【技术实现步骤摘要】
本专利技术涉及大数据和声学，具体为基于自主网的噪声监测装置及噪声溯源优化方法。
技术介绍
1、在城市化进程发展不断加速的今天，城市噪声污染已成为一个严重的环境问题，对人们的健康和生活质量产生了严重负面影响，严格控制噪声的产生和传播变得越来越迫切，而在控制过程中对噪声的监控识别尤为重要。传统的城市噪声监测技术在面对这一挑战时显现出明显的缺陷，只能监测区域环境的噪声大小，不能具体识别产生噪声的来源和如何产生的，传统的噪声监测方法通常依赖于有限数量的分散式传感器，这些传感器覆盖范围有限，难以全面捕捉城市各个区域的噪声情况，这就导致了监测结果的局限性，容易出现漏报和误报；由于传感器的数量有限，无法实现对城市范围内的噪声事件进行实时有效的监测，这意味着噪声问题得不到及时发现和解决，居民的生活受到持续干扰；传统方法在噪声源的溯源方面由于缺乏详细的声学特征信息，传统技术往往难以追溯到具体的噪声来源和由谁产生的噪声；这使得城市管理部门难以采取有效的控制措施，因为无法明确哪些噪声源形成了噪声污染；且传统噪声监测方法在数据处理和传输过程中存在延迟，无法满足实时性要求；无法满足城市噪声事件需要即时处理和响应的要求，传统解决噪声的方法具有严重的延迟滞后性，进一步加剧了城市噪声污染问题。综上所述，传统的城市噪声监测技术在全面性、实时性和噪声源溯源等方面存在明显缺陷，无法满足当今城市化进程中对噪声管理的需求；为此专利技术人提出于自主网的噪声监测装置及改进seq2seq算法的噪声溯源优化方法，采用一种创新的技术来克服这些问题，提高噪声监测的准确性、实时性和可
技术实现思路
1、为解决上述技术问题，本专利技术提出了基于自主网的噪声监测装置及噪声溯源优化方法，通过设置自主网的噪声监测装置的设备盒和后盖，在设备盒上部安装收音麦克风和通讯天线，在设备盒内安装电路板和蓄电池，在电路板一侧设置电源接口；基于自主网的噪声监测装置的改进seq2seq算法的噪声溯源优化方法的步骤为，步骤一、自主网的噪声监测装置部署；步骤二、噪声数据采集以及处理；步骤三、自主网声学声纹库构建；步骤四、改进seq2seq算法模型网络构建；基于自主网的噪声监测装置及噪声溯源优化方法自主网建立云端声纹库，采用多模型seq2seq噪声监测网络架构，使用余弦计算和中间声纹优先匹配原则进行噪声溯源，快速确定噪声来源，有效快速解决噪声污染。
2、为实现上述目的，本专利技术采取的技术方案是：
3、基于自主网的噪声监测装置，包括有收音麦克风、通讯天线、设备盒、电路板、蓄电池、电源接口和后盖，所述基于自主网的噪声监测装置设置有设备盒和后盖，所述设备盒和后盖之间设置有防水圈，所述设备盒上部安装有收音麦克风和通讯天线，利用通讯天线建立网络管理系统，监控监测装置的状态和数据传输，所述设备盒内安装有电路板和蓄电池，所述电路板包括麦克风、数字信号处理器、内存及存储单元，建立云端存储系统，接收并存储城市中各个噪声节点自主网监测装置的噪声数据流，进而生成噪声分贝值，频率和振幅，所述电路板安装蓄电池的一侧设置电源接口，所述设备盒上与电源接口对应位置设置电源口孔。
4、作为本专利技术装置进一步改进，所述麦克风采用knowles spu0410lr5h-qb麦克风芯片，所述数字信号处理器采用cortex-a72处理器芯片、所述内存及存储单元包括k4f8e3s4hm-mgcj内存芯片、nand闪存、以太网接口芯片、nvidia图像处理芯片、dspc5535声纹处理识别芯片与texas instruments电源管理芯片。
5、本专利技术提供基于自主网的噪声监测装置的改进seq2seq算法的噪声溯源优化方法，其特征在于：包括以下步骤：
6、步骤一、自主网的噪声监测装置部署；将自主网噪声监测装置部署到各区域噪声节点处，利用通讯天线建立网络管理系统，监控监测装置的状态和数据传输；
7、步骤二、噪声数据采集以及处理；建立云端存储系统，接收并存储城市中各个噪声节点自主网监测装置的噪声数据流，进而生成噪声分贝值，频率和振幅，并通过yolov8网络对声音的波形图进行深度学习，形成波形噪声概率特征值，使用高振幅波动间隔作为表征噪声的表达量之一，利用间隔公式计算高振幅波动间隔特征值；
8、步骤三、自主网声学声纹库构建；通过自主网监测装置获取各区域噪声节点的声学特征向量，进而构建各区域噪声节点的声学声纹库，通过线性插值与扩散公式构建出各节点之间无自主网监测装置的声学声纹库，实现全城市噪声声纹库构建；
9、步骤四、改进seq2seq算法模型网络构建；通过改进seq2seq算法模型网络，去预测自主网噪声监测装置实时产生的声学向量，采用声纹损失函数给定算法模型损失，此外根据该向量匹配其隶属的声学声纹库，具体判定结果采用阈值公式进行抉择，最终完成噪声的溯源工作。
10、进一步的，所述基于自主网的噪声监测装置的改进seq2seq算法的噪声溯源优化方法的步骤二中使用的间隔公式表示为：
11、其中，间隔公式表示为：
12、
13、
14、其中，fi为当前时刻的振幅值，ft为前向时刻的振幅值，f则表示为前向120秒振幅的平均值，α表示为异常振幅放大因子，σ则为高振幅波动间隔具体值。
