NI技术 创建用于监控飞机噪 音的分布式无线系统.doc

NI技术 创建用于监控飞机噪 音的分布式无线系统在硬件评估过程 中，我们决定使用 NI产品，因为相比 那些低成本的声级仪 表，NI的产品测量 质量好、坚固耐用， 且十分可靠。- Luis Fernndez, National Polytechnic InstituteThe Challenge:开发一个自动、分布 式无线监控系统，用 来测量飞机噪音水平 并将数据传回控制中 心进行分析。The Solution:使用NI LabVIEW软 件、NI声音与振动 工具包和NI USB-9234动 态信号采集模块 （DSA），从各架 飞机上采集和分析可 靠且高质量的数 据。Figure 1: 3D噪音地图 显示噪音级别、时 间、日期和幅度Author (s):Luis Fernndez - National Polytechnic InstituteLuis A. Prez - National Polytechnic InstituteSergio S. Guerra - National Polytechnic Institute在早晨和傍晚的交通 拥堵时间，墨西哥城 的大型车辆和飞机都 会发出噪音，这可能 导致人们听力受 损。 航空运输委 员会由此提出一个新 的飞机分类系统，今 后航空公司可能根据 飞机发出的噪音量来 支付费用而不是根据 重量或类型。因此， 我们提出了一种新的 计算模型，该模型不 仅可以测量噪音量， 还能根据飞机发出的 噪音辨别飞机。无线监控系统中的每 个节点包含一个半英 寸预极化麦克风、一 张测量噪音水平的数 据采集卡、一台工业 计算机和Wi-Fi 或3G无线连接互联 网。 麦克风安装 在离地4米的防水箱 内。 节点每30秒 测量一次噪音水平， 每5分钟将数据传回 至控制中心。图1.分布式无线监 控系统图现实世界中根据飞机 产生的噪声频谱特性 来辨别飞机十分复 杂，因为背景噪音、 天气、起飞速度和飞 机的负载都可能会干 扰分析。 近期， 采用神经网络辨别噪 音的测量设备已经上 市，但这个设备只能 用来分辨喷气飞机、 螺旋桨飞机、直升机 和背景噪音。 因 此 我们决定创建一 个计算模型来测量和 分析噪音。 我们 的系统只需采集飞机 起飞24秒内产生的 噪音，就能够正确识 别飞机。系统开发在设定监测系统时采 用无线拓扑可降低成 本，并提高灵活 性。 每个监控节 点都建立在无须人工 干预的 Windows XP系统的工业PC 上，它还配备有 Wi-Fi适配器和NI USB- 9234。 在硬件评估过程 中，我们决定使用 NI产品，因为相比 那些低成本的声级仪 表，NI的产品测量 质量好、坚固耐用， 且十分可靠。尽管每个节点都连接 着城市的电力系统， 我们仍可使用不间断 的电源供应防止数据 丢失。 节点每 30秒测量一次噪音 水平，系统最多可在 本地保存14天的数 据。 政府计划使 用我们的数据来识别 墨西哥城中产生最高 噪音水平的时间和地 点，并创建噪音地 图、实施监管行动控 制噪音，为公民创建 更健康的生活环境。我们的系统可记录用 于道路交通噪音的传 统统计信息，如连续 等效声级 （LEQ），而且还 可以记录分数倍频程 分析并测量明显的噪 音。 此外，该系 统可以将WAV文件 传至一个中央服务 器，用于研究可能触 发警报的瞬态信号， 这有助于辨别干扰准 确测量的独立声源。1/5图2. 墨西哥城城 市广场两周时间的噪 音情况我们原先计划使用政 府在2008年安装 的公共Wi - Fi，但一些节点必 须转换成由无线运营 商提供的较慢的3G 系统。 虽然我们 可以同步使用3G网 络的语音和数据服 务，但它的数据传输 速率相当缓慢。通过TCP/IP进 行通信我们的控制中心有一 个静态的IP地 址。 每个节点都 有一个DHCP服务 器分配的动态地 址。 简单的说， 控制中心就是一个服 务器，而节点则是客 户端。 节点会尝 试打开TCP连接， 如果控制中心收到了 连接请求和节点的确 认，连接便会成功。图3. 控制中心中 央服务器界面图4. 超过阈值的 音频信号分析2/5图5. 噪音级别、 时间、日期和dBA 振幅图6. 3D噪音地 图显示噪音级别、时 间、日期和幅度下面是我们用于模式 生成和识别的系统框 图。 由于飞机起 飞噪声的起点和止点 都为零且时间长度有 限，我们因此认为它 属于非平稳瞬态信 号。 如图8所 示，大部分的信号能 量低于 2kHz。 在这 种情况下，我们注意 到背景噪音在信号两 端更为强烈，因为飞 机产生的噪声覆盖了 背景噪音的中间部 分。图7.模式生成和识 别系统框图3/5图8.波音747飞 机起飞时典型的噪音 信号和频谱我们观察发现，对于 所有的飞机噪音，典型的幅度谱值为0到 5000Hz。 我 们选择使用 11025Hz的采 样频率，将24秒内 采集的样本数量减少 至264600 个。 对于其他飞 机噪音分析，建议选 择25kS/s的采 样频率和D-、C- 和A-加权滤波器。降低频谱分辨率由于幅度谱有 132300次谐 波，这会导致处理过 程非常复杂，因此我 们决定降低频谱分辨 率。 此外，我们只 对收集有关频谱形式 的数据感兴趣。我们提出了以下假 设： 任何降低频谱分辨率 的方法都会在测量飞 机噪音的最初和最后 时间段内引入一个容 忍度。 例如，在 飞机起飞后开始采集 为时24秒的数据， 然后将前馈神经网络 训练为一个噪音模 式。 在运行时， 如果采集到的起飞噪 声为第5秒至24 秒，并且降低频谱分 辨率的话，那么前5 秒钟的位移对于频谱 形式的影响就会非常 小。 中值滤波器（移动平 均滤波器）创建了一 个飞机起飞噪声频谱 的典型形式。 在保留X率的基础上 对平均频谱进行降 频，保留了飞机起飞 噪音的频谱形式。结论我们的10节点系统 成功地测量了墨西哥 国际机场飞机起飞时 产生的噪音。 该 系统创造了许多不同 类型的频谱分析，并 获得了最常用的dB (A)或dB(C) 表示形式的统计指 标，用于噪声测 量。 我们可以存 储系统收集到的数 据，随后再执行更深 入的分析，通过噪音 来确定潜在的健康危 险，并知晓噪音水平 在全天的波动情况。在未来，我们想要在 分割原始信号后运用 这项技术，测量所得 结果的差异。 我 们还计划测试新的参 数来创建神经网络。Author Information:Luis FernndezNational Polytechnic InstituteMexico CityMexico4/5Figure 1: 3D噪音地图 显示噪音级别、时 间、日期和幅度LegalThis case study (this case study) was developed by a National Instruments (NI) customer. THIS CA