一種密閉空間的智能噪音傳感器及異常聲音檢測與定位方法與流程
1.本發明屬于艦船信息化技術領域，更具體地，涉及一種密閉空間的智能噪音傳感器及異常聲音檢測與定位方法，適用于潛器。
背景技術：
2.常規大型潛器需要較多的人員進行日常狀態巡檢與異常排查，給潛器帶來了較大的負擔。為了精簡人員數量，國內在信息化領域也做了很多工作，但是人員較多依然是比較突出的問題。信息化、智能技術的快速發展能夠有效地精簡人員數量，從而促進潛器艙室無人化的發展。
3.在潛器領域，智能狀態監測與評估一直是一個比較熱的話題，但是密閉空間異常聲音的檢測與定位目前尚未看到較好的成果。通過對密閉空間進行異常聲音檢測與定位，能夠有效提升艙室的智能狀態監測及評估水平，能夠幫助人員在遠程快速的發現異常行為并做出及時響應，從而提高對潛器的安全監測能力，因此，潛器全艇的狀態監測及評估是一個復雜而艱巨的任務。
技術實現要素：
4.針對潛器智能狀態監測及評估中的不足，本發明提出了一種密閉空間的智能噪音傳感器及異常聲音的檢測與定位方法，能夠對潛器密閉空間內的異常聲音(告警音、金屬滑落音、撞擊音、喊叫音等)進行有效檢測與定位。
5.為實現上述目的，按照本發明的一個方面，提供了一種密閉空間的智能噪音傳感器，包括：采集模塊、主處理模塊及接口模塊；
6.所述采集模塊用于完成聲音數據的采集，包括依次連接的傳感器陣列和通道陣列采集；所述主處理模塊用于完成異常聲音的檢測與定位功能，并具備異常聲音定位可視化功能；所述接口模塊用于完成外部電源輸入的適配，以及與外部進行通信的功能。
7.在一些可選的實施方案中，所述主處理模塊內部基于fpga實現電路設計，并配置相機模組，進行視頻圖像顯示，用于異常聲音定位結果的可視化。
8.在一些可選的實施方案中，所述接口模塊采用兩種外部接口，一種是標準的poe接口，另一個是以太網+dc24v供電接口，兩個接口互為備用。
9.在一些可選的實施方案中，所述智能噪音傳感器外觀主體結構分為前面板與主機殼，整體密封腔體與外界接觸的部分有前面板和主機殼連接處、攝像頭玻璃與前面板連接處、噪音傳感器陣列開孔處、主機殼和連接器連接處，攝像頭玻璃采用灌膠密封處理，前面板和主機殼連接螺釘孔處在裝配完成后適當點膠密封，密封條選用導電型環形結構，用戶連接器采用螺釘安裝緊固使接插件和結構件充分接觸，內部灌膠密封，避免電磁泄漏。
10.在一些可選的實施方案中，所述傳感器陣列基于多臂對數螺旋陣的設計原則，設計了多通道傳感器陣列陣型，該多臂對數螺旋陣設計中需要考慮的參數有最內環半徑r1，最外環半徑r2，螺旋角v，臂數m，各臂上的陣元數，即環數n，以及陣元分布策略，每條對數螺
旋臂的曲線為：r(θ)＝r1exp[cot(v)θ]，θ表示極化角度，單位rad，cot(*)為余切函數。
[0011]
按照本發明的另一方面，提供了一種基于上述任一項所述的密閉空間的智能噪音傳感器的異常聲音的檢測與定位方法，包括：
[0012]
對采集的傳感器陣列數據進行聲音信號降噪濾波；
[0013]
采用高分辨率和低分辨率功率譜匹配度估計的異常聲音檢測方法對降噪濾波后的數據進行異常聲音檢測；
[0014]
若存在異常聲音，則同步進行視頻信號采集、異常聲音識別及異常聲音定位；
[0015]
將異常聲音識別結果、異常聲音定位結果及視頻信號進行融合后，將融合結果進行可視化展示。
[0016]
在一些可選的實施方案中，采用高分辨率和低分辨率功率譜匹配度估計的異常聲音檢測方法對降噪濾波后的數據進行異常聲音檢測，包括：
