基于特征融合的桥梁伸缩装置声信号端点检测方法及系统与流程
本发明属于桥梁监测,具体涉及了一种基于特征融合的桥梁伸缩装置声信号端点检测方法及系统。
背景技术:
1、桥梁伸缩缝是公路桥梁重要的组成部分,为使车辆平稳通过桥面、满足上部结构和桥面变形的需要,在桥面接缝处设置的各种装置的总称。桥梁伸缩缝的主要作用是适应桥梁上部结构在气温变化、车辆荷载作用以及混凝土收缩和徐变等作用下的变形需要,桥梁伸缩缝是关系行车舒适与结构安全的重要附属结构,在实践中,它往往是桥梁整体中最先出现病害、最需要维护的构件之一。
2、截止2024年底,我国公路桥梁数量已超110万座,随着桥梁数量的增加和使用年限的延长,伸缩缝的养护需求正在日益增大。目前,桥梁伸缩缝技术状态的检测主要依赖于人工巡检,但人工巡检效率低下、主观性强,存在安全风险且难以检测内部损伤。
3、声学检测凭借其非接触、快速和低成本的优势,已成为桥梁伸缩装置技术状态评定的新兴方法。然而,该方法在实际应用中面临一个核心瓶颈:在复杂的交通噪声环境下,难以精确识别伸缩缝声信号的起止端点。目前,主流方法依赖于语谱图中的高亮区域进行大致定位,但无法实现端点的精准检测。这导致后续的特征提取与状态评定不得不基于包含大量背景噪声的音频段进行,不仅引入了干扰、降低了状态识别的准确性,也增加了不必要的数据处理工作量。尽管语音识别领域已有成熟的端点检测技术,但其在应对车辆变速行驶、多变路面激励等复杂工况时鲁棒性不足,难以直接迁移到本领域。起止点检测精度不足,已成为制约该技术走向工程化应用的关键障碍。
技术实现思路
1、本发明的目的在于针对现有技术存在的不足,提供了一种基于特征融合的桥梁伸缩装置声信号端点检测方法及系统。本发明提出的鲁棒性强的端点检测方法能够解决在车辆行驶噪声、路面摩擦噪声、风噪等复杂声学背景下,自动识别麦克风采集的桥梁单缝式伸缩缝声信号起始点和结束点,解决人为识别误差大、主观性强的问题,为后续信号特征提取和技术状态评定提供时间定位基础;并将cohen's d效应量用于确定桥梁声信号检测中的特征融合权重,使权重分配有据可依,而非经验设置;针对短时冲击信号,也提出了运用峰值、百分位、统计三级阈值融合的自适应策略,有效解决了固定阈值在多变交通噪声环境下适应性差的问题。
2、为了实现上述目的,本发明采用以下技术方案:
3、一种基于特征融合的桥梁伸缩装置声信号端点检测方法,包括以下步骤:
4、步骤一,信号采集:在桥梁伸缩缝测点或者检测车辆后车门底部布置麦克风,以48khz采样频率录制采集车辆通过桥梁伸缩缝的声信号;
5、步骤二,分帧与加窗:采用汉明窗对步骤一采集的声信号进行分帧处理,获取短时平稳信号帧序列;其中:窗长为8ms,相邻帧重叠率为60%;
6、步骤三,多特征提取:对每一帧短时平稳信号帧分析处理,提取二阶差分特征、teager能量算子特征和频域能量特征,并将提取到的三种特征进行归一化处理,使数值范围统一到[0,1]区间;其中:
7、所述二阶差分特征通过对短时平稳信号帧进行希尔伯特变换提取包络线后计算包络信号的二阶差分获得;
8、所述teager能量算子特征通过计算短时平稳信号帧的瞬时能量变化率获得;
9、所述频域能量特征通过对短时平稳信号帧进行快速傅里叶变换获取频谱,提取频谱高频部分的能量获得;
10、步骤四,特征融合:将归一化后的二阶差分特征、teager能量算子特征、频域能量特征按照权重系数[0.331,0.318,0.351]进行加权融合,获得融合特征值;
11、对短时平稳信号帧序列均进行步骤三和步骤四处理后获得融合特征值序列;
12、步骤五,自适应阈值计算:计算融合特征值序列中的峰值阈值、百分位阈值和统计阈值,并将峰值阈值、百分位阈值和统计阈值进行加权融合,获得自适应阈值,其中:
