基于聲信號的抹灰墻質(zhì)量檢測及試驗(yàn)研究

0 引言

建筑外墻飾面層的設(shè)計(jì)施工是施工過程中的一個(gè)重要環(huán)節(jié)，但由于抹灰墻自身及外界因素的影響，在施工和使用過程中逐漸出現(xiàn)了一系列的問題，出現(xiàn)了空鼓、脫落等現(xiàn)象，不僅影響建筑物的視覺效果，還嚴(yán)重影響到人們的生命財(cái)產(chǎn)安全[1、2]。

用于檢測墻體的方法有很多，傳統(tǒng)的檢測方法主要是通過檢測者人工敲擊墻面或者用敲擊錘隨意性地劃過墻面，聽取聲音的特點(diǎn)判別墻面是否存在缺陷，該方法可能會在一定程度上造成墻體的損壞，而且主要依賴于檢測者的主觀經(jīng)驗(yàn)，隨意性較大，準(zhǔn)確性可能達(dá)不到要求[3]。

本文將利用聲音傳感器和采集卡等設(shè)備，采集抹灰墻不同黏結(jié)情況的敲擊聲信號，通過對聲信號進(jìn)行預(yù)處理，提取聲信號的梅爾頻率倒譜參數(shù)（MFCC），并采用動態(tài)時(shí)間規(guī)整（DTW）算法對參數(shù)進(jìn)行識別，分析參考樣本數(shù)數(shù)量的大小對識別率的影響，初步驗(yàn)證用聲信號檢測識別抹灰墻黏結(jié)缺陷的可行性和有效性。

1 敲擊聲信號能量分析[4]

通過將敲擊動力學(xué)的過程轉(zhuǎn)化為二自由度彈簧系統(tǒng)，進(jìn)行簡化建模分析（圖1）。

兩個(gè)彈簧倔強(qiáng)系數(shù)分別為Kf和Kc，即為墻體的彎曲強(qiáng)度和非線性接觸區(qū)域的強(qiáng)度，墻體和敲擊球的等效質(zhì)量分別為M0和M1。

圖1 敲擊過程的彈簧模型

視墻體的初始狀態(tài)為靜態(tài)的，在敲擊過程中，當(dāng)敲擊錘速度減小為零時(shí)，墻體達(dá)到最大變形，此時(shí)所有的初動能全部轉(zhuǎn)化為墻體的彎曲振動能量以及接觸范圍內(nèi)所形變產(chǎn)生的能量。因此，不考慮墻體變形產(chǎn)生的剪切力和敲擊產(chǎn)生的壓縮波等成分，能量守恒方程可寫成如下式子：

式中， V0—敲擊球的初動能；

Ef—墻體的彎曲變形能量；

Ec—接觸范圍內(nèi)的能量，包含墻體的形變能量和敲擊錘的形變能量，該部分能量通過敲擊錘的反彈最終轉(zhuǎn)化為敲擊錘的剩余振動能量。

將λ定義為初動能轉(zhuǎn)為墻體彎曲振動能量的比率，假設(shè)敲擊錘與圓盤的中心接觸，圓盤厚度h，半徑，k12為常數(shù)，由文獻(xiàn)[5]得到以下表達(dá)式：

當(dāng)墻體存在空鼓時(shí)，其等效厚度小于正常的墻體，因而敲擊過程中敲擊錘的初動能轉(zhuǎn)化為墻體彎曲振動的能量比率遠(yuǎn)大于正常墻體對應(yīng)的情況。由于彎曲振動的頻率較低，因此可以根據(jù)敲擊聲信號的頻譜分析來判別墻體是否存在空鼓。

2 聲信號識別原理

對聲信號進(jìn)行識別時(shí)，首先對采集的聲信號進(jìn)行預(yù)處理，提取特定的信號參數(shù)，并保存為標(biāo)準(zhǔn)信號。然后，輸入待測樣本參數(shù)，將其特征參數(shù)與標(biāo)準(zhǔn)特征參數(shù)進(jìn)行比較。如果誤差在允許的范圍內(nèi)，則表示待測樣本與標(biāo)準(zhǔn)樣本匹配，否則樣本不匹配。

2.1 預(yù)處理流程

對聲信號進(jìn)行預(yù)處理的流程如圖2所示。

2.2 預(yù)加重處理

通過對聲信號的高頻部分加重，達(dá)到提高信號的高頻分辨率和使信號頻譜更加平緩的效果。預(yù)加重的實(shí)現(xiàn)一般是由一階的而數(shù)字濾波器來實(shí)現(xiàn)：

