声信号处理

声信号处理（精选十篇）

声信号处理篇1

声发射是无损检测中十分重要的一种方式。从上个世纪50年代开始有已经有专家学者投入到该方面的研究中。特别是进入到20世纪后, 声发射技术已经比常规的超声无损检测方法具有明显优势。但是从目前的研究现状而言, 声发射检测还不能直接检测到从声发射源发出的原始声发射信号, 因此对传感器接收到的声发射信号进行处理与分析具有重要意义。

2 声发射信号处理技术研究

2.1 声发射信号常规处理技术

(1) 特征参数法。特征参数法又分为常规特征参数与新型特征参数。常规特征参数属于分析声发射信号最广泛时间最长的一种方法, 该方式能够定义声发射信号的幅度、上升时间、持续时间、能量等等。新型特征参数能够对某个具体领域的声发射信号进行更加深入的分析[1]。这种方法虽然从一定程度上实现了声发射技术的发展, 但是也存在明显不足, 评价机制难以确定等问题仍然未得到解决。

(2) 波形分析技术。早期的波形分析技术采用的是傅立叶变换实现声发射信号时域转换为频域, 研究声发射信号特征的过程。但是早期的声发射传感器是谐振式、高灵敏度型传感器, 虽然能够达到提取纯净声信号的作用, 但是也过滤了大量同波形有关系的信息, 导致信息分析质量不高。现代波形分析的出现是因为复合材料声发射信号分析的需要[2]。波形分析能够对声发射破坏信号进行识别与区分, 实现了更高层次的去噪能力与定位, 但是波形分析目前的发展仍然停留在实验研究阶段。

2.2 声发射信号新型处理技术

(1) 小波分析。小波分析是在傅立叶变换的基础上发展而来。傅立叶变换解释了时间函数与频谱函数的关系, 但是对频率发生的时间定位方面还存在一定缺陷, 因此将小波变化引进其中。这种小波分析与傅立叶变化结合始于上个世纪90年代。这种应用在复合材料中的研究更加深入, 从目前的研究应用分析来看, 小波分析虽然在声发射信号处理中具有一定优势, 但是小波对各种类型的声发射信号的分析仍然停留在初级研究阶段。

(2) 盲源分离与独立分量分析。盲源分离属于神经网络的一种, 其因能够实现两个语音信号的盲分离成为了许多专家学者研究的重点[3]。独立分量分析是在源信号和信号混合模型未知的情况下降多道观测信号按照统计独立的原则通过优化算法分解为若干个独立分量, 这些独立分量可以看做是源信号的近似估计。盲源分离的基本数学模型为:X (t) =AS (t) , M≥N, 其中Xi (t) , i=1, ...M代表M个观测信号, Si (t) , i=1, ...N代表N个未知的源信号。目前独立分量分析已经广泛引用于图像处理、生物医学信号处理、特征提取等领域。后有专家将独立分量分析引进声发射信号处理中。通过专家学者的多次试验证明发现独立分量分析方法能够用于多声发射源定位中。越来越多的试验证明独立分量分析应用于声发射信号分析方面有着明显优势, 具有巨大发展潜力。

(3) 分形理论。分形理论与声发射信号处理方面的结合研究是始于上个世纪90年代初, 试验结果第一次将分形维的变化与裂纹的形成对应起来。但是由于分形维的理论研究还不够完善, 因此加强其理论研究在此基础上进行分形维在声发射信号中的处理将具有实践意义。

3 声发射信号去噪处理研究

声发射信号中的噪声分为机械噪声与电磁噪声。采用的去噪方法有小波去噪、MP去噪。针对声发射信号的不同类型其去噪方法也不同。

(1) 针对声发射信号中的突发型声发射信号的去噪处理。以断铅声发射信号为例, 由于声发射波在薄板结构中传播时同时存在频散与多模态的特性, 因此在预处理的过程中必须考虑到导波的频散和多模态特性的影响。通过实验得到突发型声发射信号的指数部分代表了以相速度传播的载波, 另一部分代表了以群速度传播的调制信号。从去噪的处理结果可以发现当频率-厚度积较小时, 一阶弯曲波和一阶扩展波在波导中其主要作用[4]。相反, 当频率-厚度积较大时, 高阶弯曲波和高阶扩展波的作用与一阶弯曲波和一阶扩展波相同。

在融合的过程中需要选择小波基、分解层数、小波阈值, 分析MP算法矩阵构造的影响。考虑到小波基有很多种类, 相关文献证明Symlets8小波、Coiflets5小波、Daubechies8是符合其选择条件的。一般信号的信噪比越高, 原始信号与去噪后估计信号的均方根越小, 去噪后的信号就会越接近原始信号, 得到的去噪效果就越好。而分解层数的不同只会反映出对不同的频段上需要的细节不同。因此, 针对分解层数的选择需要根据实际情况进行分析。

小波阈值的选择比较简单, 根据实际情况选择最合适的阈值。在去噪过程中可以选择硬阈值函数或者是软阈值函数。其中软阈值函数既能够降低阈值的风险, 又保留原始信号的部分特征, 因此比较常用。MP算法的主要对象是指数型信号。

(2) 针对声发射信号中的连续型声发射信号去噪处理。本段研究中以水管泄漏声发射信号为研究对象。由于水管泄漏声发射信号模态多, 因此采用小波包进行声发射信号的预处理[5]。其基本处理流程为:根据信号S选择小波, 利用小波包进行分解, 选择熵准则计算出最佳树, 量化小波包分解系数阈值, 进行小波包重构, 最终得到重构后的信号S'。

(3) 针对声发射信号中的混合型声发射信号去噪处理。本段研究以混凝土试件加载声发射信号为研究对象。从去噪结果可以发现声发射信号特征和裂纹扩展的速度和裂纹的大小有着密切关系。在加载的初始阶段, 横向拉应变和劈裂荷载呈线性关系增长, 到稳定阶段出现非线性, 在非稳定阶段横向拉应变增加, 荷载变化不大说明试件可能出现裂纹。从以上可以发现想要处理好声发射信号关键在于区分3个阶段。针对初始阶段由于其频谱单一, 加上没有明显的指数型信号特征, 可以直接使用小波分解的方式进行处理。针对稳定阶段采用小波包处理, 针对非稳定阶段使用小波和MP算法两种结合的方式。

4 声发射信号预处理方法研究

上文简单阐述的独立分量分析, 其涉及到概率论、线性代数以及信息论等多个方面的知识。由于独立分量分析是遵循统计独立原则, 因此统计独立衡量成为独立分量分析算法的关键。目前针对独立性度量的方法在, 主要有以下几种:互信息量极小化判据、非高斯性极大判据、高阶统计量判据、极大似然判据。针对独立分量分析的优化算法, 主要思考的是采用哪种优化算法实现这个目标。换一种方法而言, 独立分量分析等同于优化判据加上优化方法。

针对独立分量分析算法的预处理, 通过对各种算法进行比较分析发现, 高阶统计量法虽然计算简单, 但是对噪声的突变值十分敏感, 导致处理效果不理想。在基于信息论的独立分量分析算法第一步进行盲源信号的预处理, 后采用各种后续独立分量分析算法[6]。两者结合考虑, 提出一种新的处理理念。首先对含有噪声的盲源信号进行分析预处理, 将原有的白化处理中使用到的主分量分析方法替换掉, 针对分析的参数估计问题采用基于期望极大化算法进行极大似然估计法的参数估计。

5 结语

总而言之, 针对声发射信号的处理需要根据其不同类型采用不同的处理方法。考虑到声发射信号频散复杂、模态多, 因此采用了独立分量分析的预处理方式, 并进行了改进。从理论意义而言对声发射信号进行研究能够有效完善其理论基础, 对推动声发射在各个领域的深度应用具有现实意义。

参考文献

[1]沈功田, 段庆儒, 周裕峰, 等.压力容器声发射信号人工神经网络模式识别方法的研究[J].无损检测, 2012, 17 (4) :132.

[2]刘武刚, 高涛, 庞宝君, 等.橡胶夹布膜片损伤声发射信号的小波识别[J].导弹与航天运载技术, 2012, 19 (6) :139-140.

[3]刘洋, 赵志洋, 王冬蕾.基于Lab VIEW的声发射信号小波阈值去噪研究[J].气象水文海洋仪器, 2013, 11 (4) :222-223.

[4]杨国安, 吴贞焕, 马斓擎, 等.基于声发射信号模糊函数综合相关系数的海洋平台各类损伤识别方法研究[J].机械工程学报, 2014, 16 (3) :174.

[5]王银玲, 李华聪.基于FPGA的声发射检测仪的设计[J].无损检测, 2015, 19 (3) :279.

声化学技术处理有机废水的研究进展篇2

声化学技术处理有机废水的研究进展

对近年来国内外兴起的.超声波降解技术作了较为全面的概述,主要针对有机废水的处理,分别就超声波工作原理、超声降解机理、超声波降解技术的研究成果及技术优化和超声降解技术的展望及今后研究方向等作了较为系统的介绍.

作者：方婷李沪萍罗康碧陈举恩李兵张光利 FANG Ting LI Hu-ping LUO Kang-bi CHEN Ju-en LI Bing ZHANG Guang-li 作者单位：昆明理工大学,生物与化学工程学院,云南,昆明,650224刊名：化工科技 ISTIC英文刊名：SCIENCE & TECHNOLOGY IN CHEMICAL INDUSTRY年，卷(期)：200614(5)分类号：X703.1关键词：超声波声化降解有机物废水处理

怎样处理歌唱中的“声”与“情” 篇3

【关键词】:歌唱声情并茂歌唱者作品

中图分类号：G4 文献标识码：A 文章编号：1003-8809（2010）05-0231-01

声乐演唱作为一种艺术表现形式，是由“声”与“情”的高度结合来体现艺术审美感情的。歌唱的本质是人们情感的表现，演唱者通过运用熟练的发声技巧，以真挚的情感、优美的声音生动地表达声乐作品的思想内容来感染观众，引起其感情共鸣。由此可见，情感是人们对于客观事物所持的态度和体验,是声乐艺术的灵魂；而歌唱则是运用人声来充分展示和体现这种思想和精神的载体。其中“情”是起主要作用的，“声”是传情的手段，也是传情的保证。脱离开“声”与“情”的内在联系，孤立强调某一方面，将很难达到理想的歌唱艺术效果。正所谓“声为情役，腔为情设”“情之所至，音之所生”。下面我就从自身近几年高中声乐特长生辅导工作中的教学经历和积累的一点经验作以下阐述，意在抛砖引玉，不到之处还望同仁予以指正。

一、声音—歌唱的载体

首先，声音是歌唱的基础。不论声音是否美妙，声音总是歌唱存在的先决条件。“情”只有建立在声音基础之上，才能够表达内容，情感依附于歌唱声音基础，通过优美的声音表现丰富的情感。可见，美好健康、富有表现力的声音形象，对唱好一首歌曲，起着至关重要的作用。高三的艺术特长生，每个人的情况各不相同，自然条件参差不齐。针对这种情况，在选择作品时，尽量做到“量体裁衣”“难易适可”，使之在力所能及的情况下人尽其才。

其次，声音是歌唱的形式。美好的声音形象，可以“先声夺人”“先入为主”，可以为我们创设良好的审美情境及氛围，可以引导我们的审美情趣，改变我们的审美习惯。试想,如果演唱者的发声方法、歌唱技巧掌握不好，基本功不扎实，对作品驾驭和控制能力不强，即使情感再真挚，也很难得到好的演唱效果。所以，只有熟练地掌握外在的歌唱技术，才有可能去完美地表现歌曲内在的情感。