13、所述峰值阈值通过提取融合特征值序列的3个最高峰值,取平均值后乘以系数0.7获得;
14、所述百分位阈值通过提取融合特征值序列的75%和85%分位数并求平均获得;
15、所述统计阈值通过计算融合特征值序列的均值加上0.8倍标准差获得;
16、步骤六,端点检测与后处理:
17、6.1)基于自适应阈值进行初步信号检测,即:将各帧的融合特征值与步骤五确定的自适应阈值进行比对,若融合特征值超过自适应阈值,则判定该帧属于伸缩缝声信号;
18、6.2)对初步信号检测结果进行形态学闭运算处理,连接相邻的信号段并去除孤立的噪声点;
19、6.3)基于伸缩缝声信号的实际持续时长特性,过滤掉持续时间小于5ms的信号段,获得最终的伸缩缝声信号端点检测结果。
20、作为本发明的进一步说明,在步骤一中,所述麦克风的接收频率范围为20~20000hz。
21、作为本发明的进一步说明,在步骤二中,采用汉明窗的平滑过渡减少了帧边界处的突变,从而降低频谱泄漏;分帧加窗的核心目的是将一个非平稳信号转换为一系列短时帧,在这些短时帧内,信号可以被近似看作是平稳的,从而为后续的时频分析奠定基础。
22、作为本发明的进一步说明,在步骤三中,所述teager能量算子特征的数学计算式为:
23、,
24、其中,为表示离散时间序列中的第个采样点;为在时间点计算得到的teager能量值;为当前信号振幅值的平方;为在时间索引处,即当前采样点之前一个采样点的信号振幅值;为在时间索引处,即当前采样点之后一个采样点的信号振幅值;
25、所述将提取到的三种特征进行归一化处理,其数学表达式为:
26、,
27、式中,为归一化后的特征;为任意一个特征向量;为特征最大值;为特征最小值;为将特征值平移,使其最小值变为0;为计算特征值的原始范围;为一个极小值。
28、在归一化公式中,除以极差表示将特征值缩放,使其范围变为[0,1];+是为加入一个极小值,防止除以零的错误。
29、进一步说明,所述二阶差分特征提取的具体过程为:
30、(1)希尔伯特变换求包络:首先对原始信号进行希尔伯特变换,得到解析信号,然后取其模值来获得信号的包络线。这一步的目的是消除高频振荡,突出信号的幅度变化趋势。
31、(2)计算二阶差分:对包络信号连续进行两次差分。一阶差分反映斜率(变化速度),二阶差分反映曲率(变化加速度)。冲击信号在起始点会有巨大的加速度,从而在二阶差分上产生尖峰。
32、(3)分帧并提取帧内最大值:将二阶差分信号进行分帧,然后计算每个帧内差分的绝对值的最大值,作为该帧的瞬态特征。最后进行归一化。
33、进一步说明,所述频域能量特征提取的具体过程为:
34、(1)快速傅里叶变换(fft):对加窗后的信号进行fft,得到频谱,并取绝对值获得幅度谱。
35、(2)提取高频能量:选取频谱的前一半(即频率较高的部分)。最后进行归一化。
36、作为本发明的进一步说明,在步骤四中,将二阶差分特征、teager能量算子特征、频域能量特征按权重系数进行加权融合,表达式如下:
37、;
38、式中,为融合特征值;为频域能量特征权重系数,取值0.351,为归一化后的频域能量特征值;为teager能量算子特征权重系数,取值0.318,为归一化后的teager能量算子特征值;为二阶差分特征权重系数,取值0.331,为归一化后的二阶差分特征值。
39、特征融合的核心是一个加权求和的过程,即:遍历每一帧,将对应帧的三个特征值乘以各自的权重,然后相加,得到该帧的最终融合特征值。经过这个循环,生成了一个全新的特征向量,它代表了每个帧的综合信号强度。
40、所述二阶差分特征、teager能量算子特征、频域能量特征的权重系数采用统计学方法确定,具体为:
