WO2011009666A1 - Verfahren zur überwachung einer umgebung mit mehreren akustischen sensoren - Google Patents

Verfahren zur überwachung einer umgebung mit mehreren akustischen sensoren Download PDF

Info

Publication number
WO2011009666A1
WO2011009666A1 PCT/EP2010/057518 EP2010057518W WO2011009666A1 WO 2011009666 A1 WO2011009666 A1 WO 2011009666A1 EP 2010057518 W EP2010057518 W EP 2010057518W WO 2011009666 A1 WO2011009666 A1 WO 2011009666A1
Authority
WO
WIPO (PCT)
Prior art keywords
sensors
signals
sensor
network
detected
Prior art date
Application number
PCT/EP2010/057518
Other languages
English (en)
French (fr)
Inventor
Christoph Gerdes
Joachim Hofer
Elmar Sommer
Original Assignee
Siemens Aktiengesellschaft
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Aktiengesellschaft filed Critical Siemens Aktiengesellschaft
Priority to EP10721811A priority Critical patent/EP2457223A1/de
Priority to CN2010800329979A priority patent/CN102473338A/zh
Priority to US13/386,574 priority patent/US20120163127A1/en
Publication of WO2011009666A1 publication Critical patent/WO2011009666A1/de

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/16—Actuation by interference with mechanical vibrations in air or other fluid
    • G08B13/1654—Actuation by interference with mechanical vibrations in air or other fluid using passive vibration detection systems
    • G08B13/1672—Actuation by interference with mechanical vibrations in air or other fluid using passive vibration detection systems using sonic detecting means, e.g. a microphone operating in the audio frequency range
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/16—Actuation by interference with mechanical vibrations in air or other fluid
    • G08B13/1654—Actuation by interference with mechanical vibrations in air or other fluid using passive vibration detection systems
    • G08B13/1681—Actuation by interference with mechanical vibrations in air or other fluid using passive vibration detection systems using infrasonic detecting means, e.g. a microphone operating below the audible frequency range
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/009—Signalling of the alarm condition to a substation whose identity is signalled to a central station, e.g. relaying alarm signals in order to extend communication range