所谓“皮之不存、毛将焉附”，讲的就是这个道理。

著名声乐教育家沈湘先生说过：“歌唱训练就是把嗓子这个说话的器官制造成歌唱的乐器，才能适应歌唱的需要。”“歌唱训练的过程，很大部分是‘乐器’制造的过程。”足以说明基本功训练的重要性。因此，在高三声乐课训练过程中，笔者非常重视前期声音的挖掘和训练，并在此投入大量的时间和精力，意在帮助学生获得“传情达意”的美好的有色彩的声音形象。

事实证明，这样做非常行之有效。

二、情感—歌唱的灵魂

如果说“声”是歌唱艺术的形式，具有工具的性质，有完整的技能技巧体系。“情”则是歌唱艺术的内容体现，犹如歌唱的灵魂。

在歌唱艺术中，“情是对演唱者的一个重要美学要求，是对演唱水平一个重要衡量标准。”“声无情声虽美则淡如白水，声有情声似有生动人心弦”。有“情”的歌声才具有艺术感染力，有“情”的歌声唱出来才会感人肺腑，打动人心；无“情”的歌声是空洞的、苍白无力的，“有情曲则活，无情歌则滞”就是这个道理。

在训练后期，笔者针对每个学生的性格、情趣等，选择不同的教学方法，运用不同的教学手段，充分调动学生的积极性以及参与意识，想方设法激发其内在的歌唱热情及潜质。比如：要求哪些性格比较“凉”的学生，必须通过歌曲的演唱改变自身的性格，演唱要进入到一个完全忘我的境界；而对于那些性格外向好表现的同学，则引导他们观模名家的经典演唱，尤其要注意其中的细节。尽力在自身的演唱中做到“人尽其声，声尽其情”。

三、以情带声声情并茂

唐代诗人白居易说：“乐者发于声，声者发于情”。白居易所追求的是形式与内容的完美统一，是‘声情并茂’，‘形神兼备’所带来的强大的艺术感染力。在歌唱表演中，表现乐律内蕴情致，便是重中之重。

声情并茂是我国声乐美学的基本原则之一，要想真正做到声情并茂的演唱，就必须要从歌唱的“艺术表现”这一中心环节入手。在演唱声乐作品时，演唱者要求学生要深刻理解作品的内容、主题思想、风格特点,要了解创作者的生平、作品产生的时代背景，同时要仔细阅读歌谱，分析曲式的结构，掌握好基本节奏和速度以及细微的变化，并要认真研究歌曲所要表现的音乐形象，只有这样才能对歌曲内容有更深刻的解释，并进行艺术再创造。

歌唱的真正价值是利用正确的发声技巧生动地表达歌曲作品的思想内涵，以声情并茂的表演去感染听众。事实证明，歌唱中的声情并茂对能够完美地表达一首作品是至关重要的。而在自身的音乐素养和对作品背景的深入感悟、挖掘词义、曲调的情感处理上，更是要很好的掌握。歌唱者一定要在歌唱中将其准确、生动、鲜活地表现出来。这不仅有助于音乐旋律的发挥，而且也可以达到以声传情、声情并茂的艺术创造基础。

声情并茂，作为歌唱艺术的一个重要原则是具有普遍意义的，它对于任何时代、任何种类的表演都是普遍实用的，同时更是声乐表演达到至善至美境界的切实保证。歌唱者只有做到了声情并茂的重要性，才能完整地表达人的思想感情，进而引起共鸣！歌唱是重视情感的，所以，歌唱者要赋予歌曲以生命的活力，只有声情并茂，两情相通了才能达到艺术的最高境界。这样的歌唱才能使人类高尚的情感得到充分的表达，使歌者和听众得到情感的交流和分享，才能使歌唱艺术显示出永恒璀璨的魅力!

综上所述，在歌唱艺术中，“声”与“情”不仅都有丰厚的美学内涵和表现技巧，而且也都从不同的表现领域展现出特有的审美价值。作为声乐美的创造和鉴赏，二者都是不可或缺的，都是重要的，有声无情难以让人产生感人的艺术魅力，有情无声则不能维系声乐艺术最基本的品质特征。只有二者相互依存，相辅相成，才能创造出完美的歌唱艺术。歌唱者也只有不断地努力完善自己的歌唱技巧,以心灵去感受、表现出声乐作品的思想感情,才能创造出真正的艺术。

参考文献：

声发射信号分析与处理方法研究进展篇4

关键词：声发射技术,信号处理,参数分析,人工神经网络,小波分析

0 引言

声发射(Acoustic emission,AE)也称为应力波发射,是指材料局部因能量的快速释放而发出的瞬态弹性波的现象[1,2]。声发射技术是借助声发射检测系统对声发射信号进行采集、记录、分析并对声发射源的强度、位置、发生条件等性质进行评价的技术。作为一种动态检测方法,声发射检测技术已经广泛用于各种材料或结构的稳定性评价[3,4,5,6]。许多学者已经将声发射技术应用于零件寿命预测和损伤检测、结构失效探测乃至地震发生时间及地震等级预测等方面[7,8,9,10]。

声发射信号分析与处理是声发射技术中的重要环节。零件在服役过程中,由于受到环境的影响,采集到的声发射信号往往包含了环境中的其他声发射信号元素,导致声发射波形发生改变[11]。如何有效地消除声发射信号中的干扰元素并建立声发射信号波形与材料失效模式之间的联系是声发射信号处理的首要任务。声发射信号分析与处理方法众多,且各有优劣,如参数分析法分析速度快,但分析精度较低,容易受到环境影响[12];人工神经网络识别精度高,但建立过程复杂[13];频谱分析法操作简单,但只适合分析周期性的平稳信号[14]。本文介绍了几种常用的声发射信号分析与处理方法的基本原理,并分析了各种处理方法无法满足现代工业发展需求的原因,从而提出综合运用现有技术处理声发射信号,发展新的信号分析与处理理论等思路来解决这一难题。

1 声发射信号波形分析

1.1 声发射信号采集与信号类型

声发射信号的主要来源有塑性变形、裂纹、扩展、断裂、摩擦磨损、相变及磁畴运动[15]。Miettine等[16,17]对滚动轴承的声发射研究表明材料的裂纹萌生、扩展以及断裂都能产生声发射信号。张志强等[18]用声发射技术对涂层摩擦性能的研究表明,材料的塑性变形、裂纹扩展等均能产生声发射信号。戴光等[19]利用声发射技术对零件热处理过程的监控表明相变也是一种声发射源。不同的声发射源产生声发射信号的机理不同,如何有效地采集声发射信号是声发射技术的一个难点。声发射检测的原理见图1[20],从声发射源发射的弹性波最终传播到达材料的表面,引起可以用声发射传感器探测的表面移位,探测器将材料的机械振动转换为电信号,然后再放大、处理和记录。

根据观察到的波形特征,一般将声发射信号波形分为连续型和突发型。图2为典型的声发射信号类型。实际上多个突发型信号在时域上达到不可分离的程度时就以连续型信号显示出来,实际检测到的声发射波形突发型和连续型也可能混合出现。

声发射信号波形是声发射技术用来评价检测对象的重要依据。图1所示的方式采集到的信号中不仅包含了声发射源携带的材料或结构的损坏特征信息,也包含了波在传播过程中受到的干扰噪声和其他机械振动的声发射源噪声。因此,选择合适的声发射信号分析与处理方法对获取声发射源的特征信息十分重要。

1.2 信号的参数分析方法

声发射信号特征参数分析法,即用声发射特征参数描述声发射源特性的分析方法[21,22]。目前,声发射特征参数主要有声发射信号的幅度、能量、振铃计数、事件、上升时间、持续时间和门槛电压等。常用突发信号特征参数示意如图3所示。

表1中列举了几种常用的参数分析方法所代表的含义以及特点。除表1中所列举的常用的参数分析方法,声发射参数分析法还有波击、持续时间、上升时间、平均信号电平、到达时间等多种参数分析方法。

Hase等[12]研究了含磨粒往复干摩擦条件下声发射信号特征参数与摩擦行为的演变规律,认为声发射计数率与材料表面损伤及磨损机制有关,而磨粒的尺寸和数量对声发射平均值有显著的影响。Lohr等[25]对DLC膜的研究表明,声发射信号能量在DLC膜发生剥落以及DLC膜下部突发裂纹和分层时会发生突变,认为声发射信号的能量特征适于作为表征DLC膜在滚动/滑动状态下的疲劳磨损失效的参数。R.Vidya Sagara等[26]采用声发射信号能量法分析了水泥大梁在使用过程中的折断情况,成功建立了声发射信号能量与水泥大梁破坏程度之间的关系,表明声发射能量适合于表征水泥大梁的破坏程度。

尽管声发射技术的参数分析很容易操作,但由于这些参数过于简单,有学者认为用此方法处理声发射信号还有待改进[27]。为提高声发射信号处理的准确性,许多学者综合应用了声发射特征参数来评估材料或结构稳定性。Tandon等[28]利用振铃计数和峰值两个参数,对承受径向载荷的故障轴承进行诊断分析,认为这两种参数的综合使用能识别轴承的微小故障。Choudhury等[29]利用振铃计数-事件数、峰值-事件数统计分布图两种参数分析方法,认为参数的综合使用对轴承故障的发展趋势的诊断和预测更加可靠。Abdullah等[30]为确定声发射信号与轴承故障之间的关系,使用了声发射信号的RMS值和幅值,发现这两种参数的综合使用比这两种参数分别使用获得的结果更可靠。

声发射特征参数分析法是一种比较成熟的分析方法,它能够快速、直观、实时、简便地处理声发射信号,但其结果容易受到环境干扰噪声的影响,实验中不同的参数设置,导致的结果具有很大的差异,只适合在工程实践等精度要求一般的条件下推广使用。

2 现代声发射信号处理方法

在声发射信号分析与处理方法中,参数分析法具有高效、快速的特点,但是参数分析法仅能对信号的时域或频域进行单一分析,声发射信号门槛值的微小差异也可能对分析结果造成很大影响。现在分析技术倾向于对声发射信号的产生状态进行分析与处理[31]。

2.1 人工神经网络分析

人工神经网络(Artificial neural network,ANN)是由大量处理单元经广泛互联而成的人工网络,用于模拟脑神经系统的结构和功能[32],在工程与学术界也常直接简称为神经网络或类神经网络。信息处理单元(神经元)也被称为节点,每个节点向邻近的其他节点发出抑制或激励信号,整个网络的信息处理便是通过这些节点之间的相互作用完成的。

神经元的数学模型如图4所示,其中[x1,x2,…,x3]为输入向量,y为输出,f(·)为激发函数,wi为相应的权系数,θ为阈值。其输入输出关系为:

人工神经网络的工作过程可分为训练和测试两个阶段。在训练阶段,以一组输入和一组输出模式对作为训练样本集来训练网络。网络训练的过程即是网络参数(包括权值、阈值等)的调整过程。在测试运行阶段,给定新的输入,网络即能计算得到相应的输出。表2展示了利用人工神经网络对几种焊接失效的声发射源信号的分析结果。从表2中可以看出,人工神经网络对焊接失效类型的声发射信号的识别具有较高的准确性,证明了人工神经网络能够有效识别不同失效模式的声发射信号。