41、首先,基于约100组不同工况下采集的伸缩缝信号数据和噪声数据的分析确定:频域能量特征的cohen’s d值为2.231,teager能量算子特征的cohen’s d值为2.026,二阶差分特征的cohen’s d值为2.110;
42、然后,将二阶差分特征、teager能量算子特征、频域能量特征的权重系数按照cohen’s d值进行归一化得到:
43、。
44、进一步说明,cohen's d 效应量是统计学中用于量化两组数据之间标准化差异程度,端点检测的本质是二分类问题,cohen's d 正是衡量两组数据差异的指标,二者在问题定义上吻合。cohen’s d的值在0.2~0.5之间被认为是小效应,0.5~0.8之间是中等效应,大于0.8则是大效应。其计算方法为:
45、
46、式中,为伸缩缝声信号帧的特征均值,为背景噪声帧的特征均值,为两组数据的合并标准差,计算方法为:
47、
48、式中,,分别为两组样本量,,分别为两组样本标准差。
49、作为本发明的进一步说明,在步骤五中所述自适应阈值的计算公式如下:
50、;
51、式中,为自适应阈值,为峰值阈值的权重系数,为峰值阈值,为百分位阈值的权重系数,为百分位阈值,为统计阈值的权重系数,为统计阈值;
52、所述权重系数,,满足下式:
53、;
54、进一步优选:=0.4,=0.4,=0.2。
55、所述峰值阈值的计算方法为:
56、
57、式中:,,代表提取融合特征中的3个最高峰值。
58、取前三大峰值的平均值,是利用了伸缩缝信号在时域上通常是前后轮成对出现的特性,在伸缩缝技术状态较差时可能产生4个信号(左前轮、右前轮、左后轮、右后轮单独可辨)。取3个最高峰值是对典型工况的统计折中。系数0.7的选择是基于信号动态范围考虑,伸缩缝冲击信号具有典型的快速上升、指数衰减包络特征,将阈值设在峰值的70%,可以在信号上升段的中后期即触发检测。
59、所述百分位阈值的计算方法为:
60、
61、式中:,为提取融合特征中取融合特征序列的75%和85%分位数。
62、在一个典型的含噪音频中,大部分帧属于背景噪声。选取75%和85%分位数,实际上是提取了“强噪声”与“弱信号”之间的过渡带。若选取过低(如50%-60%),阈值处于噪声分布中央,过多噪声帧被误判为信号;若选取过高(如90%-95%),阈值进入信号区域,可能切掉信号的起止边缘,降低端点定位精度。75%-85%区间恰好位于噪声分布的上尾部,能有效代表“比绝大多数噪声都高,但尚未进入信号主体”的过渡水平。
63、所述统计阈值的计算方法为:
64、
65、式中:表示提取的融合特征的平均值,表示标准差。
66、统计阈值计算是基于正态分布假设,平均值反应了整体能量程度,标准差反应了能量的波动程度。在标准正态分布中,涵盖了约78.8%的数据,与百分位阈值的,百分位数选取相呼应。
67、本发明还提供了一种基于特征融合的桥梁伸缩装置声信号端点检测系统,用于实现权利要求1所述的桥梁伸缩装置声信号端点检测方法,其包括:
68、信号预处理模块,用于实现所述方法中步骤二,分帧与加窗;即:用于获取检测车辆通过桥梁伸缩装置的声信号,并对该声信号利用窗长为8ms、帧间重叠率为60%的汉明窗进行分帧和加窗处理;
69、特征提取模块,用于实现所述方法中步骤三,多特征提取;即:用于对每一帧短时平稳信号帧分析处理,提取二阶差分特征、teager能量算子特征和频域能量特征,并将提取到的三种特征进行归一化处理,使数值范围统一到[0,1]区间;
70、权重分配与特征融合模块,用于实现所述方法中步骤四,特征融合;即:将归一化后的二阶差分特征、teager能量算子特征、频域能量特征按照权重系数[0.331,0.318,0.351]进行加权融合,获得融合特征值;
