1 引言

城市的高速发展导致各种安全问题日益严峻，这已成为人们关注的焦点之一。因此，在生产生活中，如果能够捕获和运用各种有用的信息，对将有可能发生的异常安全事故能够给出相对准确的预警或者能够给出一定程度上的警示，对于防止和控制异常安全事故的扩大，最大限度地减少经济损失具有非常重大的现实意义。

3）建设有中国特色国际一流能源公司的需要。经过30多年的高速高效发展，中国海油已经初步实现了从纯上游的油气开发生产公司到上下游一体化能源公司的转变。在向着有中国特色的国际一流能源公司迈进的征程中，如何在节能工作中更好的践行集团公司“绿色低碳”核心战略，将节约能源、水资源和生产低碳产品作为企业经营管理的内在要素，实现经济活动过程和结果的“绿色化”，是需要思考的问题。

视频监控是公共安全、生产安全进行预警的重要手段之一。当前的视频监控系统受到各种各样因素的影响，其预警性能受到影响，导致不能及时、有效地反映监控场景情况。而异常声音可从听觉角度反映监控场景的异常情况，有效弥补了视频监控的不足。且音频信号异常监控能够高效的实现自动异常事件检测。在没有人为干预的情况下实现实时对被监控场景的实时监控，有效的把人从枯燥繁忙的监控任务中解放出来，并且提高异常事件检测的准确率[1]。

目前，土木工程中常被用到的大型圆形直筒结构的建筑模板组件有定型钢模板组件和木模板组件2种。定型钢模板组件大都包含了一对对开状的半圆钢模板组，该对半圆钢模板相互对接后可以直接通过螺栓进行固定。因此，具有施工速度快，定型质量佳等效果。但是，其同样存在一次性投入费用较高，吊运安装需要起重设备，经济性差的缺陷。

在传统的音频信号处理中,最常用、最直接的方法是傅里叶变换。傅里叶变换及其反变换构建起信号时域与频域之间变换的桥梁。但是以傅里叶变换为基础的经典分析方法,不具备时间和频率的“定位”功能。对于本文中音频信号中的异常噪声，是非稳态信号，其任何统计特性都随时间变化的一类信号，其最显著的特点是其频率结构随时间变化，因此要求分析方法能够准确地反映出信号的局部时变频谱特性,只了解信号在时域或频域的全局特性是远远不够的。

因此，为了弥补傅里叶分析这一不足,针对非平稳信号，引出了在时频二维平面上表征信号的新方法，时频分析方法，能同时保留时间与频率信息。目前已经出现了很多时频分析方法，常用的时频分析方法主要包括短时傅里叶变换、小波变换、维格拉-威利分布(Wigner-Ville)等。短时傅里叶变换，其窗函数确定以后,只能以一种固定分辨率进行时频分析,无法兼顾高频信息和低频信息；小波分析[2]，在对信号频域分析的时候，由于小波使用了前采样，违反了柰圭斯特准则，造成了频谱的混叠。因此本文提出基于维格拉分布(Wigner-Ville Distribution)的非稳态音频信号检测方法。其求解信号时，能够最大限度的保留信号的幅值和相位信息。

2 平稳频率音频信号中异常噪声的时频分析检测

2.1 平稳音频信号及其性质

平稳音频信号是指，在一段时间内，音频信号的各项统计参数不随时间变化，其中最常用的是其均值平稳性和自相关平稳性[3]。

其自相关函数仅与观测的时间间隔有关，满足：

频域可以表示为：

E[s(t)]=E[s(t+Δt)]=s0

(1)

其中，Δt表示任意时间间隔

光伏清洗机器人吸附行走机构的吸盘与电池板表面具有局部柔性，但总体看来，局部柔性对整个光伏清洁机器人受力状况影响很小。为了简化模型的受力分析，在建立力学模型前，假设认为光伏清洁机器人是刚体[2]。清洁机器人为刚体的受力状况可简化为平面力系(图1)。清洁机器人以速度v 在光伏面板上做匀速直线运动，忽略空气阻力。

