噪聲監測中前景噪聲與背景噪聲分離方法的研究

王　沁，張 鑫，田軍委，趙　鵬，王　瑞

（西安工業大學機電工程學院，陜西西安，710021）

噪聲監測中前景噪聲與背景噪聲分離方法的研究

王沁，張 鑫，田軍委，趙鵬，王瑞

（西安工業大學機電工程學院，陜西西安，710021）

為了能夠有效的區分前景噪聲和背景噪聲，本文搭建了一種噪聲采集的系統，采用數字噪音計VC824B為噪聲采集傳感器，單片機作為初級處理端并將噪聲數據傳輸給ARM主控板，再通過通訊板傳輸給上位機主機。本文提出了在總體噪聲的數據中用聲強法進行噪聲分離。經過實驗驗證了該方法的可行性，同時為以后提供大規模的噪聲采集提供了合理的硬件平臺和分析方法。

噪聲采集；前景噪聲；背景噪聲；噪聲分離

城市環境噪音平均值已經超過了70dB，還有來源于工業生產噪聲和建筑施工噪聲。它們給人們身體和生活都帶來極大的危害。噪聲又分為前景噪聲和背景噪聲，背景噪聲反映噪聲的總體情況，一般不太容易改變，前景噪聲是在環境背景噪聲下的一些突出噪聲源，這是噪聲治理的重點。要準確檢測出前景噪聲需要把背景噪音進行分離，對于背景分離方法，根據所處的噪聲環境的不同而不同。比較常用的方法有：

（1）區域網格測量法

將監測區域劃分成等面積大小的正方格，網格要覆蓋整個監測區域。有效網格總數應多于100個。測點應布在每一網格的中心。然后根據各個測量點與平均值得差值分級后用不同顏色來評定。

（2）L90法

累積百分聲級中 L90代替背景值。L90指在測量時間內有90%的時間 A 聲級超過的值，相當于噪聲的平均本底值。

（3）聲強分析法

在測試環境中，當兩種或者以上的噪聲相遇時會出現噪聲的聲強疊加，使聲強變大。如果聲強是非平穩總趨勢遞增變化的，那此噪聲應為所測環境的前景噪聲。

本文通過設計噪聲采集電路、噪聲數據處理等完成噪聲的采集與數據傳輸，采用聲強法對來評定環境中的噪音，最后通過模擬實驗驗證了該方法。

1　噪聲檢測硬件平臺設計

系統結構框圖如圖1所示，本系統的噪聲采集采用的是數字噪音計VC824B，噪聲計模擬信號輸出接口與采集板中單片機連接，采集板將采集到的噪聲數據進行初級處理，按照模擬數據量0.01mV對應轉換為1dB的數字量進行A/D轉換。噪聲采集板原理圖如圖2所示。采集板將數據通過單片機的P0.4引腳傳輸給ARM主控板，然后通過通訊板發送給上位機主機。

圖1　系統結構框圖

ARM主控板采用的是STM32所構成的最小系統。通過485和通訊板進行數據傳輸，通訊板通過網口與上位主機進行通訊。此外，噪聲采集板和ARM主控板采用+12VDC的方式供電，利用可調穩壓器AMS1117芯片將+12V降壓至+9V為噪聲傳感器供電，再利用DC/DC降壓變換器將+12V降壓至+3.3V為ARM板和噪聲采集板供電。這樣就搭建起了噪聲檢測的硬件平臺。

2　前景噪聲和背景噪聲的分離方法

本文所說論述的區分前景噪聲和背景噪聲的方法是基于聲學原理中聲強的分析法而來的。本文中區分的背景噪聲并非待測噪聲源未發聲時的本底噪聲。由于本文使用的數字噪聲計測量的就是環境噪聲中的總噪聲，并且從總噪聲中分離出前景噪聲和背景噪聲。于是，使用聲強分析法，將總噪聲的平均值視為背景噪聲，而將使得聲強變大或者超過背景噪聲的噪聲視為前景噪聲。

