The Challenge:
開發(fā)一個自動、分布式無線監(jiān)控系統(tǒng)，用來測量飛機(jī)噪音水平并將數(shù)據(jù)傳回控制中心進(jìn)行分析。

The Solution:
使用NI LabVIEW軟件、NI聲音與振動工具包和NI USB-9234動態(tài)信號采集模塊（DSA），從各架飛機(jī)上采集和分析可靠且高質(zhì)量的數(shù)據(jù)。

在早晨和傍晚的交通擁堵時間，墨西哥城的大型車輛和飛機(jī)都會發(fā)出噪音，這可能導(dǎo)致人們聽力受損。  航空運(yùn)輸委員會由此提出一個新的飛機(jī)分類系統(tǒng)，今后航空公司可能根據(jù)飛機(jī)發(fā)出的噪音量來支付費(fèi)用而不是根據(jù)重量或類型。因此，我們提出了一種新的計(jì)算模型，該模型不僅可以測量噪音量，還能根據(jù)飛機(jī)發(fā)出的噪音辨別飛機(jī)。

無線監(jiān)控系統(tǒng)中的每個節(jié)點(diǎn)包含一個半英寸預(yù)極化麥克風(fēng)、一張測量噪音水平的數(shù)據(jù)采集卡、一臺工業(yè)計(jì)算機(jī)和Wi-Fi或3G無線連接互聯(lián)網(wǎng)。  麥克風(fēng)安裝在離地4米的防水箱內(nèi)。 節(jié)點(diǎn)每30秒測量一次噪音水平，每5分鐘將數(shù)據(jù)傳回至控制中心。

圖1.分布式無線監(jiān)控系統(tǒng)圖

現(xiàn)實(shí)世界中根據(jù)飛機(jī)產(chǎn)生的噪聲頻譜特性來辨別飛機(jī)十分復(fù)雜，因?yàn)楸尘霸胍�、天氣、起飛速度和飛機(jī)的負(fù)載都可能會干擾分析。  近期，采用神經(jīng)網(wǎng)絡(luò)辨別噪音的測量設(shè)備已經(jīng)上市，但這個設(shè)備只能用來分辨噴氣飛機(jī)、螺旋槳飛機(jī)、直升機(jī)和背景噪音。 因此 我們決定創(chuàng)建一個計(jì)算模型來測量和分析噪音。  我們的系統(tǒng)只需采集飛機(jī)起飛24秒內(nèi)產(chǎn)生的噪音，就能夠正確識別飛機(jī)。

系統(tǒng)開發(fā)

在設(shè)定監(jiān)測系統(tǒng)時采用無線拓?fù)淇山档统杀�，并提高靈活性。  每個監(jiān)控節(jié)點(diǎn)都建立在無須人工干預(yù)的Windows XP系統(tǒng)的工業(yè)PC上，它還配備有Wi-Fi適配器和NI USB-9234。 在硬件評估過程中，我們決定使用NI產(chǎn)品，因?yàn)橄啾饶切┑统杀镜穆暭墐x表，NI的產(chǎn)品測量質(zhì)量好、堅(jiān)固耐用，且十分可靠。

盡管每個節(jié)點(diǎn)都連接著城市的電力系統(tǒng)，我們?nèi)钥墒褂貌婚g斷的電源供應(yīng)防止數(shù)據(jù)丟失。  節(jié)點(diǎn)每30秒測量一次噪音水平，系統(tǒng)最多可在本地保存14天的數(shù)據(jù)。  政府計(jì)劃使用我們的數(shù)據(jù)來識別墨西哥城中產(chǎn)生最高噪音水平的時間和地點(diǎn)，并創(chuàng)建噪音地圖、實(shí)施監(jiān)管行動控制噪音，為公民創(chuàng)建更健康的生活環(huán)境。

我們的系統(tǒng)可記錄用于道路交通噪音的傳統(tǒng)統(tǒng)計(jì)信息，如連續(xù)等效聲級（LEQ），而且還可以記錄分?jǐn)?shù)倍頻程分析并測量明顯的噪音。  此外，該系統(tǒng)可以將WAV文件傳至一個中央服務(wù)器，用于研究可能觸發(fā)警報(bào)的瞬態(tài)信號，這有助于辨別干擾準(zhǔn)確測量的獨(dú)立聲源。

