeit bereits gegeben. Die Stabilitätsklassen I und II beschreiben stabile Wetterlagen mit Bodeninversionen, die Klassen IV und V labile Wetterlagen mit erwärmten Boden, d. h. bei Sonneneinstrahlung. Die Klassen III.1 und III.2 beschreiben den Übergang zwischen stabilen und labilen Wetter lagen.The frequency with which the wind direction and wind speed in the 6 stability classes appear, stand for a grid of 30 × 30 km for Germany at the German Wet Service available. Similar models are found all over Europe, so in Frank rich with the Pasquill classes or in Great Britain with the so-called Turner classes to disposal. The method according to the present invention is thus in its own right application is not limited to Germany, but can be used wherever a system is similar Lich the TA Luft is created. This is already the case for Europe. Stability classes I and II describe stable weather conditions with ground inversions that Classes IV and V unstable weather conditions with warmed floors, i.e. H. in sunlight. Classes III.1 and III.2 describe the transition between stable and unstable weather were.
Nach einer Veröffentlichung von G. Manier, "Ausbreitungsklassen und Temperaturgradien ten", Meteorologische Rundschau 28, 6-11 (März 75) zur TA Luft kann zusätzlich anhand der Stabilitätsklasse der Temperaturgradient (bezeichnet mit dtm) angegeben werden, der in der Regel als Temperaturänderung zwischen 0 und 100 m angegeben wird und der der fol genden Tabelle entnommen werden kann:After a publication by G. Manier, "Dispersion classes and temperature gradients ten ", Meteorologische Rundschau 28, 6-11 (March 75) on TA Luft can also be based on the stability class of the temperature gradient (denoted by dtm) specified in is usually given as a temperature change between 0 and 100 m and that of fol the following table:
Betreffend der weiteren Einzelheiten, die eine Bestimmung des Schallpegels in einer be stimmten Entfernung von einer Schallquelle insbesondere unter Berücksichtigung der me teorologischen Gegebenheiten ermöglichen sei der Fachmann zum einen auf die VDI 2714 und zum anderen auf die DE 197 40 783 A1 und die EP 0 831 310 A2 (jeweils Verfahren und Vorrichtungen zur Bestimmung meteorologischer Zusatzdämpfungen der Schallaus breitung) verwiesen. Regarding the further details that a determination of the sound level in a be agreed distance from a sound source especially considering the me On the one hand, those skilled in the art are able to make the geological conditions possible on the VDI 2714 and on the other hand to DE 197 40 783 A1 and EP 0 831 310 A2 (each method and devices for determining additional meteorological attenuations of sound levels spread).
Die erfindungsgemäßen Vorrichtungen zur Messung des Schallpegels von Windkraftanla gen ermöglichen es zunächst den Schallpegel der jeweils betrachteten Schallquelle ohne Stör- und Hintergrundgeräusche am Meßort zu bestimmen. Unter Berücksichtigung der zuvor bestimmten geometrischen und meteorologischen Gegebenheiten kann dann bei spielsweise mittels der zuvor erwähnten Verfahren nach VDI 2714 und/oder DE 197 40 783 A1 bzw. EP 0 831 310 A2 auf den von der Schallquelle ausgehenden Schallpegel geschlossen werden. Damit ist es sodann möglich (wiederum beispielsweise mit tels der zuvor erwähnten Verfahren nach VDI 2714 und/oder DE 197 40 783 A1 bzw. EP 0 831 310 A2) den Schallpegel am Bestimmungsort zu bestimmen, ohne daß es dort ei ner eigenen Messung bedarf.The devices according to the invention for measuring the sound level of wind turbines First of all, the sound level of the sound source in question enables without Determine noise and background noise at the measurement location. Under consideration of predefined geometric and meteorological conditions can then be used for example by means of the aforementioned methods according to VDI 2714 and / or DE 197 40 783 A1 and EP 0 831 310 A2 to those originating from the sound source Sound levels are closed. It is then possible (again, for example, with means of the aforementioned methods according to VDI 2714 and / or DE 197 40 783 A1 or EP 0 831 310 A2) to determine the sound level at the destination without it needs its own measurement.
Auch ermöglicht die vorliegende Erfindung ein Verfahren zur Prognose des von einer Windkraftanlage herrührenden gemittelten, vorzugsweise langfristig gemittelten Schallpe gels an einem frei wählbaren Prognose-Ort während eines Prognosezeitraumes, wobei dies auf der Grundlage einer Messung des Schallpegels an einem zweiten Ort (Meßort) mit einer Vorrichtung zur Messung des Schallpegels von Windkraftanlagen nach der vorliegenden Erfindung und einem Prognosemodell mit Annahmen über die Entwicklung von Windge schwindigkeit, Windrichtung, Luftfeuchte, Temperatur, Stabilitätsfaktor und meteorologi schen Temperaturgradienten während des Prognosezeitraumes geschieht, indem über den Prognosezeitraum hinweg der zeitliche Verlauf des am Prognose-Ort zu erwartenden ge mittelten, vorzugsweise langfristig gemittelten Schallpegels nach dem vorstehend beschrie benen Verfahren ermittelt wird, wobei die dortigen zu bestimmenden Größen für Windge schwindigkeit, Windrichtung, Luftfeuchte, Temperatur, Stabilitätsfaktor und meteorologi schen Temperaturgradienten nicht bestimmt, sondern stattdessen dem Prognosemodell für den Prognosezeitraum entnommen werden.The present invention also enables a method for predicting the occurrence of a Wind turbine originating averaged, preferably long-term averaged sound gels at a freely selectable forecast location during a forecast period, whereby this based on a measurement of the sound level at a second location (measurement location) with a Device for measuring the sound level of wind turbines according to the present Invention and a forecast model with assumptions about the development of Windge Speed, wind direction, air humidity, temperature, stability factor and meteorological temperature gradients occurs during the forecast period by using the The progression over time of the progression of the expected ge at the forecast location averaged, preferably long-term averaged sound level according to the above benen method is determined, the local quantities to be determined for Windge Speed, wind direction, air humidity, temperature, stability factor and meteorological temperature gradient is not determined, but instead the forecast model for are taken from the forecast period.
Ein solches Prognoseverfahren wiederum ermöglicht ein Verfahren zur Optimierung des Betriebes einer Windkraftanlage, wobei für einen oder mehrere frei wählbare Orte (Pro gnose-Orte) eine oder mehrere Annahmen über Betriebszeiträume der einzelnen Schallquel len der Windkraftanlage (Windräder) während des Prognosezeitraumes gemacht werden und basierend hierauf die jeweils zu erwartende gemittelte, vorzugsweise langfristig gemit telte Entwicklung des Schallpegels an den Prognose-Orten nach dem vorstehend beschrie benen Verfahren prognostiziert werden, und dann schließlich die Betriebszeiträume der einzelnen Schallquellen der Windkraftanlage (Windräder) für den tatsächlichen Betrieb während des Prognosezeitraumes festgelegt werden, welche bei größtmöglicher Energie produktion durch die Windkraftanlage noch unterhalb eines nicht zu überschreitenden Grenzwertes für den gemittelten, vorzugsweise langfristig gemittelten Schallpegels an den jeweiligen Prognose-Orten liegen.Such a forecasting method in turn enables a method to optimize the Operation of a wind turbine, whereby for one or more freely selectable locations (Pro gnose locations) one or more assumptions about the operating periods of the individual sound sources len of the wind turbine (wind turbines) are made during the forecast period and based on this the expected average, preferably long-term average Development of the sound level at the forecast locations according to the above predicted procedures, and then finally the operating periods of the individual sound sources of the wind turbine (wind turbines) for actual operation be determined during the forecast period, which with the greatest possible energy production by the wind turbine below a level that cannot be exceeded Limit for the averaged, preferably long-term averaged sound level at the respective forecast locations.