15、进一步的，所述基于自主网的噪声监测装置的改进seq2seq算法的噪声溯源优化方法的步骤三中使用的扩散公式表示为：
16、其中，扩散公式表示如下：
17、
18、其中，χi为两个自主网噪声监测装置中间待插值向量的特征值，k1,k2为两个自主网监测到各自区域内的噪声数据的最显著特征，即自主网噪声监测装置处于交通干道与工业区，则为分贝值特征，处于商业区，则为振幅，处与居住小区则为高振幅波动间隔，处于学校区则为频率；d1,d2则分别为两个自主网噪声监测装置的其余原始特征值。
19、进一步的，所述基于自主网的噪声监测装置的改进seq2seq算法的噪声溯源优化方法的步骤四中使用的声纹损失函数和阀值公式表示为：
20、其中，声纹损失函数表示如下：
21、
22、其中，lo为声纹损失值，γi则为自主网监测装置实时监测到的声学数据特征向量值，即为分贝值，高振幅波动间隔、频率、振幅，波形噪声概率这五种数据组成的向量，存在两种类型即噪声与非噪声，n表明该处自主网监测装置监测的声学声纹库所包含的该类型的总数据量，pi则为自主网监测装置监测的声学声纹库中该类型第i个数据向量；
23、其中，阈值公式表示如下：
24、
25、其中，yi表示为网络预测出的向量值，yi为掌纹数据库中与其余弦距离最近的值，ω则为判断因子，通过本公式即可完成，对于预测出的向量属于哪一声学声纹库。
26、本专利技术提供基基于自主网的噪声监测装置及噪声溯源优化方法，通过设置自主网的噪声监测装置的设备盒和后盖，在设备盒上部安装收本文档来自技高网...
【技术保护点】
1.基于自主网的噪声监测装置，包括有收音麦克风(1)、通讯天线(2)、设备盒(3)、电路板(4)、蓄电池(5)、电源接口(6)和后盖，其特征在于：所述基于自主网的噪声监测装置设置有设备盒(3)和后盖(7)，所述设备盒(3)和后盖(7)之间设置有防水圈，所述设备盒(3)上部安装有收音麦克风(1)和通讯天线(2)，利用通讯天线(2)建立网络管理系统，监控监测装置的状态和数据传输，所述设备盒(3)内安装有电路板(4)和蓄电池(5)，所述电路板(4)包括麦克风、数字信号处理器、内存及存储单元，建立云端存储系统，接收并存储城市中各个噪声节点自主网监测装置的噪声数据流，进而生成噪声分贝值，频率和振幅，所述电路板(4)安装蓄电池(5)的一侧设置电源接口(6)，所述设备盒(3)上与电源接口(6)对应位置设置电源口孔。
2.根据权利要求1所述基于自主网的噪声监测装置，其特征在于；所述麦克风采用Knowles SPU0410LR5H-QB麦克风芯片，所述数字信号处理器采用Cortex-A72处理器芯片、所述内存及存储单元包括K4F8E3S4HM-MGCJ内存芯片、NAND闪存、以太网接口
3.根据权利要求1所述的基于自主网的噪声监测装置的改进Seq2Seq算法的噪声溯源优化方法，其特征在于：包括以下步骤：
4.根据权利要求2所述的基于自主网的噪声监测装置的改进Seq2Seq算法的噪声溯源优化方法，其特征在于：所述基于自主网的噪声监测装置的改进Seq2Seq算法的噪声溯源优化方法的步骤二中使用的间隔公式表示为：
5.根据权利要求2所述的基于自主网的噪声监测装置的改进Seq2Seq算法的噪声溯源优化方法，其特征在于：所述基于自主网的噪声监测装置的改进Seq2Seq算法的噪声溯源优化方法的步骤三中使用的扩散公式表示为：
6.根据权利要求2所述的基于自主网的噪声监测装置的改进Seq2Seq算法的噪声溯源优化方法，其特征在于：所述基于自主网的噪声监测装置的改进Seq2Seq算法的噪声溯源优化方法的步骤四中使用的声纹损失函数和阀值公式表示为：
...【技术特征摘要】
1.基于自主网的噪声监测装置，包括有收音麦克风(1)、通讯天线(2)、设备盒(3)、电路板(4)、蓄电池(5)、电源接口(6)和后盖，其特征在于：所述基于自主网的噪声监测装置设置有设备盒(3)和后盖(7)，所述设备盒(3)和后盖(7)之间设置有防水圈，所述设备盒(3)上部安装有收音麦克风(1)和通讯天线(2)，利用通讯天线(2)建立网络管理系统，监控监测装置的状态和数据传输，所述设备盒(3)内安装有电路板(4)和蓄电池(5)，所述电路板(4)包括麦克风、数字信号处理器、内存及存储单元，建立云端存储系统，接收并存储城市中各个噪声节点自主网监测装置的噪声数据流，进而生成噪声分贝值，频率和振幅，所述电路板(4)安装蓄电池(5)的一侧设置电源接口(6)，所述设备盒(3)上与电源接口(6)对应位置设置电源口孔。
2.根据权利要求1所述基于自主网的噪声监测装置，其特征在于；所述麦克风采用knowles spu0410lr5h-qb麦克风芯片，所述数字信号处理器采用cortex-a72处理器芯片、所述内存及存储单元包括k4f8e3s4hm-mgc...
【专利技术属性】
技术研发人员：宋兴伟，胡玲，邓磊，赵永刚，邓杨敏，钟天全，
申请(专利权)人：江苏省环境监测中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。