给定一个音频流，找出门何时关上（声压级计算？）答案

【问题标题】：Given an audio stream, find when a door slams (sound pressure level calculation?)给定一个音频流，找出门何时关上（声压级计算？）
【发布时间】：2010-10-04 17:29:22
【问题描述】：

不像拍手检测器（“拍手！拍手拍手！拍手拍手，拍手，拍手！拍手 em> ") 我需要检测门何时关闭。这是在车辆中，比房间或家庭门更容易：

收听：http://ubasics.com/so/van_driver_door_closing.wav

看：

它以 16 位 4khz 采样，我想避免大量处理或存储样本。

当您使用 audacity 或其他波形工具查看它时，它非常独特，并且几乎总是由于车辆声压的增加而出现剪辑 - 即使在窗户和其他车门打开时：

收听：http://ubasics.com/so/van_driverdoorclosing_slidingdoorsopen_windowsopen_engineon.wav

看：

我希望有一种相对简单的算法可以读取 4kHz、8 位的读数，并跟踪“稳定状态”。当算法检测到声级显着增加时，它会标记该点。

您有什么想法？
您将如何检测此事件？
是否有可能提供帮助的声压级计算代码示例？
我可以减少采样频率（1kHz 甚至更慢吗？）

更新： 使用 Octave（开源数值分析 - 类似于 Matlab）并查看均方根是否能满足我的需求（这会产生与 SPL 非常相似的结果）

更新 2： 计算 RMS 在简单情况下很容易找到关门：

现在我只需要看看困难的情况（收音机，高温/空气等）。 CFAR 看起来非常有趣 - 我知道我将不得不使用自适应算法，而 CFAR 肯定符合要求。

-亚当

【问题讨论】：

可以选择加速度计吗？
我在板上安装了一个三轴加速度计。顺便说一句，它还包括压力传感器、光传感器、门开关检测、GPS 和摄像头。虽然这些选项可用，但理想情况下，该设计只需要麦克风来感应门关闭。
只是一个随机的想法 - 如果它几乎总是在关闭时剪辑 - 为什么不只检测剪辑？
@aronchick - 因为车里有很多噪音，也足够大，可以剪辑，但在其他方面有所不同。

标签： c algorithm audio signal-processing

【解决方案1】：

也许您应该尝试检测应标记门关闭的气压的显着瞬时升高。您可以将它与此波形和声级分析配对，这些都可能会给您带来更好的结果。

【讨论】：

【解决方案2】：

我想频率和幅度也会因车辆而异。确定这一点的最佳方法是在 Civic 和大型 SUV 中取样。也许您可以让用户以“学习”模式关上门以获取幅度和频率特征。然后您可以使用它来比较处于使用模式时的情况。

您也可以考虑使用Fourier analysis 来消除与关门无关的背景噪音。

【讨论】：

【解决方案3】：

查看源音频文件的屏幕截图，检测声级变化的一种简单方法是对样本进行numerical integration 以找出特定时间波的“能量”。

一个粗略的算法是：

将样本分成多个部分
计算每个部分的能量
取上一窗口和当前窗口的能量比
如果该比率超过某个阈值，则确定有突然的巨响。

伪代码

samples = load_audio_samples()     // Array containing audio samples
WINDOW_SIZE = 1000                 // Sample window of 1000 samples (example)

for (i = 0; i < samples.length; i += WINDOW_SIZE):
    // Perform a numerical integration of the current window using simple
    // addition of current sample to a sum.
    for (j = 0; j < WINDOW_SIZE; j++):
        energy += samples[i+j]

    // Take ratio of energies of last window and current window, and see
    // if there is a big difference in the energies. If so, there is a
    // sudden loud noise.
    if (energy / last_energy > THRESHOLD):
        sudden_sound_detected()

    last_energy = energy
    energy = 0;

我应该添加一个我没有尝试过的免责声明。

这种方式应该可以在没有先记录所有样本的情况下执行。只要有一定长度的缓冲区（示例中为WINDOW_SIZE），就可以进行数值积分来计算声音部分的能量。然而，这确实意味着处理过程中会有延迟，具体取决于WINDOW_SIZE 的长度。确定一段声音的合适长度是另一个问题。

如何分割成部分

在第一个音频文件中，似乎关门声音的持续时间为0.25秒，所以用于数值积分的窗口应该最多是它的一半，甚至更像是十分之一，所以即使窗口在静音部分和噪音部分之间重叠，也可以注意到静音和突然声音之间的差异。

例如，如果积分窗口为 0.5 秒，第一个窗口覆盖 0.25 秒的静音和 0.25 秒的关门，第二个窗口覆盖 0.25 秒的关门和 0.25 秒的静音，则可能会出现两段声音具有相同级别的噪声，因此不会触发声音检测。我想有一个较短的窗口会在一定程度上缓解这个问题。

但是，窗口太短将意味着声音的上升可能无法完全适应一个窗口，并且可能看起来相邻部分之间的能量差异很小，这可能会导致声音错过。

我相信WINDOW_SIZE 和THRESHOLD 都必须根据经验确定要检测的声音。

为了确定该算法需要在内存中保留多少样本，假设WINDOW_SIZE 是关门声音的 1/10，大约为 0.025 秒。在 4 kHz 的采样率下，即 100 个样本。这似乎不是太多的内存要求。使用 200 字节的 16 位样本。

