工业现场强噪声环境下目标声音片段的提取

第30卷第8期仪器仪表学报V ol.30 No. 8 2009年8月 Chinese Journal of Scientific Instrument Aug. 2009 工业现场强噪声环境下目标声音片段的提取

叶树亮,厉霞,侯德鑫,傅琳,王晓娜

(中国计量学院计量测试工程学院杭州310018)

摘 要:音频法作为一种低成本无损检测手段应用于工业在线检测时,工业现场的强噪声给目标声音信号的特征提取带来极大困难。给出一种强噪声环境下的目标声音提取方法,该方法设计了自屏蔽式声音采集装置;在分析现场实测音频信号成分基础上,提出通过机电结合方法的声音激励初次预测技术;运用短时傅里叶变换的目标声音时频域二次精确定位算法,实现了工业现场强噪声环境下目标声音片段的精确提取。实验结果表明:在2 m范围内自屏蔽声音采集装置可将噪声源声强降低20 dB上;声音片段提取的时间精度优于10 ms。

关键词:强噪声;目标声音;自屏蔽;时频域

中图分类号:TH73文献标识码:A国家标准学科分类代码:510.8040

Method for impact sound extraction in industrial noisy environment

Ye Shuliang, Li Xia, Hou Dexin, Fu Lin, Wang Xiaona

(College of Metrological Technology & Engineering, China Jiliang Univ., Hangzhou 310018, China)

Abstract:While sonic detection is used in industrial on-line detection as a non-destructive, low-cost method, the high-level noise in working place makes the target-sound feature extraction very difficult. A novel method for tar-get-sound extraction in noisy environment is presented in the paper, which designs a sonic acquisition device with self-shielding, puts forth the first prediction technique of sonic stimulation based on the sound signal component analysis in actual measurement and the second location algorithm that transforms signal from time domain to time and frequency domain via fast Fourier transform (FFT) to realize accurate extraction of target-sound signal in in-dustrial noisy environment. Experiments show that the interference of noise source can be lowered by 20 dB or more and the accuracy of extraction time is better than 10 ms.

Key words:high power noise; target sound; self-shielding; time and frequency domain

1引 言

音频检测是根据工件振动时的音频特征来对其内部质量进行预测,相对X射线、超声等无损检测方法,具有成本低、操作方便等特点[1]。其作为一种定性检测方法被广泛用于工件或其他产品合格与否的判定,如汽车凸轮轴石墨球化率的检测[2]、弹体药室粉剂密度检测[3]、禽蛋外壳裂纹检测与分类等[4-5]。音频检测法通常包括预处理、区域分割、特征提取及模式识别等4个典型环节。在预处理环节,由于工业现场各种设备运行时发出的噪声能量强且特征不确定,使得有效声音片段提取存在较大困难[3-6]。在区域分割环节,传统音频检测方法目标参数一般为共振频率和衰减率。共振频率只包含声音在频率轴上的能量分布规律;衰减率只包含声音在时间轴上的能量变化规律。虽然具有较高的频率或时间分辨力,但无法描述完整声音特征[7-8]。

本文在给出一种自屏蔽式声音采集结构及现场实测声音片段特征分析基础上,针对小型工件撞击声的持续时间短、瞬时能量强及频率高等特点,提出一种通过电子接近开关的初步预测技术;然后对初步预测截取的声音片段进行短时傅里叶变换,在时、频域内对目标声音片段进行二次精确定位。实现了强噪声环境下小型工件特征声音片段的提取,为后续模式识别环节提供精确的原始信息。

收稿日期:2009-05Received Date:2009-05

第8期叶树亮等:工业现场强噪声环境下目标声音片段的提取 1631

2自屏蔽式声音采集装置及目标声音特征

传统工业现场声音检测装置常采用被检对象与声音拾取单元同时处于隔音空间内的检测模式,存在效率低、隔音装置复杂及成本高等特点。本文提出一种自屏蔽式激振拾音一体装置,由激振板、噪声屏蔽壳、声音采集单元及机械安装单元等4部分组成,其结构如图1所示。

1导音孔;2被测工件;3激振板;4麦克风;5屏蔽罩

图1自屏蔽式拾音装置

Fig.1 Self-shielding sound extraction device 该结构只屏蔽声音拾取单元,仅在工件撞击激振板发声的同时将其上导音孔盖住实现声音拾取空间的全封闭,有效隔离工业现场噪声。工件与激振板撞击产生激励声源通过导音孔传播至声音拾取单元,工件撞击的目标声音在屏蔽腔内形成共振使信噪比进一步提高。

采用上述音频采集装置在生产现场采集的声音片段如图2所示,将片段中的声音按来源分为3类:1)激振机构的振动声,这类声音特征已知且可控;2)不感兴趣的环境噪声且特征未知;3)待检工件被激励后发出的目标声音。

