基于低成本单芯片微处理器的高稳健性破损玻璃检测器解决方案

-.z基于低本钱单芯片微处理器的高稳健性破损玻璃检测器解决方案引言破损玻璃检测器(GBD)主要用来检测家庭住宅或商业楼宇门窗玻璃的破损情况。GBD也可归类为一种监控设备，用以提高家庭或商业环境的平安性，防止非法进入。GBD既可独立工作，也可与其它防盗设备协同工作，形成一套完整的平安系统。GBD的根本工作原理就是捕获各种声音，并对其进展分析，然后报告玻璃是否破碎。基于这种工作模式，GBD的性能很大程度上取决于声源音质，这对设计人员提出了诸多挑战。此外，GBD必须排除各种非真正玻璃破碎发出的声音，这种可能触发虚假玻璃破碎警报的声音事件就是误报警。本文将介绍一种采用低本钱微处理器(MCU)的高效、稳健可靠的GBD设计方案。MCU属于低端处理器，广泛用于简单的数字实时时钟或复杂的智能计量装置等各种应用。MCU之所以能够广泛应用，主要是因为其相对于大多数其他类型的数字处理器而言具有低本钱、低功耗、简便易用等优异特性。在简单应用中，由于要求不多，因此低本钱和低功耗很容易实现。然而，随着MCU不断应用于复杂的应用，要想保持低本钱和低功耗就要面临更大的挑战。因此，工程师目前的任务就是以尽可能低的本钱实现最正确性能。为了实现这一目标，我们必须解决诸如片上内存较低、外设集有限、运行速度较低、引脚数量较少等MCU架构限制问题。同时，工程师必须优化利用MCU的一切可用资源，才能使其在像破损玻璃检测器(GBD)这种相当复杂的应用中充分发挥作用。设计考虑稳健的GBD算法应该能够很容易地将真正的玻璃破碎声与其它声音区别开来。所有GBD算法都会捕获声音，并对其时间和频率构成进展分析，然后做出决策。玻璃破损声会因玻璃类型、厚度、声学环境、距离，以及撞击玻璃所用器具的不同而有所变化。虽然所有GBD算法的本质很类似，但在具体情况下会略有差异。不过，很难让一种算法适用于所有情况。而对算法的微调通常要在家庭或企业的最后安装阶段中进展。有效的玻璃破损信号可在时域或频域内加以分析。图1和图2分别显示了时域和频域内典型的玻璃破损信号。玻璃破损声的音频频谱正好介于20Hz至20kHz之间。时域波形与实际听到的声音相关，而频域波形则给出了完整的信号频谱。上述两种图形为设计高效的玻璃破损检测算法提供了重要信息。时域图显示波形密集，且在短时间间隔内存在大量活动，这不仅说明信号包含了大量高频分量，同时也意味着波形的跨零和峰值数较多。尽管这些信息很有用，但这些特点看起来却酷似白噪声。设计人员接下来所面临的挑战就是如何对其加以区分。图1：时域内的玻璃破损信号图2：频域内的玻璃破损信号在频域方面，我们也面临着类似的挑战。玻璃破损信号分量好似是以相对平均的能量分布于整个频谱，这与典型的白噪声类似。不过，我们也发现，在200~300Hz的低频区域有一个不小的峰值，这给我们做出区分判断提供很有用的信息。这一峰值是玻璃破损过程中击打物撞击玻璃所最初产生的声音频率分量。撞击表现为后续高频玻璃破损声中的低频信号。这种“撞击〞或者“重击〞也可以理解为器具碰撞玻璃时所发出的声音。这种信号在时域波形中很难分辨出来，但我们确实清楚这种声音是在玻璃破损过程中先于其他声音而发生的。据此，我们可以确定地列出玻璃破损信号的局部有关因素：包括大量高频分量，即包含大量跨零和峰值。包含击打物碰撞玻璃所产生的200~300Hz低频分量，出现在玻璃破损声音的起始阶段。系统组件图3显示了破损玻璃检测器的典型系统方框图。图3：破损玻璃检测器的系统方框图上面列出了执行具体行动的关键块。GBD必须始终保持开启状态，而且应该能够实时处理任何声音活动。不过，GBD的*些块可在非工作状态下关闭或进入低功耗模式。我们将在后续局部对此加以分别说明。扩音器负责捕获声音，而增益放大器与抗混淆滤波器(AAF)则负责信号放大及高频分量过滤。AAF旨在屏蔽超过20kHz可听*围以外的音频，并防止在模拟信号数字化过程中违反奈奎斯特准则(Nyquistcriterion)。虚线内的块可理解为处理器的一局部。处理器可以是ASIC、MCU或数字信号处理器(DSP)。模数转换器(ADC)将模拟信号转变为数字信号，以便在数字域中进展处理。采样频率()可根据信号的频率分量来选择。由于采用了20kHz的AAF，因此采样率必须大于或等于40kHz，这样才能保存原始内容，确保信号的完整性。信号分析块包含检测／区分玻璃破损声所需的整个信号处理机制。