圖2. 墨西哥城城市廣場兩周時間的噪音情況

我們原先計(jì)劃使用政府在2008年安裝的公共Wi - Fi，但一些節(jié)點(diǎn)必須轉(zhuǎn)換成由無線運(yùn)營商提供的較慢的3G系統(tǒng)。  雖然我們可以同步使用3G網(wǎng)絡(luò)的語音和數(shù)據(jù)服務(wù)，但它的數(shù)據(jù)傳輸速率相當(dāng)緩慢。

通過TCP/IP進(jìn)行通信

我們的控制中心有一個靜態(tài)的IP地址。  每個節(jié)點(diǎn)都有一個DHCP服務(wù)器分配的動態(tài)地址。  簡單的說，控制中心就是一個服務(wù)器，而節(jié)點(diǎn)則是客戶端。  節(jié)點(diǎn)會嘗試打開TCP連接，如果控制中心收到了連接請求和節(jié)點(diǎn)的確認(rèn)，連接便會成功。

圖3. 控制中心中央服務(wù)器界面

圖4. 超過閾值的音頻信號分析

圖5. 噪音級別、時間、日期和dBA振幅

圖6. 3D噪音地圖顯示噪音級別、時間、日期和幅度

下面是我們用于模式生成和識別的系統(tǒng)框圖。  由于飛機(jī)起飛噪聲的起點(diǎn)和止點(diǎn)都為零且時間長度有限，我們因此認(rèn)為它屬于非平穩(wěn)瞬態(tài)信號。  如圖8所示，大部分的信號能量低于2kHz。  在這種情況下，我們注意到背景噪音在信號兩端更為強(qiáng)烈，因?yàn)轱w機(jī)產(chǎn)生的噪聲覆蓋了背景噪音的中間部分。

圖7.模式生成和識別系統(tǒng)框圖

圖8.波音747飛機(jī)起飛時典型的噪音信號和頻譜

我們觀察發(fā)現(xiàn)，對于所有的飛機(jī)噪音，典型的幅度譜值為0到5000Hz。 我們選擇使用11025Hz的采樣頻率，將24秒內(nèi)采集的樣本數(shù)量減少至264600個。  對于其他飛機(jī)噪音分析，建議選擇25kS/s的采樣頻率和D-、C-和A-加權(quán)濾波器。

降低頻譜分辨率

由于幅度譜有132300次諧波，這會導(dǎo)致處理過程非常復(fù)雜，因此我們決定降低頻譜分辨率。 此外，我們只對收集有關(guān)頻譜形式的數(shù)據(jù)感興趣。

我們提出了以下假設(shè)：

• 任何降低頻譜分辨率的方法都會在測量飛機(jī)噪音的最初和最后時間段內(nèi)引入一個容忍度。  例如，在飛機(jī)起飛后開始采集為時24秒的數(shù)據(jù)，然后將前饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練為一個噪音模式。  在運(yùn)行時，如果采集到的起飛噪聲為第5秒至24秒，并且降低頻譜分辨率的話，那么前5秒鐘的位移對于頻譜形式的影響就會非常小。 
• 中值濾波器（移動平均濾波器）創(chuàng)建了一個飛機(jī)起飛噪聲頻譜的典型形式。 
• 在保留X率的基礎(chǔ)上對平均頻譜進(jìn)行降頻，保留了飛機(jī)起飛噪音的頻譜形式。

結(jié)論

我們的10節(jié)點(diǎn)系統(tǒng)成功地測量了墨西哥國際機(jī)場飛機(jī)起飛時產(chǎn)生的噪音。  該系統(tǒng)創(chuàng)造了許多不同類型的頻譜分析，并獲得了最常用的dB(A)或dB(C)表示形式的統(tǒng)計(jì)指標(biāo)，用于噪聲測量。  我們可以存儲系統(tǒng)收集到的數(shù)據(jù)，隨后再執(zhí)行更深入的分析，通過噪音來確定潛在的健康危險，并知曉噪音水平在全天的波動情況。

在未來，我們想要在分割原始信號后運(yùn)用這項(xiàng)技術(shù)，測量所得結(jié)果的差異。  我們還計(jì)劃測試新的參數(shù)來創(chuàng)建神經(jīng)網(wǎng)絡(luò)。