杨鹍鹏等[34]应用BP神经网络模型对船舶动力装置的声发射信号进行处理,实现了船舶动力装置安全综合评价,结果表明,人工神经网络适用于复杂环境下工作动力装置性能的综合评价。Kwak等[32]采用神经网络对微颤条件下摩擦副的磨损声发射信号进行处理,成功地诊断了摩擦副的磨损失效,成功率高达95%,表明人工神经网络在对零件磨损失效预测与诊断方面具有很大的可靠性。Tian Y等[35]对漏电产生的声发射信号实现了神经网络模式识别,结果表明人工神经网络可应用于电子元件的漏电诊断。Hojjat等[13]利用人工神经网络对加利福利亚地区的地震声发射信号进行处理,成功地预测了等级为4.5~6.0级的地震震级,结果表明,人工神经网络可以处理地理方面的复杂的声发射波形信号。以上研究表明将人工神经网络用于声发射信号处理是可行的。

人工神经网络有较高的精度,能够快速评价材料或结构的稳定性,但人工神经网络的建立是一个复杂而缓慢的过程且需要大量原始数据支持,其使用范围一般都是针对某一种对象,缺乏普遍的指导作用。

2.2 小波分析

小波分析是近20年来发展起来的一种信号处理方法,能够刻画某个时间段的局部频谱信号,也可以描述某一频谱信息对应的时域信息。对于含有噪音的声发射信号,通过小波变换能有效消除信号中的噪音,获得与声发射源相关的信号,减少数据采集对环境的依赖[36]。

小波是小区域的波,是一种特殊的长度有限、平均值为零的波形。理论上小波应满足以下条件[37,38]。设 Ψ(t)为一平方可积函数,若小波容许值CΨ满足:

则称 Ψ(t)为一个基本小波或母小波函数。将母小波函数Ψ(t)进行伸缩和平移得到函数 Ψa,x(t)。

式中:a,τ∈R,a>0,a称为伸缩因子,τ为平移因子。称Ψa,x(t)为依赖于a,τ的小波基函数。对于任意平方可积的函数f(t)∈L2(R),将f(t)在小波基下展开,称其为函数f(t)的连续小波变换,其表达式为:

式中Wf(a,b)称为小波变换系数。若对式(4)的尺度因子a和时间因子t进行离散化,则式(4)变为f(t)的离散变换。通过离散型小波变换,一个目标函数可以被分解到一个高通滤波器Di和一个低通滤波器Ai中,每个低通滤波器Ai中的函数又可以被分解到另一个高通滤波Di+1和低通滤波器Ai+1中。这一过程可以多次重复直到得到理想的分解效果。图5为小波离散变换的模型树。

式(5)为小波离散变换的数学模型公式:

通过将声发射原始信号按上述方式进行分解,可以有效消除声发射信号的噪声干扰。将分解后的信号选择适当的信号通道进行重构,可以获得有效的声发射波形。图6(a)是声发射原始波形的记录,很难判断声发射事件的到时、能量和振幅等重要信息。图6(b)是用小波分析法对图6(a)所示声发射事件波形的去噪结果。去噪结果表明,小波分析对声发射信号的处理是可行的。

信噪分离的目的是将信号中的噪音与有用信号分离,是小波分析应用于信号处理的重要方面。Song等[39]运用小波分析法对信噪比低于18dB的超声波信号进行处理,结果表明,小波分析能够去除干扰较重的声发射波形中的噪音。张志强等[40]利用小波分析法实现了对不同接触疲劳损伤阶段的声发射信号的分解和重构,结果表明,小波分析能够实现干扰信号与疲劳损伤信号的分离,从而获得高信噪比的疲劳损伤特征信息。

小波分析能够清晰分辨出混有噪音的声发射信号,但由于小波基的种类繁多,使用不同的小波基分析同一声发射信号也会得到不同的结果,且小波分析需要处理大量的原始数据。因此,小波分析有一定的局限性。

2.3 其他声发射处理方法

现代声发射信号的分析与处理中,除了上述常见的方法外,还包括谱估计法、常规模式识别法、相位信息法等[41,42]。许多学者利用这些方法也做了深入的研究并取得了一定的成果。刘志刚等[41]采用改进的Burg谱估计法和改进协方差谱估计法对地震剖面去噪,结果表明,谱估计方法具有较好的去噪效果。李崇晟等[42]利用相位信息法,对模拟信号和实际的隔膜泵曲轴的裂纹扩展信号进行了处理,结果表明相位信息法能有效检出由于裂纹扩展所产生的微弱的声发射信号。

声发射信号的频谱能反映声发射源的特征,能够揭示声发射源信号的特征和动态特性,但信号的频谱分析要求被分析的信号是周期性的平稳信号,并且谱分析是一种忽略局部信息变化的全局分析方法。常规模式识别法应用的样本特征有限,往往只能识别出某一种或几种干扰源,还不适应复杂的环境。因此频谱分析法和常规模式识别法在复杂环境中的推广使用还有一定的困难。

3 结语

声发射技术由于其在动态监测方面的优异性能,已经在材料、机械、化工、地震研究等众多领域得到广泛应用,并具有广阔的发展前景。声发射信号分析与处理是声发射技术的核心,目前国内外学者对声发射信号分析与处理方法做了大量的研究,为声发射技术的进一步推广应用奠定了良好的基础。现代工业的发展十分迅速,为适应现代工程的高速度、高精度的要求,声发射信号分析与处理理论还有待更深入的研究和探讨:

(1)声发射特征参数众多,表征信号特征时缺少统一的标准。在实验中,由于参数设置的不同可能导致结果具有很大差异,不利于提高分析精度。因此,建立统一的参数标准,对提高参数分析的可靠性十分必要。

(2)小波变换中,不同小波基的选取对分析结果影响很大,小波基的选取恰当与否,不仅影响检测过程所用时间,甚至影响检测结果的可信度。建立小波分析成功案例数据库,有助于声发射技术适应现代工业的发展。

(3)人工神经网络的建立过程十分复杂且需要大量的原始数据支持,同时要求使用者有足够的计算机编程能力以及对待处理问题的足够认识,因此将人工神经网络工具简单化、模块化有助于满足现代工业快速发展的要求。

声信号处理篇5

【关键词】5.1环绕声；环境声拾音；拾音方式；环绕声传声器；主辅传声器

文章编号：10.3969/j.issn.1674-8239.2015.12.005

【Abstract】Through the 5.1 Surround TV Programmes Environmental Sound Production of ‘Celebrity Battle-Star Night’， the means of production which can appropriatly increase the environmental sound color were discussed on the basis of a real reduction environment， for the purpose of gracing for the show effect.

【Key Words】5.1 surround； environmental sound pickup； pickup method； surround microphone； main and auxiliary microphone

当下，各大电视台在5.1环绕声节目制作及播出上都下足功夫，纷纷在重点综艺节目中使用5.1环绕声进行制作、播出，并有增加带5.1环绕声的电视节目的趋势。

唱歌类节目是各大卫视比拼综合实力的舞台，也是检阅各台制作实力的平台。江苏卫视2013年打造的唱歌类真人秀节目《全能星战—巨星之夜》的声音制作、播出采用了5.1环绕声制式，并获得了2014年金帆奖“高清综艺类节目声音制作”一等奖。笔者回顾该节目环境声的制作过程，着重讨论如何在播出端更好地体现事件现场的环境感，即环境声的真实还原和人为渲染相互配合的制作方式，说明环境声是体现5.1环绕声节目播出的重要标识，环境声的现场拾音和后期处理直接决定了5.1环绕声节目的品质。

1 环境声的拾音方式

一档优质电视综艺节目的环境声是可以服务于整个节目的气氛和节奏的，很多音响师越来越重视它的塑造。基于环绕声的制作理念，真实还原现场环境应该是制作环绕声节目的原则，因此前期环境声的拾音至关重要，它直接决定后期还原声音质量的优劣。

目前，针对环境声的拾音方式有很多种，根据不同的制作需求分为环绕声制式传声器拾音、立体声制式传声器拾音、多点传声器拾音以及上述三种方式的组合拾音方式。其中，环绕声制式传声器拾音主要为环绕声播出的电视节目拾取环境声，但仅仅通过环绕声制式传声器拾取环境声往往不能完全达到制作需求。因为环境声包括声场信息和观众情绪，环绕声制式传声器更多的作用是拾取声场信息，为环境声铺垫整体的声场概念，而观众情绪的表达往往是通过点传声器拾取来实现。所以在环绕声制作中，前期的环境声拾音方式一般都是使用环绕声制式传声器和多点传声器相结合的拾音方式，如此才会得到更真实的环境感和更丰富的环境特写。

但在录制过程中，拾音的效果却不受音响师的控制，因此，选择好恰当的拾音方式、手段之后，还需结合后期录音师制作理念和制作方式，从而体现出现场环境的表现层次。如果说把环绕声制作看成一次烹饪，那么现场拾取的环境就是主食材，后期制作时对环境效果的加工，很大程度上依赖于现场环境声的表现程度。如果现场环境声表现丰富，后期制作既会得到理想的效果，又能使得制作过程变得很轻松；若是现场环境声干瘪乏力，那么后期制作势必会需要繁复的加工才能达到满意的效果。

2 《全能星战—巨星之夜》环境声的制作方案

由于《全能星战》是一档以唱歌为主的季播类节目，声音无疑是重中之重，而这个重点不只包含音乐的品质，更包含了环境声对整场节目的支撑。

2.1 音频系统方案

节目录制现场在北京万事达体育中心M空间。江苏卫视频道对《全能星战—巨星之夜》声音制作非常重视，因此对音频系统的设计、调试和后期制作、硬件配备等方面要求都很高。

节目现场分为A、B两个区，A区是艺人休息讨论区，只有8位艺人，不带观众；B区是表演区，除了表演的艺人之外，还包括一位主持人、8位制作人以及800名观众。AB区需要音频互通。经过多次沟通论证，确定了如图1所示的音频制作方案。

现场的音频系统中，A区的8位艺人都使用头戴传声器，使用1张YAMAHA CL5调音台，解决现场扩声、返送和信号收录。B区分为3个子系统：现场扩声（PA）系统、监听（MONITOR）系统和多轨记录系统。其中，现场扩声系统选用VENUE D-SHOW和YAMAHA PM5D共2张调音台，监听系统选用1张Soundcraft Vi6调音台。信号调度方面，现场所有电声乐队信号经过话分送到D-SHOW和Vi6，各自独立混音；弦乐部分通过PM5D混音分别送至D-SHOW和Vi6；语言和环境声部分只输入到D-SHOW，然后再编组送给Vi6。

对于节目的录制，分为转播车音频系统和多轨记录系统。转播车音频系统使用CreaStudio多通道非线性采编系统（简称CS系统）录制，通过4路SDI信号一共收录32轨音频信号，其中包括：A区音频系统1：1输出的8路艺人传声器、B区现场扩声系统输出的1：1对白信号、编组音乐信号、编组观众效果信号。这部分信号主要是嵌入在视频信号中，方便编导剪辑使用。多轨记录系统通过HD MADI接口从现场扩声调音台输出所有输入通道的直接输出（direcout），这些信号主要用于立体声和环绕声的音乐混音和节目终混。