完成之后，决策块将激活LED或蜂鸣器等指示器，报告玻璃破损情况。在以下各节中，我们将全面讨论各块的具体规*。硬件设计规*在本节中我们将讨论高稳健性GBD解决方案的硬件设计规*。在深入讨论相关要求之前，需要说明的重要一点是，大多数GBD都采用电池供电，因此为了确保足够长的电池使用寿命，设计方案必须注重低功耗。板上所有硬件组件的选择都要围绕实现低功耗这一设计目标而展开。如图3所示，整条模拟信号链从扩音器开场，到ADC完毕。扩音器的选择至关重要，其性能将关系到所有GBD算法的成败。扩音器还应能够捕获并保存撞击等关键音频分量以及其它高频分量，这些频率分量将在GBD算法中频繁使用。扩音器大多数时间需处于开启状态以捕获各种声音活动，因此必须确保低功耗，以降低整体系统的电流消耗。增益放大器通常是以高于单位增益的反相模式或非反相模式配置的运算放大器(OA)。OA旨在为扩音器捕获的声音〔大小通常为数十毫伏〕提供足够增益。OA和扩音器一样，也要始终保持开启状态，而且必须具有较小的开启电流。AAF也是OA，在模拟域进展过滤，通常也是一个简单的一阶或二阶单位增益低通滤波器(LPF)。整个设计中最重大的决策是如何选择信号处理器。如前所述，ASIC、MCU或DSP可用于本应用。不过，每种选项都有其优势和缺乏，我们应根据最有益于本应用的相关因素进展选择。大多数破损玻璃检测器与烟雾检测器类似，都安装在家庭或办公环境中可确保平安的位置。不过，基于以下两种原因，它们都要采用电池供电：1.可安装在任何地方，而不必考虑电源插座问题，而且2.在电源断电情况下仍能确保实现全部功能。选择的处理器必须具备低功耗、可编程、简便易用、价格低廉等优异特性，而且在实时运行时可提供出色的处理能力。MCU是所有可选方案中的最正确选择，可满足上述所有要求。此外，局部MCU还集成了模拟外设，这将进一步降低整体系统本钱。软件设计规*扩音器的模拟信号由剪切频率为20kHz的AAF过滤。为了对该信号进展数字化，采样率必须大于40kHz，也即ADC必须能够支持它。在实时运行状态下，所需的处理工作需在连续采样间隙完成。例如，如果最高CPU频率为12MHz，则连续采样之间的CPU周期数仅为300次，这对信号处理而言是极为缺乏的。为了增加CPU周期，我们可选用支持更高CPU时钟的处理器；但是，这样做的代价是提高了功耗，进而缩短了电池使用寿命。因此，必须平衡算法复杂性和电池使用寿命。本节将探讨用于检测玻璃破损的实际算法。从图1和图2中可以看出，玻璃破损声音包含大量高频分量、跨零和峰值，以及低频撞击信号。重击或撞击发生在玻璃破损声音的起始阶段。必须注意的是，重击／撞击信号可能源于多种声音，比方木门或柜橱的关闭、物品掉落地上、快速击掌、锁门等。不过，这些声音都不存在一般玻璃破损信号中包含的高频分量。同样，咖啡磨豆机、音乐、电视上的摩托车比赛、酒杯落地破损等发出的声音尽管存在高频分量，但却没有重击／撞击分量。下述GBD算法将探究这两种分量及时独立出现在频谱两侧的事实。算法图4显示的是算法的高级软件流程图。该软件分为三大块，按时间发生顺序分别为活动检测、撞击检测和玻璃破损。扩音器和OA1每隔2.5毫秒开启一次，检查有无声音活动。如果没有显著的活动，它们就关闭，MCU随即进入低功耗状态。如果出现显著活动，则软件启动撞击检测，其中ADC翻开，并随后进展信号处理，检查撞击分量。只有在确实出现撞击事件，算法才启动实际的玻璃破损检测，否则算法将返回活动检测状态。如果成功检测到玻璃破损，则将激活板上LED／蜂鸣器发出事件警报。GBD随后将返回到活动检测状态。图4：高级软件流程活动检测仅通过比拟ADC输入值与零点两侧的预设阈值来从噪声中区别出真正的破损信号。如前所述，撞击是接近300Hz的低频分量。既然撞击分量仅出现在玻璃撞破损的初始阶段，则只需过滤最初传送进来的少数几个信号样本即可。该过滤工作由剪切频率为350Hz的数字低通滤波器(LPF)来完成。先将过滤后的样本累加、取平均值，然后再与预设的能量阈值进展比拟。如果能量超过预设阈值，则启动撞击分量和玻璃破损检测算法。为了在不影响其工作效率的前提下缩小数字LPF的尺寸，针对初始样本的采样频率非常低，仅保持在4kHz。不过，该局部算法采用剪切频率为2kHz的AAF〔而非剪切频率为20kHz的常规AAF〕。玻璃破损检测算法比撞击检测更复杂，分为两局部：信号分析1(SA1)和信号分析2(SA2)。SA1是处理的第一阶段，一旦检测到撞击就会对每个样本进展分析。