71、自适应阈值计算模块,用于实现所述方法中步骤五,自适应阈值计算;即:计算融合特征值序列中的峰值阈值、百分位阈值和统计阈值,并将峰值阈值、百分位阈值和统计阈值进行加权融合,获得自适应阈值;
72、信号帧判定与后处理模块,用于实现所述方法中步骤六,端点检测与后处理;即:用于初步信号检测,初步判定伸缩缝声信号帧,然后对初步信号检测结果进行形态学闭运算处理,连接相邻的信号段并去除孤立的噪声点,再基于伸缩缝声信号的实际持续时长特性,过滤掉持续时间小于5ms的信号段,获得最终的伸缩缝声信号端点检测结果。
73、此处最短伸缩缝声信号时长为5ms的选取基于实际车辆通过伸缩缝的物理特性得到。对于家用汽车轮胎的接地长度约为0.15-0.2m,根据行业规范《公路桥梁伸缩装置通用技术条件》规定允许的桥梁单缝式伸缩缝最小缝宽为20mm。单缝式伸缩缝是一种常用于高速公路上的伸缩装置,高速路上对车辆最高时速限定为120km/h,即=33.3m/s,那么据此做一个极端假设:取=0.15m,=0.02m,=33.3m/s,计算出最小伸缩缝最短时长ms,因此,将5ms作为伸缩缝声信号时域上的滤波器具有充分依据。。
74、本发明的优点:
75、1.相对于现有语音端点检测方法,本发明具有强环境适应性。本发明采用基于多维度统计特性的自适应阈值计算方法,能够根据实际车速、路面状况等实际环境动态调整检测阈值,避免固定阈值方法在复杂工况下易失效的缺陷。该方法在不同等级公路、不同车型及不同车速条件下均表现出稳定的检测性能。
76、2.本发明的工程实用性强,采用的声信号采集设备,具有非接触式特点,便于安装且具有更强的指向性,这种特性使其能够更精准地拾取目标声源,有效抑制侧方和后方的环境噪声,特别适合在嘈杂环境中使用。
77、3.本发明所述方法的分帧加窗处理中,8ms帧长针对只有几十毫秒伸缩缝信号进行了优化,采用汉明窗抑制频谱泄漏,提高频域分析精度;60%重叠率保证帧间平滑,避免信号截断;40%帧长的帧移在分辨率和计算量间取得平衡。分帧加窗参数的选择都是针对伸缩缝声信号特性做出的在时间分辨率和频率分辨率之间取得的平衡。
78、4.本发明所述方法中提取了二阶差分、teager能量算子、频域能量作为能够有效表征信号瞬态冲击、瞬时能量变化或频域能量集中的特征。二阶差分对信号的突变敏感,此外,连续背景噪声的二阶差分值较小,容易被区分。teager能量算子能准确反映信号的瞬时能量变化,适合伸缩缝信号的检测。频域能量特征提供信号在频域的全局视角,弥补时域特征的不足,特别关注高频区域,伸缩缝信号的主要能量集中在高频。
79、5.本发明所述方法的特征融合:(1)多维度融合包含融合二阶差分、teager能量算子、频域能量三个维度的信息。(2)基于实际伸缩缝信号分析优化得到三个特征权重[0.331,0.318,0.351],体现了各特征的相对重要性。(3)避免了单一特征在特定情况下失效的问题。
80、6.本发明所述方法的自适应阈值计算:(1)多维度融合包含融合二阶差分、teager能量算子、频域能量三个维度的信息。(2)经过峰值阈值、百分位阈值、统计阈值的三层计算。(3)基于实际伸缩缝信号分析获得自适应阈值权重分配:[40%,40%,20%]。(4)因为引入三种阈值计算,自适应阈值计算结果能够根据实际音频特性自动调整。
81、7.本发明所述方法中还采用了形态学处理:将相邻的短时信号段连接成完整信号并计算每个信号段的持续时间,另外,基于伸缩缝声信号现实特性,将5ms作为最小时长约束,确保检测到的信号具有足够持续时间,避免因路面颠簸、假缝、坑洼等异常情况误判为伸缩缝信号。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com