Definitions

  • the invention relates to a method for monitoring an environment with a plurality of acoustic sensors and a corresponding acoustic sensor network.
  • exceptional situations such as panic or violence, or medical emergencies in public environments, such as Railway stations or sports stadiums
  • optical sensors in the form of surveillance cameras are usually used nowadays.
  • the monitoring of the environment is usually done manually by security professionals who sift and evaluate the data of the optical sensors in a central control center. Since a large amount of data has to be monitored in large environments, it may take a long time to detect a crisis situation. Likewise, an exceptional situation due to human error may not be noticed at all.
  • the object of the invention is to provide an automatic method for monitoring an environment, with which an improved situation recognition is made possible.
  • the method according to the invention is based on an acoustic monitoring of an environment based on a plurality of sensors.
  • the sensors form a decentralized network in which they at least partially communicate with each other.
  • the sensors each detect acoustic signals which are based on ambient noise. These detected signals are then further processed by the individual sensor to perform a situation detection, with corresponding methods for acoustic situation detection per se from the prior art are known.
  • the inventive method is characterized in that a respective sensor of at least a part of the sensors via the decentralized network on the detected and / or further processed signals from one or more adjacent
  • Sensors accesses and takes these signals into account in the situation detection.
  • the individual sensors thus do not carry out their situation recognition autonomously, but also take into account the detected noise signals from neighboring sensors.
  • An adjacent sensor is to be understood as meaning a sensor which detects signals which are based at least in part on the same noise as the signals detected by the respective sensor.
  • the information for performing the situation detection is increased, so that the situation detection of the individual sensor is improved.
  • an efficient exchange of information between the sensors is achieved through a decentralized network, which manages without a centralized management unit.
  • the respective sensor can then recognize in a suitable manner conspicuous, deviating from a norm soundscapes.
  • a corresponding message is transmitted to a central location by the respective sensor, whereupon a closer check can be made as to whether, in fact, an exceptional situation exists is present, which requires appropriate countermeasures.
  • a sensor additionally or alternatively in the detection of a deviating from the situation situation locally a noise signal, for example, a corresponding beep by a speaker installed in the sensor output. In this way, people in the vicinity of the sensor are immediately pointed to a potential exceptional situation.
  • the individual sensors communicate with each other via a peer-to-peer network, each sensor representing a peer in this network.
  • For communication can be known peer-to-peer protocols, such as
  • Chord be used.
  • the use of a peer-to-peer network as a decentralized network in the method according to the invention has particular advantages, because such networks prove to be very stable and can organize and configure itself very efficiently.
  • these networks can also respond quickly to dynamic changes in the network, such as the failure of a sensor or the addition of a sensor. In this way, a robust and dynamically adapted to a change in the network A method for acoustic environmental monitoring created.
  • a particularly easy-to-install environment monitoring is achieved in a preferred embodiment of the invention in that a wireless radio network is formed by the plurality of sensors, the sensors in this case each comprise a radio module for receiving and transmitting wireless signals in the radio network.
  • the radio network forms a so-called ad-hoc network, which represents a meshed network which sets up and configures independently, as is the case with peer-to-peer networks.
  • Corresponding protocols and routing methods for ad hoc networks are sufficiently known from the prior art.
  • a sensor is classified as adjacent to a respective sensor when both sensors at least partially detect the same noise signals.
  • Corresponding neighborhood criteria can be defined in the method according to the invention, based on which it is determined that a sensor is adjacent to another sensor. If several neighborhood criteria are taken into account in the method according to the invention, two sensors are classified as adjacent only if all neighborhood criteria are met. For example, given the formation of a radio network between the sensors, the predetermined proximity criterion (s) may be given by two sensors being classified as adjacent if they are arranged within radio range of each other.
  • the neighborhood criteria may be given by a spatial distance between the sensors, wherein two sensors are classified as adjacent, if the spatial distance is less than or equal to a predetermined threshold.
  • the distances to at least part of other sensors in the decentralized network must be known in a respective sensor. This information can be exchanged, for example, by transmitting information via the decentralized network between the individual sensors.
  • a respective sensor of at least part of the sensors directly accesses the detected signals of the adjacent sensors and performs a noise suppression by means of a correlation analysis of these signals and of the signals detected by it. This achieves a particularly simple possibility of improving the noise signal to be analyzed and an improved situation recognition associated therewith.
  • a respective sensor of at least a part of the sensors carries a signal processing the data acquired by it in such a way that it extracts one or more features from the detected signals, wherein the respective sensor takes into account in the situation recognition the features extracted by it and furthermore also the features extracted by the neighboring sensors.
  • Extracted features may be based, for example, on the volume of the detected signals and / or the volume distribution over the frequency of the detected signals and / or the change in volume over time for one or more frequencies of the detected signals.
  • the recognition of situations based on appropriately extracted features is known per se from the prior art. However, the situation recognition of a single sensor now takes place not only on the features extracted by himself, but also on the characteristics of other sensors.
  • a respective sensor can use any method known per se.
  • a respective sensor of at least part of the sensors uses a rule-based decision model. This predefined rules are given, in the fulfillment of which a corresponding situation is detected. Such a rule may be, for example, that an exceptional situation is detected when a predetermined threshold of a
  • Data-based models can be used for situation identification. These models are learned in advance with corresponding acoustic training data or trained. With data-based models a very good situation recognition is achieved.
  • Various data-based models are known from the prior art which can also be used in the method according to the invention, such as e.g. Hidden Markov Models and / or Gaussian Mixed Models and / or Support Vector Machines and / or Artificial Neural Networks.
  • the training of the data-based model takes place in an initialization phase before the actual environmental monitoring.
  • a respective sensor of at least part of the sensors exchanges the detected signals and / or the further processed signals with the adjacent sensors and determines a normal state on the basis of these signals.
  • This normal state represents, in particular, a statistical distribution of correspondingly extracted features from the signals.
  • the data-based model during operation of the method is continuously adapted by the respective sensor in dependence on the acoustic signals detected by it and the adjacent sensors. In this way, a suitable adaptation of the situation detection is guaranteed to changing soundscapes.
  • the situation recognition preferably takes place such that one or more predetermined situations are defined via predetermined deviations from the normal state. In this case, no explicit, non-standard sound event has to be trained beforehand.
  • the invention further relates to an acoustic sensor network for monitoring an environment, said sensor network comprising a plurality of acoustic sensors, which form a decentralized network in which the sensors communicate at least partially with each other.
  • the sensors each comprise a detection unit, for example in the form of one or more microphones (in particular in combination with an analog / digital converter), acoustic signals which are based on noises in the surroundings being detected with this detection unit.
  • the respective sensor includes a processing unit for further processing of the detected signals to perform a corresponding situation detection.
  • the acoustic sensor network is characterized in that a respective sensor of at least part of the sensors is provided in such a way.
  • taltet is that he accesses via a communication interface, for example in the form of a corresponding radio module, to the detected and / or further processed signals from one or more adjacent sensors and these signals taken into account in the situation detection, wherein an adjacent sensor detects signals which at least partially based on the same noise as the signals detected by the respective sensor.
  • the acoustic sensor network is preferably designed such that each variant of the method described above can be carried out with the sensor network.
  • the invention further relates to an acoustic sensor for use in the above-described acoustic sensor network.
  • the sensor comprises a detection unit for detecting acoustic signals based on noise in the environment and a processing unit for further processing of the detected signals for performing a situation detection.
  • the sensor is configured such that it accesses the detected and / or further processed signals from one or more adjacent sensors during operation of the sensor network and takes these signals into account in the situation recognition, wherein a neighboring sensor detects signals which at least partly based on the same noise as the signals detected by the respective sensor.
  • FIG. 1 shows a schematic representation of a sensor network in which a variant of the method according to the invention is carried out.
  • a sensor network with a plurality of sensors is provided in the exemplary embodiment of FIG. 1, the sensors 1, 2, 3 and 4 being reproduced by way of example.
