砼路面寬帶陣列音頻信號(hào)的時(shí)頻分析與CNN脫空分類研究及應(yīng)用

發(fā)布時(shí)間：2020-10-25 02:28

　　水泥混凝土路面(砼路面)具有承載能力強(qiáng)、耐高溫、使用壽命長(zhǎng)等優(yōu)點(diǎn),被廣泛應(yīng)用于公路系統(tǒng)建設(shè)中。但隨著交通流量日益增大,砼路面被日常車輛反復(fù)碾壓,加上自然因素,直接影響到了路面板的強(qiáng)度與承受能力,使其內(nèi)部結(jié)構(gòu)發(fā)生改變,從而縮短使用壽命。其中路面脫空便是最重要的損壞現(xiàn)象之一,脫空的后果不僅使路面板出現(xiàn)裂縫或者斷板現(xiàn)象,而且影響著交通運(yùn)輸?shù)陌踩?所以對(duì)于砼路面的脫空檢測(cè)分類研究具有較大意義。本文首先研究了國(guó)內(nèi)外脫空檢測(cè)方法,針對(duì)傳統(tǒng)聲振檢測(cè)法提出采用麥克風(fēng)陣列來(lái)進(jìn)行音頻信號(hào)的采集;其次在傳統(tǒng)相干信號(hào)子空間(CSM)法上給出改進(jìn)CSM法,即基于差分空間平滑CSM法來(lái)對(duì)砼路面寬帶陣列音頻信號(hào)進(jìn)行波達(dá)角估計(jì);然后將信號(hào)作自適應(yīng)波束形成與Wigner-Ville時(shí)頻分析處理,獲取定向音頻信號(hào)和時(shí)頻特征圖;最后將得到的時(shí)頻圖作為基礎(chǔ)脫空檢測(cè)數(shù)據(jù),通過(guò)不同的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型對(duì)其進(jìn)行分類與結(jié)果對(duì)比分析。在網(wǎng)絡(luò)結(jié)構(gòu)模型中,首先研究了LeNet-5和VGGNet-16,然后針對(duì)VGGNet-16的優(yōu)缺點(diǎn)給出兩種不同的改進(jìn)方法,一種是在第四個(gè)卷積層模塊后加入大小為11?的卷積核,并與第五個(gè)卷積層模塊輸出結(jié)果特征拼接,然后進(jìn)入全連接層;另一種是去掉前兩個(gè)全連接層,加入全局平均池化。兩種改進(jìn)方法的主要目的是保證時(shí)頻圖像特征完整、降低計(jì)算復(fù)雜度和減輕過(guò)擬合現(xiàn)象。通過(guò)對(duì)采集到的音頻數(shù)據(jù)處理分析,結(jié)果表明在DOA估計(jì)過(guò)程中,與傳統(tǒng)寬帶信號(hào)聲源定位方法相比較,基于差分空間平滑的CSM法的準(zhǔn)確性更高。此外,在卷積神經(jīng)網(wǎng)絡(luò)分類過(guò)程中,本文采用的典型網(wǎng)絡(luò)結(jié)構(gòu)LeNet-5和VGGNet-16的分類準(zhǔn)確率分別為92.2%和96.5%。而兩種改進(jìn)的VGGNet-16結(jié)構(gòu)分類準(zhǔn)確率分別為97.9%和98.1%。后期通過(guò)對(duì)自適應(yīng)波束成形后的音頻信號(hào)加入不同強(qiáng)度的高斯白噪聲,來(lái)分析網(wǎng)絡(luò)模型的魯棒性。結(jié)果發(fā)現(xiàn)當(dāng)信號(hào)的信噪比越低,分類準(zhǔn)確率就越低,對(duì)于不同信噪比,網(wǎng)絡(luò)模型的下降快慢程度不同,抗噪聲干擾能力也就不同。
【學(xué)位單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP183;TN912.3;U418.6
【部分圖文】：