Hierdurch kann der Betrieb einer Windkraftanlage unter wirtschaftlichen Gesichtpunkten weiter optimiert werden, indem die Stillstandzeiten der Anlage oder einzelner Windräder dieser auf ein Minimum optimiert werden, ohne dabei die schutzwürdigen Interessen der Anwohner solcher Anlagen zu tangieren.This allows the operation of a wind turbine from an economic point of view can be further optimized by the downtimes of the plant or individual wind turbines This can be optimized to a minimum without compromising the interests of the To affect residents of such facilities.
Auch ermöglicht die vorliegende Erfindung die Lärmüberwachung bestimmter Gebiete, in denen Geräuschquellen befindlich sind (z. B. Gewerbelärmgebiete) derart, daß der Lärm im in Frage kommenden Immissionsbereich (z. B. im Bereich angrenzender Wohnbebauung) identifiziert wird und die so gemessenen Geräusche anhand parallel hierzu erfolgender Emissionsmessungen in dem Gebiet, in dem der Lärm erzeugt wird, den entsprechenden Verursachern zugeordnet wird. Die Verfahren und Vorrichtungen nach der vorliegenden Erfindung erlauben dabei eine ausreichend sichere Trennung der zu identifizierenden Ge räusche von sonstigen Geräuschen, etwa denen des öffentlichen Straßenverkehrs.The present invention also enables noise monitoring in certain areas, in which noise sources are located (e.g. commercial noise areas) in such a way that the noise in the Immission area in question (e.g. in the area of adjoining residential buildings) is identified and the noises measured in this way on the basis of those occurring in parallel Emission measurements in the area where the noise is generated, the corresponding Is assigned to causers. The methods and devices of the present The invention allows a sufficiently reliable separation of the Ge to be identified noises from other noises, such as those from public road traffic.
Hierzu ist eine zentrale Auswerteeinheit vorgesehen, die, vorzugsweise online, mit den Emissions- und Immissions(außen)meßstellen verbunden ist.For this purpose, a central evaluation unit is provided which, preferably online, with the Emission and immission (outside) measuring points is connected.
Werden nun Geräusche identifiziert, deren Pegelhöhe aufgrund der jeweiligen vorherr
schenden Ausbreitungsbedingungen erwarten läßt, daß es zu einer Überschreitung des Im
missionsrichtwertes kommen kann - oder ist dieser gar bereits eingetreten -, werden auto
matisch entsprechende Alarmmeldungen an den Lärmverursacher abgegeben, die vorzugs
weise die folgenden definierten Hinweise oder Teile davon enthalten:
If noises are now identified, the level of which can be expected, based on the prevailing propagation conditions, that the immission guide value may be exceeded - or has already occurred - appropriate alarm messages are automatically sent to the person causing the noise, preferably the following ones contain defined information or parts thereof:
- - Wahrscheinlichste Geräuschquelle - Most likely source of noise
- - Position der Quelle- Position of the source
- - Pegelhöhe der Schallimmission- level of sound immission
- - Datum und Uhrzeit- Date and Time
- - einen Alarmtext- an alarm text
Die zu alarmierenden Stellen werden dabei vorzugsweise von den jeweiligen Betreibern der Lärmquellen vorgegeben. Sie sollten dabei jederzeit erreichbar sein. Nach Eingang einer Meldung können dann Gegenmaßnahmen, etwa organisatorische oder technische Maß nahmen getroffen werden, um eine Lärmminderung zu erreichen.The points to be alerted are preferably operated by the respective operators of the Noise sources specified. You should be available at all times. After receiving one Countermeasures can then be taken, such as organizational or technical measures be taken to achieve noise reduction.
Vorzugsweise erscheinen die Alarmmeldungen in einer Zentrale, etwa bei einem Schichtlei ter. Sie können aber auch per Telefax oder e-mail abgesetzt werden oder auch unmittelbar zur Einwirkung auf Steuerungen oder Regelungen, wie etwa zur Schaltung von Licht- oder Signalzeichen verwendet werden, die eine Lärmminderung ermöglichen.The alarm messages preferably appear in a control center, for example at a shift office ter. However, they can also be sent by fax or e-mail or directly to act on controls or regulations, such as for switching light or Signal signs are used that allow noise reduction.
Eine solche Lärmüberwachung (oder lärmmindernde Beeinflussung) eignet sich vorzugs weise zur Überwachung größerer Gewerbegebiete mit einer Vielzahl von gewerblichen Geräuschquellen (Lärmquellen), wobei hier die Überwachung von Hafenanlagen mit den Umschlaganlagen als Lärmquellen ein besonders bevorzugtes Einsatzgebiet ist.Such noise monitoring (or noise-reducing interference) is preferred way to monitor larger commercial areas with a variety of commercial Noise sources (noise sources), here the monitoring of port facilities with the Handling facilities as noise sources is a particularly preferred area of application.
Im folgenden werden nicht einschränkend zu verstehende Ausführungsbeispiele anhand der Zeichnung besprochen. In dieser zeigt:In the following, exemplary embodiments to be understood in a non-restrictive manner are based on the Drawing discussed. In this shows:
Fig. 1 eine erfindungsgemäße Vorrichtung zur Geräuscherkennung im Blockschaltbild, Fig. 1 shows an inventive apparatus for noise identification in the block diagram,
Fig. 2 eine Vorerkennungseinrichtung als Fuzzy-Logic ausgeführt gleichfalls im Block schaltbild, Fig. 2 is a Vorerkennungseinrichtung as fuzzy logic executed also in the block diagram,
Fig. 3 eine schematische Übersichtsdarstellung einer Windkraftanlage mit umgebender Wohnbebauung, und Fig. 3 is a schematic overview of a wind turbine with surrounding residential buildings, and
Fig. 4 den Aufbau eines erfindungsgemäßen Lärmüberwachungssystems in schematischer Übersicht. Fig. 4 shows the structure of a noise monitoring system according to the invention in a schematic overview.
Fig. 1 zeigt eine erfindungsgemäße Vorrichtung zur Geräuscherkennung 1 im Blockschalt bild. In dieser Darstellung sind verschiedene Geräuschquellen, so ein Auto 2, eine Lokomo tive 3 und ein zwitschernder Vogel 4 zu sehen. Fig. 1 shows an inventive device for noise detection 1 in block diagram. In this illustration, various sources of noise, such as a car 2 , a locomotive 3 and a twittering bird 4 can be seen.
Das von all diesen Geräuschqellen mittels eines Mikrofons 5 aufgenommene akustische Signal wird dabei in der Vorrichtung 1 zunächst einem sogenannten A-Filter 6 zugeleitet, der zum einen aus dem Frequenzspektrum des Signals nur den hörbaren Bereich von vor zugsweise 16 Hz-16 KHz passieren läßt und dabei das Signal einer sogenannten A- Bewertung unterzieht, die es entsprechend dem unterschiedlichen subjektiven menschli chen Wahrnehmungsvermögen für verschiedene Frequenzen bewertet. Das so bewertete Signal verläßt dann den A-Filter 6 wieder.The acoustic signal picked up by all of these noise sources by means of a microphone 5 is first fed in the device 1 to a so-called A-filter 6 which, on the one hand, only allows the audible range of 16 Hz-16 KHz to pass from the frequency spectrum of the signal and thereby subjecting the signal to a so-called A-weighting, which it evaluates according to the different subjective human perceptions for different frequencies. The signal evaluated in this way then leaves the A filter 6 again.