式中，α—預(yù)加重系數(shù)，0.9＜α＜1.0 ，α通常

取0.95。

2.3 濾波

采用梅爾濾波器組對聲信號進(jìn)行濾波。

2.4 信號歸一化

消除不同信號樣本間的數(shù)量級差異。

2.5 分幀和加窗處理

聲信號在非常短的時(shí)間范圍內(nèi)是可視為近似穩(wěn)定的信號，即聲信號具有短時(shí)平穩(wěn)性。通常取每幀時(shí)長為10~30ms，幀長為200，幀移取80。分幀后進(jìn)行加窗處理，常用的有矩形窗和漢明窗兩種。

矩形窗函數(shù)：

圖2 聲信號預(yù)處理結(jié)構(gòu)流程圖

漢明窗函數(shù)：

2.6 端點(diǎn)檢測

采用基于短時(shí)平均過零率和短時(shí)能量的端點(diǎn)檢測方法。在信噪比較高的環(huán)境下，敲擊聲信號的能量遠(yuǎn)大于噪聲的能量，所以僅需對輸入的短時(shí)能量和短時(shí)平均過零率進(jìn)行逐幀比較就可區(qū)分敲擊信號段、噪音段。在求出短時(shí)能量和短時(shí)平均過零率之后，設(shè)置高門限和低門限，即先選取一個(gè)較高的短時(shí)能量值進(jìn)行粗判，再利用短時(shí)過零率進(jìn)行二次判別。當(dāng)短時(shí)能量低于低門限，而下一幀高于低門限，則說明進(jìn)入了信號段；反之，則進(jìn)入了噪音段。直到二者均低于低門限時(shí)，說明信號段結(jié)束。具體端點(diǎn)檢測如圖3所示。

3 敲擊聲信號特征提取與識別

3.1 Mel頻率倒譜系數(shù)（MFCC）及參數(shù)提取[6-10]

梅爾頻率到譜系數(shù)（MFCC）表示人耳對于頻率的感知呈非線性特性，能準(zhǔn)確反應(yīng)聲信號的聽覺特征。Mel標(biāo)度與頻率之間的關(guān)系是：

式中， f—線性刻度的頻率，單位Hz；

圖3 有效端點(diǎn)檢測

Mel(f)—Mel標(biāo)度。

提取MFCC參數(shù)的過程如下（圖4）：

圖4 MFCC的提取流程圖

（1）對預(yù)處理后的每一幀進(jìn)行離散的傅里葉變換（DFT），求得線性頻譜X(k)，轉(zhuǎn)換公式為：

（2）求線性頻譜幅度X(k)的平方，得到幅度譜。

（3）將幅度譜通過梅爾三角濾波器組形成Mel頻譜輸出m(l)，l=1，2，…，L，L取24。

（4）將Mel頻譜取對數(shù)，進(jìn)而做離散余弦變換（DCT），即可得到MFCC參數(shù)：

3.2 動態(tài)時(shí)間規(guī)整算法（DTW）[11-14]

動態(tài)時(shí)間規(guī)整算法（DTW）屬于目前聲信號識別較常用的模板匹配法，其原理是找到一個(gè)時(shí)間規(guī)整函數(shù)m=w(n) ，將待測樣本信號的特征矢量R={r1，r2，…，rm} 映射到參考樣本模板的特征矢量U={u1，u2，…，un} (m≠n)，且滿足式子：

式中， D[n,w(n)]—第n幀待測樣本特征矢量與第m幀參考模板的的特征矢量之間的距離；

D[i , j]—在最優(yōu)化的時(shí)間規(guī)整情況下，兩個(gè)模板之間的距離測度。

如圖5所示，黑色路徑為利用動態(tài)規(guī)劃（DP）方法從矩陣D（m，n）中找出的倒譜距離失真最小的路徑，使該路徑與模板信號的倒譜距離失真累積最小。

通過對敲擊聲信號進(jìn)行提取MFCC參數(shù)之后，將待測樣本的信號參數(shù)與參考模板的信號特征參數(shù)進(jìn)行匹配，得到匹配與參考模板之間的累積距離之和，累積距離小者，則與對應(yīng)的參考模板類型相似度越高，從而判斷待測樣本的類型，得出墻體的檢測結(jié)果。

4 試驗(yàn)與討論

4.1 試驗(yàn)系統(tǒng)及設(shè)置

本試驗(yàn)的系統(tǒng)主要由聲音傳感器、敲擊錘、信號采集儀及計(jì)算機(jī)組成。聲音傳感器采用江蘇聯(lián)能電子技術(shù)有限公司的MP40，靈敏度為45.2mV/Pa，可測聲音頻率范圍20～20 000Hz。信號采集儀采用凌華科技（中國）有限公司的USB-2405，是一款24位高性能USB接口動態(tài)信號采集模塊，擁有4個(gè)輸入通道，每個(gè)通道采樣頻率最高可達(dá)128ks/s，可實(shí)時(shí)顯示和存貯采集信號，并導(dǎo)出供Matlab識別的數(shù)據(jù)文件，進(jìn)一步對數(shù)據(jù)進(jìn)行處理和分析。