[0017]
利用高分辨率譜對降噪濾波后的數據線譜進行初步檢測，然后將初步檢測后的信號用多個低分辨率譜進行校驗來降低高分辨率譜的虛警率，并抽取出一組最有效和最具有代表性的特征，然后將抽取的特征向量從特征空間映射到目標類型空間，從而檢測目標。
[0018]
在一些可選的實施方案中，異常聲音識別包括：
[0019]
基于采集的環境噪音和異常聲音搭建樣本數據庫，并利用并行結合cnn和lstm的復合深度神經網絡模型從噪聲信號短時譜圖中自動進行特征提取和分類識別，優化信號的局部時頻信息和時序相關信息的表征，以提高異常噪音信號連續識別的魯棒性和正確率。
[0020]
在一些可選的實施方案中，復合深度神經網絡模型包括cnn、lstm、特征融合層、全連接層和softmax層，其中，將異常聲音信號分別輸入cnn和lstm中，cnn和lstm得到的結果通過特征融合層融合后進入全連接層，然后經由softmax層輸出。
[0021]
在一些可選的實施方案中，異常聲音定位，包括：
[0022]
利用傳感器陣列采集目標的輻射噪音，對目標所在區域劃分網格后采用球面波假設對各網格點進行數據處理，進而獲得目標各部位的噪音源強度與頻譜特征。
[0023]
總體而言，通過本發明所構思的以上技術方案與現有技術相比，能夠取得下列有益效果：
[0024]
(1)本發明提出密閉空間的智能噪音傳感器及異常聲音檢測與定位方法，旨在利用先進的人工智能與機器學習技術，設計一種智能傳感器，能夠進行密閉空間異常聲音的檢測與定位，提高潛器的安全監測能力，進而進一步精簡人員的數量，促進無人化的發展。
[0025]
(2)本發明提出一種完全自主可控的國產智能噪音傳感器設計方案，本智能噪音傳感器方案是基于國產元器件進行設計，自主可控，不受國外技術約束。
[0026]
(3)本發明提出一種基于密閉空間的異常聲音檢測與定位方法，包括對告警音、金屬滑落音、撞擊音、喊叫音異常聲音的檢測與定位，該方法能夠有效提升潛器異常狀態監測的能力，能夠快速幫助人員發現異常事件并進行準確定位，進而有效促進潛器艙室走向無人化的發展。
[0027]
(4)體積小，可以節約空間并易于安裝；重量輕，利于在重量控制嚴格的地方使用；防護等級高：ip68，可以在較為潮濕的環境試驗使用；采用加固方式，抗振動，抗沖擊，適用于船舶海洋惡劣環境下的網絡應用場合。
附圖說明
[0028]
圖1是本發明實施例提供的一種智能噪音傳感器架構圖；
[0029]
圖2是本發明實施例提供的一種智能噪音傳感器外形圖；
[0030]
圖3是本發明實施例提供的一種智能噪音傳感器陣列圖(64通道)；
[0031]
圖4是本發明實施例提供的一種異常聲音檢測與定位流程圖；
[0032]
圖5是本發明實施例提供的一種復合深度神經網絡模型。
具體實施方式
[0033]
為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。此外，下面所描述的本發明各個實施方式中所涉及到的技術特征只要彼此之間未構成沖突就可以相互組合。
[0034]
如圖1所示是本發明系統架構示意圖，主要包括采集模塊、主處理模塊及接口模塊；
[0035]
采集模塊主要完成聲音數據的采集，包括傳感器陣列和通道陣列采集，其中，傳感器陣列和通道陣列采集可以選用國產傳感器陣列和高性能的采集芯片進行設計。
[0036]