Vom A-Filter 6 wird das Signal nun einer Spektrumanalyseeinrichtung 7 zugeleitet, die das Signal mittels einer Fast Fourier Transformation in eine Anzahl n verschiedener Pegel (P) 8 für die n Frequenzbänder zerlegt.The signal is now fed from the A filter 6 to a spectrum analysis device 7 , which uses a Fast Fourier Transformation to split the signal into a number n different levels (P) 8 for the n frequency bands.
Diese n verschiedenen Pegel (P) 8 werden nun zum einen einer Hintergrundgeräusch- Eliminationseinrichtung (HEL) 9 zugeführt und zum anderen einer Hintergrundgeräu schermittlungsvorrichtung (HEM) 10, die für die Pegel (P) 8 jeweils die Hintergrundge räuschpegel (H) 11 ermittelt, welche ebenfalls der Hintergrundgeräusch-Elimi nationseinrichtung (HEL) 9 zugeführt werden. Die Hintergrundgeräusch-Eliminati onseinrichtung (HEL) 9 zieht nun von den Pegeln (P) 8 die Hintergrundgeräuschpegel (H) 9 ab und gibt das Ergebnis als korrigierte Pegel (K) 12 wieder aus.These n different levels (P) 8 are now supplied on the one hand to a background noise elimination device (HEL) 9 and on the other hand to a background noise detection device (HEM) 10 which determines the background noise level (H) 11 for the levels (P) 8 , which are also fed to the background noise elimination device (HEL) 9 . The background noise elimination device (HEL) 9 now subtracts from the levels (P) 8, the background noise level (H) 9 and outputs the result as a corrected level (K) 12 again.
Die korrigierten Pegel (K) 12 werden der Renormierungseinrichtung (REN) 13 zugeführt, die sie renormiert und als renormierte Intensitäten (R) 14 wieder ausgibt.The corrected levels (K) 12 are fed to the renormalization device (REN) 13 , which renormalizes them and outputs them again as renormalized intensities (R) 14 .
Die renormierten Intensitäten (R) 14 werden wiederum einer Differenzierungseinrichtung (DIFF) 15 zugeführt, die sie nach der Zeit ableitet und dann von dem Ergebnis jeweils den Absolutbetrag bildet. Das hieraus erhaltene Ergebnis differenzierter renormierter Intensitä ten (dR) wird sodann wieder ausgegeben und bildet zusammen mit den renormierten Inten sitäten (R) den Signalvektor 16.The renormalized intensities (R) 14 are in turn fed to a differentiating device (DIFF) 15 , which they derive according to the time and then form the absolute amount from the result. The result of differentiated, standardized intensities (dR) is then output again and forms the signal vector 16 together with the standardized intensities (R).
Der Signalvektor 16 dient sodann sowohl der Vorerkennungeinrichtung (VOR) 17, wie auch dem neuronalen Netz (NNN) zur Signalklassifikation 18 als Eingangsgröße.The signal vector 16 then serves both the pre-detection device (VOR) 17 and the neural network (NNN) for signal classification 18 as an input variable.
Die Vorerkennungeinrichtung (VOR) 17 ermittelt nun hieraus ob es sich um einen Pfeif ton, einen Ton oder keinen Ton handelt und gibt entsprechend die Vorerkennungsignale Ton 19, Pfeifton 20 oder Kein-Ton 21 aus.The pre-detection device (VOR) 17 now determines from this whether it is a whistle tone, a tone or no tone and accordingly outputs the pre-recognition signals tone 19 , whistle tone 20 or no tone 21 .
Das neuronale Netz (NNN) zur Signalklassifikation 18 klassifiziert das akustische Signal mit Hilfe des Signalvektors 16 und erzeugt verschiedene Klassifikationssignale 22, die das akustische Signal entsprechend seinem Frequenzspektrum und/oder dessen zeitlicher Än derung klassifizieren.The neural network (NNN) for signal classification 18 classifies the acoustic signal with the aid of the signal vector 16 and generates various classification signals 22 that classify the acoustic signal according to its frequency spectrum and / or its change over time.
Die Klassifikationssignale 22 werden einer Umklassifizierungsvorrichtung (UMK) 23 zuge führt, die sie zu drei Gruppen von Geräuschklassen zusammenfaßt und entsprechend der Zugehörigkeit eines Klassifikationssignals zu diesen Gruppen, eines von drei Geräuschklas sensignalen 24 erzeugt.The classification signals 22 are supplied to a reclassification device (UMK) 23 , which combines them into three groups of noise classes and, depending on the association of a classification signal with these groups, generates one of three noise class signals 24 .
Die Geräuschklassensignale 24, werden ebenso wie die Vorerkennungssignale 19, 20 einer Markierungsvorrichtung (MAR) 25 zugeführt, die damit den vom A-Filter 6 empfangenen Pegel entsprechend diesen Signalen 19, 20, 24 markiert. Diese Markierung kann dann z. B. als jeweils unterschiedliche farbige Darstellung des A-bewerteten Pegels, der den A-Filter 6 verlassen hat dargestellt werden.The noise class signals 24 , as well as the prerecognition signals 19 , 20 are fed to a marking device (MAR) 25 , which thus marks the level received by the A filter 6 in accordance with these signals 19 , 20 , 24 . This marker can then, for. B. as a different colored representation of the A-weighted level that has left the A filter 6 .
Vor der Markierungsvorrichtung (MAR) 25 ist noch eine Impulserkennungsvorrichtung (IDET) 26 angeordnet, die gleichfalls den vom A-Filter 6 ausgegebenen Pegel empfängt und auf das Vorliegen eines Impulses hin testet. Liegt ein solcher Impuls an, so gibt sie für diese Zeit ein Impulserkennungssignal 27 aus, das ebenfalls der Markierungsvorrichtung (MAR) 25 zugeführt wird. Die Markierungsvorrichtung (MAR) 25 markiert damit den vom A-Filter 6 empfangenen Pegel vorrangig vor den durch die Geräuschklassensignale 24 oder Vorerkennungssignale 19, 20 hervorgerufenen Markierungen. A pulse detection device (IDET) 26 is also arranged in front of the marking device (MAR) 25 , which also receives the level output by the A filter 6 and tests for the presence of a pulse. If such a pulse is present, it outputs a pulse detection signal 27 for this time, which is also fed to the marking device (MAR) 25 . The marking device (MAR) 25 thus marks the level received by the A filter 6 primarily over the markings caused by the noise class signals 24 or prerecognition signals 19 , 20 .
Das markierte Pegelsignal 28 wird schließlich von der Markierungsvorrichtung (MAR) 25 ausgegeben und kann dann beispielsweise auf einer Anzeige 29 entsprechend der Amplitude seines jeweiligen Pegels und seiner Markierung dargestellt werden.The marked level signal 28 is finally output by the marking device (MAR) 25 and can then be displayed, for example, on a display 29 in accordance with the amplitude of its respective level and its marking.
