浅谈声音检测技术的“风口”（下）

雷军说，“站在风口上，连猪都可以飞起来。”而如今真正牛逼的人，早已在风口起来之前，就已经站在了风里。

上一篇文章我们着重讲了声音检测技术在医疗卫生、制造业的一些实际应用场景（点击看上篇）。

! ]8 E; ~6 J( }$ ^$ ], G

今天我们再来看看，声音检测技术还能在哪些领域大有作为。

. d6 k. \& P: v! u& d/ v

: O- v/ V& s1 Q4 X6 o4 I. O1 M/ i" b

安防——安全保护经常采用智能监控方式，按照地点可分为公共场所监控和私密场所监控两种。公共场所包括：公园、车站、广场、商场、街道、学校、电影院、剧场等地点，经常人员密集，对其进行有效的安防智能监控来维护社会安全是最主要的应用。

目前公共场所的监控系统主要都基于视频，但是视线被遮挡时存在盲区，而且容易受到光线、恶劣天气等因素的影响。异常事件通常会伴随异常声音的发生，异常声音本身即能有效地反应重大事故和危急情况的发生，且具有复杂度低、易获取、不受空间限制等优势。

对公共场所及私密场所进行音频监控的技术框架相同，区别在于可能发生的异常声音种类不同。异常声音是指正常声音比如开门声、关门声、电话铃声、脚步声、谈话声、音乐声、车辆行驶声等之外的在特情况下才发出的声音。

7 W6 c7 j0 s" r

研究较多的公共场合异常声音种类通常有枪声、爆炸声 、玻璃破碎声 、乱扔垃圾声等。

! i: V4 o- Y, M: T$ z) P

私密场合研究较多的异常声音种类通常有摔门声 、跑步声、玻璃破碎声、人的尖叫声、婴儿或小孩的哭声、老人摔倒声、呼救声、漏水声等注意这种划分并不是绝对的，只是按照发生的可能性进行的粗略分类，有时也会交叉。比如人的尖叫声除了可能发生在家庭吵架场合，也会发生在广场恐怖事件这样比较少数的场合，这些都可以通过声音来监测并通过后台出发报警。

; S) k0 U8 r* \. N( m+ Y0 f8 b

9 H Y; G* p. V0 |$ p: }# t! T! t1 ?

交通运输、仓储

铁路运输业——已有发明的地铁故障检测装置，一旦发现异常情况，则会触发报警模块，记录当前时刻，并显示列车故障点的位置，及时检修，保障乘客安全。

车型及车距识别——车型自动识别广泛应用于收费系统、交通数据统计等相关工作中。传统方法是在公路上埋设电缆线及感应线圈，通过摄像头抓拍进入视线的车辆照片进行车型识别。此外，还有超声波检测法、微波检测法、红外线检测法等。但对路段有破坏性，设备后期维护要求高，受雨雾等天气状况影响大，不适合沿道路大量铺设。基于音频信号的识别技术具有非接触性、维护简单、价格低等特点，在很大程度上弥补传统车辆检测设备易损坏、破坏路面、受环境影响明显、价格昂贵等不足，具有非常重要的现实意义。

2 w8 m( p( D0 [# S6 W$ F. j

交通事故识别——在重大交通事故发生时，车辆运行状态与正常行驶状态相比发生了很大变化，伴随有剧烈碰撞的声音，而且与周围的噪声存在较大的差别。因此，可以通过声音传感器实时采集并分析车辆周围的声音，判别车辆的运行情况，一旦有事故发生，可立即提取碰撞声并识别，并及时向后台救护系统发出报警信号。声音采集装置成本低廉，体积小，安装方便，可靠性强，不易损坏，维护容易。声音检测系统的计算方法相对简单，信号处理量小，既可实时处理又可远程传输，快速准确，不易受雨雪天气和交通条件的影响，可以全天候工作。在事故发生后，报警信号应该将包括事故地理位置在内的信息尽快地传递到指挥中心，可用无线网络来传输数据。建立一个快速、高效的应急救援系统，能提高交通事故检测的实时性和准确度。