  • Each of these sensors comprises a detection unit for detecting acoustic signals in the Shape of a microphone 5 and a corresponding analog-to-digital converter 6, which converts the signals detected analogously via the microphone signals into digitized signals.
  • These digitized signals are processed by a microprocessor 7, this microprocessor also taking into account signals from further adjacent sensors during processing, as will be explained in more detail below.
  • the individual sensors 1 to 4 communicate wirelessly with one another, for which purpose each sensor has a corresponding radio module 8, which receives or transmits signals wirelessly via a schematically indicated antenna 9.
  • the sensors form a total of a decentralized network N, which is schematically indicated by a corresponding ellipse.
  • this decentralized network is a peer-to-peer network, in which each sensor represents a corresponding peer in the network and in which the individual sensors communicate with one another via a peer-to-peer protocol ,
  • the communication between the sensors is thus decentralized, i.
  • the individual sensors exchange data directly with each other, without a central point being interposed.
  • the communication between the individual sensors via the network N is indicated in FIG. 1 for each sensor with corresponding arrows P1 and P2.
  • a protocol for the peer-to-peer network for example, the well-known from the prior art Chord protocol can be used.
  • peer-to-peer network has the advantage that self-organization and self-configuration of the sensor network can be achieved based on known protocols. Furthermore, peer-to-peer networks are very robust and allow an easy expandability of the network to newly added sensors or a suitable adaptation of the network when eliminating sensors. Instead of peer-to-peer mechanisms for forming the distributed network, other methods known in the art may be used to form such networks, if desired.
  • the sensors can be organized as a so-called ad-hoc network. in which the sensors represent nodes in a meshed network without a central management node.
  • Such ad hoc networks can build up and configure independently between the individual sensors, which, in analogy to peer-to-peer networks, enables a dynamic change and adaptation of the network when sensors are added or dropped.
  • Ad hoc networks and corresponding routing protocols for these networks are well known in the art, for example, wireless communication protocols such as IEEE 802.11 (WLAN) or IEEE 802.15 include corresponding ad hoc modes.
  • a deviation from a normal state of the background noise is to be recognized efficiently based on acoustically detected ambient noise in order to detect exceptional situations in this way.
  • the sensor network is particularly suitable for use in large-scale public areas, such as in stadiums, train stations and the like.
  • a conspicuous sound event E is represented by a black circle from which sounds emanate, which are indicated by concentric, short circle segments.
  • the situation recognizer is implemented in the individual sensors as a program, which is executed by the microprocessor 7.
  • the situation recognizer of a respective sensor no longer processes only the signals detected by the sensor and possibly further processed, but also corresponding signals originating from other sensors in the network which are adjacent to the sensor under consideration.
  • One sensor is adjacent to another sensor if both Sensors at least partially detect the same noise. This can be made possible, for example, by establishing a predetermined minimum distance between adjacent sensors, in which case information relating to their position is exchanged between the sensors so that each sensor can determine the distance to other sensors.
  • the network may already be constructed so as to ensure that each sensor is adjacent to another sensor in the network.
  • a sensor in situ detection can process the signals from all other sensors without having to make sure that the processed signals are at least partly from neighboring sensors.
  • Known methods can be used to perform the situation recognition based on the acoustic signals of the respective sensor and its neighboring sensors.
  • the noise signals recorded via the microphone 5 are first digitized by the A / D converter 6 and segmented into time segments of fixed length (so-called frames).
  • frames time segments of fixed length
  • Beamforming algorithm which is known per se.
  • the signals of the individual microphones of the sensors are correlated with one another in a time-shifted manner by means of a corresponding control, in order thereby to locate sound sources in predetermined directions.
  • the sensors are tuned to one another such that the microphones of adjacent sensors hear in a specific direction.
  • the use of a beamforming algorithm is particularly useful if it is known from which approximate direction Noise signals are to be expected which characterize exceptional situations.
  • the beamforming can be used to continuously listen in different directions in space, thereby locating the position of conspicuous sound sources or tracking those sound sources.
  • the beamforming algorithm enables a better separation of the useful signals from the background noise. If necessary, the beamforming algorithm just described can also be used in the sensor network according to the invention for a plurality of microphones of a single sensor.
  • the signals exchanged between adjacent sensors are used for improved noise suppression.
  • the sensors directly exchange the detected and digitized noise signals, each sensor by means of a correlation analysis, the signals detected by it and the signals of the adjacent sensors temporally matched to each other and combined so that the signal-to-noise ratio is improved. In this way, noise-reduced signals are processed in the respective sensor, which allow a better situation detection.
  • a situation recognizer of a respective sensor first extracts corresponding features from the noise signals by methods known per se.
  • such features include the volume of the noise signals.
  • cepstral features are preferably extracted which represent the volume distribution of the noise signals over their frequency, or modulation-spectral features representing the change in the volume of the noise signals over time.
  • Multiband modulation spectra which represent the change in volume over time for different frequencies of the detected noise signals. The processing of the extracted features is done with well-known from the prior art method for the analysis of noise signals.
  • data-based models are particularly preferably used which have been learned or trained in advance with corresponding training signals.
  • the sensors first exchange the respective features determined by them with each other.
  • a respective sensor determines a normal state of the background noise based on the characteristics determined by itself and originating from the adjacent sensors.
  • the normal state can be represented, for example, by a simple threshold value, the normal state being present when the signal lies below the threshold value.
  • a normal state which in this case consists of a statistical distribution of the characteristics of the noise signal.
  • Known models for determining a corresponding normal state are Hidden Markov Models, Gaussian Mixed Models, One-Class Support Vector Machines, Neural Networks and the like. With these models, even after the determination of the normal state, the signals generated in the noise monitoring are then analyzed accordingly, in order to determine a deviation from the normal state. The individual sensors continuously compare the currently determined feature vectors with the statistical model of the normal state in order to determine the probability of a state of emergency deviating from this normal state. If this exceeds se probability a certain threshold, an anomaly is detected.
  • the latter transmits a corresponding warning message to a central location.
  • the sensor may have a separate communication interface for this purpose. However, the transmission can also take place via the radio module of the corresponding sensor.
  • the central location is known to each sensor, but does not form part of the decentralized network formed by the sensors.
  • the central location can be, for example, a control center, which is occupied by an operator who steps in the transmission of a corresponding warning message can initiate. For example, he can again analyze the area where the sensor transmitting the warning is located.
  • corresponding cameras can be positioned in the environment to be monitored, which images over to the central control center. The operator can then check for a warning message from a sensor on the image of the corresponding camera in the area of the sensor, whether an exceptional situation actually exists, which requires further action.
  • the normal state is continuously adapted to the possibly changing soundscape, wherein the adaptation again takes into account the data of not just one sensor but of several adjacent sensors.
  • the embodiment of the inventive method described above has a number of advantages.
  • an improved situation detection in an acoustic sensor network is ensured by the fact that each sensor also processes the noise signals from adjacent sensors. This ensures faster and more efficient data exchange, as the individual sensors communicate with each other remotely via a corresponding network.
  • Decentralized communication can use proven technologies, such as peer-to-peer networks or ad-hoc networks.
  • the use of distributed networks for communication between the sensors has the further advantage that these networks respond dynamically to changing conditions in the network, i. to newly added sensors or omitted sensors, adapt. As a result, a continuous situation detection is ensured even with a change in the topology of the decentralized network.
  • distributed networks have the advantage that they are easy and inexpensive to install.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Telephonic Communication Services (AREA)
  • Alarm Systems (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Überwachung einer Umgebung mit mehreren akustischen Sensoren (1, 2, 3, 4), welche ein dezentrales Netz (N) bilden, in dem die Sensoren (1, 2, 3, 4) zumindest teilweise untereinander kommunizieren, wo- bei die Sensoren (1, 2, 3, 4) jeweils akustische Signale erfassen, welche auf Geräuschen in der Umgebung beruhen, und die erfassten Signale zur Durchführung einer Situationserkennung weiterverarbeiten. Gemäß dem Verfahren der Erfindung greift ein jeweiliger Sensor (1, 2, 3, 4) zumindest eines Teils der Sensoren (1, 2, 3, 4) über das dezentrale Netz (N) auf die erfassten und/oder weiterverarbeiteten Signale von einem oder mehreren benachbarten Sensoren (1, 2, 3, 4) zu und berücksichtigt diese Signale bei der Situationserkennung, wobei ein benachbarter Sensor (1, 2, 3, 4) Signale erfasst, welche zumindest teilweise auf den gleichen Geräuschen wie die von dem jeweiligen Sensor (1, 2, 3, 4) erfassten Signale beruhen.