Fig. 2 zeigt eine Vorerkennungseinrichtung 17 als Fuzzy-Logic ausgeführt gleichfalls im Blockschaltbild. Der sich aus Amplituden 31 und aus Absolutbeträgen nach der Zeit abge leiteter Amplituden 32 zusammensetzende Signalvektor 16 wird in seinem Amplitudenteil 31 durch eine erste Maximum-Ermittlungsvorrichtung 34 analysiert, wobei diese Ermitt lunsgvorrichtung 34 sowohl die maximale Amplitude als auch die zweitgrößte Amplitude der n Amplituden (A1. . .An) 31 jeweils als Ausgabesignal erzeugt. Eine zweite Maximum- Ermittlungsvorrichtung 33 analysiert die Absolutbeträge der nach der Zeit abgeleiteten n Amplituden (dA1. . .dAn) 32 und gibt deren Maximum aus. Fig. 2 shows a Vorerkennungseinrichtung 17 as fuzzy logic executed also in the block diagram. Which abge of amplitudes 31 and of absolute values with respect to time initiated amplitudes 32 composing signal vector 16 is analyzed in its amplitude portion 31 by a first maximum-determining device 34, which Determined lunsgvorrichtung 34, both the maximum amplitude and the second largest amplitude of the n amplitudes ( A 1 ... A n ) 31 each generated as an output signal. A second maximum determination device 33 analyzes the absolute amounts of the n amplitudes derived from time (dA 1 ... DA n ) 32 and outputs their maximum.
Die so ermittelten Maxima werden nun der Vorerkennungseinrichtung 17, die vorliegend als Fuzzy-Logic ausgestaltet ist zugeführt, wobei die maximale Amplitude aus der Vielzahl von Amplituden 32 einer ersten Fuzzifizierungseinrichtung (Fuzzy MaxA1) 30 als einem Empfangsmittel der Vorrichtung 17 zugeführt wird. Die zweitgrößte Amplitude aus der Vielzahl von Amplituden 31 wird einer zweiten Fuzzifizierungseinrichtung (Fuzzy Ma xA2) 35 als Empfangsmittel zugeführt. Schließlich wird der Absolutbetrag der maximalen nach der Zeit abgeleiteten Amplitude aus der Vielzahl von nach der Zeit abgeleiteten n Amplituden (dA1. . .dAn) 32 einer dritten Fuzzifizierungseinrichtung (Fuzzy MaxdA) 36 als Empfangsmittel zugeleitet.The maxima determined in this way are now fed to the pre-detection device 17 , which is designed here as fuzzy logic, the maximum amplitude from the plurality of amplitudes 32 being fed to a first fuzzification device (fuzzy max A1 ) 30 as a receiving means of the device 17 . The second largest amplitude from the plurality of amplitudes 31 is fed to a second fuzzification device (fuzzy Ma x A2 ) 35 as a receiving means. Finally, the absolute value of the maximum time-derived amplitude from the plurality of time-derived n amplitudes (dA 1 ... DA n ) 32 is fed to a third fuzzification device (fuzzy max dA ) 36 as receiving means.
Die Fuzzyfizierungseinrichtungen bilden die empfangenen Amplituden bzw. den empfan genen Absolutbetrag einer nach der Zeit abgeleiteten Amplitude mittels Zugehörigkeits funktionen entsprechend dem Grad ihrer Zugehörigkeit zu einer bestimmten Fuzzy-Menge auf linguistische Variable 37 ab. Dabei ist die Wahl des Verlaufes der entsprechenden Zuge hörigkeitsfunktionen entsprechend der jeweiligen Aufgabe experimentell zu ermitteln.The fuzzy devices depict the received amplitudes or the absolute absolute amount of an amplitude derived over time by means of membership functions in accordance with the degree of their membership in a specific fuzzy set on linguistic variables 37 . The choice of the course of the corresponding auditory functions according to the respective task is to be determined experimentally.
Diese linguistischen nun mit Zugehörigkeitsgradwerten besetzten Variablen 37 werden von der Fuzzy-Logic mit ihrer Inferenzmaschine entsprechend den in einer Regelbasis 38 hin terlegten Regeln verarbeitet (inferiert). Als Ergebnis dieses Inferierens werden sodann Er gebnisse erhalten, die in einem Defuzzyfizietungsmodul 38a defuzzyfiziert werden und dieses dann als Vorerkennungssignale 19, 20, 21 verlassen, die die Vorerkennungseinrich tung schließlich ausgibt.These linguistic variables 37 , which now have membership grade values, are processed (inferred) by the fuzzy logic with its inference machine in accordance with the rules stored in a rule base 38 . As a result of this Inferierens He will then receive results of which are defuzzified in a Defuzzyfizietungsmodul 38 a and then leave this as Vorerkennungssignale 19, 20, 21, the processing the Vorerkennungseinrich finally outputs.
Fig. 3 zeigt eine schematische Übersichtsdarstellung einer Windkraftanlage mit umgebender Wohnbebauung 39. Die Windkraftanlage besteht aus Windrädern 40, die die Schallquellen der Windkraftanlage darstellen, sowie aus einer Meßstation an einem Meßort 41, hier mit tels eines Mikrofons dargestellt, mit dem am Meßort 41 gemessen wird. Das Meßsignal wird einer erfindungsgemäßen Vorrichtung zur Messung des Schallpegels von Windkraftan lagen 42 zugeführt, die es nun ermöglicht zunächst den Schallpegel der jeweils betrachteten Schallquelle 40 ohne Stör- und Hintergrundgeräusche am Meßort 41 zu bestimmen. Unter Berücksichtigung der zuvor bestimmten geometrischen und meteorologischen Gegebenhei ten kann dann beispielsweise mittels der Verfahren nach VDI 2714 und/oder DE 197 40 783 A1 bzw. EP 0 831 310 A2 auf den von den Schallquellen 40 jeweils ausge henden Schallpegel geschlossen werden. Damit ist es sodann möglich (wiederum beispiels weise mittels der zuvor erwähnten Verfahren nach VDI 2714 und/oder DE 197 40 783 A1 bzw. EP 0 831 310 A2) denn Schallpegel an den Wohnbebauungsorten als Bestimmungsor ten 39 zu bestimmen, ohne daß es dort einer eigenen Messung bedarf. Fig. 3 is a schematic overview illustration showing a wind power plant with surrounding residential buildings. 39 The wind turbine consists of wind turbines 40 , which represent the sound sources of the wind turbine, and from a measuring station at a measuring point 41 , shown here by means of a microphone, with which the measuring point 41 is used. The measurement signal is fed to a device according to the invention for measuring the sound level of wind turbines 42 , which now makes it possible to first determine the sound level of the sound source 40 in question without interference and background noise at the measurement location 41 . Taking into account the previously determined geometric and meteorological conditions, it is then possible, for example, to infer the sound level emanating from the sound sources 40 using the method according to VDI 2714 and / or DE 197 40 783 A1 or EP 0 831 310 A2. This then makes it possible (again, for example, by means of the aforementioned method according to VDI 2714 and / or DE 197 40 783 A1 or EP 0 831 310 A2) because noise levels at the residential areas are determined as destination 39 without it being one own measurement required.
Fig. 4 zeigt den Aufbau eines erfindungsgemäßen Lärmüberwachungssystems, wie es sich etwa zur Überwachung von Hafenanlagen eignet, in schematischer Übersicht. Es basiert dabei auf einer Vernetzung von sogenannten Emmissions- und Immissionsmeßeinheiten. Fig. 4 shows the construction of a noise monitoring system of the invention as such is suitable for monitoring of port facilities, in schematic overview. It is based on the networking of so-called emission and immission measurement units.