交通流量检测——现有交通流量数据采集设备造价高，采集精度不够，后期分析困难．发明一种道路拥堵检测方法。将一定时间内采集到的道路声音进行采集分析，拥堵与畅通两种状态下的频域能量谱有明显区别。拥堵时怠速频率处将有明显尖峰，将尖峰陡峭程度转换成系数k，基于k值进行道路状况评判。

基于声信号判断是否有汽车到来，尤其适用于车流量稀少、基础设施比较差的区域以及智能公路的前期建设阶段，同时对路灯进行智能控制，环保节能。

道路质量检测——汽车行驶产生的道路噪声与不同类型、不同磨损状况的路面直接相关。基于正常车辆行驶下获得的轮胎声音，音频分类器，能够正确预测３种路面类型及其磨损情况。该技术可自动识别对车辆行驶道路噪声带来强烈影响的路段，估计道路宏观纹理。对于土木工程部门、道路基础设施运营商以及高级驾驶员辅助系统都有很大好处。

( o) A' I% d; `8 L, u

水上运输业——CA在江河海洋领域主要用于水声目标识别、船舶定位、安全监控等。利用被动声呐（Passive sonar），如安装在海床上的单水听器来检测船舶和自主水下航行器的活动，是对海洋保护区和受限水域进行远程监测的一种有效方法。比起传统方法利用水声数据分析所产生的时间延迟来说，大大减少了误差，从而获取更精确的数据。

# g+ w( z5 ^; `- b

航空飞行器识别——早在1985年，就提出一种用声信号识别飞机类型和飞行模式的方法。使用判别分析，通过检测直升机声信号来识别机型。同样通过声信号检测旋翼飞行器，实现对于直径范围为40~60cm的旋翼飞行器的短距离检测和预警。

: U6 D) b J. j8 |* J* h

航空飞行数据分析——黑匣子于1953年由澳大利亚的载维·沃伦博士发明，是做为飞机上的记录仪器。

6 N! l) Z4 F/ M3 [4 E+ g! a, A

一种是飞行数据记录仪记录飞机的高度、速度、航向、爬升率、下降率、加速情况、耗油量、起落架放收、格林威治时间、系统工作状况、发动机工作参数等飞行参数。

另一种是座舱话音记录仪，实际上就是一个无线电通话记录器，分４条音轨分别记录驾驶舱内所有的声音，包括飞行员与地面管制人员的通话、组员间的对话、机长、空中小姐对乘客的讲话、威胁、爆炸、发动机声音异常以及驾驶舱内各种声音如开关手柄的声音、机组座位的移动声、风挡玻璃刮水器的马达声等。可以向人们提供飞机失事瞬间和失事前一段时间里飞机的飞行状况、机上设备的工作情况等，帮助人们根据机上人员的各种对话分析事故原因，以便对事故作出正确的结论。

( y' G, [# y5 f6 h& g j1 Y+ \

管道运输业——在各种管道传输中，可能会发生因人为损坏或自然因素造成的泄漏事故。如输水管道的漏水、油气输送管道的第三方破坏等。此外，在传输管道中频繁使用的阀门也会出现泄漏现象。管道和阀门的泄露现象不易检测。传统的方式是人工监听，需要有丰富的经验，容易造成误判．基于泄漏声音的自动检测是一类很有希望的方法。

用声音传感器采集声信号，识别异常声音，及时发现阀门泄漏并报警，以做及时处理。

1 n; G$ |$ L) N( R) G

仓储业——制炼厂中产生的声音可以用来检测在容器内发生反应的进展，或检测生产线内的流体流动。声音通过安装在容器外部的传感器来接收。该技术是非侵入性(Non-invasive)的，不需要对过程流体进行采样，避免了污染等潜在风险。

6 K4 y1 }/ ?6 \9 _. v2 z- k; x; z0 A

农林牧渔业

+ Z/ a V8 r, K! V7 q

农业——现在更崇尚绿色健康原则，农作物喷洒农药也成了一项大问题，因此判断农作物是否有害虫，从而判断是否需要喷洒农药，成为了解决这一问题的关键所在。

于是CA技术便可以解决这类问题，基于频谱图模板进行害虫的匹配识别，在确定存在害虫后，为避免喷洒农药量过多或不足，需根据病虫害的实际情况和分布种类混药进行变量式喷雾，并根据识别的病虫害种类及分布情况进行自动在线混药。

