機場噪聲實時監測系統的設計與應用

，， ，

(1.上海理工大學 光電信息與計算機工程學院，上海 200093; 2.北京東方振動和噪聲技術研究所，北京 100085)

0 引言

近年來，中國民航的發展越來越迅速，民航機場規模不斷擴大，飛機起降頻繁所產生的噪聲污染問題日益突出，成為目前民航機場面臨的主要問題之一[1]。機場噪聲問題給機場周圍生活的居民帶來極大的危害，影響人們健康和工作效率，同時也將會限制國家民航業的發展，所以需要通過對機場噪聲事件進行實時監測，并為機場噪聲污染提供解決方案是民航業健康發展的關鍵。

噪聲監測系統廣泛布設在機場以及周邊區域的監測點，這些監測設備需要全天候長時間不間斷對機場所在區域的噪聲進行采集、傳輸、預處理和存儲，并進一步傳送到噪聲數據分析中心進行分析計算，得到機場噪聲分布規律，從而為以后相關的噪聲評價、預測等噪聲解決方案提供數據上的支持[2]。目前，機場噪聲監測主要是基于聲級計的測量儀器,采集數字聲壓信號通過串口板卡等傳輸至PC機，然后在個人計算機軟件分析計算結果，實時性比較差；固定監測點安裝有工控機，成本高，環境要求高；受限于技術、條件、成本等方面的限值，無法再在機場周邊大范圍部署，只能依靠經驗、預測選取監測點[3]。如今隨著互聯網的發展，云計算技術發展迅速，可以把這些技術應用到噪聲監測上面[4]，在機場周圍合理布設噪聲監測點，獲取高精度的機場噪聲監測數據，為機場噪聲的管理提更好的數據支持。

1 機場噪聲數據測量

1.1 引用標準

機場噪聲的測量必須依據國家相關標準，目前國內機場噪聲的測量方法依據的是GB 9660-201《機場周圍區域飛機噪聲環境質量標準》[5]，規定了機場周圍區域土地利用類型的飛機噪聲限值，以及配套的監測方法和標準實施要求。本標準適用于民用機場周圍區域飛機通過(起飛、降落、低空飛越)噪聲的評價與聲環境質量管理。

1.2 飛機噪聲事件識別

通常飛機經過某監測點時，隨著距離越來越近，監測點的噪聲值逐漸升高并達到最大，之后隨著飛機逐漸遠去，噪聲值逐漸降低。這一過程有兩個特點: 1)飛機噪聲值高于背景噪聲值；2)噪聲會持續一段時間。根據這兩個特點，采用觸發值和持續時間初步識別飛機噪聲，比如當噪聲值高于背景值10 dB(A)、持續時間10 s以上時，系統認為可能是飛機產生的噪聲，并將其記錄為飛機噪聲事件，時間t1和t2為分別為最大聲級以下10 dB(A)的起始到終止的持續時間Tc(s),單次飛機噪聲事件如圖1所示。

圖1 單次飛機噪聲事件

等效連續聲級是指在規定測量時段內A聲級的能量平均值，用Leq表示，單位dB(A)。根據定義等效聲級表示為：

(1)

式中，LA為t時刻的瞬時A聲級，單位dB(A)；T為規定的測量時段，單位s。

考慮人們對飛機噪聲的晝夜敏感性差異，將夜間飛機噪聲值增加10 dB(A)的補償量后得到的一晝夜等效連續聲級A聲級，用Ldn表示，單位dB(A)。

(2)

式中，LAEi為晝間的第i次飛機事件的暴露聲級；LAEj為夜間的第j次飛機事件的暴露聲級；Nd為晝間飛行架次；Nn為夜間飛行架次[5]。

2 機場噪聲實時監測系統總體架構

機場噪聲實時監測系統主要包含數據采集單元、DSP實時計算單元、飛機噪聲事件檢測單元。數據采集單元將采集到的模擬信號進行處理得到數字信號，送到DSP計算單元實時計算得到時間-聲級曲線等文件，檢測是否為飛機噪聲事件，通過網絡將文件傳輸到云端供用戶進行計算處理得到機場噪聲報告。系統結構如圖2所示。

圖2 系統結構圖

采集端傳感器將采集到的物理信號轉變為電信號，來自傳感器的電信號往往很微弱以及有的傳感器如壓電式加速度計的輸出量是電荷，還需要將其轉換為電信號，這樣的信號不能直接進行分析、處理，需要對信號進行調理，比如放大、濾波、電流電壓轉換傳感器激勵等。經過調理后的電信號需要做A/D轉換處理。隨著電子技術和計算機技術的發展，信號調理模塊和ADC模塊已經可以集成化及本文的雙核采集設計，然后采集信號進過處理之后得到數字信號送入DSP實時計算單元進行IIR濾波、計權處理得到時域及頻域數據，比如聲暴露級、聲壓級等機場噪聲所需的數據，反映出機場噪聲情況，然后通過網絡將處理后的數據傳輸到云端進行存儲供管理人員實時查看監測噪聲數據，利用云服務強大的計算能力進行數據融合、計算。

