智能手机交互式噪声自先验感知分析系统技术方案

本申请提出基于智能手机的交互式自先验感知的数据采集与重建方法，针对交互式感知系统中出现的数据冗余多、处理过程能耗大等问题，提出把自先验感知融入交互式感知噪声检测系统，利用少量的噪声数据来重建出整个环境噪声数据信息，有效减少数据采集量，为了提高采集数据的精确度，在采集噪声数据前，提出一种粗粒度的粗粒度音频模态动态评估方法对参与者在感知任务过程中的应用场景进行推测；设计并实现了一个环境噪声交互式感知系统，解决了噪声数据的冗余、保障了数据的可信性、保护了个人隐私、提高了采集效率，参与者通过热力地图来直观的获得特定区域的噪声分布情况，对于噪声监测和分析具有巨大作用。噪声监测和分析具有巨大作用。噪声监测和分析具有巨大作用。

Smart phone interactive noise self prior perception analysis system

【技术实现步骤摘要】
智能手机交互式噪声自先验感知分析系统


[0001]本申请涉及一种智能手机交互式噪声感知分析系统，特别涉及一种智能手机交互式噪声自先验感知分析系统，属于交互式噪声感知分析


技术介绍

[0002]随着智能手机覆盖面越来越广，诞生了一种通过不同个体共同完成感知任务的感知数据采集方式—交互式感知。参与者通过智能手机端传感器采集符合感知任务要求的数据并存储,进而对所采集的数据进行处理并推送到服务器,服务器会对所有上传的数据进行整合分析得到对应结果。最后再把分析后的结果反馈给参与者使用。目前，交互式感知得到了一定的应用，如行车路线规划和环境污染监测等。
[0003]交互式感知可以看做是无线传感网络的延伸和拓展应用,无线传感网络的理论和技术发展相对较为成熟,但发展到广泛的城市感知应用仍有一定距离,其中包括传感网的组网成本、代价等限制了其大规模应用，此外传感网布设的传感器类型具有较强的应用相关性,因而针对不同感知类型的应用，缺乏灵活性和可重用性。
[0004]和无线传感网络相比,交互式感知具有以下特点：第一，交互式感知节点的部署可以是静态的，也可以是动态的,可以根据感知任务的不同灵活调整感知范围。第二，交互式感知以人为中心，参与者既是感知数据的提供者，也可以分享其他参与者分享的数据带来的成果，整个感知规模和需求随着人的需求的变化而不断变化。
[0005]在交互式感知过程中,对于数据的整个处理过程十分重要,对于数据的处理过程，主要分四个部分：数据采集、数据分析、数据上传和数据推送。
[0006]噪声污染的副作用不容小髻，不仅对听觉造成伤害，也会影响人体其他生理组织。随着城市人口数量和工业制造规模的飞速增长,噪声污染也日益引起更加广泛的关注，有效、科学的实时监测噪声污染显得更加有意义。
[0007]为了更准确的实时监测噪声污染情况，需要知道噪音在时间和空间的分布情况。噪声的强度是实时变化的,同一位置在不同的时间,噪音强度差别可能很大。使用噪声地图来展示噪音分布情况，它将一个地理区域的噪音分布情况在地图上描绘出来，反映出噪音随时间和空间的变化情况,建立一张实时的噪音地图，展示出在一定的范围内每个位置噪音的强弱，并实时更新,为在一个区域内噪音污染的治理提供数据和信息,也是数据化城市的重要组成部分。对城市的环境治理和区域的噪声分析具有重大意义。
[0008]在现有的环境数据采集系统中,大多需要预先设置传感器节点，预先在已有的标准噪声仪附近设置好传感器节点，对获取到噪声数据进行校准,系统把获取到的数据通过传感器网络传送到服务器端，最后由服务器终端绘制出噪声分布地图，供参与者使用。现有的环境数据采集系统大多面临着当监测范围变大时，需要布置大量传感器设备，这无疑增加了开销，并且实现细粒度的监测也存在很大的难度。此外，在监测的过程中，对于监测范围和监测数据类型很难存在动态性变化。
[0009]交互式感知作为一种新的感知方式，与之相似的概念有众包和群智感知等，他们