3 N$ M$ J$ L; r0 u

9 |2 y0 U( Q( K5 f

小麦、大米等最佳成熟期判断，主要是硬度适中；水果，西瓜、榴莲这样的水果，无法判断其成熟度和果肉的好坏，等等这些问题都可以通过特殊音频识别来判断。

! U1 U# T9 k' u: L

林业——我国的森林盗伐现象猖獗。为此有专门的设计实现了一种基于声音识别的森林盗伐检测传感器。通过对声信号的频谱特征分析、相似度值的计算，检测是否存在链锯伐木行为。

蛀干害虫是一类危害严重的森林害虫。因其生活隐蔽，林木受害表现滞后，使得检测和防治极其困难。基于声音识别的害虫检测技术具有无损、快速、准确等优势，潜力巨大通过生物声学规律发现通过咬音和摩擦音可以有效地进行物种识别，能够有效的进行害虫治理。

畜牧业——在养殖业中，准确高效地检测畜禽信息，有助于提高养殖及加工效率，及时发现生病或异常个体，减少经济损失。人工观察方式主观性强且精度低，嵌入式检测手段又会造成动物应激反应，发展智能自动检测手段是目前的研究热点。

7 @# G; T1 z$ T2 n6 J. d

禽畜的声音直接反应了它们的各种状况，可用于状态监测。例如，针对猪的大规模养殖中频发的呼吸道疾病问题，可通过检测咳嗽状况对猪的健康状况进行预警。

0 w9 x2 ~6 w9 G G" f+ o# Z

水利、环境和公共设施管理业

水利管理业——近年，江河湖海暗潮涌动，伤人事故频发。为提高潮涌实时检测与预报水平，提出了一种基于音频能量幅值技术的潮涌识别方法。通过采集沿江各危险点潮涌来临前后的声音，提取潮涌音频能量幅值特征值，自动识别并进行潮涌实时检测与预报。

' M6 p- b: @, f$ S: N) ^# s% d* [

再者也为最大限度开发利用空中水资源，减轻干旱、冰雹等造成的损失，利用高炮、火箭实施人工影响天气作业是解决水资源紧缺的有效途径，实现了一种基于炮弹声音采集、识别、处理的高炮作业用弹量统计系统。

生态保护和环境治理业——生态环境中的声音在自动物种识别与保护，野生动物及濒危鸟类监控，森林声学和健康检测，以及对相关环境、进化、生物多样性、气候变化、个体交流等的理解分析上都有重要应用。

! q! R- F" r8 X7 l2 ?# S& E

土木工程建筑业——地下电缆经常遭到手持电镐、电锤、切割机、机械破碎锤、液压冲击锤、挖掘机等工程机械的破坏，影响供电系统稳定性．电缆防破坏成为电力部门所面临的一个重大技术难题，急需研发基于声音的地下电缆防外力破坏方法，识别挖掘设备的声音，进行预警判断，对事发地定位。

房屋建筑业——通过单点单次敲击抹灰墙采集声信号，对抹灰墙黏结缺陷进行识别。通过烧砖的敲击声音判断烧砖内部是否存在缺陷，并进一步区分缺陷类别。采用无限冲击响应滤波器进行降噪，采用近似熵方法判断敲击声音端点．进行故障检测．老房子的木质结构和家具中可能存有木蛀虫，是物体腐朽的主要原因，基于木蛀虫的活动声音检测其是否存在。因为幼虫发出的声音相对较低，背景噪声会大大降低检测的准确性。采集建筑物内部金属断裂的声音进行分析，识别可能出现在建筑物内部的裂缝，避免倒塌等灾难性后果的发生。

采矿业、日常生活、身份识别、军事等

* \$ i8 t7 h0 B

采矿业——为监测钻井过程中的井壁坍塌、井底岩爆等井下工况信息，采集返出岩屑在排砂管中运输所产生的声信号。确定声音段的起止点，利用算法去噪， 识别岩屑的大小，计算岩屑流量，进而判断井下工况。