Description

Beschreibung
Verfahren zur Überwachung einer Umgebung mit mehreren akustischen Sensoren
Die Erfindung betrifft ein Verfahren zur Überwachung einer Umgebung mit mehreren akustischen Sensoren sowie ein entsprechendes akustisches Sensornetz. Zur Erkennung von Ausnahmesituationen, wie Panik oder Gewalt, oder von medizinischen Notfällen in öffentlichen Umgebungen, wie z.B. Bahnhöfen oder Sportstadien, werden heutzutage in der Regel optische Sensoren in der Form von Überwachungskameras verwendet. Die Überwachung der Umgebung erfolgt dabei meist manuell durch Sicherheitsfachkräfte, welche in einer zentralen Leitstelle die Daten der optischen Sensoren sichten und auswerten. Da bei großen Umgebungen eine Vielzahl von Daten zu überwachen ist, kann unter Umständen eine lange Zeitspanne bis zur Erkennung einer Krisensituation verstreichen. Ebenso kann eine Ausnahmesituation aufgrund von menschlichem Versagen unter Umständen überhaupt nicht bemerkt werden.
Aus dem Stand der Technik sind ferner automatische Überwachungsverfahren basierend auf optischen Sensoren mit integ- rierter Situationserkennung bekannt. Diese Verfahren weisen den Nachteil auf, dass die Qualität der Situationserkennung insbesondere bei größeren zu überwachenden Menschenmengen gering ist. Aufgabe der Erfindung ist es, ein automatisches Verfahren zur Überwachung einer Umgebung zu schaffen, mit dem eine verbesserte Situationserkennung ermöglicht wird.
Diese Aufgabe wird durch das Verfahren gemäß Patentanspruch 1 bzw. das Sensornetz gemäß Patentanspruch 17 gelöst. Weiterbildungen der Erfindung sind in den abhängigen Ansprüchen definiert . Das erfindungsgemäße Verfahren beruht auf einer akustischen Überwachung einer Umgebung basierend auf mehreren Sensoren. Die Sensoren bilden dabei ein dezentrales Netz, in dem sie zumindest teilweise untereinander kommunizieren. Im Betrieb des Verfahrens erfassen die Sensoren jeweils akustische Signale, welche auf Geräuschen in der Umgebung beruhen. Diese erfassten Signale werden dann von dem einzelnen Sensor zur Durchführung einer Situationserkennung weiterverarbeitet, wobei entsprechende Verfahren zur akustischen Situationserken- nung an sich aus dem Stand der Technik bekannt sind.
Das erfindungsgemäße Verfahren zeichnet sich dadurch aus, dass ein jeweiliger Sensor zumindest eines Teils der Sensoren über das dezentrale Netz auf die erfassten und/oder weiter- verarbeiteten Signale von einem oder mehreren benachbarten
Sensoren zugreift und diese Signale bei der Situationserkennung berücksichtigt. Die einzelnen Sensoren führen somit ihre Situationserkennung nicht autark durch, sondern berücksichtigen auch die erfassten Geräuschsignale von benachbarten Sen- soren. Unter einem benachbarten Sensor ist dabei ein Sensor zu verstehen, der Signale erfasst, welche zumindest teilweise auf den gleichen Geräuschen wie die von dem jeweiligen Sensor erfassten Signale beruhen. Durch die Berücksichtigung von entsprechenden Signalen mehrerer benachbarter Sensoren werden die Informationen für die Durchführung der Situationserkennung erhöht, so dass die Situationserkennung des einzelnen Sensors verbessert wird. Darüber hinaus wird ein effizienter Informationsaustausch zwischen den Sensoren durch ein dezentrales Netz erreicht, welches ohne eine zentrale Verwaltungs- einheit auskommt.
Gemäß der Situationserkennung kann der jeweilige Sensor dann in geeigneter Weise auffällige, von einer Norm abweichende Geräuschkulissen erkennen. Bei der Erkennung einer auffälli- gen Situation wird in einer bevorzugten Variante durch den jeweiligen Sensor eine entsprechende Meldung an eine zentrale Stelle übermittelt, woraufhin eine nähere Überprüfung dahingehend erfolgen kann, ob in der Tat eine Ausnahmesituation vorliegt, welche entsprechende Gegenmaßnahmen erfordert. Gegebenenfalls kann ein Sensor zusätzlich oder alternativ bei der Erkennung einer von der Norm abweichenden Situation lokal ein Geräuschsignal, beispielsweise ein entsprechendes Piepsen durch einen im Sensor installierten Lautsprecher, ausgeben. Auf diese Weise werden Personen in der Umgebung des Sensors unmittelbar auf eine potentielle Ausnahmesituation hingewiesen . In einer besonders bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens kommunizieren die einzelnen Sensoren über ein Peer-to-Peer-Netz miteinander, wobei jeder Sensor einen Peer in diesem Netz darstellt. Zur Kommunikation können dabei an sich bekannte Peer-to-Peer-Protokolle, wie z.B.
Chord, eingesetzt werden. Die Verwendung eines Peer-to-Peer- Netzes als dezentrales Netz in dem erfindungsgemäßen Verfahren weist besondere Vorteile auf, denn solche Netze erweisen sich als sehr stabil und können sich sehr effizient selbst organisieren und konfigurieren. Insbesondere können diese Netze auch schnell auf dynamische Veränderungen im Netz, beispielsweise auf den Ausfall eines Sensors bzw. das Hinzukommen eines Sensors, reagieren. Auf diese Weise wird ein robustes und sich dynamisch an eine Veränderung des Netzes anpassendes Verfahren zur akustischen Umgebungsüberwachung ge- schaffen.
Eine besonders leicht zu installierende Umgebungsüberwachung wird in einer bevorzugten Ausführungsform der Erfindung dadurch erreicht, dass durch die mehreren Sensoren ein drahtlo- ses Funknetz gebildet wird, wobei die Sensoren in diesem Fall jeweils ein Funkmodul zum Empfangen und Aussenden von drahtlosen Signalen in dem Funknetz umfassen. In einer besonders bevorzugten Variante bildet das Funknetz ein sog. Ad-hoc- Netz, welches ein vermaschtes Netz darstellt, welches sich selbständig aufbaut und konfiguriert, wie dies auch bei Peer- to-Peer-Netzen der Fall ist. Entsprechende Protokolle und Routing-Verfahren für Ad-hoc-Netze sind dabei hinlänglich aus dem Stand der Technik bekannt. Wie bereits oben dargelegt, wird ein Sensor zu einem jeweiligen Sensor als benachbart eingestuft, wenn beide Sensoren zumindest teilweise die gleichen Geräuschsignale erfassen. Da- bei können im erfindungsgemäßen Verfahren entsprechende Nachbarschaftskriterien festgelegt sein, basierend auf denen ermittelt wird, dass ein Sensor zu einem anderen Sensor benachbart ist. Werden in dem erfindungsgemäßen Verfahren mehrere Nachbarschaftskriterien berücksichtigt, werden zwei Sensoren nur dann als benachbart eingestuft, wenn alle Nachbarschaftskriterien erfüllt sind. Beispielsweise kann bei der Ausbildung eines Funknetzes zwischen den Sensoren das oder die vorgegebenen Nachbarschaftskriterien dadurch gegeben sein, dass zwei Sensoren als benachbart eingestuft werden, wenn sie in Funkreichweite zueinander angeordnet sind.
In einer weiteren Ausführungsform können alternativ oder zusätzlich die Nachbarschaftskriterien durch einen räumlichen Abstand zwischen den Sensoren gegeben sein, wobei zwei Senso- ren als benachbart eingestuft werden, wenn der räumliche Abstand kleiner oder gleich einer vorbestimmten Schwelle ist. In diesem Fall müssen in einem jeweiligen Sensor die Abstände zu zumindest einem Teil von anderen Sensoren im dezentralen Netz bekannt sein. Diese Informationen können beispielsweise durch eine Informationsübermittlung über das dezentrale Netz zwischen den einzelnen Sensoren ausgetauscht werden.
In einer Variante der Erfindung greift ein jeweiliger Sensor zumindest eines Teils der Sensoren unmittelbar auf die er- fassten Signale der benachbarten Sensoren zu und führt mittels einer Korrelationsanalyse dieser Signale und der von ihm erfassten Signale eine Geräuschunterdrückung durch. Hierdurch wird eine besonders einfache Möglichkeit einer Verbesserung des zu analysierenden Geräuschsignals und einer damit verbun- denen verbesserten Situationserkennung erreicht.
In einer besonders bevorzugten Ausführungsform führt ein jeweiliger Sensor zumindest eines Teils der Sensoren eine Wei- terverarbeitung der von ihm erfassten Daten derart durch, dass er aus den erfassten Signalen ein oder mehrere Merkmale extrahiert, wobei der jeweilige Sensor bei der Situationserkennung die von ihm extrahierten Merkmale und ferner auch die von den benachbarten Sensoren extrahierten Merkmale berücksichtigt. Extrahierte Merkmale können dabei beispielsweise auf der Lautstärke der erfassten Signale und/oder der Lautstärkeverteilung über die Frequenz der erfassten Signale und/oder der Veränderung der Lautstärke über die Zeit für ein oder mehrere Frequenzen der erfassten Signale beruhen. Die Erkennung von Situationen basierend auf entsprechend extrahierten Merkmalen ist dabei an sich aus dem Stand der Technik bekannt. Nunmehr erfolgt die Situationserkennung eines einzelnen Sensors jedoch nicht nur auf den von ihm selbst extra- hierten Merkmalen, sondern auch auf den Merkmalen von anderen Sensoren .
Zur Situationserkennung kann ein jeweiliger Sensor beliebige, an sich bekannte Verfahren verwenden. In einer Variante ver- wendet ein jeweiliger Sensor zumindest eines Teils der Sensoren ein regelbasiertes Entscheidungsmodell. Dabei sind vordefinierte Regeln gegeben, bei deren Erfüllung dann eine entsprechende Situation erkannt wird. Eine solche Regel kann beispielsweise darin bestehen, dass eine Ausnahmesituation erkannt wird, wenn eine vorher festgelegte Schwelle eines