后期制作包括立体声和5.1环绕声两个部分。首先混出立体声和5.1环绕声两个版本的音乐部分，然后和视频一起送到终混棚，进行语言、音效、环境声、VCR（视频片段）等所有其他音频素材的混音，实现立体声和5.1两个版本的终混。

nlc202309030406

2.2 环境声的拾取——真实还原

对于整个节目的环境声处理的方案，采取以现场实时拾取的观众声为主，以实现真实还原；个别场景配以提前录制的效果声，适当进行人为渲染。

现场采用环绕声制式、立体声制式和多点传声器相结合的拾音方式。使用这种组合拾音方式的目的是要能实现环境感的群感和定位，这一点类似音乐会录音使用主辅传声器的方式。

在传声器的选择和使用上，选取了三种类型的传声器。环绕声制式传声器Holophone（见图3）和立体声制式传声器Schoeps MSTC64U（见图4）作为大环境传声器，点传声器使用的是Schoeps CMIT5U（见图5）。其中，环绕声制式传声器在后期制作时只是适当使用，它的作用是提供自然的环境感和丰富的群感，这是使用人工混响不一定能达到的；立体声制式传声器主要用于展开左右声道声像，在这种演唱类电视节目中，环境信息应该避免“扎堆”，所以利用立体声制式传声器提供前方左右两声道的环境声信息，将主观视角的环境信息声像展开，再予以点传声器的配合；点传声器主要用来拾取一些特写环境声，使环境信息更生动。

在该节目环境声的拾取中，传声器使用的数量并不多。因为通过近几年音频制作的实践探索发现，传声器的使用并不是越多越好，其基本原则是一定要有拾取大环境的主传声器，它为整个环境声提供铺底的声场信息；另外在合适的、关键的位置一定要有拾取特写信息的点传声器；点传声器之间要尽量与现场扩声扬声器保持合适的距离，以便处理延时关系。

制作过程中最常遇到的难题是，拾取环境声传声器的摆放位置与时间关系。在最初的环绕声制作实践中，技术人员没有认清时间关系的重要性，认为哪儿有粉丝、哪儿观众多传声器就往哪儿架，这种随意的传声器架设方式带来的后果就是时间关系混乱，造成后期调整找不到基准。所以，为解决这一问题，传声器尽量做到等距离分层摆放，这样一来，时间关系有规律可循，方便调整。实际上，适当的延时量可以更好地反应出声场特性，所以延时量的调整不必要做得非常严格，主要是根据传声器之间的实际距离和摆放位置来定。万事达中心M空间的尺寸是40 m×80 m，两串主扩扬声器之间的距离不到20 m，前排还有补声扬声器，所以，前排点传声器之间的延时量可以忽略不计，主要是以后排的主传声器和2支点传声器为基准做延时。

2.3 环境声的处理——适当增加渲染

环绕声制作的出发点是为了在播出端更好地体现环境感，以配合电视播出效果。那么，如何利用现场声音、制作渲染等综合效果去表现环境感，是笔者想重点介绍的内容。

在节目进行中实时收录的环境声作为后期制作中真实还原环境声的素材，是整个电视节目最主要的环境声部分。除此之外，是不是还可以有其他的环境声可供使用，从而为电视呈现增添更好的效果呢？尤其是当真实还原的环境声不足以支撑节目内容表现时，有没有其他手段去弥补这种状况？笔者认为是有的。

电视节目的制作与其他现场演出的不同之处在于，它在某些流程中具有可操作性。比如，可以提前向现场导演了解重点粉丝怎样安排，同时告诉节目部门需要怎样的观众效果，提前和导播沟通观众镜头和机位的使用，然后提前在重点位置布置环境声拾音传声器。还有一个要掌握的特点是，国内的观众相对比较含蓄，不会总是在设想需要体现环境感的时候带来想要的反应。针对这一问题的应对方式就是提前预录一些观众效果，比如在暖场时录制几种不同类别的掌声、欢呼声，以备后期制作时根据镜头采用。这种方式对录播类节目非常实用，因为这些预录的环境声虽然并不一定实时，但仍然是在这个声场里、由这些观众带来的，所以仍然能带给观众真实的环境感。

因此，在这档节目中的某些镜头里，在现场环境声不足以衬托画面表现时，选取了一部分提前预录的环境声，用于后期制作时人为地增加渲染环境的色彩，使得环境声紧贴着音乐表现，最终在电视播出时，整个节目的画面呈现十分自然，可以吸引观众。所以，这种真实还原环境声和人工增加环境色彩相互配合的环境声处理方式，有助于达到环绕声节目的制作目的。

另外，不仅在录播类节目中可以如此使用环境声的处理方式，在直播类节目中，也可以用同样的方式。但不建议使用类似脱口秀节目中的掌声、欢呼、口哨，因为其环境感一般比较单一，跟这种现场live秀并不匹配。

3 制作经验和体会

3.1 制作常规原则

在多年的环绕声制作探索之后，总结出常规的制作原则：环绕声制作一定要符合正常的听音习惯和视觉习惯，尤其在使用人为渲染环境声时，一定要符合节目的表现要求；同期录音时最好可以有主要的环绕声制式传声器，当然条件有限也可以多用一些点传声器，后期用环绕声的声场定位（PAN）来重塑环境；5.1环绕声混音时要使用环绕声格式的混响器。

目前国内很多综艺节目在环境声的使用上并不规范，有些节目为了追求环境感过分使用人为渲染，导致环境声和节目内容并不吻合，这种制作手段不提倡。但适当地增加一部分环境色彩，确实很有必要。

3.2 协调分工与统一

提前介入节目策划是音频团队做任何节目时都要遵循的一点，在制作环绕声节目时更要如此，毕竟环绕声制作在现场传声器使用和后期制作方面都会涉及技术、各技术工种配合等诸方面的因素。在节目策划时就介入到节目组内部，当节目策划案确定，就会预先做好方案设计，同时也会在第一时间提供更合理的建议，把技术问题都解决在节目录制之前。比如环绕声制作时现场主传声器的位置，一般来说会跟大全景镜头在同一条轴线上，那么如何避开镜头，就需要和导播沟通，有时也需要舞美设计提供吊点，以便得到合适的传声器位置。

音频系统的设计环环相扣，是相互平衡的，扩声设计一定要考虑到后期制作，比如现场声压级和拾音质量之间的关系，毕竟优秀的后期制作依靠的是优质的拾音素材。另外，后期制作最好可以做到分工协作，音频团队分为音乐混音和节目终混两部分，互相合作，充分利用优势资源，可以更快更优地推进项目发展。如果是直播节目，还需要有专门的音响师来负责环境声调音。

4 结语

以上借用《全能星战—巨星之夜》的5.1环绕声的环境声制作，探讨了在真实还原环境声的基础上适当增加环境声色彩的制作手段，用事实证明在综艺节目制作中类似的制作方式是可行且有必要的，确实可以为节目效果增色。对于5.1环绕声制作，需要在实践中不断学习、总结制作经验，提高制作水平，带给观众更丰富的听觉享受。谨以此文章与同行分享、共勉。

作者简介：

侯大伟，江苏省广播电视总台音响师，负责《非诚勿扰》、《最强大脑》、《全能星战》、《为她而战》、《星跳水立方》、历届《跨年演唱会》等多档电视节目的音频系统设计及调音；主持制作各种类电视节目的5.1环绕声作品；目前担任江苏卫视《最强大脑》第三季音频负责人。曾获得2013和2014金帆奖“音频制作技术质量奖”一等奖、学会奖二等奖等多个国家级奖项。

桥梁结构疲劳损伤声发射信号的规律篇6

该锚固结构预定疲劳测试次数为200万次, 采用压-压疲劳加载, 最大加载载荷-1714KN, 最小加载载荷-124.6KN, 加载频率为1.1次/秒。随着疲劳加载次数的增加, 锚梁横梁段与底部支撑板焊缝连接处出现宏观裂纹。当疲劳次数达到77万次的时候, 采用声发射技术对钢梁进行疲劳监测, 采集裂纹活动过程的声发射信号。经过10天的监测, 一直跟踪至疲劳测试结束, 获得了有价值的数据。通过对数据的处理分析, 得到裂纹损伤活动过程的信号特征。数据分析表明, 裂纹在张开与闭合阶段均产生声发射信号, 且具有不同的参数特征, 只有经过一定的疲劳周次, 才会发生真正的裂纹扩展, 裂纹扩展具有随机性。图中左端红点处为已发现的焊缝裂纹处。

1 疲劳损伤声发射监测目的及监测系统

1.1 检测目的

这次检测的主要目的是在找到疲劳裂纹信号特征的基础上进一步分析疲劳裂纹信号的规律和定位效果, 并找出裂纹扩展信号, 对裂纹缺陷处进行监测, 实时预报裂纹扩展的发生、发展, 对裂纹缺陷信号源进行定位, 判断损伤位置以及损伤活度。

1.2 检测仪器

采用美国物理声学公司 (PAC) SAMOS PCI-8声发射系统对疲劳试验过程进行长时间监测, 谐振传感器中心频率为150KHz, 前置放大器选择40db增益。

2 探头布置

图2是该锚固结构 (见图1) 左端背侧焊缝处传感器布置简图, 裂纹在7探头附近。其疲劳裂纹的基本特征与文献“桥梁结构疲劳损伤声发射信号的特征”中分析的疲劳裂纹特征基本一致。

3 数据分析

3.1 裂纹信号的周期性分析

通过分析裂纹活动时的信号能量非常低, 均低于50, 采用图形滤波滤除能量低于50的噪音信号。图3为12月21日“武汉桥梁定位测试-1221全波形变频平稳阶段采集.DTA”中的数据, 加载频率为0.5HZ (周期为2s) 时, 7通道滤波后的幅值图 (每小格间隔0.5秒) 。

通过信号特征参数和波形的分析, 图中所示信号均为裂纹活动时的信号, 裂纹信号分三层。三层信号的周期与加载周期都相同, 信号的具体参数如表1:

图4至图6是分别对这三层信号进行5、7通道定位的图, 进一步证明这些信号都是裂纹活动时的信号。

图7为12月21日“武汉桥梁定位测试-1221全波形变频过程至平稳阶段采集.DTA”中的数据, 加载频率为1.1HZ (周期为0.9s) 时, 7通道滤波后的幅值图 (每小格间隔0.5秒) 。

可看出裂纹信号分三层, 三层信号的周期与加载周期都相同, 信号的具体参数如表2。对每层信号进行定位确定, 其结果同上。

从上面两个例子可看出三层信号的周期和加载周期都相同, 并且通过定位分析可以确定都是裂纹活动的信号。第一层和第二层相差半个周期。第三层和第一层一一对应, 但比第一层早到达传感器。 (第一组数据第三层比第一层数据早到0.25s, 第二组数据第三层比第一层早到0.04s) 。

分析:

1) 第三层信号是不是第一层信号的回波?不是, 因为第三层的信号比第一层的信号早到达传感器。2) 是不是因为HLD过长, 而导致把一个HIT变成了两个HIT?不是, 因为波形长度是4K, 即4ms, HLT为1000μs, 即1m s, 若第一层和第三层信号相差几个毫秒, 那么才有可能出现这种情况。3) 第一层和第三层是不是纵波和横波的关系?因为纵波传播快, 衰减大, 可能先到达传感器, 并且幅值低, 但是纵波和横波到达时间相差0.25s, 那么信号源距探头100多米才可能实现, 所以这种情况不可能。4) 如何区分裂纹张开和闭合的信号?因条件所限未接载荷曲线, 根据裂纹扩展机理, 加载时裂纹张开, 可很轻易判断出张开和闭合的信号。推测:裂纹在一个加载周期产生三次裂纹信号, 张开一次, 闭合一次。第三层信号和第一层信号一一对应, 可能是裂纹扩展的信号但这种情况并不是绝对的, 有时裂纹信号只有两层, 上下层间隔半个周期, 即一个周期产生两次信号;有时裂纹信号只有一层, 且连续两个信号的间隔与周期相同, 也就是说裂纹一个周期只产生一次信号, 如图8和图9所示。