其均值平稳性可以通过对一段时间内的观测统计估计整个平稳信号的统计特性，即假设被观测的平稳信号为s(t)，其均值满足：

我们对每个工作任务都设置了检验与评估，一改过去只在学期末进行考试来检验学生学习情况的单一模式。把检验与评估贯穿于整门课程学习的始终，让学生始终以严格的标准要求自己。还是以整流滤波稳压电路的检验为例，其检验与评估如表3所示：

(2)

其中，τ=t1-t2表示两次观测的时间间隔

利用上述性质，可以利用其频率平稳等特性作为监测的指标，对长期监测中过程中出现的非稳态异常音频信号进行定位和处理。

2.2 非稳态异常音频干扰模型建立

非稳态信号是任何统计特性都随时间变化的一类信号。其最显著的特点是其频率结构随时间时刻变化。假设非异常平稳信号为s(t,f)，它是时间t和频率f的函数，其中f∈(f1,f2)。在t1～t2,t1∈(0,+∞),t2∈(0,+∞)时间段内被一个加性非稳态信号x(t,f)干扰，那么，观测到的信号可以表示为不同时间点的叠加：

R(t1,t2)=R(t1+Δt,t2+Δt)=R(τ)

y(t,f)=s(t,f)+x(t,f)

(3)

其中，

(4)

式中，n(t)表示噪声。

这一类加性噪声通常是由系统正常工作之外的某些因素造成的，其音频频率通常与正常检测状态的信号具有较大的偏差，通过对固定时间段内的接收信号做时频分析，可以精确地定位这一类异常信号发生的时间段和频率区间，并采取应对措施。

3 音频信号处理方法

3.1 维格纳分布WVD(Wigner-Ville Distribution)

c(t)=y(t)+jH[y(t)]

维格纳分布WVD(Wigner-Ville Distribution)是一种双线性时频变换，它是由E. P. Wigner于1932年提出的，自1948年由J. Vill引入信号处理领域后，一直是时频分析领域研究的热点[4-6]。该方法可以用于异常频率检测与分析。假设接收到的观测实信号为y(t)，其对应复信号的解析表达式为：

(5)

其中，H[y(t)]表示y(t)的Hilbert变换，对于复信号c(t)的维格纳变换可以表示为：

(6)

其中，c*(t)表示c(t)的共轭信号，其可以理解为复信号c(t)的瞬时自相关函数关于时延τ的傅里叶变换不同于短时傅里叶变换和小波变换，维格纳分布的实质是实现信号能量投影变换于时频平面内，其表达形式中不含有任何的窗函数[7]，可以避免了短时傅里叶变换时间分辨率与频率分辨率相互牵制的矛盾[8]，可以同时实现信号异常频率和发生时间的精确检测。

3.2 平稳频率音频信号中异常噪声的时频分析检测方法

本文提出了基于维格纳变换平稳频率音频信号中异常噪声的时频分析检测的方法。其具体检测方法流程如图1所示。

与分管副院长沈崇德谈话中了解到，这是自2014年，医院将“澳新风险管理标准”引入到后勤患者安全体系后的创新探索。“这只是医院后勤患者安全体系的一角，后面支撑的是有序化、制度化和具体化的风险管理工作。”

图1 平稳频率音频信号中异常噪声的时频分析检测的方法流程图

首先，将接收到的信号进行分段处理，利用维格纳变换对每一个时域区段的信号逐个分析，由公式(3)知，在检测到的音频信号中，包含了时域的幅度信息及频率随时间变化的信息。取分段后的第k段信号，其可以表示为：

最后，对异常频率的非稳态音频信号进行检测，设定经验性频率区段f1,f2,f3,…∈，当某一的所有频率fi∈F,i=1,2,…时，认为该时间段内不存在异常非稳态音频信号；当某一距离单元内存在频率fi∉F,i=1,2,…时，认为该时间段内出现了异常非稳态音频信号，设定标记函数flag作为是否进行后续对异常信号提取的标志：