對前景噪聲和背景噪聲分離的步驟如下：

（1）在一段時間內，通過噪聲計采集n個數據；

（2）算出這n個數據的平均值average；

（3）將每個數據與平均值作差得到新的n個數據；

（4）判斷新的n個數據每一個數值的正負；

（5）若為正數，則此數據對應的所測噪聲值為前景噪聲；若為負數，則此數據對應的所測噪聲值為背景噪聲。

3　軟件設計

本系統的噪聲數據是先通過噪聲傳感器采集環境中的噪聲，再將噪聲傳感器的模擬量噪聲數據傳輸至C8051F350芯片進行模數轉換，噪聲計將采集的數據按照0.01mV對應1dB進行A/D轉換，在由電位器調節其增益系數進行校正。之后將數字量噪聲數據傳輸至STM32F103RCT6芯片，進行識別和存儲，等待數據進一步應用。

本文的噪聲數據處理軟件設計，主要涉及的是STM32F103RCT6芯片對噪聲數據的接收、識別、緩存和發送。具體的過程是：噪聲數據來自噪聲采集板，通過ARM板的UART4_IRQHandler（）函數進入接收中斷，利用UART4_ fun（）函數進行數據的接收，再通過switchoutput（）函數進行數據的識別，獲得噪聲數據緩存至Sensor_ZS數組中，進一步進行數據類型的轉換和校驗，最后將噪聲數據發送至串口轉網口模塊和LCD上。噪聲數據處理軟件設計流程圖如圖3所示。

圖3　噪聲數據處理軟件設計流程圖

4　實驗與分析

我們選擇室內環境進行測量，并且提前使用聲級校準器校準。測量條件是每隔10秒測量一次數據，并記錄數據。在此期間，我們會人為的制造噪聲來檢測此方法的可行性。測量數據共100個，我們得到對應的測量值和平均值的曲線對比圖，如圖5所示。其中每一個小黑點代表一次測量的噪聲值，100個樣本數據測量完成后計算得平均值為74.05分貝。

5　結論

本論文的方法是測量總噪聲，然后從總噪聲中分離出前景噪聲和背景噪聲從模擬分析的結果看，本論文論述的方法可以有效的從總噪聲中分離出背景噪聲和前景噪聲，或者可以讓我們更方便的判定穩定變化噪聲和非穩定變化噪聲，從而可以判斷噪聲中的主要噪聲來源，為今后的環境噪聲在線自動監測提供一種可靠的參考方法。

［1］ 李燊.淺析當前噪聲污染情況及環境噪聲監測問題、對策［J］.科技創新導報.2014（29）：122.

［2］ 鄧娟華.噪聲監測中背景值問題的探討［J］.環境與生活，2014（75）： 63-64.

［3］ 王以笑.智能環境噪聲監測終端的研究［D］.天津：天津大學，2012：1-2.

Study on the method of foreground noise and background noise separation in noise monitoring

Wang Qin，Zhang Xin，Tian Junwei，Zhao Peng，Wang Rui
（School of mechanical and electrical engineering，Xi'an Technological University，Xi'an，Shaanxi，710021）

In order to distinguish the foreground and background noises effectively，this paper builds the a noise data acquisition system，using digital noise meter VC824B noise acquisition sensor，microcontroller as the end of the primary treatment and the noise data transmission to the arm main control board，and then transmitted through the communication board to PC host.In this paper，we put forward a method to separate the noise from the data of the total noise.Experimental results show that the method is feasible，and it provides a reasonable hardware platform and analysis method for large scale noise collection.

Noise Acquisition；foreground noise；background noise；noise separation

中圖號：TP206A

王沁（1981-），男，西安工業大學講師，主要研究方向：機電產品開發

圖2噪聲采集板原理圖

西安市未央區科技計劃項目（201611）；大學生創新創業項目（201610702081）