主處理模塊完成異常聲音的檢測與定位功能，并具備異常聲音定位可視化功能，其中，主處理模塊內部主要基于fpga實現電路設計，完成核心處理功能，配置相機模組，進行視頻圖像顯示，用于異常聲音定位結果的可視化。
[0037]
對于主處理模塊，傳統實現大量使用進口fpga芯片，本發明考慮國產化芯片，最終fpga芯片可以選用復旦微型號fmql10s400芯片，該芯片具有四核cortex-a7處理器，最高工作頻率可達1ghz，支持ddr3模式，能夠滿足需求，主處理模塊中其余所有電子元器件也均選用國產器件。
[0038]
接口模塊主要完成外部電源輸入的適配，以及與外部進行通信的功能。本發明采用兩種外部接口，一種是標準的poe接口，另一個是以太網+dc24v供電接口，兩個接口互為備用。可適應標準化的poe供電與通信，同時也可滿足潛器的專用需求，并且可以提高設備的可靠性。接口模塊所有電子元器件均為國產器件。
[0039]
在本發明實施例中，為了滿足潛器密閉空間應用場景，智能噪音傳感器結構總體設計思想是輕量化，小型化；同時兼顧安裝方便、裝配簡單、角度可調、電磁兼容、密封、抗沖擊要求等。結構示意圖如圖2所示。智能噪音傳感器設備外觀主體結構分為前面板與主機殼。整體密封腔體與外界接觸的部分主要有前面板和主機殼連接處、攝像頭玻璃與前面板連接處、噪音傳感器陣列開孔處、主機殼和連接器連接處。攝像頭玻璃采用灌膠密封處理。前面板和主機殼連接螺釘孔處在裝配完成后適當點膠密封。密封條選用導電型環形結構，在起到密封的同時阻止電磁信號通過。用戶連接器采用螺釘安裝緊固使接插件和結構件充分接觸，內部灌膠密封，避免電磁泄漏。經過結構設計與工藝處理，傳感器陣列腔體在實現電磁兼容性要求的同時，防塵防水等級上可達ip68。
[0040]
本發明實施例還提供一種基于密閉空間的異常聲音檢測與定位方法，該方法包括如下步驟：
[0041]
(1)設計一種64通道傳感器陣列進行聲音信號收集；
[0042]
(2)采集傳感器陣列信號；
[0043]
(3)對聲音信號進行降噪濾波；
[0044]
(4)進行異常聲音檢測，本發明采用高分辨率和低分辨率功率譜匹配度估計的異常聲音檢測方法；
[0045]
(5)同步進行異常聲音識別、異常聲音定位、視頻信號采集，考慮cnn和lstm各自的優點及本應用場景的特點，本發明提出一種并行結合cnn和lstm的復合深度神經網絡模型，來實現異常聲音識別；
[0046]
(6)將定位結果與視頻圖像進行融合；
[0047]
(7)將結果輸出。
[0048]
其中，傳感器陣列設計如下：
[0049]
本發明設計了一種64通道傳感器陣列進行聲音信號收集，如圖3所示，陣列圓面最大直徑180mm。該陣列兼顧基本的對數螺旋陣用于聲源的各項優點，同時基于本設備小型化的特點、潛器密閉空間等特點，設計了一種新型的64通道傳感器陣列，通過仿真分析與試驗，該陣列能夠有效地解決密閉空間異常聲音檢測與定位的問題。
[0050]
本發明基于多臂對數螺旋陣的設計原則，設計了64通道傳感器陣列陣型，該多臂對數螺旋陣設計中需要考慮的參數有最內環半徑r1，最外環半徑r2，螺旋角v，臂數m，各臂上的陣元數，即環數n，以及陣元分布策略。每條對數螺旋臂的曲線為：
[0051]
r(θ)＝r1exp[cot(v)θ]
[0052]
θ表示極化角度，單位rad，cot(*)為余切函數。
[0053]
其中，異常聲音檢測與定位如下：
[0054]
