基于压缩感知的碰撞声信号采集与处理研究*

朱 娟

（湖北文理学院物理与电子工程学院,襄阳441000）

1 引言

随着人们生活水平的提高，私家车已经广为普及，而车祸的发生也越来越频繁，尤其在上下班、节假日等出行高峰期。交通事故发生后若能及时展开营救，则可有效降低死亡率，保障生命安全。然而，目前在我国采用的交通事故检测报警方法主要是人为自行报警施救、交通部门监控施救、车内简易安全报警装置等。此类方法实时性差，准确率低，极易错过施救的最佳时机，造成不可挽回的后果。

车祸发生时会产生巨大碰撞声，该声音从能量上和持续时间上区别于其它声响，因此其频谱也和一般声音不同。国内外对此有过大量的相关研究，例如Brockmann利用傅里叶变换对碰撞声信号进行分析，但识别效果不佳，误判较高；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，得到了很好的识别效果，但是对硬件采样速率要求较高，增加了无线通信的负荷[1]。本设计采用无线传感网络采集车辆周围声信号，根据声信号在频域中的稀疏性质，利用压缩感知理论低频采样并重构原始声信号，同时分析声音信号的频谱特征，计算信号在特定高频带与低频带的能量比，以及对能量比均值和标准差进行特征提取，实现信号分类、识别。该方法能大大降低采样过程中对硬件采样速率和能量的要求，且具有较好的识别效果，从而可实现系统的低成本化和实用化。

2 硬件设计

本系统硬件框图如图1所示，主要包括以下三部分：声信号无线采集网络；声信号处理模块；报警模块。声信号被传感器采集后经滤波、放大、A/D转换，送入ZigBee发送模块。图1中的无线声信号传感器节点可设置多个，分别安装在车辆的不同位置，实现多路声信号采集，以提高系统精准性。ZigBee接收模块收到声信号后，数据进入DSP芯片进行重构与恢复，并根据声信号频谱特征对车祸事件情况作出判断，若符合条件，则驱动报警模块[2]。

图1 系统硬件框图

2.1 音频传感器

音频传感器采用TI公司的PCM3168A芯片，它是一款具有96/192 kHz采样速率的6通道输入/8通道输出，24位多通道音频编解码器[3]。支持单端差分可选模拟输入和差分输出，在音频接口上输出16位/24位宽的数字十二进制信号。另外，此款PCM3168A还支持时分复用（TDM）格式，可通过四线、SPI兼容接口、正交线、I2C兼容接口等软件进行控制。它作为一款可编程的音频芯片，可通过写入内部寄存器的控制字来设置工作方式和采样速率。

2.2 ZigBee无线传感网络节点

ZigBee组网芯片采用TI公司的CC2530，它是TI新近推出的符合IEEE 802.15.4的2.4G射频收发器，该芯片支持数据传输高达250kb/s。CC2530集成了业界领先的RF收发器、增强工业标准的8051 MCU、可编程Flash存储器、8kB RAM，同时兼有许多其它强大功能[4]。CC2530比较适用于需要超低功耗的系统，它能够以非常低的材料成本建立强大的网络节点，实现多点对多点的快速组网，是一个真正的用于IEEE 802.15.4、ZigBee和RF4CE应用的片上系统（SOC）解决方案。

2.3 DSP数据处理芯片

DSP数据处理芯片采用TI公司的TMS320C6678，它是一款基于KeyStone架构的多核固定浮点数字信号处理器，支持高性能的信号处理应用。它运行速度最高可达1.25GHz，在该速度下它可以进行每秒160千兆次浮点运算，而且在通常情况下消耗的电能不到10W。TMS320C6678处理器的特色是它每一个DSP内核都有512kB的L2内存；此外，8MB的芯片内存中有4MB的共享内存，并且这两个内存都有纠错码。它的DDR3界面是64位的，有8位纠错码，运行速度可高达1600Mb/s，同时支持高达8GB的外部存储器数据存取[5]。