工业现场强噪声环境下目标声音片段的提取

图2现场原始音频信号归一化波形

Fig.2 Normalized raw sonic signal in workshop 本文以常见的外径57 mm、内孔23 mm、高12 mm 微波磁环为研究对象,与激振机构撞击后的时域归一化波形及功率谱分别如图3和图4所示。在时域上该声音为一列快速衰减的冲击性脉冲且持续时间为20~50 ms;在频域上其低频段成分比较复杂,高频段存在一个明显的窄峰,峰值为工件的共振频率且位于16~17.5 kHz的频段内。因激振板材料的物理特性与被检测工件接近,为避免其影响有效声音片段的特征提取和模式分类,在设计时使其共振频率偏离被检对象共振频率所在频段,如本研究中为14 kHz以下。

图3工件撞击声时域归一化波形

Fig.3 Normalized waveform of work-piece impact sound

工业现场强噪声环境下目标声音片段的提取

图4工件撞击声功率谱

Fig.4 Spectrum of work-piece impact sound

3 目标声音采集预测技术及实现

在一个典型的模式识别系统中,区域分割的主要作用是减小后续处理的数据量[9]。在音频检测应用中由于模式分类过程一般基于频谱分析,因此整个时间段的信号都同样作用于检测结果,目标片段的区域分割同时能起到提高信噪比的作用。

本文设目标声音信号为()

s t,其对应的能量集中在[]

12

,t t时间段,如式(1)所示:

()

()[]

[]

112

12

,,

0,,

s t t t t

s t

t t t

?∈

?

=?

?

??

(1)

设噪声信号()

n t按时间段分为具有相同频谱特征的

两个信号()

1

n t、()

2

n t分别如式(2)、(3)所示:

()

()[]

[]

12

1

12

,,

0,,

n t t t t

n t

t t t

?∈

?

=?

?

?

工业现场强噪声环境下目标声音片段的提取

?

(2)

1632 仪 器 仪 表 学 报 第30卷

()[]()[]122120,

,,,t t t n t n t t t t ?∈?=???? (3)

设λ为两个时间段的比例系数,则二者在能量上的关系如式(4)所示: ()()121d d n t t n t t λ

=?∫

∫ (4) 对以上各式进行傅里叶变换后得到任意包含目标声音片段时段的信噪比0SNR 如式(5)所示:

()()()()()

1012S f S f SNR N f N f N f =

=

+ (5)

而仅对[]12,t t 时段进行频谱分析时信噪比为:

()()

()11011S f SNR SNR N f λ=

≈+? (6)

通过以上分析可知,如果尽量缩短特征片段外的音频采样数据可有效降低环境噪声对目标提取的影响。实际应用中λ取值一般能达到10左右,因此准确的区域分割能提高信噪比近20 dB。

应用接近开关的撞击声初步预测实现方法:由于音频检测设备中被检工件沿着特定轨迹运动,将电子接近开关安装在工件与激振机构发生撞击位置的前方,当工件运动到接近开关位置时产生触发信号,采集单元根据该信号预

测撞击的准确时刻,进而提取出相应时间段内的声音信号。

4 时频域内目标片断的二次精确定位

使用接近开关进行初步预测后提取的目标声片段中仍包含较多无效声音,需使用更精确的分割算法予以剔

除。由上述声音特征分析可知被检工件及激振机构的振动在高频段都存在一个独立的反应声源特征的较强峰值。因此可同时从时、频域对音频数据进行分析,若某时刻在目标频段出现具有一定幅值的窄峰,即为目标声音片段。

本文提出一种基于短时傅里叶变换(STFT )的时频域分析二次目标片段的精确定位方法,通过分析声音频谱特征随时间的变化规律判断声源变化,从而再次精确定位撞击声发生时刻。假定音频信号在分析窗的短时间隔内是平稳的,将音频信号()z t 乘以时窗函数()t η,通过时窗函数在时间轴上的滑动使音频信号逐段被分析,从而得到声音在各时间点的频谱估计,STFT 如式(7)所示:

*j2π'(,)(')(')e d 'ft z STFT t f z t t t t η∞

??∞

=?∫ (7)

式中:*代表复数共轭。

为使音频信号能够由STFT 完全重构,窗函数需满足式(8)所列重构条件:

*()()d 1t g t t η∞

?∞

=∫

(8)

式中:()g t 代表重构函数。

本文所选汉明窗函数如式(9)所示:

()0.540.46cos 2π1k k N η?

?=?????? (9)

式中:N 为窗函数长度,k 为1到N 的整数。

对图1中音频数据进行短时傅里叶变换的结果如图5所示。由该图可见:在400~900 ms 时间段出现较强的高频成分,频谱图中明显的波峰点对应工件撞击发生时刻;在250 ms 和300 ms 时间点上也出现一定强度的高频成分,但在16~17.5 kHz 之间的频率成分并不明显强于其他频段,表明该时间点上的声音为环境噪声或激振机构的振动声。

工业现场强噪声环境下目标声音片段的提取

图5 音频信号的时频分析结果

Fig.5 Joint time frequency analysis result of the sonic signal

5 降噪及声音提取实验

为验证自屏蔽隔音装置的效能及噪声背景下目标声音片段提取的准确程度分别进行拾音装置降噪参数及声音提取比对实验。

以工业用砂轮磨机为噪声源,距声音采集单元直线距离2 m 。

P 1为麦克风正对声源采集的声压值,P 2为麦克风置于全封闭装置中采集的声压值。用同一采集电路且声源与两麦克风保持相同直线距离,记录5次数据。设降噪系数为NRC =20×log(P 1