都是利用参与者手持移动设备主动或被动的采集周围环境的信息，以达到感知目的。交互式感知系统根据感知类型的不同和感知范围的不同分为三类，公共感知类、社交感知类、个人感知类。
[0010]在现有的交互式感知系统的数据采集中,主要存在以下集中数据采集类型：一部分系统直接让所有参与者上传信息，在采集、传输和存储中都有大量的冗余，不利于鼓励参与者参加，也不适用于大规模的应用。一部分系统从参与者的运动轨迹的相似性，分配感知任务的公平性角度分析,提出了在最小化系统能耗的同时最大化系统的采集效率这一角度，降低了系统的能耗，但缺乏针对在采集过程中产生数据冗余这一方面的考虑。一部分交互式感知系统考虑到了数据的冗余性,这些系统多采用同步的通信方式，将参与者的位置看成已知条件，对参与者位置和采集能力的要求高，但缺乏对参与者设备能耗的考虑，难以推广应用。
[0011]交互式感知系统和应用层出不穷,但离实际大规模应用还相距甚远，由于其诸多优点,可以预想在未来交互式感知系统可以得到大范围普及应用。然而,在这个领域仍存在一些需要进一步解决的技术问题，例如如何解决数据的冗余、如何保障数据的可信性、如何保护个人隐私、如何提高采集效率等问题。
[0012]综上所述，现有技术的噪声采集分析系统仍然存在若干问题和缺陷，本申请的难点和待解决的问题主要集中在以下方面：
[0013]第一，现有的噪声环境数据采集系统大多面临着当监测范围变大时，需要布置大量传感器设备，这无疑增加了开销，并且实现细粒度的监测也存在很大的难度。此外，在监测的过程中，对于监测范围和监测数据类型很难存在动态性变化，特别是噪声监测无线传感网络部署成本很高，应用开发不方便，无法动态的调节监测区域和分配监测任务，现有技术缺少一种充分利用广泛使用的智能手机进行噪声采集和分析的动态系统；
[0014]第二，现有技术的交互式感知系统运用到环境噪声采集分析中也存在问题：一是直接让所有参与者上传信息，在采集、传输和存储中都有大量的冗余，不利于鼓励参与者参加，也不适用于大规模的应用；二是从参与者的运动轨迹的相似性，分配感知任务的公平性角度缺少对应措施，交互式感知系统能耗大，噪声采集过程中数据冗余多、处理过程能耗大；三是对参与者位置和采集能力的要求过高，缺乏对参与者设备能耗和性能的考虑；交互式感知系统离实际大规模应用还相距甚远，无法解决数据的冗余、保障数据可信性，无法保护个人隐私、提高采集效率，难以在噪声环境采集分析领域得到推广应用；
[0015]第三，现有技术缺少面向环境感知的噪声分析系统，缺少基于智能手机实现噪声数据的采集、处理与压缩传输，在系统中参与者通过热力地图的形式来直观的获得自己所关心区域的噪声分布情况的技术手段，智能手机移动终端由于资源有限，降低能耗，减少整个系统中的数据传输量是关键，但现有技术又没有有效措施；针对交互式感知噪声检测系统中出现的数据冗余多、处理过程能耗大等问题，没有有效的解决方法，无法利用少量的噪声数据来重建出整个环境噪声数据信息，数据采集量很大；在采集噪声数据前，缺少对参与者在感知任务过程中的应用场景进行推测的方法，采集数据的精确度较低，交互式噪声数据采集与重建困难重重，无法推广到实际应用中；
[0016]第四，现有技术的噪声采集分析缺少优质的环境噪声交互式感知系统，缺少噪声采集分析系统的总体设计，缺少客户端系统设计，无法完成传感器数据获取、地图服务板块
设计、噪声地图的生成，缺少服务端系统设计；客户端缺少搭载智能操作系统的智能手机，完成噪声数据的采集和压缩，并把数据发送到服务端的方法，参与者无法在手机端查看噪声地图；服务端缺少基于REST架构的Web服务方式,缺少接收从客户端发送过来的数据，并把数据进行处理和重建，实现对交互式感知数据的处理以及对参与者状态的推测,最后把重建结果反馈到客户端的方法，无法实现的对噪声数据的可视化，不利于直观观测到感知位置的噪音量和分布情况。