3 160 dB雙核采集單元設計

3.1 寬量程的要求

由于ADC的輸入電壓范圍、精度、動態量程范圍是一定的，包含前置放大器的高質量傳感器動態范圍能夠達到140～150 dB。目前先進的數據采集系統是基于24位ADC，理論上能夠采集144 dB動態范圍的信號，然而在實際上由于諧波失真、串擾、電源干擾、EMC耦合、ADC非線性等原因造成24位ADC的動態范圍不超過110～120 dB，所以不能滿足傳感器140～150 dB動態范圍，這樣就需要對傳感器采集的信號增加放大器或衰減器。然而，被測量的機場噪聲信號的大小變化范圍很大，傳統的采集設備有三個放大檔位對信號進行放大，不同大小的信號需要調整合適的檔位放大來保證信號不會過載和欠載。目前放大器的放大倍數需要有經驗的人員預測出信號范圍，然候來調整放大倍數，不能根據信號大小自動切換到合適的放大倍數和量程，如果選擇不當會發生過載、欠載和動態范圍不足的情況，導致測試失敗。即使利用軟件程控的方法，也不能實現自動選擇量程，特別是對于動態信號變化速度快的情況。這是因為放大器屬于電子元器件，在參數變化之后都必須經過一段時間才能達到穩定狀態。在連續實時測量過程中，如果改變放大器的放大倍數，則在達到穩定之前的一段時間內，其測量的數據是不可靠的。因此，在實際工程測量中，需要一種能夠無需調整輸入通道范圍，實時選擇合適量程，實現自動量程的數據采集[6]。

國際主流產品已經采用更高的24 bit分辨率的Δ-Σ方式的ADC，但是其動態范圍仍然難以滿足傳感器的要求。采用雙核采集方法來解決采集動態范圍問題，相對于每個通道使用一個ADC方式，對每個通道設置兩個不同輸入量程的ADC協調工作，同時對輸入信號進行量化，然后進行整合，來實現超寬量程范圍，這樣避免量程設置不當帶來的過載、欠載和動態范圍不足的情況。

3.2 雙核采集單元的實現

采集單元采用雙核采集，每路采集通道使用2個ADC協同工作，同步采樣，每個ADC前使用不同的但固定的放大倍數，這樣就同時得到多個量程下測量的數字信號，然后FPGA芯片對多個數字信號進行波形整合，實現框圖如圖3所示。

圖3 雙核采集結構圖

對于較大的信號使用ADC1輸出的Y1作為輸出的Y，對于較小的信號，使用ADC1則可能導致信噪比不足而欠載，則選擇ADC2輸出的Y2作為作為輸出的Y。這樣不論輸入的信號大小，都可以直接得到可靠采集的數據。此外雙核采集單元采用的ADC為24位Δ-Σ方式，能夠實現過采樣、數字濾波和重采樣的過程，結合8階模擬濾波器，使得抗混凝濾波衰減率超過-300dB/oct，對可能導致混疊的信號實現有效的濾除。

經ADC轉換之后的兩路信號，由于硬件系統中元器件的不一致性，導致兩路信號在幅值比例和基線等方面存在差異，如果直接把兩路信號進行合并，則合并后的信號會發生嚴重畸變。根據最小失真原理，保證連接后的畸變導致信號失真最小為前提，對兩路信號在FPGA中整合，實現兩路信號的無縫連接。整合過程為：使用大量程的測量數據初步確定信號的大小，選擇能滿足該信號大小的最小量程下測量的數據，作為最終的采集數據。采集的數據還需要進行修正，以保證從兩路信號中選擇的各個部分具有一致性。通過對比兩路信號相同時間點上的有效部分，得到修正系數后，對比數據進行修正，實現兩路信號的無縫對接，修正使信號失真度達到最小。信號整合過程均在FPGA中完成，在硬件的數據流中實時完成對整個采樣過程不產生任何滯后。

4 系統軟件設計

系統監測前端軟件按照系統功能模塊分為噪聲信號的采集以及實時計算模塊。雙核采集單元采集到的聲音信號經過調理、整合之后得到數字信號，然后數字信號送入DSP中進行計算得到環境噪聲的時域和頻域數據，根據計算出的時間-聲級曲線判斷飛機噪聲事件，然后將聲暴露級、最大聲級等參數傳輸到云端根據需求進一步處理。

4.1 系統主程序及初始化

軟件開發中主要是解決頻率計權、時間計權、倍頻程分析以及機場噪聲評價量的計算程序的設計。機場噪聲信號采集應用程序執行流程是CPU從緩存DMA中讀取采集到的噪聲信號，然后經過ADC轉換處理；實時計算模塊首先進行計權、倍頻程濾波算法處理，然后根據噪聲評價量計算公式計算噪聲評價量；系統的數據傳輸模塊把實時計算得到的噪聲參數發送至云中心進行存儲和進一步數據融合。系統主程序執行結構圖如圖4所示。ADC采集初始設置流程如圖5所示。