Claims (42)
- Eingangsneuronen, Ausgangsneuronen und mit Gewichten versehenen Verbin dungen zwischen den Neuronen,
- wobei die Eingangsneuronen jeweils zum Empfang der Amplitude (31) eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Si gnals vorgesehen sind, und
- die Ausgangsneuronen zumindest ein Klassifikations-Signal (22) erzeugen, wel ches das akustische Signal entsprechend seinem Frequenzspektrum klassifiziert,
- Input neurons, output neurons and weighted connections between the neurons,
- wherein the input neurons are each provided for receiving the amplitude ( 31 ) of a specific frequency band from the frequency spectrum of the acoustic signal, and
- the output neurons generate at least one classification signal ( 22 ) which classifies the acoustic signal according to its frequency spectrum,
die wiederum Mittel vorsieht, die jeweils zum Empfang der Amplitude (31) eines be stimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals dienen,
sowie Mittel, die jeweils zum Empfang der nach der Zeit abgeleiteten Amplitude (32) ei nes bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals oder deren Absolutbetrages dienen,
wobei die Vorerkennungseinrichtung zumindest ein Vorerkennungssignal (19, 20, 21) er zeugt, welches das akustische Signal nach den Kategorien Ton (19), Pfeifton (20) und Kein-Ton (21) klassifiziert, und so weiteren Aufschluß über die Art des akustischen Si gnals gibt,
und das neuronale Netz von zumindest einem der Vorerkennungssignale aktiviert wird, wenn das akustische Signal von der Vorerkennungseinrichtung als ein solches der Katego rie Kein-Ton (21) klassifiziert wurde.3. Device for noise detection in acoustic signals according to claim 2, characterized in that it further comprises a pre-detection device ( 17 ),
which in turn provides means which are used to receive the amplitude ( 31 ) of a specific frequency band from the frequency spectrum of the acoustic signal,
and means which each serve to receive the amplitude ( 32 ) of a specific frequency band derived from the time from the frequency spectrum of the acoustic signal or its absolute amount,
wherein the prerecognition device generates at least one prerecognition signal ( 19 , 20 , 21 ) which classifies the acoustic signal according to the categories tone ( 19 ), whistle tone ( 20 ) and no-tone ( 21 ), and thus further information about the type of acoustic Si gnals there
and the neural network is activated by at least one of the prerecognition signals if the acoustic signal has been classified by the prerecognition device as one of the no-sound category ( 21 ).
und immer dann ein Vorerkennungssignal erzeugt wird, welches das akustische Signal nach der Kategorie Pfeifton (20) klassifiziert, wenn mindestens eine nach der Zeit abgelei tete Amplitude eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akusti schen Signals oder deren Absolutbetrag oberhalb als eines vorgewählten Pfeiftonschwell wertes liegt
und immer dann ein Vorerkennungssignal erzeugt wird, welches das akustische Signal nach der Kategorie Kein-Ton (21) klassifiziert, wenn das akustische Signal weder nach der Kategorie Ton noch nach der Kategorie Pfeifton klassifiziert wird.6. A device for noise detection in acoustic signals according to claim 3, characterized in that a prerecognition signal is always generated by the prerecognition device, which classifies the acoustic signal according to the category sound ( 19 ) if at least one amplitude of a certain frequency band from the Fre quency spectrum of the acoustic signal is above a preselected tone threshold
and whenever a pre-detection signal is generated which classifies the acoustic signal according to the whistle category ( 20 ) if at least one time-derived amplitude of a specific frequency band from the frequency spectrum of the acoustic signal or its absolute amount is above a pre-selected whistle threshold
and a prerecognition signal is generated which classifies the acoustic signal according to the no-sound category ( 21 ) when the acoustic signal is neither classified according to the sound category nor according to the whistle category.
wiederum Mittel (30, 35) vorsieht, die jeweils zum Empfang der Amplitude eines be stimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals dienen,
sowie Mittel (36), die jeweils zum Empfang der nach der Zeit abgeleiteten Amplitude ei nes bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals oder deren Absolutbetrages dienen,
wobei die so empfangenen Amplituden (31) oder abgeleiteten Amplituden bzw. deren Absolutbeträge (32) jeweils fuzzyfiziert, d. h. entsprechend einer Zugehörigkeitsfunktion auf linguistische Variable (37) abgebildet werden, und
die Fuzzy-Logic mittels einer Inferenzmaschine die so fuzzyfizierten Amplituden (31) und/oder nach der Zeit abgeleiteten Amplituden (32) oder deren Absolutbetrag mittels in einer Wissensbasis hinterlegter Regeln (38) zu zumindest einem Vorerkennungssignal (19, 20, 21) inferiert, welches oder welche das akustische Signal nach den Kategorien Ton, Pfeifton und Kein-Ton klassifiziert oder klassifizieren, und so Aufschluß über die Art des akustischen Signals gibt oder geben.7. A device for noise detection in acoustic signals according to claim 3, characterized in that a fuzzy logic is provided as the pre-detection device ( 17 )
in turn provides means ( 30 , 35 ) which each serve to receive the amplitude of a certain frequency band from the frequency spectrum of the acoustic signal,
and means ( 36 ), each of which serves to receive the amplitude of a particular frequency band derived from the time from the frequency spectrum of the acoustic signal or its absolute amount,
the amplitudes ( 31 ) thus received or derived amplitudes or their absolute amounts ( 32 ) each being fuzzified, that is to say mapped to a linguistic variable ( 37 ) according to a membership function, and
the fuzzy logic uses an inference machine to infer the fuzzy amplitudes ( 31 ) and / or the amplitudes ( 32 ) derived according to time or their absolute amount using rules ( 38 ) stored in a knowledge base to form at least one prerecognition signal ( 19 , 20 , 21 ), which classifies the acoustic signal according to the categories sound, whistle and no sound, and thus provides information about the type of acoustic signal.
wiederum Mittel (30, 35) vorsieht, die zum Empfang der maximalen Amplitude aus einer Vielzahl von, zu bestimmten Frequenzbändern gehörigen Amplituden aus dem Fre quenzspektrum des akustischen Signals dienen, und
weiterhin zum Empfang der zweitgrößten Amplitude aus einer Vielzahl von, zu be stimmten Frequenzbändern gehörigen, Amplituden aus dem Frequenzspektrum des aku stischen Signals dienen,
sowie Mittel (36), die zum Empfang der maximalen nach der Zeit abgeleiteten Amplitude oder deren Absolutbetrags aus einer Vielzahl von, zu bestimmten Frequenzbändern gehö rigen abgeleiten Amplituden oder deren Absolutbeträge aus dem Frequenzspektrum des akustischen Signals dienen,
wobei die so empfangenen Amplituden (31) oder abgeleiteten Amplituden (32) bzw. de ren Absolutbeträge jeweils fuzzyfiziert, d. h. entsprechend einer Zugehörigkeitsfunktion auf linguistische Variable (37) abgebildet werden, und
die Fuzzy-Logic mittels einer Inferenzmaschine die so fuzzyfizierten Amplituden und/oder nach der Zeit abgeleiteten Amplituden (32) oder deren Absolutbetrag mittels in einer Wissensbasis hinterlegter Regeln (38) zu zumindest einem Vorerkennungssignal (19, 20, 21) inferiert, welches oder welche das akustische Signal nach den Kategorien Ton, Pfeifton und Kein-Ton klassifiziert oder klassifizieren, und so Aufschluß über die Art des akustischen Signals gibt oder geben.8. A device for noise detection in acoustic signals according to claim 7, characterized in that a fuzzy logic is provided as the pre-detection device ( 17 )
in turn provides means ( 30 , 35 ) which serve to receive the maximum amplitude from a plurality of amplitudes belonging to certain frequency bands from the frequency spectrum of the acoustic signal, and
further serve to receive the second largest amplitude from a plurality of amplitudes belonging to certain frequency bands from the frequency spectrum of the acoustic signal,
and means ( 36 ) which serve to receive the maximum amplitude derived from time or its absolute value from a plurality of derived amplitudes belonging to certain frequency bands or their absolute amounts from the frequency spectrum of the acoustic signal,
wherein the amplitudes ( 31 ) received or derived amplitudes ( 32 ) or their absolute amounts are fuzzyfied, ie are mapped to a linguistic variable ( 37 ) according to a membership function, and
the fuzzy logic uses an inference machine to infer the so fuzzy amplitudes and / or the amplitudes ( 32 ) derived from the time or their absolute amount by means of rules ( 38 ) stored in a knowledge base to at least one prerecognition signal ( 19 , 20 , 21 ), which or which classifies or classifies the acoustic signal according to the categories sound, whistling and no sound, and thus provides information about the type of acoustic signal.