一个周期产生两次裂纹信号, 上层为66~67db, 中心频率为160KHZ-170KHZ, 下层是55-56db, 中心频率为210KHZ-230KHZ。

一个周期只生次裂纹信号, 幅值为60-64db。

3.2 裂纹信号的定位

下图是12月20日至12月22日5、6通道定位变化图。从图中可看出裂纹的位置离6通道越来越远, 即裂纹在这三天不断扩展, 扩展了10mm。

4 结论

1) 根据之前对裂纹信号的研究, 我们找出了裂纹信号的周期性规律。若在实验之前接入疲劳载荷外参数, 我们可以区别出裂纹张开、闭合和扩展时的信号。2) 定位分析也得到了较好的效果, 若从实验初开始检测, 我们可以在宏观裂纹出现前确定裂纹出现的时间和精确定位出裂纹的位置。3) 我们可以通过裂纹的声发射活性变化判断裂纹的变化规律, 并对其进行失效预报。4) 结合断裂力学、损伤力学与声发射, 我们可以进行损伤力学和结构的深层次分析。

摘要：为了克服常规无损检测方法不能动态监测疲劳裂纹的损伤程度, 根据声发射及其定位技术, 采用实验手段研究了桥梁锚固结构在初始裂纹存在情况下, 随着疲劳加载过程, 其损伤活性的变化情况。实验结果表明, 疲劳裂纹具有一定的周期性规律;随着加载的进行, 声发射仪器能精确定位出裂纹初始位置和扩展方向。这篇文章主要介绍疲劳裂纹信号的周期性规律和定位效果, 关于从复杂噪音环境中如何识别和分离裂纹活动信号, 请查看文献“桥梁结构疲劳损伤声发射信号的特征”。

关键词：声发射,疲劳裂纹,在线监测

参考文献

[1]耿荣生, 吴克勤, 景鹏, 傅刚强.全尺寸飞机机体疲劳试验时中央翼与外翼连接区域疲劳损伤的声发射监测.无损检测, 2008.

[2]沈功田, 戴光, 刘时风.中国声发射检测技术进展学会成立25周年纪念.无损检测, 2003.

[3]耿荣生, 景鹏, 雷洪.飞机主承力构件疲劳裂纹萌生和扩展的声发射评价.无损检测, 1999.

声信号处理篇7

随着人类海洋活动的日益频繁,水声通信已不再局限于最初的军事领域,而是拓展到更广泛的领域,如水下语音通信、工业用海岸遥测、水下机器人与海上平台的遥控指令传送、水文站的采集数据传输、海底勘探数据与图像的传输、水环境监测数据传输等等。由于水汽界面的限制,大气信道与水下信道信号传输的实现受到一定的限制。而声波在水下传输衰减小,为水下数据传输提供较好的解决方案。

传统的空中到水下的通信方式如激光对潜通信只能实现激光视距传输,其通信性能受海浪、海底浪涌等海洋环境影响较大,而激光致声通信利用机载激光对水的作用完成光波到声波的转换,实现空中到水下的通信。水下声波沿着不同方向传播,水下目标可在偏离激光径向方向上完成信号接收,这样大大降低水下目标被发现的可能,提高了水下目标的生存能力。

1激光致声原理模型

在透明的液体如淡水或海水受激光作用时,当光脉冲能量达到或超过该液体击穿阈值时,会产生声波信号,该现象称为激光致声。若从空中向水中发射一串带信息编码的激光信号,激光能量将在水中转换为声信号,通过水下目标接收该声信号并恢复所带编码信息,实现海气信道中的激光致声通信。激光致声效率主要与激光的能量密度和激光与液体的位置有关,一般可分为热膨胀(热弹)、汽化(表面汽化)、光击穿(介质光击穿)三种机制[1]。热膨胀机制的光声转换效率η较小 (η= 声波能量/激光能量);汽化机制的η约为10-3~10-2;光击穿机制η可以达到10%~30%。

当通信信号加载于机载发射激光器时,受基频调制的光束通过光学系统控制到达水面或水下的聚焦,以热膨胀或光击穿的形式产生水下声信号,携带编码信息的声信号在水下传播,最后由水下目标接收并解调,完成空中到水下的信息传输。机载激光致声通信系统模型如图1所示。

对理想的流体(如均匀的水),热膨胀机制下激光引发水下声波的光声波可描述为[2]:

式中p为声压,c为水下声速,β为液体膨胀系数,Cp 为液体的比热,H(x,y,z,t)为单位时间单位体积液体吸收并转化成的热量密度,与激光和作用液体煤质的特性密切相关。对于特定情况,如激光垂直入射到水面,式(1)的解可以用确切的解析式表示,文献[2]给出了垂直入射水面情况下的解析。文献[3]给出约束边界下当激光脉冲波形分别为正弦波、三角波和高斯波时激发的光声脉冲的解析解。

2激光及激光声的传输特性

波长为1.064μm的激光在大气传输中的衰减主要是由气溶胶的吸收和散射引起的,且气溶胶散射系数一般是气溶胶吸收系数的十倍左右。大气分子吸收和分子散射对1.064μm激光的影响很小,在进行估算时可以忽略不计。1.064μm激光的衰减系数可由式(2)计算[4]:

其中VM(km)表示地面的大气能见度;q为与地面的大气能见度VM有关的参数,通常情况下取q值为1.3,当VM小于6km时,q值可取为q=0.585×VM1/3。由式(2)计算得到地面大气的能见度与对应衰减系数参考表如表1示:

从表1中可以看出,当能见度大于1km时,激光的传播衰减很小,可忽略其传播损耗。在这种情况下飞机在海面上空(几百米到几千米高空)飞行时,可利用机载激光束在一定海域内实现扫描式发射。

当高能脉冲激光入射水中时,会产生激光声,激光声的传输与水下声信号传输特性相似。声在淡水或海水介质中传播时造成损失的原因主要包括:1)扩展损耗;2)吸收损耗;3)边界损耗,其中吸收损耗是主要考虑因素。吸收损耗与海水成分、温度、压力、声波的频率及传播方式有关,一般海水吸收损耗的经验公式[5]如式(3)示:

式中,a为吸收损耗 (dB/m);ρF ≈1000(kg/m3)(水的密度);cF ≈1461(m/s)(T=14℃时纯水的声速);μF ≈1.2×10-3(N·s/m2)(T=14℃时淡水动态切变粘滞系数);μ′F ≈3.3×10-3(N·s/m)(T=14℃时淡水动态体积粘滞系数);硫酸镁的弛豫频率为:frm =21.9×10[6-1520/(T+273)](kHz);硼酸盐的弛豫频率为:frb ≈0.9×(1.5)T/18(kHz);A′=2.03×10-5dB/(kHz·m·10-3);A″ =1.2×10-4dB/(kHz·m);s(‰)为含盐度;f (kHz)为声波频率;p (Pa)为表计静水压。

根据式(3)可知,声波在水下的吸收损耗与声频率有关,并随频率的增加而增加。一般频率为100kHz的水声信号只能实现近距离通信(<1km);对于中距离通信 (1~20km ),其带宽被限制在10kHz量级上;对于远距离通信(20~2000km ),其带宽被限制在几kHz内。

3基频可调声传输分析

3.1系统组成

激光致声下行通信的室内实验系统框图如图2所示:

实验系统激光器为Nd:YAG调Q类型,其输出激光单脉冲能量50~400 mJ可调,脉冲宽度为10ns,工作波长为1.064μm。经反射镜控制激光到达水面的光束,模拟飞机飞行时发射激光信息,通过调整激光入射水中的能量和角度,控制激光束能量获得激光致声的不同作用效果。水下放置的水听器采集水中声信号,完成激光下行水声信号接收处理。

3.2激光声信号特征分析

根据图2所示的实验系统,进行激光入射水中能量转换及时域波形测试,保持激光器输出的光脉冲时间、光斑面积、换能器及其它条件不变,在激光束垂直入射水面时,控制入射激光束能量在70~310mJ内变化,随着入射激光能量增加,获得的声压增大,且基本呈线性关系。

当入射激光束在一定角度范围(左右摆动角小于10°)扫描时,其能量损耗及转化效率对相关频谱分布影响不大。实验测得激光与水介质发生相互作用后,接收的激光声信号时域波形如图3所示:

图3(a)为一定重复频率作用下激光入射水里激励的声脉冲波形,可以看出,激光能量满足激发条件下产生的声波波形连续稳定。图3(b)为单次激光入射水中激励的单次声脉冲展开图,其左半部分为无声信号情况下噪声信号,右半部分为激光声信号。

图4为图3(b)激光声信号所对应的频域谱图。其中(a)图对应图3(b)中前半段对应的噪声频谱,图(b)为图3(b)中后半段激光声信号频谱。对比图4(a)和图4(b)发现,噪声为宽带噪声,激光声信号频谱分布于60kHz以下,且能量相对有用信号能量小很多,依据激光声谱特征,系统可用滤波方法将噪声与信号进行分离,完成水下信号传输。由于高频声信号在水中衰减极大,尤其是500kHz以上声信号远距离传输难以实现,图4中仅给出0~500kHz频谱图。

3.3基频可调数据传输测试

利用激光声实现空中到水下数字通信,可采用的通信方式很多,如ASK、FSK、MFSK等[2,6,7]。测试系统的激光声通信信号流如图5示:

实验采用激光器的重复频率范围为1~20 Hz,系统采用基频可调ASK调制方式,其脉冲位置间隔变化控制在激光器的重频内,而输出的脉冲能量随重复频率改变在3%内发生变化,对通信影响不大。

综合考虑传输通用性及数据传输速率,单基频激光传输信号帧结构如图6所示,无信息传输时输出常低,有信号传输时输出数据帧。一帧数据长度为11位,起始为2bit高电平,高电平间隔定义数字发射基频;数据位为8bit,其高低电平由传输的信息决定;最后1bit高电平为帧结束标志。

基频可调ASK帧结构是基于ASK帧结构方式,根据通信双方约定,其两码元时间间隔变化可遵循一定的跳频方法,将控制激光器重频的调制脉冲跳频转化为激光跳频发射,只要水下接收终端按照发射的跳频规则进行解码,就可实现基频可调的激光跳频通信。构建基频可调ASK,是将跳频技术引入激光声信号传输,有利于提高通信系统的保密性能。

通信时,发射端将待传信息数据以字节方式拆分,并按一定规则将字节编成不同的帧数字信号,分别插入设定的基频帧结构中,然后顺序输出信号控制激光器光发射输出。

激光重复频率(基频个数)及光跳频规则可根据通信双方安全需要进行选择,图7给出了系统通信中设置的三基频可调ASK基带信号图,其中传输的24位数据 (三字节 )的十六进制表示为0X557932,拆分后对应的二进制8位码分别为01010101,01111001,00110010设定的三基频分别为10Hz、15Hz、20Hz。

图7中,根据每帧前导码间隔可知,第一帧为基频10Hz信号,第二帧为基频15Hz信号,第三帧为基频20Hz信号,最后半帧为下一组数据的第一帧基频10Hz信号。从第一帧波形图中可清晰的看到基频为10Hz,其传输的数据帧为11010101011。对比帧结构定义,前两个1为起始位,作用是标定本帧数据所使用的基频;紧跟其后的是01010101八位数据,为24位数据拆分得到的单字节;最后一个1为结束符,表示一帧数据的结束。

将图7所示基带信号加载到激光器,在接收端通过水听器捕获得到的激光声信号和经过放大整形后的TTL信号如图8所示。

图8中1序列为水听器经前置放大输出信号,2序列为1序列经主放大后进行低通滤波及过零整形输出的TTL码元信号。对比图7、图8,放大整形后的TTL波形连续稳定,能较好的还原发射调制端的数字信号。

在现有实验水深条件下,激光器输出单脉冲能量为100mJ左右即可完成光声转换和信号传输。实际应用中,根据不同水下环境,选择合适的激光能量可实现激光水下声通信。

4结论

根据水下声通信环境,采用能量型脉冲激光器可有效实现下行水声通信。实验利用激光的发散光斑直接完成激光到声波的转化,光路结构简单。通过对激光致声水下通信系统实验研究证明,激光声通信方式的信号声谱与噪声谱可以用滤波的方法分离信号及噪声;利用基频可调的ASK调制激光跳频通信方式,以不同的前导码与信号码元组成的帧结构可实现数字信号的传输及恢复,在开放式信道环境具有一定的实用价值,为后续应用研究提供参考依据。

参考文献

[1]陈清明,程祖海,朱海红.脉冲激光在水中激发声脉冲的光声转换效率[J].中国激光,2007,34(3):341-344.