圖4 主程序流程圖

圖5 ADC初始化流程圖

4.2 頻率計權和時間計權

目前處理噪聲信號主要采用數字濾波器來代替傳統的A計權網絡[7-8],可以使用FIR和IIR這兩種濾波器實現頻率A計權?？紤]到噪聲測量只與聲壓的幅值有關，以及DSP計算的實時性這兩個因素，采用IIR濾波器來實現頻率計權。J.Kennedy 和 R.Eberhart受鳥群覓食的社會行為啟發，提出的基于群體智能的搜索優化技術—粒子群優化( particle swarm optimization，PSO) 算法可以應用到IIR濾波器中，算法具有結構簡單、計算量小、運行速度快，需要調整的參數少等優點?；陔p線性變換的數字濾波器進行頻率計權會產生較大的A計權誤差[9]，基于PSO優化算法設計的IIR濾波器進行頻率計權，利用群體合作與競爭產生群體智能，能夠對雙線性變換方法A計權誤差進行優化[10]，所以采用基于粒子群優化算法設計數字濾波器實現頻率計權。

時間計權是對瞬時聲壓的平方進行計權，特性主要取決于時間常數，實際應用中一般分為快、慢兩檔，根據聲壓與聲壓級的關系，聲壓級為已知聲壓與基準聲壓之比以10為底的對數的20倍，求出時間計權聲壓的聲壓級[11]。時間計權聲級的主要步驟如圖6所示。

圖6 指數時間計權聲流程圖

選擇通道數據進行濾波計權，程序設置每接收64個點的采樣數據后產生中斷處理數據，由于雙核采集單元能夠采集的動態范圍能夠達到160 dB，所以在中斷程序中不需要進行量程選擇，然后對ADC轉換后的數字信號進行頻率、時間計權，在DSP中計算出需要顯示的噪聲評價量等效聲級。

4.3 倍頻程分析

倍頻程分析是利用恒定帶寬比分析聲音的頻譜特征，倍頻程能較好的體現噪聲帶寬的能量分布情況。在中斷服務子程序中進行倍頻程分析流程是：第一步先初始化倍頻程濾波器組索引值為10，即計算出最高頻帶的數據參數，求出測量時間內所有采樣信號的平方和，計算出等效連續聲級；然后2倍降采樣，抗混疊濾波后再2倍抽取采樣數據，當索引值遞減為0則完成1/N倍頻程分析，否則繼續對下一頻帶進行倍頻程濾波，完成之后計算指定時間內的等效連續聲級、聲暴露級等噪聲評價量，倍頻程分析流程如圖7所示。

圖7 倍頻程分析流程圖

圖8 噪聲事件識別流程

4.4 飛機噪聲事件監測

飛機從遠到近經過監測點，噪聲值會逐漸增大，飛機經過噪聲監測點上方時，噪聲值會瞬間變的很大；當飛機飛離監測點上方時，噪聲值會逐漸下降，這一過程就是飛機噪聲事件。DSP計算出等效連續聲級Leq，得到時間-聲級曲線，對比飛機噪聲事件特征識別出飛機噪聲事件，反映機場噪聲情況。航空飛機噪聲持續時間一般是在20～50 s之間，噪聲事件判斷流程是：每接收50 s數據進行一次噪聲事件判斷，如果不符合噪聲事件特征舍去最后5 s的數據，接收新的數據直到數據持續時間達到50 s,再進行事件判斷；如果符合噪聲事件，則舍去最后45 s的數據，繼續接收數據直到持續時間達到50 s，繼續噪聲事件判斷，同時把噪聲事件數據發送到云端。噪聲事件識別流程如圖8所示。

5 機場噪聲監測系統的應用

機場噪聲監測系統初步應用在東方所溫州機場監測項目中，在機場附近的噪聲敏感點區域選定監測點部署應用本系統的采集設備，測試時采集設備通過匯聚節點4G網絡將機場采集到的噪聲數據傳輸到云端。通過移動端設置監測參數，比如測點位置、環境信息等，經過三天的持續測試，系統能夠監測到并實時顯示飛機事件數據，包括飛機事件標識、最大聲級、暴露聲級、持續時間等參數。采集端上傳的時間-曲線與國家航空標準中的噪聲事件曲線變化趨勢非常接近，說明系統能夠準確識別飛機噪聲事件。并且在移動端能夠查看噪聲監測的歷史數據，報警信息等數據，還可以對存儲在云端的數據進行離線分析，利用專業的聲學軟件對采集端傳輸的數據進行頻譜分析等操作，提供管理人員所需的報表。

借助企業導師提供的資源，結合企業的溫州機場噪聲監測項目驗證了本系統的可行性，系統監測溫州機場的噪聲數據能夠很好的反映出機場噪聲情況。

6 結束語

機場噪聲環境污染問題越來越受到重視，所以機場噪聲監測顯得尤為重要，此次設計的機場噪聲系統能夠實時監測機場噪聲情況，為機場噪聲的預測以及機場噪聲的評估提供可靠的數據基礎。機場噪聲監測系統采集到海量數據，隨著現代物聯網、大數據技術以及云計算技術的發展，未來可以利用大數據技術，深度挖掘數據信息，為機場噪聲管理提供幫助，促進民航業的發展。