3 压缩感知声信号采集与处理算法

3.1 碰撞声信号的采集算法

本系统软件是在TI公司的CCS 5.5开发环境下进行的，它提供了配置、建立、调试、跟踪和分析程序的工具，支持C语言和汇编语言混合编程，是使用最为广泛的DSP开发软件之一。程序编写首先要对用到的模块的各种寄存器进行设置，其次是对算法的设计编写。本设计采用压缩感知技术，利用声学信号的特点，设计了声信号的新型随机压缩采样方法，在保证中心节点端信号重构精度的前提下降低无线传感器的平均采样速率[6]。压缩感知的核心思想是对具有稀疏性的信号进行降维投影，以低于奈奎斯特采样频率的频率进行采样。主要用到的技术包括信号的稀疏表示、观测矩阵设计和信号重构三部分。

基于无线传感网络的多路性和压缩感知的重构性提出一种新型的基于部分信号随机投影的多路稀疏采样机制，理论上可证明该方法具备基本的恢复原始信号的能力[7]。多路随机采样需建立在单路采样的基础上，具体操作如下：倘若共设置4路无线传感网络声信号传感器，每路节点按照图2所示算法在标准单位矩阵上随机取出若干非零值，得到一个原观测矩阵，然后分别只取原观测矩阵的1/4，形成4个单路A/D的随机投影。硬件实现时，4路A/D模块同时按照一定规律进行随机压缩采样，在处理器段对每个A/D稀疏采样得到的信号进行m/4的随机投影，再将这4个单路采集的结果合并在一起形成新的随机观测矩阵，并在此新观测矩阵上进行声信号的重构。

图2 单路随机压缩采样算法

3.2 声信号分类识别算法

声信号的分类识别算法首先是将压缩感知采集并重构的声信号进行短时加窗分帧，一般选取2s为一帧，再利用声信号在时域的能量分布、在频域的能量分布和自相关函数作为识别交通事故碰撞声的特征。该过程具体步骤可归纳如下[8]：

(1)压缩采集并重构声信号后进行分帧；

(2)时域总能量分布检测△E=Ec/(Ef+Eb),其中Ec为碰撞峰值能量，Ef为碰撞前t秒平均能量，Eb为碰撞后t秒平均能量，根据E和△E值来判断碰撞和非碰撞，满足，转到(3)，不满足转到(5)；

(4)对每一帧数据，从t时刻开始，每延时△t计算一个自相关系数，共N个，记为Rn，定义判别分量P：

P小于预设阈值时碰撞的可能性较大。满足则发送报警信号，不满足，转到(5)；

(5)下一帧数据处理。

4 仿真及分析

为验证上述提出的基于压缩感知技术的声信号采集方法的可行性，使用MATLAB软件对声音信号文件“汽车碰撞声.wav”中的一帧（2s）数据进行实验仿真。原始信号的时域及频域分析如图3(a)、图3(b)所示。首先对原始信号进行经典奈奎斯特标准采样，采样频率为44.1kHz，通过重构算法得到其重构信号，如图3(c)所示；其次将原始信号以低速率分别进行4次压缩采样，平均采样频率为5kHz；再对低速压缩采样的信号进行1/4的随机投影，将这4个单路采集的结果合并在一起形成新的随机观测矩阵，在此合并的新观测矩阵上进行声信号的重构，得到压缩感知采样的重构信号，如图3(d)所示。

图3 声信号重构效果对比图

通过对比发现，对于稀疏度为8的声信号，其重构精度达到了10-5的数量级。而对于压缩感知随机压缩采样的声信号，只是随机选取了部分声信号进行随机投影，它得到的声信号的有用信息远远小于经典压缩采样。由于经典压缩采样保留了信号的大部分有用信息，故重构过程能保证很好的精度。而对于随机压缩采样，虽然只保留了部分信号，但由于随机选取部分信号得当，亦可达到10-3的精度数量级，同样可保证较高的重构精度[9]。

5 结束语

利用压缩感知技术对无线传感网络中的多路声信号进行压缩采样，降低了信号采集节点的硬件要求，节省系统能耗，同时利用多路协同重构的方法保证了信号完整性，并针对声信号的特征进行分类识别，产生报警信号。实验证明，该方法准确性高、实用性好，特别适用于硬件条件较差的无线传感器网络的信号采集。