噪声监测中前景噪声与背景噪声分离方法的研究

王　沁，张 鑫，田军委，赵　鹏，王　瑞

（西安工业大学机电工程学院，陕西西安，710021）

噪声监测中前景噪声与背景噪声分离方法的研究

王沁，张 鑫，田军委，赵鹏，王瑞

（西安工业大学机电工程学院，陕西西安，710021）

为了能够有效的区分前景噪声和背景噪声，本文搭建了一种噪声采集的系统，采用数字噪音计VC824B为噪声采集传感器，单片机作为初级处理端并将噪声数据传输给ARM主控板，再通过通讯板传输给上位机主机。本文提出了在总体噪声的数据中用声强法进行噪声分离。经过实验验证了该方法的可行性，同时为以后提供大规模的噪声采集提供了合理的硬件平台和分析方法。

噪声采集；前景噪声；背景噪声；噪声分离

城市环境噪音平均值已经超过了70dB，还有来源于工业生产噪声和建筑施工噪声。它们给人们身体和生活都带来极大的危害。噪声又分为前景噪声和背景噪声，背景噪声反映噪声的总体情况，一般不太容易改变，前景噪声是在环境背景噪声下的一些突出噪声源，这是噪声治理的重点。要准确检测出前景噪声需要把背景噪音进行分离，对于背景分离方法，根据所处的噪声环境的不同而不同。比较常用的方法有：

（1）区域网格测量法

将监测区域划分成等面积大小的正方格，网格要覆盖整个监测区域。有效网格总数应多于100个。测点应布在每一网格的中心。然后根据各个测量点与平均值得差值分级后用不同颜色来评定。

（2）L90法

累积百分声级中 L90代替背景值。L90指在测量时间内有90%的时间 A 声级超过的值，相当于噪声的平均本底值。

（3）声强分析法

在测试环境中，当两种或者以上的噪声相遇时会出现噪声的声强叠加，使声强变大。如果声强是非平稳总趋势递增变化的，那此噪声应为所测环境的前景噪声。

本文通过设计噪声采集电路、噪声数据处理等完成噪声的采集与数据传输，采用声强法对来评定环境中的噪音，最后通过模拟实验验证了该方法。

1　噪声检测硬件平台设计

系统结构框图如图1所示，本系统的噪声采集采用的是数字噪音计VC824B，噪声计模拟信号输出接口与采集板中单片机连接，采集板将采集到的噪声数据进行初级处理，按照模拟数据量0.01mV对应转换为1dB的数字量进行A/D转换。噪声采集板原理图如图2所示。采集板将数据通过单片机的P0.4引脚传输给ARM主控板，然后通过通讯板发送给上位机主机。

图1　系统结构框图

ARM主控板采用的是STM32所构成的最小系统。通过485和通讯板进行数据传输，通讯板通过网口与上位主机进行通讯。此外，噪声采集板和ARM主控板采用+12VDC的方式供电，利用可调稳压器AMS1117芯片将+12V降压至+9V为噪声传感器供电，再利用DC/DC降压变换器将+12V降压至+3.3V为ARM板和噪声采集板供电。这样就搭建起了噪声检测的硬件平台。

2　前景噪声和背景噪声的分离方法

本文所说论述的区分前景噪声和背景噪声的方法是基于声学原理中声强的分析法而来的。本文中区分的背景噪声并非待测噪声源未发声时的本底噪声。由于本文使用的数字噪声计测量的就是环境噪声中的总噪声，并且从总噪声中分离出前景噪声和背景噪声。于是，使用声强分析法，将总噪声的平均值视为背景噪声，而将使得声强变大或者超过背景噪声的噪声视为前景噪声。

对前景噪声和背景噪声分离的步骤如下：

（1）在一段时间内，通过噪声计采集n个数据；

（2）算出这n个数据的平均值average；

（3）将每个数据与平均值作差得到新的n个数据；

（4）判断新的n个数据每一个数值的正负；

（5）若为正数，则此数据对应的所测噪声值为前景噪声；若为负数，则此数据对应的所测噪声值为背景噪声。

3　软件设计

本系统的噪声数据是先通过噪声传感器采集环境中的噪声，再将噪声传感器的模拟量噪声数据传输至C8051F350芯片进行模数转换，噪声计将采集的数据按照0.01mV对应1dB进行A/D转换，在由电位器调节其增益系数进行校正。之后将数字量噪声数据传输至STM32F103RCT6芯片，进行识别和存储，等待数据进一步应用。

本文的噪声数据处理软件设计，主要涉及的是STM32F103RCT6芯片对噪声数据的接收、识别、缓存和发送。具体的过程是：噪声数据来自噪声采集板，通过ARM板的UART4_IRQHandler（）函数进入接收中断，利用UART4_ fun（）函数进行数据的接收，再通过switchoutput（）函数进行数据的识别，获得噪声数据缓存至Sensor_ZS数组中，进一步进行数据类型的转换和校验，最后将噪声数据发送至串口转网口模块和LCD上。噪声数据处理软件设计流程图如图3所示。

图3　噪声数据处理软件设计流程图

4　实验与分析

我们选择室内环境进行测量，并且提前使用声级校准器校准。测量条件是每隔10秒测量一次数据，并记录数据。在此期间，我们会人为的制造噪声来检测此方法的可行性。测量数据共100个，我们得到对应的测量值和平均值的曲线对比图，如图5所示。其中每一个小黑点代表一次测量的噪声值，100个样本数据测量完成后计算得平均值为74.05分贝。

5　结论

本论文的方法是测量总噪声，然后从总噪声中分离出前景噪声和背景噪声从模拟分析的结果看，本论文论述的方法可以有效的从总噪声中分离出背景噪声和前景噪声，或者可以让我们更方便的判定稳定变化噪声和非稳定变化噪声，从而可以判断噪声中的主要噪声来源，为今后的环境噪声在线自动监测提供一种可靠的参考方法。

［1］ 李燊.浅析当前噪声污染情况及环境噪声监测问题、对策［J］.科技创新导报.2014（29）：122.

［2］ 邓娟华.噪声监测中背景值问题的探讨［J］.环境与生活，2014（75）： 63-64.

［3］ 王以笑.智能环境噪声监测终端的研究［D］.天津：天津大学，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

中图号：TP206A

王沁（1981-），男，西安工业大学讲师，主要研究方向：机电产品开发

图2噪声采集板原理图

西安市未央区科技计划项目（201611）；大学生创新创业项目（201610702081）