优点/缺点

这种方法的优点是，如果源音频以整数形式输入，则可以使用简单的整数算术进行处理。如前所述，关键是实时处理会有延迟，具体取决于集成部分的大小。

我可以想到这种方法有几个问题：

如果背景噪音过大，背景噪音与关门的能量差异将难以区分，可能无法检测到关门。
任何突然的声音，例如拍手声，都可以视为门正在关闭。

也许，结合其他答案中的建议，例如尝试使用傅里叶分析来分析关门的频率特征，这将需要更多的处理，但会使其不易出错。

在找到解决此问题的方法之前，可能需要进行一些实验。

【讨论】：

我真的很喜欢这种方法，所以我会实施它并在这里报告我的结果。而不是有一个固定的阈值，我将跟踪平均能量，并有一个可调整的因素（即，窗口必须是平均触发的 1.5+ 倍）。

【解决方案4】：

您应该轻按车内的关门开关。试图通过声音分析来做到这一点是过度工程。

有很多关于不同信号处理的建议可以采取的方法，但实际上，当您了解检测时理论，搭建嵌入式信号处理板，学习处理您选择的芯片的架构，尝试一种算法，调试它，然后为您想要使用它的汽车调整它（然后重新调整和重新调试它适用于所有其他汽车），你会希望你只是粘着一根芦苇在车内切换开关并将磁铁热粘在车门上。

并不是说这对 dsp 专家来说不是一个有趣的问题，但从你问这个问题的方式来看，声音很明显处理不是您想要采取的路线。这将是一场噩梦让它正常工作。

此外，拍板只是一个高通滤波器，馈入阈值检测器。（加上一个计时器，以确保 2 次鼓掌足够快）

【讨论】：

在很多情况下这是正确的答案。如果可以在不为开关接线的情况下完成，那么我们可以避免安装问题、成本增加、责任问题，并且鉴于该设备旨在重复使用（不是永久安装），接线不是最佳选择。不过，这是一种选择。
在某些情况下，如电动滑动门或掀背门接线可能是必要的，因为关闭的声音没有那么有力，因此需要更多的处理，或自定义调整（以及因此设置）。另一个想法是在礼貌灯附近放置一个光传感器 - 易于安装，也可以工作。
我倾向于同意，但这并没有阻止我提出算法上的建议...... :) +1
“从你问这个问题的方式来看，很明显声音处理不是你想走的路。”我问这个问题的方式表明了这一点呢？如果我对自己的意图造成错误印象，我会很乐意修改它。
对不起，如果我表现得像个混蛋，但您似乎对信号处理不熟悉。如果您想玩或学习，我不想让您失望，但如果您想在合理的时间内对关门检测做出真正的解决方案，音频信号处理可能是最困难的途径。

【解决方案5】：

我将从查看光谱开始。我对您提供的两个音频文件进行了此操作，您似乎可以使用一些相似之处。例如，两者之间的主要区别似乎在 40-50Hz 左右。我的.02。

更新

发布后我有了另一个想法。如果可以，请在设备上添加加速度计。然后关联振动和声学信号。这应该有助于跨车门检测。我认为它应该具有很好的相关性，因为声音是振动驱动的，而立体声则不是。我有一个能够通过挡风玻璃支架（吸盘）检测我的发动机转速的设备，所以灵敏度可能在那里。（我不保证这行得通！）

_{（来源：charlesrcook.com）}

%% Test Script (Matlab)
clear
hold all %keep plots open
dt=.001

%% Van driver door
data = wavread('van_driver_door_closing.wav');

%Frequency analysis
NFFT = 2^nextpow2(length(data));
Y = fft(data(:,2), NFFT)/length(data);
freq = (1/dt)/2*linspace(0,1,NFFT/2);
spectral = [freq'  2*abs(Y(1:NFFT/2))];

plot(spectral(:,1),spectral(:,2))

%% Repeat for van sliding door
data = wavread('van_driverdoorclosing.wav');

%Frequency analysis
NFFT = 2^nextpow2(length(data));
Y = fft(data(:,2), NFFT)/length(data);
freq = (1/dt)/2*linspace(0,1,NFFT/2);
spectral = [freq'  2*abs(Y(1:NFFT/2))];

plot(spectral(:,1),spectral(:,2))

【讨论】：

【解决方案6】：

在雷达领域有很多关于这个问题的相关文献（它被称为检测理论）。

您可能会了解“细胞平均 CFAR”（恒定误报率）检测。维基百科有一点点here。您的想法与此非常相似，它应该可以工作！ :)

祝你好运！

【讨论】：

【解决方案7】：

在音频信号中发现明显尖峰的过程称为transient detection。 Sony's Acid 和 Ableton Live 等应用程序使用瞬态检测来查找音乐中的节拍以进行节拍匹配。

您在上面的波形中看到的明显尖峰称为瞬态，有几种很好的算法可以检测它。论文Transient detection and classification in energy matters 描述了 3 种方法。

【讨论】：

【解决方案8】：

在采样频率较低的问题上，可以捕获的最高声音频率是采样率的一半。因此，如果车门声音在 1000Hz（例如）时最强，那么低于 2000Hz 的采样率将完全失去该声音

【讨论】：

也称为奈奎斯特速率 - 必须执行采样以避免在给定的连续到离散转换en.wikipedia.org/wiki/Nyquist_rate 中出现混叠的速率。

【解决方案9】：

在您的情况下，一个非常简单的噪声门可能就可以了。只需等待幅度高于指定阈值的第一个样本（以避免触发背景噪声）。如果您需要区分不同类型的噪音（例如关门与拍手），您只需要变得比这更复杂。

【讨论】：

是的，我在这里展示了非常简单的案例。现实情况要严酷得多 - 收音机和加热/AC 处于高位时，我得到了合理的结果，但我也得到了一些误报，只是 RMS 峰值检测。