敲擊聲信號由焊有直徑為20mm金屬球的敲擊錘來實(shí)現(xiàn)，信號通過聲音傳感器接收至信號采集卡，通過A/D轉(zhuǎn)換上傳至數(shù)據(jù)處理端，采樣率取值為12.8kHz。為減少周圍環(huán)境噪音對采集信號的影響，將聲音傳感器置于離敲擊點(diǎn)約10cm處（圖6）。

本試驗(yàn)的對象為700mm×1200mm的實(shí)驗(yàn)墻體，分別模擬正常、空鼓墻體的真實(shí)情況。部分典型的正常、空鼓信號波形如圖7、8所示。

根據(jù)采集到的聲信號，對空鼓墻體和正常墻體的頻譜進(jìn)行分析和比對，可以看出，正常墻體對應(yīng)的頻譜圖特征峰主要在3 000Hz左右，而空鼓墻體對應(yīng)的頻譜特征主要集中在500～2 500Hz低頻帶范圍內(nèi)。這是由于墻體存在空鼓時(shí)，其等效厚度小于正常的墻體，敲擊過程中產(chǎn)生的初動能轉(zhuǎn)化為墻體的彎曲振動能量比率遠(yuǎn)大于正常墻體對應(yīng)的情況，低頻帶范圍反應(yīng)了空鼓墻體的彎曲振動。但是，由于外界環(huán)境噪音的干擾，以及人工手動敲擊的力度存在差異性，會導(dǎo)致正常墻體在3 000Hz左右的頻譜特征峰發(fā)生變動及低頻帶彎曲振動能量改變。因此，若單純采用頻譜特征對墻體進(jìn)行識別，容易出現(xiàn)誤判。

4.2 試驗(yàn)結(jié)果討論

通過敲擊正常及空鼓的不同位置獲得不同的聲信號波形，并針對正常、空鼓的墻體，分別選取100個(gè)樣本，訓(xùn)練成參考模板。再次分別選取正常墻體和空鼓墻體各40個(gè)樣本進(jìn)行分類測試（表1、2）。

從表1模型匹配的識別結(jié)果顯示，采用MFCC參數(shù)與DTW算法相結(jié)合的識別方法，正常墻體的識別率為92.5%，空鼓墻體的識別率為97.5%。

圖5 待測模板與參考模板倒譜距離矩陣

圖6 信號采集

圖7 正常墻體對應(yīng)的時(shí)域圖及頻譜圖

圖8 空鼓墻體對應(yīng)的時(shí)域圖及頻譜圖

表1 DTW算法的識別結(jié)果

表2 不同數(shù)量的參考樣本對識別結(jié)果的影響

表2給出參考樣本數(shù)量對同一組待測樣本識別率的影響，可以看出，隨著參考樣本數(shù)的增加，墻體空鼓和正常的識別率呈現(xiàn)上升的趨勢。在同樣條件下，由于墻體的敲擊聲信號采集方便，過程簡單，因此可以通過增加參考樣本的數(shù)量來提高墻體空鼓或正常的識別率。

5 結(jié)語

綜上所述，本文通過試驗(yàn)研究墻體存在空鼓的實(shí)際問題。利用在敲擊抹灰墻體產(chǎn)生的聲信號，提取了多組信號樣本的MFCC參數(shù)，并利用DTW算法原理對樣本進(jìn)行識別檢測。試驗(yàn)結(jié)果驗(yàn)證了該算法具有訓(xùn)練方便、識別率高、實(shí)用性強(qiáng)等特點(diǎn)，在抹灰墻體的空鼓檢測中，有效地檢測出墻體空鼓位置，避免了墻體的空鼓問題對建筑物的安全性造成影響。隨著參考樣本數(shù)量的增加，其所包含的樣本參數(shù)信息越全面，在對空鼓墻體進(jìn)行識別時(shí)，有效提高了識別率。

[1]周桂萍.外墻飾面磚空鼓脫落主要原因與防治措施[J].江漢石油職工大學(xué)學(xué)報(bào),2015,04:50-51.

[2]馬秋柱.外墻面磚黏貼工藝探討[A].河南省土木建筑學(xué)會.河南省土木建筑學(xué)會2010年學(xué)術(shù)大會論文集[C].河南省土木建筑學(xué)會: 2010:3.

[3]孫牽宇,童峰,曹紹杰.基于SPCE61A的墻體空鼓聲無損檢測系統(tǒng)[J].聲學(xué)技術(shù),2007,06:1150-1154.