技术实现思路

[0017]本申请面向环境感知提出基于智能手机的交本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.智能手机交互式噪声自先验感知分析系统，其特征在于，面向环境感知基于智能手机对噪声交互式分析，把自先验感知应用到交互式感知系统当中，通过对智能手机端和服务器端的设计开发，实现噪声数据的采集、处理与压缩传输，在系统中参与者通过热力地图的形式直观的获得自己所关心区域的噪声分布情况，实现交互式自先验感知噪声检测系统；第一，交互式自先验感知的数据采集与重建，包括：一是交互式噪声数据采集，二是自适应噪声数据压缩，三是噪声自先验重建；在采集噪声数据前，提出采用一种粗粒度音频模态动态评估方法对参与者在感知任务过程中的应用场景进行推测，提高采集数据的精确度；基于交互式感知系统中噪声数据冗余多、处理过程能耗大的问题，提出把自先验感知融入交互式感知噪声检测系统，利用少量的噪声数据来重建出整个环境噪声数据信息，减少数据采集量；第二，设计并实现一个环境噪声交互式感知系统，一是系统总体设计，二是客户端系统设计，包括传感器数据获取、地图服务板块设计、噪声地图的生成，三是服务端系统设计；客户端使用搭载智能操作系统的智能手机，完成噪声数据的采集和压缩，并把数据发送到服务端，参与者在手机端查看噪声地图；服务端采用基于REST架构的Web服务方式,接收从客户端发送过来的数据，并把数据进行处理和重建，实现对交互式感知数据的处理以及对参与者状态的推测,最后把重建结果反馈到客户端。2.根据权利要求1所述智能手机交互式噪声自先验感知分析系统，其特征在于，交互式噪声数据采集：对智能手机的使用场景和使用方式进行粗粒度音频模态动态评估，根据参与者的运动状态，将参与者分为静态型和动态型,根据参与者的手机所处空间,分为封闭空间和开放空间,将手机放置于室内的抽屉内，则认定是静止状态下的封闭空间，手机采集到的噪音数据相对偏小,不能真实反映实时噪声数据，在此种状态下数据可靠性较低；当参与者处在运动状态下，手机暴露在室外，参与者如果采用高采集频率,能较好反映出时空特性的噪声数据,避免离散不间断的采集区域出现；在判别手机是处于何种运动状态时，采用手机中的加速度传感器,手机加速度传感器获取手机三个移动方向的加速度数据变化,其中X轴表示左右移动方向的加速度，Y轴表示前后移动方向的加速度，Z轴表示垂直移动方向的加速度；当携带有智能移动终端设备的参与者处于运动状态时,三个轴的加速度都有一定变化,但变化规律不明显，并且当运动的姿态不同时每个轴的加速度变化规律都不一样,如果分析每个轴上的加速度变化势必增加算法复杂度，本申请引入一个新的加速度强度合向量CNU作为特征量：a
x
,a
y
,a
z
分别是三个方向上的加速度，利用CNU特征量避免分析三个轴上的加速度带来的复杂性，不管是何种运动状态,CNU的值都会有较大变化,用CNU作为运动状态判断依据；当参与者处在某运动状态时，CNU有一个最小值到最大值的变化过程，当参与者处于静止状态时，CNU区域平稳,其大小在一个重力加速度g之间，本申请设置1.1g为判别临界值，计算感知任务开始后3秒参与者的平均CNU判定：当CNU＜1.1g时，参与者处于平稳状态；当CNU≥1.1g时，参与者处于运动状态；在判别手机是否处于封闭空间时，采用光脉冲近距离传感器所读取的数据判断手机所
处的空间，采用values[0]获取参数，当距离小于1.6cm时，values[0]值为0，当距离大于等于1.5cm时，values[0]值为5；对通过加速度传感器和光脉冲近距离传感器所采集的数据进行分析,粗粒度推测参与者的使用场景，并以此为依据筛选参与者提供的噪声数据；噪音量的评估通过手机端完成，当启动客户端软件时,通过手机端麦克风感知周围的声音大小，并计算分贝值，同时,软件通过定位获取当前位置信息，即经纬度，并获取当前时间截，即获得了一个三元组(时间戳，经纬度，分贝值)，把这个三元组存入手机，得到一条噪声数据记录，在手机端只测量周围噪声数据的大小而不录制参与者周围的声音，对录音文件不保存，保护参与者隐私；采集噪声信息时是基于参与者位置采集的,选取一块目标区域G,把区域G划分成有N个部分，每一个部分为一个噪声测量单位,把每一个噪声测量单位内的所获取的数据信息x