[2]彭水,张明敏,王江安.热膨胀机制产生窄带激光声信号的方法研究[J].光电子激光,2012,23(5):885-890.

[3]李秋实,倪明,罗洪,等.激光脉冲波形对液体中热膨胀机制致声特性的影响[J].光电技术应用,2010,31(3):478-484.

[4]贾建周,宋德安,贾仁耀,等.激光大气传输衰减的估算方法[J].电子信息对抗技术,2010,25(4):73-76.

[5]惠俊英,生雪莉.水下声信道[M].(第二版),北京:国防工业出版社,2007:18-20.

[6]Blackmon F,Antonelli L.Remote,aerial trans-layer linear and non-linear downlink underwater acoustic communication[J].Oceans.2006,1-7.

一种基于声信号的车辆碰撞检测装置篇8

交通事故伤害已日益成为威胁人类生命安全的一种世界性公害。及时发现交通事故的发生并报警,可有效地减少交通事故的伤亡率。

现阶段,减少交通事故伤害主要通过使用交通事故检测装置来实现[1],主要分为基于磁频信号、基于波谱信号[2]和基于视频信号的车辆检测装置[3]。各种检测装置采用包括摄像头、超声波或微波等来检测交通事件,主要是处理宏观的交通流信息,这种间接的检测技术存在识别率不高、延迟时间长的缺点,使得交通事故发生后难以得到及时有效的救助。

由于交通事故发生时会产生很大的碰撞声,而碰撞声和其它声音的频谱不一样,通过采集并分析车辆周围的声信号来检测车辆事故,可以实时获得事故现场信息并报警,因此在即时性上比交通流分析方法好,而且在事故的识别成功率上也可相对提高。Yunlong Zhang提出了利用小波变换分析车辆声音的方法来检测车辆事故[4],得到了很好的识别效果。吉林大学的陈强等人利用该方法分析车辆噪声并分类[5],可以区分出各类不同车辆的碰撞信息。但以上算法的设计都是基于计算机的数据分析,没有在该理论的基础上设计出实际的硬件装置,而且在算法的准确性上也有待进一步改进。因此设计一种实时性强、准确性高的车辆碰撞声检测硬件装置具有很高的实用价值。

本文采用小波分析和模式识别方法分析车辆噪声信号,设计了一种基于DSP的车辆碰撞声检测装置,该装置能有效检测车辆碰撞事件,实现交通事故的自动识别。相对于已有交通事故检测装置具有识别率高、实时性强的优点,而且价格较低。

1 硬件设计

我们设计的碰撞检测装置的原理框图如图1所示,首先采用声音传感器采集各种声音信号,传感器输出的电信号经放大电路放大后,传入声音采集芯片的模拟信号输入端。声音采集芯片将模拟信号进行A/D转换后,送到DSP模块做进一步处理。DSP模块实时地处理所采集到的声音信息,判断是否有车辆碰撞事故发生。存储器模块和DSP模块相连,用于储存需要处理的数据和固化的代码数据,并为DSP模块运算时提供临时存储空间。报警模块和通讯模块与外部救援中心相通讯,一旦DSP模块检测到车辆发生碰撞事故,报警模块就向外发送报警信息。下面分别介绍主要模块功能。

1.1 声音采集模块

声音采集模块使用电容式声音传感器,采样频率为30Hz～18kHz,由于车辆噪声信号的频率一般不会超过10kHz,所以该声音传感器可很好的实现采样。声音传感器将采集到的模拟信号送入放大电路放大后传送到声音采集芯片。

声音采集芯片采用TLV320AIC23B(简称AIC23),它是TI公司的一款高性能立体声音频编解码器芯片[6],具有48kHz带宽,可以满足包括噪声信号在内的声音信号的采集要求。AIC23对采集到的模拟信号进行双声道立体声A/D转换,可以在8kHz-96kHz的采样率下提供16bit、20bit、24bit和32bit的采样数据。本系统将外部声信号以32kHz采样频率采集,每秒采集32000个声音数据,并将采集数据的长度设为16bit,这样A/D转换之后模拟信号变成了16位的数字信号。模拟信号转化为数字信号之后,AIC23将数据传输给DSP模块,供DSP模块作下一步处理。

本系统将AIC23的MODE引脚设置为0,控制接口设置为I2C的工作方式,AIC23与DSP模块的数据传输接口使用的是DSP模式。这样DSP模块就可以控制AIC23协同工作,并接收AIC23采集到的数据。

1.2 DSP模块

DSP模块是整个系统的核心,完成音频信号的采集、控制、存储、处理以及与外界通讯等功能。选用的是TI公司生产的DSP芯片TMS320VC5509(简称VC5509)[7],它是一款性价比极高的16位定点DSP,具有多个高性能运算单元,系统时钟为144MHz,指令运算速度高达100MMACS,而且提供丰富的片上扩展接口。

VC5509有两个多通道缓冲串行口(McBSP),McBSP具有与标准串行接口相同的基本功能,并在标准串行接口的基础之上对功能进行了扩展。本系统使用的语音采集芯片AIC23就通过McBSP和DSP相连接,其连接示意图如图2所示。其中CLKX为发送时钟,CLKR为接收时钟,它们都和AIC23的系统时钟BCLK相连。FSX和FSR实现发送和接收的帧同步,对应AIC23的LRCIN和LRCOUT引脚。数据发送引脚DX和数据接收引脚DR分别与AIC23的DIN和DOUT相连,完成串行数据发送和接收操作。

VC5509还包含6个可编程的DMA通路,DMA控制器可以无需CPU介入而在内部存储器、外部存储器和芯片上外设之间传输数据,当操作完成之后,DMA控制器可向CPU发出中断请求信号。该系统使用了一个DMA通道0,从数据采集模块读入数据并写入外部存储器的特定位置。当数据采集满了之后,DMA控制器将产生中断,控制DSP执行数据处理程序。DMA的使用减少了系统中断次数,明显提高了系统的运行速度。

对于声音采集模块采集到的声音数据,由DSP模块运行检测软件对其进行分析,并判断外部是否发生了碰撞。DSP模块还引出一个IO口与报警和通讯模块相通讯,报警和通讯模块接收此引脚的信号来判断是否发生碰撞以决定是否报警。

1.3 存储器模块

VC5509支持统一的编址空间,片上内存的总容量为320kB,包括128k×16bit的RAM和32k×16bit的ROM,并可以根据用户的需要扩展到最大为8M×16bit的片外内存空间。本系统选用的是HY57V64芯片,是一个有4个1M×16bit逻辑阵列的SDRAM芯片。该芯片接收并存储DSP模块传输过来的声信号数据,当DSP模块需要处理数据时也会从该芯片的特定位置读出相应的数据。

1.4 报警模块

报警模块配有GPS和GSM模块,获取位置和速度信息并与服务器进行通讯。DSP模块从报警模块的GPS模块获得车辆的速度和加速度信息并加入声信号信息进行辅助计算。报警模块从DSP模块获得实时的车辆碰撞信息,一旦检测到碰撞信号,报警模块即向服务器报警。

2 软件和算法设计

我们设计的系统软件是一个运行于DSP之上的程序,控制系统各模块工作,并完成算法计算。使用TI公司的CCS集成开发环境,用C语言和汇编语言进行编程。

该软件首先进行初始化,对VC5509和AIC23的运行参数进行配置。对VC5509芯片的锁相环配置时,将系统时钟设置为144kHz。对McBSP进行配置时,打开VC5509的Mc BSP0并启动其进行输入输出操作。配置DMA0通道,使其工作于兼容模式并在中断时停止数据的传输。配置AIC23的工作模式为DSP模式并使用IIC方式传输数据。启动AIC23对声信号进行32k采样速率的采样。

初始化结束后进行采样检测,经过采样检测,一旦发现采集到的信号满足分帧条件,即采集到的声信号长度足够1秒时,就执行自动声检测算法。

自动声检测算法读出数据并进行判断,如果检测到的是非碰撞事件,则继续执行采样检测以等待处理下一秒数据,这时软件在执行空循环;当自动声检测算法检测到的是碰撞事件,就向通讯模块传递信息,在GPS模块确认速度和位置信息之后就通过报警模块报警。此软件的流程如图3所示。

软件流程图中自动声检测算法的设计是核心部分,下面做重点介绍。由于不同声波信号的幅频特性和相频特性不同,不同声波信号在各个频率段的幅值也存在一定的差异。因此,可利用各个频率成分的能量变化来实现目标识别[8]。

自动声检测算法包括声音信号采集和分帧、特征提取、特征降维、特征分类四部分,其具体实现步骤如下:

(1)采集和分帧。将采集到的信号按每2s分为一帧,帧与帧之间有1s的交叠。对32k采样率的芯片来说,即每一次只对2s的片段65536个点进行处理,在训练阶段两个片段之间有1/2重复。这样得到一组数据。

(2)特征提取。对每一帧信号数据实施DWT变换以得到频域信息,然后根据得到的频域信息统计能量的分布,以此作为识别交通事故的特征。本算法采用DB1小波,对每一帧信号,先进行一层分解,然后高频系数进行两层完整的分解,低频系数进行10层单向分解得到1 8组数据。计算得到特征分量F=[E1,E2...E18],En的计算公式如下:,其中N为Cn的长度。

(3)特征降维。对特征提取后的信号量实现降维。在提取出的特征分量F的基础上,本算法采用基于主成分分析(PCA)的异常点检测算法检测交通事故碰撞声。原特征F变换后得到公式为,其中H为PCA方法得到的投影矩阵。

(4)特征分类。收集正常运行和交通事故时的车辆周围声音信号样本,并训练构造分类器,实现对行驶过程中的声音分类。分类器拟输出两类分类结果:一类为正常运行声音,另一类为重大交通事故的碰撞声音。判别条件为:

其中为训练样本集的特征分量投影。n表示允许偏出给定区间Ii的最大个数,当n大于某个阈值时即为碰撞,反之则不为碰撞。

3 实验结果及分析

系统实验所采用的实验样本总数为200个,分为碰撞样本和非碰撞样本两类,每类都为100个样本。碰撞样本采集于车辆厂商的碰撞试验,非碰撞样本采集于日常常见各类声音信号。其中碰撞样本的长度为10s,包含完整的车辆碰撞过程的声音,并混有刹车等常见噪声。非碰撞样本的长度为20s,分为自然环境类、音乐类和语音类等几种声音。在碰撞样本中,20个作为算法的训练样本,剩下的80个用于检测算法的效果。一般普通声音的频谱如图4 a)所示,而典型的碰撞声样本的频谱如图4 b)所示。

我们的碰撞声检测仪在一个模拟的环境下进行测试,尽可能地还原真实场景。使用低失真功放装置反复对真实场景中采集到的碰撞信号进行实验。并和文献[4]中的实验结果进行了对比。其中整体成功率是对判断对的样本总数和实验样本总数的比值。实验结果示于表1。

由实验结果可以看出,无论对碰撞样本还是非碰撞样本,实验结果都非常准确,这说明本算法在设计上较为合理,在较小的干扰下可以达到碰撞声分类的目的,和文献[4]提到的结果相比,无论是碰撞样本还是非碰撞样本,准确度都有所提升。

4 结束语

利用TMS3205509芯片做信号处理以及TLV320AIC23B做采集芯片的车辆碰撞报警装置,体积小、成本低。此装置使用分帧的方式对声信号进行模式识别计算,以实现车辆碰撞的及时报警。实验结果表明,此系统可靠性高、延时较短、可及时发出报警信号。此系统的应用可提高机动车辆驾乘人员的安全系数,从而降低驾乘人员的车祸伤亡率,具有良好的应用前景。

摘要：本文介绍了一种通过声音进行车辆碰撞事件识别的方法,设计了一种基于DSP车辆碰撞报警装置。该装置通过实时的对声信号进行采集,运用模式识别方法对声音进行分类,一旦出现碰撞声音即通过通讯和报警模块报警。实验表明,该装置对碰撞声信号具有较高的识别率和识别准确性。

关键词：数字信号处理,声信号,模式识别,车辆,碰撞

参考文献

[1]Gabler H.C,et al.Development of an automated crash notification device:an undergraduate research experience[C]//IEEE 30th Annual Frontiers in Education Conference 2000.2:SIG13-SIG17.vehicles in a vision-based driver-assistance device.IEEE Transactions On Intelligent Transportation Devices[J].