die wiederum Mittel vorsieht, die jeweils zum Empfang der Amplitude (31) eines be stimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals dienen,
sowie Mittel, die diese Amplitude oder Amplituden (31) nach der Zeit zumindest einfach ableitet oder ableiten und
weiterhin Ausgabemittel, die die so nach der Zeit abgeleitete Amplitude oder abgeleiteten Amplituden (32) eines bestimmten Frequenzbandes aus dem Frequenzspektrum des aku stischen Signals ausgeben.9. Device for noise detection in acoustic signals according to one of claims 1 to 8, characterized in that it further comprises a differentiation device ( 15 ),
which in turn provides means which are used to receive the amplitude ( 31 ) of a specific frequency band from the frequency spectrum of the acoustic signal,
and means which at least simply derive or derive this amplitude or amplitudes ( 31 ) over time and
furthermore output means which output the amplitude or amplitudes ( 32 ) of a specific frequency band derived from the frequency spectrum of the acoustic signal.
und das die Mittel zur Ableitung der Amplitude oder Amplituden nach der Zeit einen Puffer aufweisen, der jeweils die Amplitude oder Amplituden des vorhergehenden Taktes enthält und hiermit die Ableitung nach der Zeit durch Subtraktion der aktuellen von der vorhergehenden Amplitude oder Amplituden taktweise gebildet wird.11. A device for noise detection in acoustic signals according to claims 9 or 10, characterized in that the differentiating device operates in clocked mode and receives the amplitude or amplitudes of a specific frequency band from the frequency spectrum of the acoustic signal
and that the means for deriving the amplitude or amplitudes according to the time have a buffer, each of which contains the amplitude or amplitudes of the preceding clock and thus the derivation according to the time is formed in cycles by subtracting the current from the previous amplitude or amplitudes.
die Mittel vorsieht, die jeweils zum Empfang der Amplitude (31) eines bestimmten Fre quenzbandes aus dem Frequenzspektrum des akustischen Signals dienen,
sowie Mittel, die diese Amplitude oder Amplituden (31) so renormieren, daß die Summe aller Amplituden (31) nach der Renormierung gleich 1 ist und die Amplituden (31) je paarweise vor der Renormierung im gleichen Verhältnis zueinander stehen wie nach der Renormierung und
weiterhin Ausgabemittel, die die so renormierte Amplitude oder renormierten Amplitu den eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Si gnals ausgeben.12. Device for noise detection in acoustic signals according to one of claims 1 to 11, characterized in that it further comprises a renormation device ( 13 ),
provides the means which are used to receive the amplitude ( 31 ) of a specific frequency band from the frequency spectrum of the acoustic signal,
and means which renormalize this amplitude or amplitudes ( 31 ) such that the sum of all amplitudes ( 31 ) after the renormalization is equal to 1 and the amplitudes ( 31 ) are in pairs in relation to one another before the renormalization as after the renormalization and
furthermore output means which output the renormalized amplitude or renormalized amplitude of a specific frequency band from the frequency spectrum of the acoustic signal.
die wiederum Mittel vorsieht, die jeweils zum Empfang der Amplitude (31) eines be stimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals dienen,
sowie Mittel, die jeweils zum Empfang der Hintergrundgeräusch-Amplitude (11) eines be stimmten Frequenzbandes aus dem Frequenzspektrum des zum akustischen Signal gehö rigen jeweiligen Hintergrundgeräusches dienen,
und Mittel, die von der jeweiligen Amplitude (31) eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals die Hintergrundgeräusch-Amplitude (11) des entsprechenden Frequenzbandes aus dem Frequenzspektrum des zum akustischen Si gnal gehörigen jeweiligen Hintergrundgeräusches zum Abzug bringen,
weiterhin Ausgabemittel, die die vom Hintergrundgeräusch solchermaßen befreite Am plitude oder befreiten Amplituden eines bestimmten Frequenzbandes aus dem Frequenz spektrum des akustischen Signals ausgeben.13. Device for noise detection in acoustic signals according to one of claims 1 to 12, characterized in that it further comprises a background noise elimination device ( 9 ),
which in turn provides means which are used to receive the amplitude ( 31 ) of a specific frequency band from the frequency spectrum of the acoustic signal,
and means which each serve to receive the background noise amplitude ( 11 ) of a certain frequency band from the frequency spectrum of the background noise belonging to the acoustic signal,
and means which subtract the background noise amplitude ( 11 ) of the corresponding frequency band from the frequency spectrum of the respective background noise belonging to the acoustic signal from the respective amplitude ( 31 ) of a specific frequency band from the frequency spectrum of the acoustic signal,
furthermore output means which output the amplitude or liberated amplitudes of a certain frequency band from the frequency spectrum of the acoustic signal, which are thus freed from background noise.
Mittel zum Empfang einer einzigen über die Zeit verlaufenden Amplitude eines akusti schen Signals vorsieht
und weitere Mittel, um diese einzige über die Zeit verlaufenden Amplitude eines akusti schen Signals in jeweils über die Zeit verlaufende Amplituden (31) bestimmter Frequenz bänder aus dem Frequenzspektrum des akustischen Signals zu zerlegen und auszugeben.16. Device for noise detection in acoustic signals according to one of claims 1 to 15, characterized in that it further comprises a spectrum analysis device ( 7 ) which
Provides means for receiving a single amplitude of an acoustic signal over time
and further means for dividing and outputting this single amplitude of an acoustic signal over time into amplitudes ( 31 ) of specific frequency over time, from the frequency spectrum of the acoustic signal.
Mittel aufweist, die jeweils zum Empfang der jeweils aktuell gemessenen Amplitude (31) eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals dienen, und
die Hintergrundgeräuschermittlung ausgehend von einer zu Betriebsbeginn hoch gewähl ten fiktiven Start-Hintergrundgeräusch-Amplitude derart geschieht, daß die jeweilige Hintergrundgeräusch-Amplitude (11) jeweils nach einer von Zeit zu Zeit erfolgenden Messung der aktuell herrschenden Amplitude (31) des zugehörigen Frequenzbandes im mer dann auf den letzten Meßwert korrigiert wird, wenn dieser Meßwert kleiner als der Wert der bis zu diesem Zeitpunkt solchermaßen ermittelten Hintergrundgeräusch- Amplitude (11) war, und
weiterhin Ausgabemittel vorgesehen sind, die die ermittelten Hintergrundgeräusch- Amplituden (11) eines bestimmten Frequenzbandes aus dem Frequenzspektrum des aku stischen Signals ausgeben.30. A device for determining background noise ( 10 ) in acoustic signals, each of which determines the background noise amplitude ( 11 ) of a specific frequency band from the frequency spectrum of the background noise associated with the acoustic signal, wherein it
Has means which are used to receive the respectively currently measured amplitude ( 31 ) of a specific frequency band from the frequency spectrum of the acoustic signal, and
the background noise is determined based on a fictitious start background noise amplitude selected at the start of operation such that the respective background noise amplitude ( 11 ) after a measurement of the currently prevailing amplitude ( 31 ) of the associated frequency band from time to time in each case is corrected to the last measured value if this measured value was smaller than the value of the background noise amplitude ( 11 ) determined up to this point in time, and
output means are also provided which output the determined background noise amplitudes ( 11 ) of a specific frequency band from the frequency spectrum of the acoustic signal.