Lautstärkepegels überschritten wird. Zusätzlich oder alternativ können auch datenbasierte Modelle zur Situationserkennung verwendet werden. Diese Modelle werden vorab mit entsprechenden akustischen Trainingsdaten gelernt bzw. trainiert. Mit datenbasierten Modellen wird eine sehr gute Situationserkennung erreicht. Aus dem Stand der Technik sind verschiedene datenbasierte Modelle bekannt, welche auch in dem erfindungsgemäßen Verfahren eingesetzt werden können, wie z.B. Hidden Markov Modelle und/oder Gaußsche Mischmodelle und/oder Sup- port Vector Machines und/oder künstliche neuronale Netze.
In einer bevorzugten Variante der Erfindung erfolgt das Trainieren des datenbasierten Modells in einer Initialisierungs- phase vor der eigentlichen Umgebungsüberwachung. In dieser Initialisierungsphase tauscht ein jeweiliger Sensor zumindest eines Teils der Sensoren mit den benachbarten Sensoren die erfassten Signale und/oder die weiterverarbeiteten Signale aus und ermittelt basierend auf diesen Signalen einen Normalzustand. Dieser Normalzustand stellt insbesondere eine statistische Verteilung von entsprechend aus den Signalen extrahierten Merkmalen dar. In einer bevorzugten Variante wird das datenbasierte Modell im Betrieb des Verfahrens kontinuierlich durch den jeweiligen Sensor in Abhängigkeit von den von ihm und den benachbarten Sensoren erfassten akustischen Signalen adaptiert. Auf diese Weise wird eine geeignete Anpassung der Situationserkennung an sich verändernde Geräuschkulissen gewährleistet .
Bei einer Situationserkennung basierend auf einem datenbasierten Modell mit entsprechend ermitteltem Normalzustand erfolgt die Situationserkennung vorzugsweise derart, dass ein oder mehrere vorbestimmte Situationen über vorbestimmte Ab- weichungen vom Normalzustand definiert sind. In diesem Fall muss vorab kein explizites, von der Norm abweichendes Schallereignis trainiert werden.
Neben dem oben beschriebenen Verfahren betrifft die Erfindung ferner ein akustisches Sensornetz zur Überwachung einer Umgebung, wobei dieses Sensornetz mehrere akustische Sensoren um- fasst, welche ein dezentrales Netz bilden, in dem die Sensoren zumindest teilweise untereinander kommunizieren. Dabei umfassen die Sensoren jeweils eine Erfassungseinheit, bei- spielsweise in der Form von einem oder mehreren Mikrofonen (insbesondere in Kombination mit einem Analog/Digital- Wandler) , wobei mit dieser Erfassungseinheit auf Geräuschen in der Umgebung beruhende akustische Signale erfasst werden. Ferner beinhaltet der jeweilige Sensor eine Verarbeitungsein- heit zur Weiterverarbeitung der erfassten Signale, um eine entsprechende Situationserkennung durchzuführen. Das akustische Sensornetz zeichnet sich dadurch aus, dass ein jeweiliger Sensor zumindest eines Teils der Sensoren derart ausges- taltet ist, dass er über eine Kommunikationsschnittstelle, beispielsweise in der Form eines entsprechenden Funkmoduls, auf die erfassten und/oder weiterverarbeiteten Signale von einem oder mehreren benachbarten Sensoren zugreift und diese Signale bei der Situationserkennung berücksichtigt, wobei ein benachbarter Sensor Signale erfasst, welche zumindest teilweise auf den gleichen Geräuschen wie die von dem jeweiligen Sensor erfassten Signale beruhen. Das akustische Sensornetz ist vorzugsweise derart ausgestaltet, dass jede Variante des oben beschriebenen Verfahrens mit dem Sensornetz durchführbar ist.
Die Erfindung betrifft ferner einen akustischen Sensor zur Verwendung in dem oben beschriebenen akustischen Sensornetz. Der Sensor umfasst eine Erfassungseinheit zur Erfassung von auf Geräuschen in der Umgebung beruhenden akustischen Signalen und eine Verarbeitungseinheit zur Weiterverarbeitung der erfassten Signale zur Durchführung einer Situationserkennung. Dabei ist der Sensor derart ausgestaltet, dass er im Betrieb des Sensornetzes über eine Kommunikationsschnittstelle auf die erfassten und/oder weiterverarbeiteten Signale von einem oder mehreren benachbarten Sensoren zugreift und diese Signale bei der Situationserkennung berücksichtigt, wobei ein be- nachbarter Sensor Signale erfasst, welche zumindest teilweise auf den gleichen Geräuschen wie die von dem jeweiligen Sensor erfassten Signalen beruhen.
Ein Ausführungsbeispiel der Erfindung wird nachfolgend anhand von Fig. 1 beschrieben. Diese Figur zeigt in schematischer Darstellung ein Sensornetz, in dem eine Variante des erfindungsgemäßen Verfahrens durchgeführt wird.
Zur Überwachung einer Umgebung ist in dem Ausführungsbeispiel der Fig. 1 ein Sensornetz mit einer Mehrzahl von Sensoren vorgesehen, wobei beispielhaft die Sensoren 1, 2, 3 und 4 wiedergegeben sind. Jeder dieser Sensoren umfasst eine Erfassungseinheit zur Erfassung von akustischen Signalen in der Form eines Mikrofons 5 und eines entsprechenden Analog- Digital-Wandlers 6, der die über das Mikrofon analog erfass- ten Signale in digitalisierte Signale umwandelt. Diese digitalisierten Signale werden von einem Mikroprozessor 7 verar- beitet, wobei dieser Mikroprozessor bei der Verarbeitung auch Signale von weiteren benachbarten Sensoren berücksichtigt, wie im Folgenden noch näher erläutert wird.
Die einzelnen Sensoren 1 bis 4 kommunizieren drahtlos mitein- ander, wobei hierzu jeder Sensor ein entsprechendes Funkmodul 8 aufweist, welches drahtlos Signale über eine schematisch angedeutete Antenne 9 empfängt bzw. aussendet. Die Sensoren bilden insgesamt ein dezentrales Netz N, welches schematisch durch eine entsprechende Ellipse angedeutet ist. In der Aus- führungsform der Fig. 1 ist dieses dezentrale Netz ein Peer- to-Peer-Netz, in dem jeder Sensor einen entsprechenden Peer in dem Netz darstellt und in dem die einzelnen Sensoren über ein Peer-to-Peer-Protokoll miteinander kommunizieren. Die Kommunikation zwischen den Sensoren erfolgt somit dezentral, d.h. die einzelnen Sensoren tauschen direkt untereinander Daten aus, ohne dass eine zentrale Stelle zwischengeschaltet ist. Die Kommunikation zwischen den einzelnen Sensoren über das Netz N ist in Fig. 1 für jeden Sensor mit entsprechenden Pfeilen Pl und P2 angedeutet. Als Protokoll für das Peer-to- Peer-Netz kann beispielsweise das hinlänglich aus dem Stand der Technik bekannte Chord-Protokoll eingesetzt werden.
Die Verwendung eines Peer-to-Peer-Netzes weist den Vorteil auf, dass basierend auf bekannten Protokollen eine Selbst- Organisation und Selbst-Konfiguration des Sensornetzes erreicht werden kann. Ferner sind Peer-to-Peer-Netze sehr robust und ermöglichen eine leichte Erweiterbarkeit des Netzes, um neu hinzukommende Sensoren bzw. eine geeignete Anpassung des Netzes beim Wegfall von Sensoren. Anstatt von Peer-to- Peer-Mechanismen zur Bildung des dezentralen Netzes können gegebenenfalls auch andere aus dem Stand der Technik bekannte Verfahren zur Bildung solcher Netze verwendet werden. Beispielsweise können die Sensoren als sog. Ad-hoc-Netz organi- siert sein, in dem die Sensoren Knoten in einem vermaschten Netz ohne einen zentralen Verwaltungsknoten darstellen. Solche Ad-hoc-Netze können sich zwischen den einzelnen Sensoren selbständig aufbauen und konfigurieren, wodurch in Analogie zu Peer-to-Peer-Netzen eine dynamische Veränderung und Anpassung des Netzes bei Hinzukommen bzw. Wegfallen von Sensoren ermöglicht wird. Ad-hoc-Netzwerke und entsprechende Routing- Protokolle für diese Netze sind hinlänglich aus dem Stand der Technik bekannt, beispielsweise beinhalten drahtlose Kommuni- kationsprotokolle wie IEEE 802. 11 (WLAN) oder IEEE 802.15 entsprechende Ad-hoc-Modi .
In dem Sensornetz der Fig. 1 soll effizient basierend auf akustisch erfassten Geräuschen der Umgebung eine Abweichung von einem Normalzustand der Geräuschkulisse erkannt werden, um auf diese Weise Ausnahmesituationen zu erkennen. Das Sensornetzwerk eignet sich dabei insbesondere zum Einsatz in großräumigen öffentlichen Bereichen, wie z.B. in Stadien, Bahnhöfen und dergleichen. In jedem der einzelnen Sensoren 1 bis 4 ist dabei ein entsprechender Situationserkenner vorgesehen, mit dem vom Normalzustand abweichende Situationen erkannt werden können. In Fig. 1 ist der Normalzustand der Geräuschkulisse durch schematisch angedeutete Schallwellen BN (BN = Background Noise) in der Form von langen konzentrischen Kreissegmenten wiedergegeben. Darüber hinaus ist in Fig. 1 ein auffälliges Schallereignis E durch einen schwarzen Kreis dargestellt, von dem Geräusche ausgehen, welche durch konzentrische, kurze Kreissegmente angedeutet sind. Der Situationserkenner ist in den einzelnen Sensoren als Programm implementiert, welches durch den Mikroprozessor 7 ausgeführt wird. Im Unterschied zu bekannten Situationserkennern verarbeitet der Situationserkenner eines jeweiligen Sensors nicht mehr nur die von dem Sensor erfassten und gegebenen- falls weiterverarbeiteten Signale, sondern auch entsprechende Signale, welche von anderen Sensoren im Netzwerk stammen, welche benachbart zu dem betrachteten Sensor liegen. Ein Sensor ist dabei zu einem anderen Sensor benachbart, wenn beide Sensoren zumindest teilweise die gleichen Geräusche erfassen. Dies kann beispielsweise durch die Festlegung eines vorgegebenen Mindestabstands zwischen benachbarten Sensoren ermöglicht werden, wobei in diesem Fall zwischen den Sensoren In- formationen hinsichtlich ihrer Position ausgetauscht werden, so dass jeder Sensor den Abstand zu anderen Sensoren ermitteln kann. Gegebenenfalls kann das Netz bereits so aufgebaut sein, das sichergestellt ist, dass jeder Sensor zu einem anderen Sensor in dem Netz benachbart ist. In diesem Fall kann ein Sensor bei der Situationserkennung die Signale von allen anderen Sensoren mit verarbeiten, ohne dass er selbst sicherstellen muss, dass die verarbeiteten Signale zumindest zum Teil auch von benachbarten Sensoren stammen. Dadurch, dass über eine dezentrale Kommunikation zwischen Sensoren auch die Geräusche von benachbarten Sensoren berücksichtigt werden, kann die Situationserkennung in den einzelnen Sensoren deutlich verbessert werden. Es können dabei bekannte Verfahren eingesetzt werden, um die Situationserkennung basierend auf den akustischen Signalen des jeweiligen Sensors und seiner benachbarten Sensoren durchzuführen.