在SA1阶段选用的是20kHz的AAF，ADC采样频率骤然提升至40kHz。SA1阶段将执行信号平均、跨零检测和峰值检测，耗时60毫秒，完成了约2,400个样本分析。SA1完成后，即启动SA2完成整个信号分析过程。图5显示的是SA1期间的信号表示图，而图6显示的是实际的软件流程。图5：信号分析1的信号表示图图6：信号分析1的软件流程传送进来的信号样本p(n)在首先通过简单的移动平均滤波器降低噪声后得到s(n)。p(n)的信号整合只使用正样本进展，以便计算出SA2阶段将使用的信号能量integ_total。s(n)包括峰值和跨零数量。可以使用剪切频率为的高通滤波器(HPF)提取传送进来的信号的高频分量，每个p(n)样本都要经过此类过滤。同时，只有过滤输出的正样本才能累加到结果integ_HPF_total中，该结果将用于SA2阶段。每个样本都要经过完整的SA1阶段，而且为了确保实时运行，必须在下一个样本p(n+1)到达前完成，即全部可用的CPU周期数仅为CPU频率／40kHz。过滤通常是一个耗时的过程。为提高效率，我们在撞击检测中使用的LPF以及SA1阶段使用的HPF中均要采用点阵波数字滤波器(LWDF)[1]，并使用霍纳(Horner)算法[2]。待SA1阶段的数据处理完〔耗时60毫秒〕后，算法即进入处理的第二个阶段SA2。SA2无需实时运行，图7给出了该阶段的运行流程。此外，SA2完成时将确定是否真的发生了玻璃破碎事件。图7：信号分析2的软件流程计算总信号能量与高通过滤信号能量之比，并将其与阈值加以比拟。结果显示众多玻璃破损声音的比值都介于1.75~14之间。同样，还要检查峰值数量是否介于160~320之间，跨零数量是否介于95~300之间。只有满足以上三个条件，才能确定发生了玻璃破损事件。上述三个条件中只要有一项不符合要求，玻璃破损检测器就会重启并返回活动检测状态。这些阈值与*围将需要根据房间声音质量、GBD位置以及环境噪声等加以微调。MCU的实施**仪器(TI)MSP430™MCU平台系列产品包括各种各样的器件。MSP430F2274是一款低功耗MSP430平台2**系列中的16位MCU[3]。该MCU的运行频率高达16MHz，其内部极低功耗的低频振荡器(VLO)可在室温环境下以12kHz的频率运行。此外，它还具备两个16位定时器和一个转换速率高达200kHz的集成型10位模数转换器(ADC10)。该AC10通过配置能够与片上运算放大器〔OA0和OA1〕协同工作，满足模拟信号的调节需求。该产品在待机模式(LPM3)下的流耗为0.7μA，工作模式下的流耗为250μA，是电池供电应用的最正确选择。图8显示了使用MSP430F2274及其集成型外设的系统级方框图。由于扩音器具有20Hz至20kHz的通频带，MSP430F2274只有两个集成型OA，因此我们可以在实施中除去20kHz的AAF。尽管此举明显违背了采样理论，但实践证明这对结果无任何影响。不过，如果另一个OA可用的话，设置中仍可包含20kHzAAF。图8：采用MSP430的GBD系统方框图SP430F2274具有两个可软件配置的运算放大器，分别标记为OA0与OA1。OA0用作增益为7的反相放大器来放大扩音器的输出。OA1可通过使用Sallen-Key架构配置为二阶Butterworth类型的单位增益低通滤波器[5]。该滤波器在2kHz频率下的截止频率为3dB。OA1与OA2的输出分别与A1和A13通道实现了内部互连。电流消耗整个GBD的电流消耗取决于其工作与外设的开启／关闭期间所选择的低功耗模式。图9、图10与图11给出了MSP43三种工作模式下的电流消耗分布情况。图9：活动检测状态下的电流消耗分布情况图9显示了活动检测状态下的电流消耗分布情况。器件每2.5ms唤醒一次，检查活动情况并进入20μs工作模式(AM1)，其间CPU时钟频率设为12MHz。如果没有检测到外部扩音器活动，器件将返回待机模式或低功耗模式3(LPM3)。定期从待机模式唤醒是通过使用在室温条件下时钟频率设为约12kHz的片上定时器实现的。图10：撞击检测状态下的电流消耗分布情况图10显示的是在外部扩音器上检测到明显活动且算法启动撞击检测时的电流消耗分布情况。器件进入18μs的AM1，随即配置工作在撞击检测模式下。现在，CPU运行频率为8MHz，且器件进入工作模式(AM2)。在该模式下，ADC的采样速率配置为4kHz。在32ms的时间内对所有样本进展信号分析