異常聲音檢測與定位的主要流程如圖4所示，首先通過對采集的64通道傳感器陣列數據，進行聲音信號降噪濾波，然后通過異常聲音檢測技術進行異常聲音進行判別。如果發現了所定義的四類聲音(告警音、金屬滑落音、撞擊音、喊叫音)，則同步進行視頻信號采集、異常聲音識別、異常聲音定位。最后通過將異常聲音識別結果、異常聲音定位結果及視頻信號進行融合，將結果輸出給用戶。
[0055]
其中，異常聲音檢測可以通過以下方式實現：
[0056]
異常聲音檢測過程是獲得目標輻射噪音信號特征后可對異常聲音實現檢測，并從中抽取出一組最有效和最具有代表性的特征，然后將特征向量從特征空間映射到目標類型空間，從而檢測目標。在本發明中，考慮潛器密閉空間特點，容易產生混響的影響，因此傳統的能量檢測方法無法獲得理想的檢測效果，本發明采用高分辨率和低分辨率功率譜匹配度估計的異常聲音檢測方法。該方法利用高分辨率譜對線譜進行初步檢測，然后將初步檢測后的幀信號用多個低分辨率譜進行校驗來降低高分辨率譜的虛警率。相比于傳統檢測算法，新方法不需要預知噪聲功率譜，且具有計算復雜度低，虛警率恒定等優點。
[0057]
其中，異常聲音識別可以通過以下方式實現：
[0058]
為了滿足本發明的應用場景，需要分辨出異常聲音的種類，即告警音、金屬滑落音、撞擊音、喊叫音。近年來隨著深度學習技術的快速發展，深度學習等機器學習方法被越來越多的用于聲信號識別，以實現目標聲學特征優化和識別。本發明應用中由于潛器密閉空間中存在多徑傳播，導致直達聲與反射聲之間的相位差變化明顯，信號在某些頻率上相互抵消或增強，短時譜圖中產生多個波谷、波峰。這些波谷、波峰改變了部分線譜信號的信
噪比，使聲信號特征頻率表征的連續性、穩定性受到干擾。這些干擾，加上實際應用中機械噪聲等環境噪聲的影響，使得異常聲音的連續識別魯棒性受到影響，往往不能連續正確識別。因此本發明在長期采集環境噪音和異常聲音的基礎上，搭建樣本數據庫，并利用機器學習技術從噪聲信號短時譜圖中自動進行特征提取和分類識別，優化信號的局部時頻信息和時序相關信息的表征，以提高異常噪音信號連續識別的魯棒性和正確率。卷積神經網絡(convolutional neural network,cnn)和長短時記憶神經網絡(long short-term memory,lstm)是深度學習中的經典模型，已被廣泛應用語音識別、聲學場景分析等眾多研究和應用領域。本發明中，考慮cnn和lstm各自的優點及本發明應用場景的特點，采用一種并行結合cnn和lstm的復合深度神經網絡模型，來實現異常聲音識別。復合深度神經網絡模型架構如圖5所示，通過仿真分析，該方法在本發明應用場景中取得了較好的效果。
[0059]
其中，異常聲音定位可以通過以下方式實現：
[0060]
異常聲音定位方法利用傳感器陣列采集目標的輻射噪音，對目標所在區域劃分網格后采用球面波假設對各網格點進行數據處理，進而獲得目標各部位的噪音源強度與頻譜特征。常見的聲音源定位方法大多基于波束形成類方法，本發明在嵌入式軟件中采用延遲求和波束形成方法進行異常聲音定位。
[0061]
需要指出，根據實施的需要，可將本技術中描述的各個步驟/部件拆分為更多步驟/部件，也可將兩個或多個步驟/部件或者步驟/部件的部分操作組合成新的步驟/部件，以實現本發明的目的。
[0062]
本領域的技術人員容易理解，以上所述僅為本發明的較佳實施例而已，并不用以限制本發明，凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明的保護范圍之內。