[2]吴昌东.预防汽车追尾系统设计.微计算机信息[J].vol 17,2008

[3]Chen Cheng,Critical motion detection of nearby moving accident detection device at intersections[C]//Proceedings of the Eighth International Conference,May 26-28,2004,Beijing,China:153-157.2009,10(1):70-82.

[4]Yunlong Zhang,Hu R Q.Development of an automated

[5]陈强,李江,王双维,等.基于AR模型的车型自动分类技术[J].吉林大学学报工学版[J].2007,37(2):325-328.

[6]Texas Instruments Inc.TMS320-C55x Technical Overview[R].2000detection in intersections via digital audio signal processing[J].Transportation Research Record,2003,

[7]Texas Instruments Inc.TLV320-AIC23 Data Manual[R].2002.

声信号处理篇9

1 FDTD一致性方程

以Euler方程和连续性方程为基础, 考虑声波小振幅情况, 二维情况下声压p和质点速度u关系如下:

上式中, ρ是介质密度, c是声速, 质点声速

FDTD方式是将计算场分为多个计算元胞, 在电磁场中称为Yee元胞, 每个元胞结构见图1。在计算场中以蛙跳的方式前进, 当前时刻上某一点的声压值可由同一点前一时间点上的声压值和该点在上一时间点的速度值计算求得, 速度值求法与此类似。

图1中心点 (i, j) 的声压计算一致性迭代公式如下[2]:

式中, ?为空间步长, ?t为时间步长, 考虑到计算结果的稳定性和收敛性, 应当满足稳定性条件:

2基于宽带信号的一致性方程改进

上述公式适用于均匀无耗介质, 但是在实际情况中, 存在着各种影响声波传播的因素。本文主要针对海水中的声的吸收损耗进行研究。这一吸收损耗与声波频率相关, 故而可以应用于改进FDTD方程使之适用于宽带信号。引起声波在海洋中传播衰减的原因有: (1) 海水的粘滞、电解质的弛豫等而使声能转变为热能的声吸收; (2) 海水中不均匀体对声波的散射; (3) 声波波阵面的扩展; (4) 海水中温度、盐度的不均匀使声线发生弯曲。

Liebermann从理论上证明, 离子弛豫机制和粘滞性导致的声吸收系数与频率的关系如下[6]:

式 (8) 中, S是盐度 (‰) ;A和B是常数, 分别等于1.86×10-2和2.68×10-2;f是以k Hz为单位的频率, fr是弛豫频率。

上式中, T是摄氏温度。仿真实验研究中, S取值为35‰, T是10℃。声波在传播中由于吸收系数导致的衰减符合公式 (10) [7]:

r是声传播方向r上的传播距离, FDTD迭代是根据时间循环迭代, 每次循环r c t。根据公式 (10) , 改进后的与频率相关的FDTD公式如下:

由于宽带信号的频率在一定区间内变化, 波长, 也就不固定, 因此, 需对式 (7) 描述的稳定性条件进行修正, 由于FDTD迭代的空间步长与波长相关, 一般为波长的十分之一或者更小。故而宽带输入条件下, 空间步长修正为:

其中, 为宽带信号中的最小波长。

3仿真结果与分析

仿真实验的入射波脉冲宽度设定为4.18ms, LFM波表达式见式 (15) :

f0和p0分别为初始频率和初始声压, K是频率增长率。本次仿真, f0=1500Hz, p0=10, K=2×105Hz/s。仿真实验的时间步长选为0.0041ms, 空间步长为0.037m。散射目标为半径1.5m的实心圆盘, 计算场大小为9m×9m, 实心圆盘密度为2700kg/m3, 圆盘中声速为4500m/s, 水密度为1025kg/m3, 水中声速为1500m/s。利用LFM波作为入射波, 分别就水下目标的入射场和散射场情况进行了仿真计算分析。入射波从x=0.5m处加入, 从左向右传播, 图2为t=3.22ms时入射波的数值仿真模型灰度图, 为入射波即将接触物体的情形, 可以明显看到入射波频率逐渐增加。

图3显示了t=6.72ms时刻的散射场, 由图可以看出LFM入射波情况的入射周期逐渐增加。LFM衍射波周期也有所增加, 是因为LFM波后期频率增加, 周期变小, 衍射波周期随着减小, 显示周期数增多。

图4是计算场中 (2.5m, 4.5m) 这一点接收到的散射波形图, 可以看到波形幅度变化较大, 这是由于LFM波频率不一致, 不同频率的衰减量不同, 所以最终接受到的散射波幅度不同。入射周期在经过散射之后发生了周期延拓, 这与通过物理解析法解决散射问题得出的最终解性质相一致。

图5是计算场中 (2.5m, 7m) 这一点接收到的散射波形图, 通过与 (2.5m, 4.5m) 处散射波对比发现, 波形起始时刻较晚, 这是由于圆盘散射波传播到两点的时刻不同所致。点 (2.5m, 7m) 离圆盘较远, 接收到的散射波的波的叠加特性更明显。而且散射波幅度明显减小, 可见改进的FDTD公式中衰减系数起到了一定作用。

4结论

为了将FDTD公式应用于水下宽带信号仿真, 本文介绍了改进后的与频率相关的宽带水声FDTD计算公式, 针对宽带信号的宽频特性, 修正了FDTD数值稳定性条件, 选取了更适合的空间步长与时间步长, 增加了与频率相关的声在水中传播的衰减系数, 吸收边界条件选取了效果较好的PML边界条件。并且对单频入射信号和宽带入射信号的水下目标散射情况进行了仿真对比。单频入射信号采用正弦信号, 宽带信号采用LFM信号, 通过对比灰度图以及固定点的散射波波形图, 得出宽带入射情况下的波形图与理论相符合, 进而验证了这一公式改进的有效性。为将来的宽带信号水下散射问题研究打下了理论基础。

参考文献

[1]Yee K S.Numerical solution of initial boundary value problems involving Maxwell's equations in isotropic media[J].IEEE Trans.Antennas Propag., 1966, 14 (3) :302-307.

[2]Wang S.Finite-difference time-domain approach to underwater acoustic scattering problems[J].The Journal of the Acoustical Society of America, 1996, 99 (4) :1924-1931.

[3]Kowalczyk K, Walstijn M.Modeling frequency-dependent boundaries as digital impedance filters in FDTD and K-DWM room acoustics simulations[J].Journal of the Audio Engineering Society, 2008, 56 (7/8) :569-583.

[4]Sun T, Li G, Wang K.A Near-to-far-field Transformation Method for Acoustic Scattering Problems[C]//Mechatronics and Automation, 2007.ICMA 2007.International Conference on.IEEE, 2007:304-308.

[5]Lopez J J, Navarro J M, Carnicero D, et al.Some comments about graphic processing unit (GPU) architectures applied to finitedifference time-domain (FDTD) room acoustics simulation:Present and future trends[C]//Proceedings of Meetings on Acoustics.Acoustical Society of America, 2013, 19 (1) :070098.

[6]刘永伟.混浊海水声吸收与声散射特性研究[D].哈尔滨:哈尔滨工程大学, 2011.

声信号处理篇10

作为国家石油战略储备的重要基础设施,大型常压储罐的安全运行备受人们关注。目前,常见的储罐检测方法主要有两大类:清罐检测和在线检测。其中清罐检测需要暂停生产,人力物力耗费大;在线检测因其实施便捷,成本相对低,是储罐检测的发展方向。而声发射技术是一种应用最广的在线检测方法,它对于大型储罐在线检测具有特殊优势[1]。

针对大型储罐声发射在线监测问题,国内外学者已开展大量卓有成效的研究工作,并在工程中得到一定的应用[2,3]。受声发射源多样性、声发射信号传播路径复杂性等的影响,声发射信号往往很复杂,使得信号的分析识别难度大,难以从中提取出有效的结构损伤状态信息。为建立声发射信号特征参数与结构损伤状态的关系,国内外学者开展了大量的研究工作。目前,常见的声发射信号分析方法主要包括特征参数分析和波形分析两大类[4]。在特征参数分析方面,周猛等[5]利用声发射技术对镀镍钢带拉伸过程进行了监测,分析了不同拉伸状态下声发射信号的变化特征,利用持续时间、振铃计数和能量三个声发射信号特征参数表征了拉伸过程中试件的状态变化。徐长航等[6]通过钢制试件拉伸断裂和疲劳开裂两种损伤过程的声发射监测试验,研究了声发射信号特征参数与试验过程中试件力学行为之间的相关性。Aggelis[7]和Soulioti等[8]将声发射技术应用于钢筋混凝土无损检测中,利用撞击数、能量数和持续时间等声发射特征参数对混凝土裂纹扩展状态进行表征。Mukhopadhyay等[9]将声发射技术应用在SA333Gr.6材料的裂纹扩展研究中,利用撞击数、有效电压值和能量等声发射特征参数对裂纹扩展初期状态进行表征。

为了进一步揭示声发射检测信号与结构损伤状态的关联,国内外学者对声发射信号波形进行了深入的研究。常见的声发射信号波形分析方法包括小波变换、希尔伯特-黄变换(Hilbert-Huang transform,HHT)和神经网络等[10,11,12]。Khamedi等[13]对不同马氏体含量双相钢试件拉伸过程产生的声发射信号进行了小波分析。骆志高等[14,15]使用声发射技术对拉伸件成形状态进行监测,将声发射信号经验模态分解的能量值作为初始特征参数,应用遗传算法和马氏距离算法,进行拉伸件的裂纹状态判别,实现对金属拉伸件成形质量状态的识别。Li等[16,17]将声发射技术应用于近海工程中的焊接钢桁架检测,通过对声发射信号进行希尔伯特-黄变换分析,实现桁架有无损伤的识别。李一博等[18]将小波变换和BP神经网络方法应用于储罐底板声发射信号的分析。Hamdi等[19]将声发射技术应用于高分子复合材料检测,通过对声发射信号的希尔伯特-黄变换和聚类分析,实现复合材料三点弯曲损伤表征识别。