In dem Netzwerk der Fig. 1 werden die über das Mikrofon 5 er- fassten Geräuschsignale zunächst durch den A/D-Wandler 6 digitalisiert und in Zeitabschnitte fester Länge (sog. Frames) segmentiert. Dabei besteht insbesondere die Möglichkeit, dass die Signale der Mikrofone von mehreren benachbarten Sensoren mittels eines sog. Beamforming-Algorithmus, der an sich bekannt ist, miteinander kombiniert werden. Beim Beamforming werden durch eine entsprechende Steuerung die Signale der einzelnen Mikrofone der Sensoren zeitversetzt miteinander korreliert, um hierdurch Schallquellen in vorbestimmten Richtungen zu orten. Dabei erfolgt durch einen entsprechenden Informationsaustausch zwischen den Sensoren eine Abstimmung der Sensoren derart aufeinander, dass die Mikrofone von benach- barten Sensoren in eine bestimmte Richtung hören. Die Verwendung eines Beamforming-Algorithmus ist insbesondere dann sinnvoll, wenn bekannt ist, aus welcher ungefähren Richtung Geräuschsignale zu erwarten sind, welche Ausnahmesituationen kennzeichnen .
Ferner kann das Beamforming dazu benutzt werden, um kontinu- ierlich in unterschiedliche Richtungen im Raum zu hören, um hierdurch die Position auffälliger Schallquellen zu orten bzw. diese Schallquellen nachzuverfolgen . Durch den Beamfor- ming-Algorithmus wird dabei eine bessere Trennung der Nutzsignale von den Hintergrundgeräuschen ermöglicht. Der soeben beschriebene Beamforming-Algorithmus kann in dem erfindungsgemäßen Sensornetz gegebenenfalls auch für mehrere Mikrofone eines einzelnen Sensors eingesetzt werden.
In einer Variante der erfindungsgemäßen Umgebungsüberwachung werden die zwischen benachbarten Sensoren ausgetauschten Signale zur verbesserten Geräuschunterdrückung verwendet. Dabei tauschen die Sensoren direkt die erfassten und digitalisierten Geräuschsignale aus, wobei jeder Sensor mittels einer Korrelationsanalyse die von ihm erfassten Signale und die Signale der benachbarten Sensoren zeitlich aneinander anpasst und so kombiniert, dass das Signal-zu-Rausch-Verhältnis verbessert wird. Auf diese Weise werden in dem jeweiligen Sensor geräuschreduzierte Signale verarbeitet, welche eine bessere Situationserkennung ermöglichen.
In einer weiteren Variante des erfindungsgemäßen Verfahrens werden in einem Sensor zur Situationserkennung bereits aus den ursprünglichen Geräuschsignalen weiterverarbeitete Signale von mehreren benachbarten Sensoren berücksichtigt. Dabei extrahiert ein Situationserkenner eines jeweiligen Sensors zunächst mit an sich bekannten Verfahren entsprechende Merkmale aus den Geräuschsignalen. In einer einfachen Variante sind solche Merkmale z.B. die Lautstärke der Geräuschsignale. Vorzugsweise werden jedoch cepstrale Merkmale extrahiert, welche die Lautstärkeverteilung der Geräuschsignale über deren Frequenz repräsentieren, bzw. modulations-spektrale Merkmale, welche die Veränderung der Lautstärke der Geräuschsignale über die Zeit repräsentieren. Ebenso können als Merkmale Multiband-Modulationsspektren berücksichtigt werden, welche die Veränderung der Lautstärke über die Zeit für verschiedene Frequenzen der erfassten Geräuschsignale darstellen. Die Verarbeitung der extrahierten Merkmale erfolgt mit hinlänglich aus dem Stand der Technik bekannten Verfahren zur Analyse von Geräuschsignalen. Besonders bevorzugt werden dabei datenbasierte Modelle eingesetzt, welche vorab mit entsprechenden Trainingssignalen gelernt bzw. trainiert wurden. Dabei tauschen die Sensoren in einer Initialisierungsphase zunächst die jeweils von ihnen ermittelten Merkmale untereinander aus. Ein jeweiliger Sensor bestimmt dann anhand der von ihm selbst ermittelten und von den benachbarten Sensoren stammenden Merkmale einen Normalzustand der Geräuschkulisse. In einer einfachen Variante, bei der das Merkmal durch die Lautstärke repräsentiert wird, kann der Normalzustand dabei beispielsweise durch einen einfachen Schwellwert repräsentiert werden, wobei der Normalzustand dann vorliegt, wenn das Signal unterhalb des Schwellwerts liegt.
Bei der Beschreibung des Geräuschsignals durch komplexere Merkmale, insbesondere in der Form von mehrdimensionalen Merkmalsvektoren, werden aufwändigere Verfahren eingesetzt, um einen Normalzustand zu ermitteln, der in diesem Fall aus einer statistischen Verteilung der Merkmale des Geräuschsignals besteht. Bekannte Modelle, über welche ein entsprechender Normalzustand bestimmt werden kann, sind dabei Hidden Markov Modelle, Gaußsche Mischmodelle, One-Class Support Vec- tor Machines, neuronale Netze und dergleichen. Mit diesen Mo- dellen werden dann auch nach der Bestimmung des Normalzustands die bei der Geräuschüberwachung erzeugten Signale entsprechend analysiert, um hierdurch eine Abweichung von dem Normalzustand festzustellen. Dabei vergleichen die einzelnen Sensoren kontinuierlich jeweils die aktuell ermittelten Merk- malsvektoren mit dem statistischen Modell des Normalzustands, um die Wahrscheinlichkeit für einen von diesem Normalzustand abweichenden Ausnahmezustand zu ermitteln. Überschreitet die- se Wahrscheinlichkeit einen bestimmten Schwellwert, wird eine Anomalie festgestellt.
Bei der Feststellung einer Anomalie durch einen jeweiligen Sensor übermittelt dieser in einer bevorzugten Variante der Erfindung eine entsprechende Warnmeldung an eine zentrale Stelle. Der Sensor kann hierfür eine separate Kommunikationsschnittstelle aufweisen. Die Übermittlung kann jedoch auch über das Funkmodul des entsprechenden Sensors erfolgen. Die zentrale Stelle ist dabei jedem Sensor bekannt, stellt jedoch keinen Bestandteil des durch die Sensoren gebildeten dezentralen Netzes dar. Die zentrale Stelle kann zum Beispiel eine Leitstelle sein, welche durch einen Bediener besetzt ist, der bei der Übermittlung einer entsprechenden Warnmeldung geson- derte Schritte einleiten kann. Beispielsweise kann er den Bereich, an dem der die Warnung übermittelnde Sensor positioniert ist, nochmals besonders analysieren. Hierfür können entsprechende Kameras in der zu überwachenden Umgebung positioniert sein, welche Bilder an die zentrale Leitstelle über- mittein. Der Bediener kann dann nach Eintreffen einer Warnmeldung von einem Sensor über das Bild der entsprechenden Kamera im Bereich des Sensors überprüfen, ob tatsächlich eine Ausnahmesituation vorliegt, welche weitere Maßnahmen erforderlich macht.
Bei der im Vorangegangenen beschriebenen erfindungsgemäßen Variante, welche datenbasierte Modelle zur Situationserkennung einsetzt, ist es insbesondere nicht erforderlich, dass zuvor ein entsprechend zu identifizierendes abnormales
Schallereignis trainiert wird. Vielmehr wird dann eine auffällige Situation erkannt, wenn das Geräusch stark vom vorher trainierten Normalzustand abweicht. In einer besonders bevorzugten Ausführungsform wird dabei der Normalzustand kontinuierlich an die sich gegebenenfalls verändernde Geräuschkulis- se adaptiert, wobei bei der Adaption wiederum die Daten von nicht nur einem Sensor, sondern von mehreren benachbarten Sensoren berücksichtigt werden. Hierdurch wird ein langsamer Anstieg des Hintergrundgeräuschpegels nicht als Störung ge- wertet, sondern es werden tatsächlich nur die Abweichungen von dem Hintergrundgeräusch detektiert.
Die im Vorangegangenen beschriebene Ausführungsform des er- findungsgemäßen Verfahrens weist eine Reihe von Vorteilen auf. Insbesondere wird eine verbesserte Situationserkennung in einem akustischen Sensornetz dadurch gewährleistet, dass jeder Sensor auch die Geräuschsignale von benachbarten Sensoren mit verarbeitet. Dabei wird ein schneller und effizienter Datenaustausch dadurch gewährleistet, dass die einzelnen Sensoren dezentral über ein entsprechendes Netz miteinander kommunizieren. Zur dezentralen Kommunikation können bewährte Technologien, wie Peer-to-Peer-Netze bzw. Ad-hoc-Netzwerke, eingesetzt werden. Die Verwendung von dezentralen Netzen zur Kommunikation zwischen den Sensoren hat den weiteren Vorteil, dass sich diese Netze dynamisch an sich verändernde Gegebenheiten im Netz, d.h. an neu hinzukommende Sensoren bzw. wegfallende Sensoren, anpassen. Hierdurch wird eine kontinuierliche Situationserkennung auch bei einer Veränderung der To- pologie des dezentralen Netzes gewährleistet. Ferner weisen dezentrale Netze den Vorteil auf, dass sie einfach und kostengünstig zu installieren sind.