/P 2),实验结果见表1。实验数据表

第8期叶树亮等:工业现场强噪声环境下目标声音片段的提取 1633

明自屏蔽装置可将环境噪声降低20 dB或以上。

表1自屏蔽拾音装置降噪系数

Table 1 NRC of self-shielding device

实验次数

1 2 3 4 5

P1 0.531 0.231

0.467

0.274

0.393

P2 0.038 0.021

0.040

0.024

0.035 NRC/dB 22.78 20.82 21.34 21.15 22.45 在音频检测仪上安装一个透射式光电探测器用于检

测被检工件与激振板的撞击时刻,当被检工件与激振板发

生接触时光电探测器的检测光被阻隔,其时间探测精度为

1 ms,电机驱动待检工件以每秒两次的速度与激振机构发

生撞击,记录设备捕捉到的撞击声片段。实验数据表明:

运用接近开关初次预测法提取的目标声音片段精度优于

50 ms;在引入时频分析的二次精确定位后目标声音提取

精度得到较大提高,优于10 ms。

6 结 论

本文提出一种强噪声环境下对音频数据准确进行区

域分割的新方法,该方法涉及一种新的自屏蔽式现场音频

采集结构,体积小且易于实现,噪音屏蔽效果良好且适用

于多种噪声特征的工业现场;运用触发单元的声音初步预

测及短时傅里叶变换的时频域二次精确定位算法实现目

标声音片段的精确提取。针对磁环内部裂纹缺陷的现场检

测表明,在118 dB的噪声环境下检测设备工作正常且不

合格工件漏检率低于0.1%。

参考文献

[1] BAI F M. Technology and instrument of sonic measure-

ment[M]. Beijing: National Defense Industry Press, 2006:

1-9.

[2] XU X F, HU X D, CHEN L Y, et al. Acoustic resonant

non-destructive testing system for CA488 light-vehicle

camshaft[J]. Journal of Xi’an Jiaotong University, 2000,

34(11):104-110.

[3] BAI F M, MA L, PAN Y X, et al. A sonic testing instru-

ment for bomb chamber volume[J]. Acta Armamentar,

1999,20(1):19-23.

[4] LIU J Y, TIAN M SH, WANG Q H, et al. Design on test-

ing and grading device of cracked egg based on DSP[J].

Transactions of the Chinese Society for Agricultural Ma-

chinery, 2007,38(12):125-128. [5] JIANG R SH, WANG J, LU Q J, et al. Egg shell crack

detect ion by frequency analysis is of dynamic reso-

nance[J]. Transactions of the Chinese Society for Agricul-

tural Machinery, 2005,36(3):75-78.

[6] QIAN H M,WANG W C,RONG Y J. Acoustic feature

extraction and identification for jet aircraft[J] Journal of

Detection & Control, 2003,25(3):1-4.

[7] 曹茂永,王霞,郁道银. 高噪声背景下超声信号数字处理

技术研究[J].仪器仪表学报,2002,23(2):200-202.

CAO M Y,WANG X,YU D Y. Research on digital proc-

essing technology of ultrasonic signal in high-noise back-ground[J]. Chinese Journal of Scientific Instrument,

2002,23(2):200-202.

[8] 廖传军,罗晓莉,李学军. 小波包在声发射信号特征提取

中的应用[J]. 电子测量与仪器学报,2008,22(4):79-85.

LIAO CH J,LUO X L,LI X J. Application of wavelet

packet in feature extraction of acoustic emission signal[J].

Journal of electronic measurement and instrument, 2008,22(4):79-85.

[9] THEODORIDIS S, KOUTROUMBAS K. Pattern recog-

nition[M]. Beijing: China Machine Press, 2006:4-8.

作者简介

叶树亮,1999年于东北林业大学获工

学硕士学位,2005年于哈尔滨工业大学获

工学博士学位,现为中国计量学院精密仪器

专业副教授,主要研究方向为新型传感技术

及仪器信号处理。

E-mail: yeshuliang@http://m.wendangku.net/doc/e322e349c850ad02de804182.html

Ye Shuliang got MSc in 1999 from North-east Forestry University and PhD in 2005 from Harbin Institute of Technology. And now he is an associate professor in China Jiliang University. His main research field is novel transducer technology and signal processing.

厉霞,2007年于中国计量学院获得学

士学位,现为中国计量学院在读硕士研究生,

主要研究方向为精密仪器及测控技术。

E-mail: ghostli_1@http://m.wendangku.net/doc/e322e349c850ad02de804182.html

Li Xia got BSc in 2007 from China Jiliang

University. She is working for MSc in meas-urement technology & instrumentation in China Jiliang Univer-

工业现场强噪声环境下目标声音片段的提取

工业现场强噪声环境下目标声音片段的提取

sity.

相关推荐
相关主题
热门推荐