奥克兰大学工程学院的研究团队近日提出了一种分布式分层无线声学传感器网络（WASN），以应对城市扩张带来的噪声污染问题。这项技术旨在通过声音分类和A计权声压级测量，为现有的基于物联网（IoT）的无线传感器网络系统在功能、功耗、成本和可扩展性方面存在的诸多缺陷提供一种创新的解决方案。
随着城市化进程的加快，噪声污染已成为影响人们健康的重大问题。长期暴露于噪声环境中可能导致听力损失、心理健康疾病、记忆障碍、高血压、心血管疾病、睡眠障碍和认知功能下降等一系列健康问题。因此，有效的噪声干预策略对于减少噪声对健康的影响至关重要。
该研究提出的WASN系统通过分布式IoT传感器节点，实现对噪声分布、水平和源头的长期监测。与传统的手动收集环境声音的方法相比，该系统更具成本效益，且能覆盖更广的区域。
网络测试场景
在硬件结构上，该系统分为三层：底层由多个低能力的 SLTB004A 端节点构成，这些节点负责采集环境声音，并通过蓝牙低功耗（BLE）技术将音频传输至中层节点；中层采用基于 ESP32 的中继节点组建 wifi mesh 网络，实现多跳通信，确保音频数据能够稳定、高效地向顶层传输；顶层则依托高能力的 Jetson Nano 中央处理模块，对接收的数据进行声音分类和 A - weighted SPL 测量等深度处理。
基于网络拓扑的一个节点链设计
在SLTB004A中的算法
在ESP32上的算法
在算法和数据处理方面，研究团队考虑了系统性能与资源消耗的平衡。端节点依据奈奎斯特定理，以 8kHz 的采样率对环境声音进行采样，既能有效覆盖对人类影响较大的声音频率范围，又降低了功耗。同时，采用 ADPCM 音频编码算法对采样数据进行压缩，大幅减少了数据传输量，提高了传输效率。此外，团队还对 Base64 编码在系统中的应用进行了深入测试与分析，为优化数据传输提供了重要依据。
在SLTB004A上的使用Base64的算法
在ESP32上使用Base64的算法
经过一系列严格测试，该系统在多个关键指标上表现优秀。端节点在处理音频时展现出高效性，处理一秒音频的平均时间仅为 1.016 秒，且无 Base64 算法时稳定性更佳。
SLTB004A记录并传输一秒音频的时间
在数据传输环节，BLE 传输稳定无丢包，wifi mesh 网络在无 Base64 算法的情况下，12 小时内仅出现 3 个数据包丢失，而采用 Base64 算法时丢包数量显著增加。
（A）未使用Base64时随时间丢失的数据包数量。（B）未使用Base64时随时间变化的数据包丢失率。（C）使用Base64时随时间丢失的数据包数量。（D）使用Base64时随时间变化的数据包丢失率。
在音频录制质量方面，尽管与手机录制相比，网络录制音频存在一定高频噪声，但整体波形相似，能够满足环境噪声监测的基本要求。
(A) 电话录音的音频波形。(B) 电话录音的音频频谱图。(C) SLTB004A录制的音频波形。(D) SLTB004A录制的音频频谱图。
在 A - weighted SPL 计算精度上，该系统与专业声级计测量结果高度吻合，误差在合理范围内，证明了其在噪声监测方面的准确性。
A加权声压级测试
从成本角度来看，该系统相较于现有的具备 SPL 和声音分类功能的系统，处理SPL和声音分类的总成本约为现有系统的77.34%，具有一定的经济优势。
尽管研究仍存在一些局限性，如中继节点和端节点的连接数量受限、测试环境主要为实验室环境、数据集规模较小等，但该研究为环境噪声监测提供了一种新的技术解决方案，对于城市规划者和公共卫生专家来说，也是一个重要的工具，有助于他们更好地理解和应对城市噪声污染问题。
关于我们
合作推广
版权声明
文中所有图片和文字版权归21dB声学人所有
如需转载或媒体合作，请与我们联系