日常生活——CA技术在日常生活中也有许多应用．烹饪过程中会产生特定的声音，可用于进行烹饪过程的检测和控制。

* V- \: w( P+ j# P+ Q

基于声信号识别水沸腾的状态，发明另一种基于声信号的装置，检测电磁炉水沸腾状态，而且还能自动关机。

2 {/ B9 _; a6 Z. j

发明一种风扇异音检测系统开发的一种智能吸油烟机能对厨房的各种环境声音进行分析检测，判断该声音是否是烹饪过程发出的声音，进而判断该烹饪声音所对应的油烟量级别，设置对应的吸油烟机的启动或关闭或调节风机转速，实现对吸油烟机的智能控制。发明一种带有保健检测的手表，通过翻身声响检测人的睡眠质量。使用耳垫声音传感器采集咀嚼食物的声信号，基于模式识别技术实时获取咀嚼周期和食物类型，预测固体食物的食量，进行饮食指导。

. E+ C X7 _$ f @2 `( o

发明一种日用陶瓷裂纹检测装置。通过敲击碗坯发出声音，声音传感器捕获信号后判断是否有裂纹。

4 O3 m1 v1 ^+ p! A1 c1 X+ w$ S

还有地震相关探测仪--地震声响测定仪，能够快速识别不同声音的地震脉冲，预测将要发生危险的地带。

身份识别——脚步声是人最主要的行为特征之一。正常情况下每个人走路的脚步声是不一样的，蕴含着性格、年龄、性别等多方面信息，具有可靠性和唯一性。脚步声识别在家庭监控、安全防盗、军事侦察等领域具有重要意义。

, B0 i, L) I; d$ [

; p/ V+ C/ l; i- d

由于同一人穿不同的鞋，在不同的地板上走路时脚步声会有差异，这类对不同发声机制较为敏感的方法具有很大的约束性和限制性，鲁棒性不足。

9 k0 O& x% `2 ^7 p4 v

另外，手写声音是真实环境中存在的一种噪声，其信息不仅可以用来识别文字如数字字符，还可以进行书写者身份识别记录受试者用圆珠笔在纸上写字时的声音，进行书写者身份识别。

. h% {+ Y) `3 X @0 U3 d7 j

军事目标识别——现代化的智能侦察与作战方式需要准确感知到自身周围是否出现机动目标，并判别它们的类别和数量，以配合目标定位、跟踪和攻击等功能。

1 u" x! y0 `( I

设计实现一个车辆声音识别系统，对两类目标车辆进行分类。基于声信号对战场上的车辆进行分类识别，在复杂的电磁环境中，对雷达辐射源音频信号进行人工识别耗时长、易于误判和错判。实现基于声纹技术的雷达辐射源音频自动识别。

利用战术无人机上的声音传感器探测和定位地面间接火力源（如迫击炮和火炮），需先对发动机噪声和空气流动噪声进行降噪处理。

7 }+ U0 p. x9 t. Q$ d

其他应用——枪声分析在现实中有着很多应用。枪声信号的声音特征显示出强烈的空间依赖性，使用空间信息和一种基于它的决策融合规则来处理多声道声音武器分类。

在自行火炮实车测试中，利用瞬态过程中的声信号对齿轮箱进行故障诊断，避免了常规振动测试方法无法实现非接触、不解体、无损在线检测的弊端，基于振动信号和声信号。

用于火炮发射现场对发射次数的计数，解决了火炮发射人工计数准确性差的问题。在火炮音频特征和火炮零部件（凸轮轴）硬度之间进行非线性映射，实现零部件的硬度分类。

; s6 t* m& x3 E4 p" d- f

说了这么多，也只能代表实际应用的冰山一角，希望能抛砖引玉，欢迎大家共同探讨！！

% b$ X, R( Z+ m% l( j% _8 f- V# }

说明：本文部分内容摘录于《复旦学报》（自然科学版）第58卷第3期《理解数字声音———基于一般音频／环境声的计算机听觉综述》李 伟，李 硕著

$ N! F' k2 e$ }6 y5 ]: L