[4]TONG Feng, S K TSO, M Y Y Hung, Impactacoustics-based health monitoring of tile-wall bonding integrity using principal component analysis[J]. Journal of Sound and Vibration, 2006, 294(7): 329-340. [5]Sansalone M, William B. Streett, Impact-echo NDE of Concrete and Masonry[M]. Bullbrier Press, Ithaca, N. Y.,2003.

[6]李澤,崔宣,馬雨廷,陳俊宇. MFCC和LPCC特征參數(shù)在說話人識別中的研究[J].河南工程學(xué)院學(xué)報(bào)(自然科學(xué)版),2010,02:51-55.

[7]陳勇,屈志毅,劉瑩,酒康,郭愛平,楊志國.語音特征參數(shù)MFCC的提取及其應(yīng)用[J].湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2009,S1:106-107.

[8]胡政權(quán),曾毓敏,宗原,李夢超.說話人識別中MFCC參數(shù)提取的改進(jìn)[J].計(jì)算機(jī)工程與應(yīng)用,2014,07:217-220. [9]王正創(chuàng).基于MFCC的聲紋識別系統(tǒng)研究[D].江南大學(xué),2014.

[10]周春暉.基于MFCC特征和GMM模型的說話人識別系統(tǒng)研究[D].蘭州理工大學(xué),2013.

[11]朱淑琴,趙瑛. DTW語音識別算法研究與分析[J].微計(jì)算機(jī)信息,2012,05:150-151+163.

[12]蘇昊,王民,李寶. 一種改進(jìn)的DTW語音識別系統(tǒng)[J].中國西部科技,2011,01:38-39+94.

[13]陳孟元.基于改進(jìn)型DTW算法和MFCC的語音識別[J]. 安徽工程大學(xué)學(xué)報(bào),2014,01:53-57.

[14]侯瑞真.基于DTW算法的在線語音識別與仿真[D].北方工業(yè)大學(xué),2014.

Quality Inspection and Experimental Study of Plastered Wall Based on Acoustic Signals

■ 張旭清 Zhang Xuqing 劉文白 Liu Wenbai 孔 戈 Kong Ge 高建衛(wèi) Gao Jianwei

利用聲音傳感器和采集卡搭建起來的試驗(yàn)系統(tǒng)，單點(diǎn)單次敲擊抹灰墻試驗(yàn)墻體，采集聲信號的時(shí)域波形圖。考慮到人耳對墻體敲擊聲信號不同頻率的感受程度，利用人耳的聽覺特性，通過提取梅爾頻率倒譜系數(shù)（MFCC），并采用動態(tài)時(shí)間規(guī)整（DTW）算法對信號樣本進(jìn)行識別分類，分析參考樣本數(shù)數(shù)量的大小對識別率的影響，初步驗(yàn)證用聲信號檢測識別抹灰墻黏結(jié)缺陷的可行性和有效性。

梅爾頻率倒譜系數(shù)；動態(tài)時(shí)間規(guī)整；識別率

The test system consisting of sound sensors and acquisition card is used to inspect the wall and form the time-domain waveform utilizing the acoustic signal produced by "single tap, single time" on plastered wall. Considering human ear's perception for percussive sound signals with different frequencies, we analyzed the infl uence of sample size over recognition rate by extracting the Mel Frequency Cepstrum Coeffi cient (MFCC), using the Dynamic Time Warping (DTW) algorithm and utilizing human ear's auditory characteristics, by which we initially verifi ed the feasibility and effectiveness of acoustic signals in inspecting plastered wall's bonding defects.

Mel Frequency Cepstrum Coeffi cient, Dynamic Time Warping, recognition rate

2016-10-27）

國家自然科學(xué)基金項(xiàng)目（51078228）、國家海洋公益性行業(yè)科研專項(xiàng)經(jīng)費(fèi)項(xiàng)目（201105024-5）、2013年上海市研究生教育創(chuàng)新計(jì)劃實(shí)施項(xiàng)目“學(xué)位點(diǎn)建設(shè)培育”（20131129）、上海市科學(xué)技術(shù)委員會立項(xiàng)項(xiàng)目《既有建筑外圍護(hù)結(jié)構(gòu)飾面層脫落風(fēng)險(xiǎn)檢測技術(shù)及標(biāo)準(zhǔn)的制定》（編號15DZ0500700）。

張旭清，上海海事大學(xué)海洋科學(xué)與工程學(xué)院碩士研究生；劉文白，上海海事大學(xué)海洋科學(xué)與工程學(xué)院教授，碩士生、博士生導(dǎo)師；孔戈，上海眾材工程檢測有限公司總經(jīng)理，高級工程師；高建衛(wèi)，上海眾材工程檢測有限公司科研中心主任，高級工程師。