破損玻璃檢測器 (GBD)系統的軟硬件設計

　　圖 6：信號分析 1 的軟件流程傳送進來的信號樣本 p(n) 在首先通過簡單的移動平均濾波器降低噪聲后得到 s(n)。p(n) 的信號整合只使用正樣本進行，以便計算出 SA2 階段將使用的信號能量 integ_total。s(n) 包括峰值和跨零數量。可以使用剪切頻率為 的高通濾波器 (HPF) 提取傳送進來的信號的高頻分量，每個 p(n) 樣本都要經過此類過濾。同時，只有過濾輸出的正樣本才能累加到結果 integ_HPF_total 中，該結果將用于 SA2 階段。每個樣本都要經過完整的 SA1 階段，而且為了確保實時運行，必須在下一個樣本 p(n+1) 到達前完成，即全部可用的 CPU 周期數僅為 CPU 頻率/40 kHz。過濾通常是一個耗時的過程。為提高效率，我們在撞擊檢測中使用的 LPF 以及 SA1 階段使用的 HPF 中均要采用點陣波數字濾波器 (LWDF) [1] ，并使用霍納 (Horner) 算法 [2]。待 SA1 階段的數據處理完(耗時 60 毫秒)后，算法即進入處理的第二個階段 SA2。SA2 無需實時運行，圖 7 給出了該階段的運行流程。此外，SA2 完成時將確定是否真的發(fā)生了玻璃破碎事件。

　　圖 7：信號分析 2 的軟件流程計算總信號能量與高通過濾信號能量之比，并將其與閾值加以比較。結果顯示眾多玻璃破損聲音的比值都介于 1.75 ~ 14 之間。同樣，還要檢查峰值數量是否介于 160 ~ 320 之間，跨零數量是否介于 95 ~ 300 之間。只有滿足以上三個條件，才能確定發(fā)生了玻璃破損事件。上述三個條件中只要有一項不符合要求，玻璃破損檢測器就會重啟并返回活動檢測狀態(tài)。這些閾值與范圍將需要根據房間聲音質量、GBD 位置以及環(huán)境噪聲等加以微調。