i
(i∈{1,2,3,
…
,N})转化为向量形式，表示在这个目标区域内的噪声污染情况：x＝(x1，x2，...x
N
)
T
ꢀꢀꢀꢀ
式2x为数据全集,根据不完整的、随意的测量数据重建出初始数据x。3.根据权利要求1所述智能手机交互式噪声自先验感知分析系统，其特征在于，自适应噪声数据压缩：在某一时间段T内，参与者在感知任务要求的区域内采集噪声数据，参与者采集到一串数据v
s
,v
s
仅包含部分噪声测量数据，即噪声分贝值、位置数据信息、时间截信息，首先把v
s
编码成M维的向量y
s
，y
s
＝B
s
v
s
,其中观测矩阵中B
s
的设定：B
s
中是一个M
×
L
s
的观测矩阵，只含
‑
1,0,1三个元素,k
’
≈100：观测矩阵B
s
在每个参与者的手机上通过一个伪随机数生成器生成，参与者的手机端通过生成的观测矩阵实现对所采集数据的降维，只有通过降维后的向量被发送到服务端，减少传输的流量，在重建时，服务端只需要和手机端相同的伪随机数生成器，观测矩阵就能够在服务器段生成且与手机端一致；将所有n个参与者所获取的数据叠加起来,则有y
*
＝B
*
x
*
,其中x
*
是所有v
s
的叠加：的叠加：
B
*
是一个P
×
Q的稀疏采样矩阵,P＝M*nx
’
中有数据重合和缺失,为还原初始的x,按照x中元素的顺序对B
*
进行重建,使得：y＝CE＝BGx
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式6其中，C是感知矩阵，E是x在离散余弦变换矩阵G上的稀疏表示。4.根据权利要求1所述智能手机交互式噪声自先验感知分析系统，其特征在于，噪声自先验重建具体步骤如下：定义：输入：观测基B，观测噪声y，稀疏度k,输出：x的k稀疏度重建的噪声信号s；初始化：观测噪声的残差余量r0＝y,重建信号s0＝0,索引集T
n
＝T
n
‑1∪{k}，迭代次数n＝0；第一步：计算观测噪声的残差余量和观测基B的每一列的内积g
n
＝B
T
r
n
‑1；第二步：找出g
n
中的最大元素，j＝argmax|g
n
[i]|；第三步：更新索引集T
n
＝T
n
‑1Y[j]以及索引观测基B
T
,Y[*]为索引更新函数；第四步：采用最小二乘法求的近似解x
n
＝(B
TT
,B
T
)
‑1B
TT
y；第五步：更新观测噪声的残差余量，r
n
＝y
‑
Gs
n
，其中迭代次数n＝n+1，G为离散余弦变换矩阵；第六步：如果n＞k，而且满足收敛条件，则停止迭代，s
r
＝s
n
，r＝r
n
，输出s
r
，s
n
，否则转向第一步；给出一个离散的K稀疏信号X，其中信号X的长度N变化，每条曲线代表不同的N值，取N＝50,100,500,噪声信号X的归一化稀疏度s＝k/n＝0.1,过采样率c为噪声测量数量M与噪声信号稀疏度k的比值,观测矩阵采用随机高斯矩阵。5.根据权利要求1所述智能手机交互式噪声自先验感知分析系统，其特征在于，系统总体设计：智能手机端获取噪声分贝值、位置信息和时间信息，三者通过通信模块上传至服务器端，同时，对参与者所获取的噪声信息实时显示，在参与者发出请求后，服务器端将采集的噪声数据反馈给参与者,在客户端以噪声地图的形式显示，服务器端通过通信模块收发数据，通过数据管理模块进行数据处理；基于智能手机，通过内嵌的传感器获取噪声数据并完成噪声数据的可视化，服务器端作为系统的数据处理中心,其主要是进行数据接收、存储以及其它在服务器端进行的必要处理，参与者采集的数据集中在服务器端进行噪声自先验重建,服务器采用数据管理模块与MySQL集群进行通信。6.根据权利要求1所述智能手机交互式噪声自先验感知分析系统，其特征在于，客户端系统设计：采用智能手机完成数据的采集、存储、上传,客户端主要包括：一是感知数据的采集，包括噪声信息、定位信息、加速度传感器信息、近距离传感器信息、时间戳信息；二是与服务器端通信，客户端把获取到的数据信息发送到服务器端,并接收服务器端的反馈结果；三是数据的...

【专利技术属性】
技术研发人员：马斌斌，
申请(专利权)人：马斌斌，
类型：发明
国别省市：