[发明专利]一种密闭空间的智能噪音传感器及异常声音检测与定位方法

权利要求书

1.一种密闭空间的智能噪音传感器，其特征在于，包括：采集模块、主处理模块及接口模块；

所述采集模块用于完成声音数据的采集，包括依次连接的传感器阵列和通道阵列采集；所述主处理模块用于完成异常声音的检测与定位功能，并具备异常声音定位可视化功能；所述接口模块用于完成外部电源输入的适配，以及与外部进行通信的功能。

2.根据权利要求1所述的智能噪音传感器，其特征在于，所述主处理模块内部基于FPGA实现电路设计，并配置相机模组，进行视频图像显示，用于异常声音定位结果的可视化。

3.根据权利要求2所述的智能噪音传感器，其特征在于，所述接口模块采用两种外部接口，一种是标准的POE接口，另一个是以太网+DC24V供电接口，两个接口互为备用。

4.根据权利要求1至3任一项所述的智能噪音传感器，其特征在于，所述智能噪音传感器外观主体结构分为前面板与主机壳，整体密封腔体与外界接触的部分有前面板和主机壳连接处、摄像头玻璃与前面板连接处、噪音传感器阵列开孔处、主机壳和连接器连接处，摄像头玻璃采用灌胶密封处理，前面板和主机壳连接螺钉孔处在装配完成后适当点胶密封，密封条选用导电型环形结构，用户连接器采用螺钉安装紧固使接插件和结构件充分接触，内部灌胶密封，避免电磁泄漏。

5.根据权利要求4所述的智能噪音传感器，其特征在于，所述传感器阵列基于多臂对数螺旋阵的设计原则，设计了多通道传感器阵列阵型，该多臂对数螺旋阵设计中需要考虑的参数有最内环半径r₁，最外环半径r₂，螺旋角v，臂数m，各臂上的阵元数，即环数n，以及阵元分布策略，每条对数螺旋臂的曲线为：r(θ)＝r₁exp[cot(v)θ]，θ表示极化角度，单位rad，cot(*)为余切函数。

6.一种基于权利要求1至5任一项所述的密闭空间的智能噪音传感器的异常声音的检测与定位方法，其特征在于，包括：

对采集的传感器阵列数据进行声音信号降噪滤波；

采用高分辨率和低分辨率功率谱匹配度估计的异常声音检测方法对降噪滤波后的数据进行异常声音检测；

若存在异常声音，则同步进行视频信号采集、异常声音识别及异常声音定位；

将异常声音识别结果、异常声音定位结果及视频信号进行融合后，将融合结果进行可视化展示。

7.根据权利要求6所述的方法，其特征在于，采用高分辨率和低分辨率功率谱匹配度估计的异常声音检测方法对降噪滤波后的数据进行异常声音检测，包括：

利用高分辨率谱对降噪滤波后的数据线谱进行初步检测，然后将初步检测后的信号用多个低分辨率谱进行校验来降低高分辨率谱的虚警率，并抽取出一组最有效和最具有代表性的特征，然后将抽取的特征向量从特征空间映射到目标类型空间，从而检测目标。

8.根据权利要求7所述的方法，其特征在于，异常声音识别包括：

基于采集的环境噪音和异常声音搭建样本数据库，并利用并行结合CNN和LSTM的复合深度神经网络模型从噪声信号短时谱图中自动进行特征提取和分类识别，优化信号的局部时频信息和时序相关信息的表征，以提高异常噪音信号连续识别的鲁棒性和正确率。

9.根据权利要求8所述的方法，其特征在于，复合深度神经网络模型包括CNN、LSTM、特征融合层、全连接层和Softmax层，其中，将异常声音信号分别输入CNN和LSTM中，CNN和LSTM得到的结果通过特征融合层融合后进入全连接层，然后经由Softmax层输出。

10.根据权利要求9所述的方法，其特征在于，异常声音定位，包括：

利用传感器阵列采集目标的辐射噪音，对目标所在区域划分网格后采用球面波假设对各网格点进行数据处理，进而获得目标各部位的噪音源强度与频谱特征。