Mittel aufweist, die jeweils zum Empfang der jeweils aktuell gemessenen Amplitude (31) eines bestimmten Frequenzbandes aus dem Frequenzspektrum des akustischen Signals dienen, und
die Hintergrundgeräuschermittlung ausgehend von einer zu Betriebsbeginn hoch gewähl ten fiktiven Start-Hintergrundgeräusch-Amplitude derart geschieht, daß die jeweilige Hintergrundgeräusch-Amplitude (11) jeweils nach einer von Zeit zu Zeit erfolgenden Messung der aktuell herrschenden Amplitude (31) des zugehörigen Frequenzbandes im mer dann auf den letzten Meßwert korrigiert wird, wenn dieser Meßwert kleiner als der Wert der bis zu diesem Zeitpunkt ermittelten Hintergrundgeräusch-Amplitude (11) zu züglich eines bestimmten konstanten Aufschlages war, und
weiterhin Ausgabemittel vorgesehen sind, die ermittelten Hintergrundgeräusch- Amplituden (11) eines bestimmten Frequenzbandes aus dem Frequenzspektrum des aku stischen Signals ausgeben.31. A device for determining background noise ( 10 ) in acoustic signals, each of which determines the background noise amplitude ( 11 ) of a specific frequency band from the frequency spectrum of the background noise associated with the acoustic signal, wherein it
Has means which are used to receive the respectively currently measured amplitude ( 31 ) of a specific frequency band from the frequency spectrum of the acoustic signal, and
the background noise is determined based on a fictitious start background noise amplitude selected at the start of operation such that the respective background noise amplitude ( 11 ) after a measurement of the currently prevailing amplitude ( 31 ) of the associated frequency band from time to time in each case is corrected to the last measured value if this measured value was less than the value of the background noise amplitude ( 11 ) determined up to this point in relation to a certain constant surcharge, and
output means are also provided which output the determined background noise amplitudes ( 11 ) of a specific frequency band from the frequency spectrum of the acoustic signal.
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19949637A DE19949637A1 (en) | 1999-10-14 | 1999-10-14 | Noise detection and separation arrangement, having neural network which forms classification signal giving indication of type of acoustic signal |
DE20016999U DE20016999U1 (en) | 1999-10-14 | 2000-10-04 | Device for noise detection and separation as well as noise monitoring of noise emission areas and as a wind power monitoring system |
EP00121263A EP1092964B1 (en) | 1999-10-14 | 2000-10-05 | Apparatus for noise recognition and noise separation |
DE50014840T DE50014840D1 (en) | 1999-10-14 | 2000-10-05 | Device for noise detection and noise separation |
AT00121263T ATE381001T1 (en) | 1999-10-14 | 2000-10-05 | NOISE DETECTION AND NOISE SEPARATION DEVICE |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19949637A DE19949637A1 (en) | 1999-10-14 | 1999-10-14 | Noise detection and separation arrangement, having neural network which forms classification signal giving indication of type of acoustic signal |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19949637A1 true DE19949637A1 (en) | 2001-04-19 |
Family
ID=7925692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19949637A Withdrawn DE19949637A1 (en) | 1999-10-14 | 1999-10-14 | Noise detection and separation arrangement, having neural network which forms classification signal giving indication of type of acoustic signal |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE19949637A1 (en) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002053910A1 (en) | 2000-12-30 | 2002-07-11 | IGUS Ingenieurgemeinschaft Umweltschutz Meß- und Verfahrenstechnik GmbH | Method and device for monitoring the state of rotor blades on wind turbines |
DE10065314A1 (en) * | 2000-12-30 | 2002-07-18 | Igus Ingenieurgemeinschaft Umw | Method for condition monitoring of wind turbine rotor blades in which sound and vibration sensors are used to generate signals that can be compared with an existing database of signals so that rapid damage assessment can be made |
WO2003046886A1 (en) * | 2001-11-22 | 2003-06-05 | Siemens Aktiengesellschaft | Method for classifying a temporal series of events by means of a network containing pulsed neurones |
DE102007046123A1 (en) | 2007-09-27 | 2009-04-02 | GM Global Technology Operations, Inc., Detroit | Motor vehicle, has microphone arranged in interior for detecting acoustic signals, where function in interior of vehicle is monitored using signals detected by microphone and is controllable depending on detected signal |
DE102019200956A1 (en) * | 2019-01-25 | 2020-07-30 | Sonova Ag | Signal processing device, system and method for processing audio signals |
CN117352006A (en) * | 2023-12-05 | 2024-01-05 | 济南城市投资集团有限公司 | Monitoring method and system for environmental noise of construction site |
CN117953911A (en) * | 2024-03-26 | 2024-04-30 | 北京航空航天大学 | Method, system, equipment and medium for noise reduction of sound of aircraft simulator |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0113275A2 (en) * | 1982-12-17 | 1984-07-11 | Victor Company Of Japan, Limited | Spectrum display device for audio signals |
DE3027103C2 (en) * | 1979-07-18 | 1985-01-24 | Nissan Motor Co., Ltd., Yokohama, Kanagawa | Device for detecting the knock intensity in an internal combustion engine |
US4554639A (en) * | 1983-04-06 | 1985-11-19 | E. I. Du Pont De Nemours And Company | Audio dosimeter |
DE3937222C2 (en) * | 1988-11-11 | 1991-12-12 | Mitsubishi Denki K.K., Tokio/Tokyo, Jp | |
DE4217105A1 (en) * | 1992-05-22 | 1993-11-25 | Siemens Ag | Evaluating relay noise for quality control, esp. of motor vehicle indicator relay - separating time varying component of relay actuation sound from resonant component and determining sound quality |
DE29513754U1 (en) * | 1995-08-26 | 1995-10-26 | Doneit, Jürgen, Dr., 76646 Bruchsal | Machine damage detection device |
DE19512503A1 (en) * | 1994-04-07 | 1995-11-16 | Westinghouse Electric Corp | Diagnostic system that responds to learned audio signatures |
DE3929077C2 (en) * | 1989-09-01 | 1997-01-16 | Matthias Dr Ing Reuter | Method and device for acoustic identification and classification of helicopters |
DE19505052C2 (en) * | 1994-04-20 | 1997-03-13 | Fraunhofer Ges Forschung | Anti-theft device for vehicles in parking garages |
DE19534404A1 (en) * | 1995-09-16 | 1997-03-20 | En Umwelt Beratung E V I | Wind power installation technical state monitoring method |
DE4317372C2 (en) * | 1992-05-26 | 1997-03-20 | Ricoh Kk | An acoustic and visual speech recognition system based on a neural network |
EP0757799B1 (en) * | 1994-04-25 | 1998-08-05 | Minnesota Mining And Manufacturing Company | Vehicle classification system using a passive audio input to a neural network |
DE19714899A1 (en) * | 1997-04-03 | 1998-10-15 | Christian Witte | Medical diagnostic body noise analysis method |
DE19749372A1 (en) * | 1997-11-07 | 1999-05-12 | Volkswagen Ag | Electronic recognition system for acoustic signals |
DE19808197A1 (en) * | 1998-02-27 | 1999-09-09 | Mtu Muenchen Gmbh | System and method for diagnosing engine conditions |
-
1999
- 1999-10-14 DE DE19949637A patent/DE19949637A1/en not_active Withdrawn