综上可以看出,从声发射信号中提取出有效的损伤信息是声发射检测的关键所在。同时,由于材料性能直接决定了承载结构的应力-应变关系,因此材料性能对结构产生的声发射信号有很大的影响。为此,本文进行常压储罐常用材料12MnNiVR钢拉伸过程典型声发射信号特征分析,为实现储罐损伤状态声发射评价和表征提供技术支撑。

1 声发射检测系统及拉伸试验

1.1 声发射检测系统

12MnNiVR钢拉伸过程声发射检测试验系统主要由拉伸试件、声发射传感器、声发射检测仪、拉伸试验机、计算机(配套分析软件)及信号电缆等组成,如图1所示。

选取的待检测试件取自退役储罐底板,材料为12MnNiVR。试件根据GB/T 228.1-2010进行设计,如图2所示。

声发射检测仪采用德国Vallen公司的AMSY-6声发射检测系统。声发射信号由VS45-M型宽带传感器(20~450kHz)和VS150-RIC型谐振传感器(100~450kHz)拾取,并通过AEP4型前置放大器进行放大,增益设定为34dB。传感器的布置如图2所示。试验过程中声发射系统的参数设定如表1所示。

1.2 拉伸试验

拉伸试验在SANS SHT4605型拉伸试验机上进行。该拉伸试验机采用基于DSP的全数字高响应测量系统,负荷、应变测量全程不分档,拉伸过程的变形分辨力为1/300 000,最大负荷600kN,满足GB/T 228.1-2010的相关要求。试验中,对12MnNiVR试件采用3mm/min恒速率进行连续拉伸加载,直至试件断裂。

噪声干扰是影响声发射检测的一大难题。本文检测试验过程中的干扰源主要包括:连接销轴与试样间的摩擦、拉伸试验机电子噪声干扰等。在试验中采取以下措施来减少干扰噪声:(1)在销轴与试件接触面处增加橡胶衬垫,用于减少界面间产生的摩擦信号;(2)试验开始预加载荷1.5kN后暂停,然后同步启动试验机和声发射仪,实现整个实验系统的同步采集;(3)测定背景噪声,如果测得有拉伸试验机的动力源引起的电子干扰源存在,利用导线,将声发射仪器与材料试验机相接,减小电子噪声干扰。

图3为12MnNiVR试件拉伸过程的加载力-时间关系曲线,其持续时间t=107.6s,最大拉力Fmax=39.150kN。根据这一曲线,并参照常用钢材拉伸特性,可清楚地分辨出其拉伸过程的五个阶段:弹性阶段、塑性阶段、屈服阶段、强化阶段和颈缩阶段,各阶段分布范围如表2所示。表3给出了拉伸试验测得的主要性能参数。

利用上述声发射检测系统对12MnNiVR试件拉伸过程产生的声发射信号进行采集,下面将分别对其进行特征参数及波形分析。

2 拉伸过程声发射信号特征参数分析

本节对12MnNiVR试件拉伸过程产生的声发射信号进行特征参数分析,涉及的特征参数包括信号幅值、持续时间、信号能量、振铃计数和撞击计数。

图4给出拉伸过程声发射信号的幅值时间历程分布。从图4中可以发现,在12.72s之前(弹性阶段),基本没有达到规定阈值的声发射信号出现;在12.72s之后,开始有声发射信号出现,且声发射信号的幅值时间历程分布与试件的拉伸力-时间曲线呈现某种关联性。具体体现在,在12.72~17.14s(塑性阶段)范围内,声发射信号较丰富,且幅值较大,主要分布在40~65dB;在17.14~31.64s(屈服阶段)范围内,声发射信号稀疏,且幅值降低,主要分布在40~45dB;在31.64~76.52s(强化阶段)范围内,声发射信号丰富,且幅值较大,分布在40~75dB;在76.52~110.30s(颈缩阶段)范围内,声发射信号极为稀疏,特别是在断裂之前,声发射信号极少,且幅值较小,在断裂点附近,出现较为丰富的声发射信号,幅值在40~60dB。

图5~图7给出拉伸过程产生声发射信号的振铃数、撞击数和持续时间三个特征参数的时间累计分布。从图中可以看出,声发射信号的振铃数、撞击数和持续时间三个特征参数的时间累计曲线分布极为相似,且与试件的拉伸力-时间曲线呈现明显的关联性。具体体现为,在12.72~17.14s(塑性阶段)范围内,振铃数、撞击数和持续时间三个特征参数的累计数量随时间呈近似线性增加趋势;在17.14~31.64s(屈服阶段)范围内,三个特征参数的累计值随时间增长变缓;在31.64~76.52s(强化阶段)范围内,三个特征参数的累计值随时间增长呈明显增加趋势;在76.52~110.30s(颈缩阶段)范围内,三个特征参数的累计值随时间增长再次变缓。

图8给出拉伸产生声发射信号的能量时间历程分布。从图8中可以看出,在拉伸过程中,出现了三个声发射信号能量的集中区,其中第一个集中区位于12.72~17.14s(塑性阶段)范围内,第二个集中区位于31.64~55.52s(强化阶段)范围内,第三个集中区位于110.3s(断裂点)附近。而这三个能量集中区分别与拉伸过程的塑性阶段、强化阶段前中期、颈缩最后阶段相对应。结果表明,在拉伸过程的这些阶段,声发射源活跃,声发射信号强度较大。

从图4~图8可以看出,在12MnNiVR钢试件拉伸过程中的不同阶段,声发射信号的特征参数,如幅值、持续时间、能量、振铃计数和撞击计数等,在拉伸不同阶段的分布有很大不同。在塑性变形阶段,声发射源活跃,表现为声发射信号幅值和能量大、撞击数和振铃计数随拉伸过程呈线性增大的趋势;在屈服阶段,声发射源不活跃,表现为声发射信号幅值和能量小,振铃计数和撞击数随拉伸过程几乎不变;在强化阶段,声发射源较活跃,表现为声发射信号幅值和能量较大、撞击数和振铃计数随拉伸过程呈缓慢增大的趋势;在颈缩后期,声发射源活跃,声发射信号幅值和能量较大。

通过对声发射信号的特征参数分析,可以了解到拉伸过程不同阶段中声发射信号的能量、强度及撞击数等特点,能在一定程度上反映不同阶段声发射源的强弱。但声发射参数分析无法反映声发射源及声发射信号的时间及频率瞬时特征,如声发射信号幅值随时间的变化趋势及频率组成等。

3 波形分析

为进一步揭示拉伸过程不同阶段的声发射信号变化规律,对12MnNiVR钢试件拉伸过程中塑性变形、屈服、强化和颈缩四个阶段的典型声发射信号分别进行时域波形、频谱、希尔伯特时频分布和边际谱的波形分析。

3.1 时域波形及频谱

图9给出拉伸过程不同阶段声发射信号典型时域波形及其频谱图。

从时域波形可以看出,屈服阶段的声发射信号属于突发型声发射信号,其余三个阶段属于连续型声发射信号;从信号幅值的角度分析,塑性变形和颈缩阶段的信号幅值较大,峰峰值可达50mV,强化阶段幅值居中(峰峰值为5mV),而屈服阶段的声发射信号幅值最弱(峰峰值仅为0.2mV);从信号带宽来看,塑性变形和屈服阶段的声发射信号带宽较窄,分别分布在20~200kHz和100~300kHz。颈缩阶段声发射信号能量主要处于0~400kHz范围。强化阶段的声发射信号带宽最宽(达700kHz),且包含的频率分量丰富。

3.2 时频分析

在时域波形和频谱分析的基础上,对以上典型信号进时频分析。希尔伯特-黄变换作为一种典型的时频分析方法,特别适合用于声发射信号和振动信号的分析[10,11]。

HHT包含两部分,第一部分为经验模态分解,第二部分为Hilbert谱分析。经验模态分解(EMD)方法能把非平稳、非线性信号分解成一组稳态和线性的ck(t)数据序列集,即本征模态函数(IMF)。时间序列数据s(t)的经验模态分解可表示为

其中,ck(t)为IMF分量;rn(t)为平均趋势分量。

对式(1)中的每个固有模态函数ck(t)作Hilbert变换得

进而可以求出瞬时频率:

其中,θk(t)为信号的瞬时相位。由式(3)可看出,ω(t)是时间的单值函数,为了使瞬时频率有意义,作为希尔伯特变换的时间序列数据必须是单组分的,而经过经验模态分解后得到的本征模态函数序列恰好满足这个要求。

将式(1)~式(3)所表示的变换应用于所有本征模态函数序列,得

其中,n为离散点数;ak(t)为各模态的瞬时幅值。显然ωk(t)和ak(t)均为时间的变量,从而构成时间、频率、幅值的三维时频谱图,即Hilbert时频谱,用H(ω,t)表示。它精确地描述了信号的幅值随时间和频率的变化规律。

图10给出四个阶段典型声发射信号的Hilbert时频分布。从图10中可以看出,拉伸过程不同阶段声发射信号的时频分布有很大不同,主要体现在信号主要分量的时间及频率分布范围。塑性变形阶段的声发射信号主要位于0~120kHz频带内,持续时间较长,峰值频率集中在50~100kHz,最大峰值为38mV。屈服阶段的信号主要位于20~120kHz,持续时间较短,能量较为集中,峰值频率集中在50~100kHz,最大峰值约为0.08mV。强化阶段的声发射信号的持续时间长,分布频带宽(可达300kHz),峰值位于150~200kHz附近,最大幅值为1.8mV。颈缩阶段的声发射信号主要位于0~120kHz频带范围内,持续时间较长,峰值频率集中在50~100kHz附近,最大峰值为36mV。从信号强度上看,塑性变形阶段和颈缩阶段声发射信号的强度较大,屈服阶段的声发射信号强度最弱;从信号持续时间来看,屈服阶段声发射信号持续时间最短,属于突发声发射信号,其余三个阶段的声发射信号持续时间较长,属于连续声发射信号;从信号分布频带范围来看,强化阶段和颈缩阶段声发射信号包含频率成分丰富,频带较宽。塑性阶段和屈服阶段声发射信号频带相对较窄。

4 结论

(1)拉伸过程不同阶段声发射信号的特征参数分布有很大的不同。在塑性变形阶段,声发射信号幅值和能量大,撞击数和振铃计数随拉伸过程呈线性增大的趋势;在屈服阶段,声发射信号幅值和能量小,振铃计数和撞击数随拉伸过程几乎不变;在强化阶段,声发射信号幅值和能量较大,撞击数和振铃计数随拉伸过程呈缓慢增加趋势;在颈缩后期,声发射信号幅值和能量较大。

(2)拉伸过程不同阶段声发射信号波形有很大不同。屈服阶段的声发射信号属于突发型声发射信号,其余三个阶段属于连续型声发射信号;塑性变形和颈缩阶段的信号幅值较大,频带较窄,而屈服阶段的声发射信号幅值最弱,强化阶段的声发射信号频带最宽。

(3)声发射信号的特征参数和波形分析能反映不同拉伸过程的变形特征,可用于拉伸过程的表征。

摘要：对大型常压储罐材料12MnNiVR钢拉伸过程中声发射信号的幅值、振铃计数、撞击计数和能量等常规特征参数进行了分析。在此基础上,对拉伸过程不同阶段典型声发射信号的时域波形、频谱、希尔伯特时频分布等进行了波形分析。结果表明,声发射信号的特征参数和波形分析能反映不同拉伸过程变形特征,可用于拉伸过程的表征。