Claims

Patentansprüche
1. Verfahren zur Überwachung einer Umgebung mit mehreren akustischen Sensoren (1, 2, 3, 4), welche ein dezentrales Netz (N) bilden, in dem die Sensoren (1, 2, 3, 4) zumindest teilweise untereinander kommunizieren, wobei die Sensoren (1,
2. 3, 4) jeweils akustische Signale erfassen, welche auf Geräuschen in der Umgebung beruhen, und die erfassten Signale zur Durchführung einer Situationserkennung weiterverarbeiten, wobei ein jeweiliger Sensor (1, 2, 3, 4) zumindest eines
Teils der Sensoren (1, 2, 3, 4) über das dezentrale Netz (N) auf die erfassten und/oder weiterverarbeiteten Signale von einem oder mehreren benachbarten Sensoren (1, 2, 3, 4) zugreift und diese Signale bei der Situationserkennung berück- sichtigt, wobei ein benachbarter Sensor (1, 2, 3, 4) Signale erfasst, welche zumindest teilweise auf den gleichen Geräuschen wie die von dem jeweiligen Sensor (1, 2, 3, 4) erfassten Signale beruhen. 2. Verfahren nach Anspruch 1, bei dem die mehreren Sensoren
(1, 2, 3, 4) ein Peer-to-Peer-Netz bilden, wobei jeder Sensor (1, 2, 3, 4) einen Peer in diesem Netz darstellt.
3. Verfahren nach Anspruch 1 oder 2, bei dem die mehreren Sensoren (1, 2, 3, 4) ein drahtloses Funknetz bilden, insbesondere ein Ad-hoc-Netz, wobei die Sensoren (1, 2, 3, 4) jeweils ein Funkmodul (8, 9) zum Empfangen und Aussenden von drahtlosen Signalen in dem Funknetz umfassen. 4. Verfahren nach einem der vorhergehenden Ansprüche, bei dem ein jeweiliger Sensor zumindest eines Teils der Sensoren (1, 2, 3, 4) einen benachbarten Sensor (1, 2, 3,
4) gemäß einem oder mehreren vorgegebenen Nachbarschaftskriterien ermittelt.
5. Verfahren nach Anspruch 3 und 4, bei dem das oder die vorgegebenen Nachbarschaftskriterien dadurch gegeben sind, dass zwei Sensoren (1, 2, 3, 4) als benachbart eingestuft werden, wenn sie in Funkreichweite zueinander angeordnet sind.
6. Verfahren nach Anspruch 4 oder 5, bei dem das oder die Nachbarschaftskriterien durch einen räumlichen Abstand zwischen Sensoren (1, 2, 3, 4) gegeben sind, wobei zwei Sensoren (1, 2, 3, 4) als benachbart eingestuft werden, wenn der räumliche Abstand kleiner oder gleich einer vorbestimmten Schwelle ist, wobei einem jeweiligen Sensor (1, 2, 3, 4) zumindest eines Teils der Sensoren (1, 2, 3, 4) die Abstände zu zumindest einem Teil von anderen Sensoren im dezentralen Netz (N) bekannt sind.
7. Verfahren nach einem der vorhergehenden Ansprüche, bei dem ein jeweilige Sensor (1, 2, 3, 4) zumindest eines Teils der Sensoren (1, 2, 3, 4) auf die erfassten Signale der benach- barten Sensoren (1, 2, 3, 4) zugreift und mittels einer Korrelationsanalyse dieser Signale und der von ihm erfassten Signale eine Geräuschunterdrückung durchführt.
8. Verfahren nach einem der vorhergehenden Ansprüche, bei dem ein jeweilige Sensor (1, 2, 3, 4) zumindest eines Teils der
Sensoren (1, 2, 3, 4) die von ihm erfassten Signale (1, 2, 3, 4) derart weiterverarbeitet, dass er aus den erfassten Signalen ein oder mehrere Merkmale extrahiert, wobei der jeweilige Sensor bei der Situationserkennung die von ihm extrahierten Merkmale und die von den benachbarten Sensoren (1, 2, 3, 4) extrahierten Merkmale berücksichtigt.
9. Verfahren nach einem der vorhergehenden Ansprüche, bei dem die extrahierten Merkmale auf einer oder mehreren der folgen- den Größen beruhen:
die Lautstärke der erfassten Signalen;
die Lautstärkeverteilung über die Frequenz der erfassten
Signale;
die Veränderung der Lautstärke über die Zeit für ein oder mehrere Frequenzen der erfassten Signale.
10. Verfahren nach einem der vorhergehenden Ansprüche, bei dem ein jeweiliger Sensor (1, 2, 3, 4) zumindest eines Teils der Sensoren (1, 2, 3, 4) ein regelbasiertes Entscheidungsmodell zur Situationserkennung einsetzt.
11. Verfahren nach einem der vorhergehenden Ansprüche, bei dem ein jeweiliger Sensor (1, 2, 3, 4) zumindest eines Teils der Sensoren (1, 2, 3, 4) ein datenbasiertes Modell zur Situationserkennung verwendet.
12. Verfahren nach Anspruch 11, bei dem das datenbasierte Mo- dell ein Hidden Markov Modell und/oder ein Gaußsches Mischmodell und/oder eine Support Vector Machine und/oder ein neuronales Netz umfasst.
13. Verfahren nach Anspruch 11 oder 12, wobei in einer Initi- alisierungsphase ein jeweiliger Sensor (1, 2, 3, 4) zumindest eines Teils der Sensoren (1, 2, 3, 4) mit den benachbarten Sensoren (1, 2, 3, 4) die erfassten Signale und/oder die weiterverarbeiteten Signale austauscht und basierend auf diesen Signalen einen Normalzustand ermittelt.
14. Verfahren nach Anspruch 13, wenn abhängig von Anspruch 8, bei dem der Normalzustand durch eine statistische Verteilung von extrahierten Merkmalen repräsentiert wird.
15. Verfahren nach Anspruch 13 oder 14, bei dem ein jeweiliger Sensor (1, 2, 3, 4) zumindest eines Teils der Sensoren (1, 2, 3, 4) den Normalzustand im Betrieb des Verfahrens in Abhängigkeit von den von ihm und den benachbarten Sensoren (1, 2, 3, 4) erfassten Signalen adaptiert.
16. Verfahren nach einem der Ansprüche 13 bis 15, bei dem eine oder mehrere vorbestimmte Situationen über vorbestimmte Abweichungen vom Normalzustand definiert sind.
17. Akustisches Sensornetz zur Überwachung einer Umgebung, umfassend mehrere akustische Sensoren (1, 2, 3, 4), welche ein dezentrales Netz bilden, in dem die Sensoren (1, 2, 3, 4) zumindest teilweise untereinander kommunizieren können, wobei die Sensoren (1, 2, 3, 4) jeweils eine Erfassungseinheit (5, 6) zur Erfassung von auf Geräuschen in der Umgebung beruhenden akustischen Signalen und eine Verarbeitungseinheit (7) zur Weiterverarbeitung der erfassten Signale zur Durchführung einer Situationserkennung umfassen, wobei ein jeweiliger Sensor (1, 2, 3, 4) zumindest eines Teils der Sensoren (1, 2, 3, 4) derart ausgestaltet ist, dass er über eine Kommunikationsschnittstelle (8, 9) auf die erfassten und/oder weiterverarbeiteten Signale von einem oder mehreren benachbarten Senso- ren (1, 2, 3, 4) zugreift und diese Signale bei der Situationserkennung berücksichtigt, wobei ein benachbarter Sensor (1, 2, 3, 4) Signale erfasst, welche zumindest teilweise auf den gleichen Geräuschen wie die von dem jeweiligen Sensor (1, 2, 3, 4) erfassten Signale beruhen.
18. Akustisches Sensornetz nach Anspruch 17, welches derart ausgestaltet ist, dass in dem Sensornetz ein Verfahren nach einem der Ansprüche 2 bis 16 durchführbar ist.
19. Akustischer Sensor zur Verwendung in einem akustischen Sensornetz nach Anspruch 17 oder 18, umfassend eine Erfassungseinheit (5, 6) zur Erfassung von auf Geräuschen in der Umgebung beruhenden akustischen Signalen und eine Verarbeitungseinheit (7) zur Weiterverarbeitung der erfassten Signale zur Durchführung einer Situationserkennung, wobei der Sensor (1, 2, 3, 4) derart ausgestaltet ist, dass er im Betrieb des Sensornetzes über eine Kommunikationsschnittstelle (8, 9) auf die erfassten und/oder weiterverarbeiteten Signale von einem oder mehreren benachbarten Sensoren (1, 2, 3, 4) zugreift und diese Signale bei der Situationserkennung berücksichtigt, wobei ein benachbarter Sensor (1, 2, 3, 4) Signale erfasst, welche zumindest teilweise auf den gleichen Geräuschen wie die von dem jeweiligen Sensor (1, 2, 3, 4) erfassten Signale beruhen .
PCT/EP2010/057518 2009-07-23 2010-05-31 Verfahren zur überwachung einer umgebung mit mehreren akustischen sensoren WO2011009666A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP10721811A EP2457223A1 (de) 2009-07-23 2010-05-31 Verfahren zur überwachung einer umgebung mit mehreren akustischen sensoren
CN2010800329979A CN102473338A (zh) 2009-07-23 2010-05-31 用于利用多个声学传感器监控环境的方法
US13/386,574 US20120163127A1 (en) 2009-07-23 2010-05-31 Method for monitoring a vicinity using several acoustic sensors