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3027103C2 (en) * | 1979-07-18 | 1985-01-24 | Nissan Motor Co., Ltd., Yokohama, Kanagawa | Device for detecting the knock intensity in an internal combustion engine |
EP0113275A2 (en) * | 1982-12-17 | 1984-07-11 | Victor Company Of Japan, Limited | Spectrum display device for audio signals |
US4554639A (en) * | 1983-04-06 | 1985-11-19 | E. I. Du Pont De Nemours And Company | Audio dosimeter |
DE3937222C2 (en) * | 1988-11-11 | 1991-12-12 | Mitsubishi Denki K.K., Tokio/Tokyo, Jp | |
DE3929077C2 (en) * | 1989-09-01 | 1997-01-16 | Matthias Dr Ing Reuter | Method and device for acoustic identification and classification of helicopters |
DE4217105A1 (en) * | 1992-05-22 | 1993-11-25 | Siemens Ag | Evaluating relay noise for quality control, esp. of motor vehicle indicator relay - separating time varying component of relay actuation sound from resonant component and determining sound quality |
DE4317372C2 (en) * | 1992-05-26 | 1997-03-20 | Ricoh Kk | An acoustic and visual speech recognition system based on a neural network |
DE19512503A1 (en) * | 1994-04-07 | 1995-11-16 | Westinghouse Electric Corp | Diagnostic system that responds to learned audio signatures |
US5521840A (en) * | 1994-04-07 | 1996-05-28 | Westinghouse Electric Corporation | Diagnostic system responsive to learned audio signatures |
DE19505052C2 (en) * | 1994-04-20 | 1997-03-13 | Fraunhofer Ges Forschung | Anti-theft device for vehicles in parking garages |
EP0757799B1 (en) * | 1994-04-25 | 1998-08-05 | Minnesota Mining And Manufacturing Company | Vehicle classification system using a passive audio input to a neural network |
DE29513754U1 (en) * | 1995-08-26 | 1995-10-26 | Doneit, Jürgen, Dr., 76646 Bruchsal | Machine damage detection device |
DE19534404A1 (en) * | 1995-09-16 | 1997-03-20 | En Umwelt Beratung E V I | Wind power installation technical state monitoring method |
DE19714899A1 (en) * | 1997-04-03 | 1998-10-15 | Christian Witte | Medical diagnostic body noise analysis method |
DE19749372A1 (en) * | 1997-11-07 | 1999-05-12 | Volkswagen Ag | Electronic recognition system for acoustic signals |
DE19808197A1 (en) * | 1998-02-27 | 1999-09-09 | Mtu Muenchen Gmbh | System and method for diagnosing engine conditions |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002053910A1 (en) | 2000-12-30 | 2002-07-11 | IGUS Ingenieurgemeinschaft Umweltschutz Meß- und Verfahrenstechnik GmbH | Method and device for monitoring the state of rotor blades on wind turbines |
DE10065314A1 (en) * | 2000-12-30 | 2002-07-18 | Igus Ingenieurgemeinschaft Umw | Method for condition monitoring of wind turbine rotor blades in which sound and vibration sensors are used to generate signals that can be compared with an existing database of signals so that rapid damage assessment can be made |
DE10065314B4 (en) * | 2000-12-30 | 2007-08-16 | Igus - Innovative Technische Systeme Gmbh | Method and device for monitoring the condition of rotor blades on wind turbines |
WO2003046886A1 (en) * | 2001-11-22 | 2003-06-05 | Siemens Aktiengesellschaft | Method for classifying a temporal series of events by means of a network containing pulsed neurones |
DE102007046123A1 (en) | 2007-09-27 | 2009-04-02 | GM Global Technology Operations, Inc., Detroit | Motor vehicle, has microphone arranged in interior for detecting acoustic signals, where function in interior of vehicle is monitored using signals detected by microphone and is controllable depending on detected signal |
DE102019200956A1 (en) * | 2019-01-25 | 2020-07-30 | Sonova Ag | Signal processing device, system and method for processing audio signals |
CN117352006A (en) * | 2023-12-05 | 2024-01-05 | 济南城市投资集团有限公司 | Monitoring method and system for environmental noise of construction site |
CN117352006B (en) * | 2023-12-05 | 2024-01-30 | 济南城市投资集团有限公司 | Monitoring method and system for environmental noise of construction site |
CN117953911A (en) * | 2024-03-26 | 2024-04-30 | 北京航空航天大学 | Method, system, equipment and medium for noise reduction of sound of aircraft simulator |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3512791B1 (en) | Method for detecting a passenger entering a lift car of a lift assembly | |
EP1092964B1 (en) | Apparatus for noise recognition and noise separation | |
EP0986912A1 (en) | Method for surveying a predetermined surveillance area | |
EP3649033B1 (en) | Method for investigating a functional behaviour of a component of a technical installation, computer program, and computer-readable storage medium | |
DE102008043954A1 (en) | Sensor network system, transmission protocol, method for recognizing an object and computer program | |
WO2018166994A1 (en) | Method and device for monitoring operating parameters in a passenger transport installation | |
DE10146398A1 (en) | System for controlling traffic lights at intersections | |
EP2883074A1 (en) | Method and apparatus for determining a frequency line pattern within at least one amplitude spectrum | |
DE102014012184A1 (en) | Apparatus and method for automatically detecting and classifying acoustic signals in a surveillance area | |
DE19949637A1 (en) | Noise detection and separation arrangement, having neural network which forms classification signal giving indication of type of acoustic signal | |
EP3068718A1 (en) | Presence detection of an object in a lift | |
EP0750764B1 (en) | Process and arrangement for fuzzy control | |
DE3929077C2 (en) | Method and device for acoustic identification and classification of helicopters | |
WO2020259983A1 (en) | Space-monitoring method and space-monitoring system for monitoring a traffic space | |
EP3642390B1 (en) | Method for monitoring an electrically conductive object which is cathodically protected against corrosion | |
DE102019205543A1 (en) | Method for classifying digital audio data that follow one another in time | |
WO2013110348A1 (en) | Adaptation of a classification of an audio signal in a hearing aid | |
DE102008060194B4 (en) | Method and motor vehicle for vehicle fleet qualification management | |
DE102022203238A1 (en) | Method for classifying operating points using sound signals | |
DE102014211237A1 (en) | Method and system for detecting at least one state of a room | |
DE69726458T2 (en) | DEVICE AND METHOD FOR ANALYZING AND FILTERING NOISE | |
EP0861447B1 (en) | Method and device for detecting pedestrians | |
DE102019213697A1 (en) | Method for detecting an approach and / or distance of an emergency vehicle relative to a vehicle | |
DE112019004709T5 (en) | VOICE DEVICE, SERVER, CONTROL SYSTEM, CONTROL PROCEDURE AND PROGRAM | |
EP0891069A2 (en) | Identification of a fraudulent call with a neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OM8 | Search report available as to paragraph 43 lit. 1 sentence 1 patent law | ||
8110 | Request for examination paragraph 44 | ||
8127 | New person/name/address of the applicant |
Owner name: KIWITZ, ANDRE, 27570 BREMERHAVEN, DE Owner name: DEBAKOM, GESELLSCHAFT FUER SENSORISCHE MESSTEC, DE |
|
8181 | Inventor (new situation) |
Inventor name: KIWITZ, ANDRE, 27570 BREMERHAVEN, DE Inventor name: KUEHNER, DIETRICH, DR., 51519 ODENTHAL, DE |
|
R120 | Application withdrawn or ip right abandoned | ||
R120 | Application withdrawn or ip right abandoned |
Effective date: 20110627 |