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102009034444.6 2009-07-23
DE102009034444A DE102009034444A1 (de) 2009-07-23 2009-07-23 Verfahren zur Überwachung einer Umgebung mit mehreren akustischen Sensoren

Publications (1)

Publication Number Publication Date
WO2011009666A1 true WO2011009666A1 (de) 2011-01-27

Family

ID=42732077

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2010/057518 WO2011009666A1 (de) 2009-07-23 2010-05-31 Verfahren zur überwachung einer umgebung mit mehreren akustischen sensoren

Country Status (5)

Country Link
US (1) US20120163127A1 (de)
EP (1) EP2457223A1 (de)
CN (1) CN102473338A (de)
DE (1) DE102009034444A1 (de)
WO (1) WO2011009666A1 (de)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2999711B1 (fr) * 2012-12-13 2015-07-03 Snecma Methode et dispositif de detection acoustique d'un dysfonctionnement d'un moteur equipe d'un controle actif du bruit.
WO2014182718A1 (en) * 2013-05-07 2014-11-13 Iotelligent Technology Ltd Inc Architecture for implementing an improved neural network
DE102014012184B4 (de) * 2014-08-20 2018-03-08 HST High Soft Tech GmbH Vorrichtung und Verfahren zur automatischen Erkennung und Klassifizierung von akustischen Signalen in einem Überwachungsbereich
DE102017111066A1 (de) * 2017-05-22 2018-11-22 Khs Gmbh Verfahren zur Überwachung eines Prozesses
WO2019034535A1 (en) * 2017-08-17 2019-02-21 Signify Holding B.V. DETERMINING THE PERFORMANCE OF A MICROPHONE BASED ON AMBIENT SOUNDS
CN109405958A (zh) * 2018-09-29 2019-03-01 北京交通大学 一种城市轨道交通车站站内空间噪声实时监测系统
DE102018222427A1 (de) * 2018-12-20 2020-06-25 Robert Bosch Gmbh Akustische Sensoreinheit zur echobasierten Umfelderfassung
DE102019206329B4 (de) 2019-05-03 2022-02-03 Zf Friedrichshafen Ag Vorrichtung und System zur Messung von Lautstärken von Geräuschen eines Straßenfahrzeuges im Straßenverkehr
WO2020259819A1 (de) * 2019-06-26 2020-12-30 Siemens Aktiengesellschaft Akustische analyse eines zustands einer maschine
DE102019130694A1 (de) 2019-11-14 2021-05-20 Volocopter Gmbh Verfahren und Vorrichtung zur Überwachung des Start- und Landevorgangs eines Fluggeräts und System
CN111260872B (zh) * 2020-01-18 2022-03-15 浙江捷创智能技术有限公司 一种基于邻接烟感传感器的火灾报警方法
CN112687068B (zh) * 2021-03-19 2021-05-28 四川通信科研规划设计有限责任公司 一种基于微波和振动传感器数据的侵入检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1450327A1 (de) * 2003-02-20 2004-08-25 Siemens Aktiengesellschaft Gefahrenmeldesystem sowie Melder zur Verwendung in einem solchen System
DE202007017709U1 (de) * 2007-12-19 2008-02-28 Noack, Henrik, Dipl.-Ing. Univ. Akustischer Alarmmeldesensor

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EG19158A (en) * 1989-08-25 1996-02-29 Halliburton Geophys Service System for attenuation of water-column reverberation
US6778469B1 (en) * 2003-02-12 2004-08-17 Science Applications International Corporation Harbor fence
CN101087311A (zh) * 2006-02-12 2007-12-12 刘恒春 基于多协议模块结构的智慧型ad－hoc的自适应传感器网络
US7660203B2 (en) * 2007-03-08 2010-02-09 Westerngeco L.L.C. Systems and methods for seismic data acquisition employing asynchronous, decoupled data sampling and transmission
CN101282266B (zh) * 2008-03-05 2012-05-23 中国科学院嘉兴无线传感网工程中心 一种智能防入侵微波雷达无线传感器网络架构方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1450327A1 (de) * 2003-02-20 2004-08-25 Siemens Aktiengesellschaft Gefahrenmeldesystem sowie Melder zur Verwendung in einem solchen System
DE202007017709U1 (de) * 2007-12-19 2008-02-28 Noack, Henrik, Dipl.-Ing. Univ. Akustischer Alarmmeldesensor

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ALAN F SMEATON ET AL: "Event detection in an audio-based sensor network", 7 September 2006, MULTIMEDIA SYSTEMS, SPRINGER, BERLIN, DE LNKD- DOI:10.1007/S00530-006-0060-Y, PAGE(S) 179 - 194, ISSN: 1432-1882, pages: 179 - 183, XP019461374 *

Also Published As

Publication number Publication date
DE102009034444A1 (de) 2011-01-27
EP2457223A1 (de) 2012-05-30
CN102473338A (zh) 2012-05-23
US20120163127A1 (en) 2012-06-28

Similar Documents

Publication Publication Date Title
WO2011009666A1 (de) Verfahren zur überwachung einer umgebung mit mehreren akustischen sensoren
DE112017001830B4 (de) Sprachverbesserung und audioereignisdetektion für eine umgebung mit nichtstationären geräuschen
EP2603018B1 (de) Hörvorrichtung mit Sprecheraktivitätserkennung und Verfahren zum Betreiben einer Hörvorrichtung
DE102017124291A1 (de) Fahrzeugumgebungs-audioklassifizierung über neurales netz-maschinenlernen
DE102014012184B4 (de) Vorrichtung und Verfahren zur automatischen Erkennung und Klassifizierung von akustischen Signalen in einem Überwachungsbereich
DE102019206743A1 (de) Hörgeräte-System und Verfahren zur Verarbeitung von Audiosignalen
EP3836139B1 (de) Verfahren, bei welchem zwei hörgeräte miteinander gekoppelt werden, sowie hörgerät
DE102019105651B4 (de) Klassifikation von Signalobjekten innerhalb von Ultraschallempfangssignalen und komprimierte Übertragung von Symbolen als Repräsentanten dieser Signalobjekte an eine Rechnereinheit zur Objekterkennung
DE102017209585A1 (de) System und verfahren zur selektiven verstärkung eines akustischen signals
DE102022201786A1 (de) System und verfahren für multimodales neurosymbolisches szenenverständnis
DE102015221764A1 (de) Verfahren zum Angleichen von Mikrofonempfindlichkeiten
EP1303166B1 (de) Verfahren zum Betrieb eines Hörgerätes und Anordung mit einem Hörgerät
DE102019205543A1 (de) Verfahren zum Klassifizieren zeitlich aufeinanderfolgender digitaler Audiodaten
EP1376510A2 (de) System und Verfahren zur automatischen Überwachung eines Verkehrsweges
EP4097695B1 (de) Verfahren und vorrichtung zur erkennung von akustischen anomalien
DE112017007051T5 (de) Signalverarbeitungsvorrichtung
EP4070569A1 (de) Verfahren zum betrieb eines hörhilfegerätes
EP3048813B1 (de) Verfahren und vorrichtung zur rauschunterdrückung basierend auf inter-subband-korrelation
DE102013223707A1 (de) Einstellbare Abstrahlcharakteristik in Ultraschallsystemen
WO2017167656A1 (de) Verfahren zur fernüberwachung einer industriellen anlage
DE102021206618A1 (de) Verfahren zur Erhöhung der Erkennungsgenauigkeit eines Überwachungssystems
DE102004017548B4 (de) Verfahren zur Erkennung und Analyse von Funksignalen
EP4006857A1 (de) Verfahren und vorrichtung zur automatischen erkennung und klassifizierung von akustischen signalen
DE102022112444A1 (de) Spracherkennungssystem
DE102014100642A1 (de) Anordnung und Verfahren zur Erfassung von Signalen

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 201080032997.9

Country of ref document: CN

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10721811

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2010721811

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 10002/DELNP/2011

Country of ref document: IN

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 13386574

Country of ref document: US