(7)

其中，tk表示第k段信号开始的时刻变量，fi表示第k段信号的频率变量，n(tk,fi)表示任意时间段内可能存在的噪声，在噪声不存在的时间段内n(tk,fi)=0，信号y(tk,fi)对应的解析信号为：

c(tk,fi)=y(tk,fi)+jH[y(tk,fi)]

(8)

然后对复信号c(t)进行时频域分析，其维格纳变换的时域可以表示为：

(9)

“用文化管理，统一理念；用制度管理，规范行为；而以人为核心管理，方能立足根本。”中国医科大学附属盛京医院（以下简称“盛京医院”）党委书记赵玉虹一语道中管理玄机。

1、电厂的总体规划应按发电厂的规划容量，当地的自然资源条件，结合厂址及其他附近地区的自然条件及电力系统的发展远景进行。

WVDc(tk,fi)=c(fi+v/2)·c*(fi-v/2)·e-j2πfvdv

(10)

其中，tk表示第c*(t)表示c(t)的共轭信号，τ表示时延，v表示频率变化量。在经过维格纳变换之后，一段信号内的信号能量被投影到了时频平面，在时频平面中横坐标表示时间采样点，纵坐标表示不同频率段的信号所处的相对位置，时频域综合来看可以精确地确定频率分布相对位置以及各频率对应的时间区间。

分析仪表是电厂锅炉给水、机组循环汽水生产过程中重要的设备，是监测机组循环汽水的水质和水处理系统设备运行状态的离子定量分析仪表。锅炉给水及机组循环汽水的水质会直接影响锅炉、汽轮机的安全运行，也会影响火力发电厂的经济和社会效益，因此电厂越来越重视锅炉给水及机组循环汽水分析仪表。

y(tk,fi)=s(tk,fi)+n(tk,fi)

(11)

对于标记函数flag取值为0时间段，判断为不存在异常非稳态音频信号，而对于标记函数flag取值为1的时间段，根据其时频平面内频率出现的时间段进一步精确定位分析。

4 实测数据验证分析

本次试验使用的实测数据背景是一段正常人声，主要面向突然出现的暴雨的声音，以及突发短时间的尖叫声两种异常声音。暴雨声可以类比成白噪声，尖叫声可以类比成单频信号。实测数据时长为为3.5 s,噪声出现时间为0.8～1.3 s。实验中分别对纯净的正常人声、正常人声叠加暴雨声、正常人声叠加尖叫声这三种音频信号进行验证分析。

2016年联合国一项报道指出全球范围内HIV感染者中15～24岁占比达到50%[5-6]。国内统计显示，新增艾滋病患者超过80%为性途径传播，而青少年感染者呈逐年上升趋势，因此对青少年的艾滋病防控具有十分重要的意义[7]。张婉青等[8]对某大学在校学生艾滋病相关态度、知识、行为进行调查显示加强学生群体艾滋病健康教育，能够帮助其建立正确、积极的对待艾滋病态度。因此加强对高职学生的艾滋病知识健康教育有助于提升其防艾生活技能以及健康知识水平，有效减缓HIV传播[9]。

4.1 正常人声叠加暴雨声

首先从时域上观测无噪声的人声音频信号，如图2所示。其次对该音频进行傅里叶变换，观察其频域图像，如图3所示，可见正常人声集中在1 000～4 000 Hz之间，最后对其进行时频分析，结果如图4所示，可以看出从时间测度上观察该音频信号，其频率随时间变化是较平稳的。

对叠加了暴雨声的信号也进行时域、频域、时频特性分析。

比较图2和图5两个时域图像，从时域上，可以看出噪声的存在，这是由于我们已经知道了先验信息，但是，对于真实的生产生活场景来说，从图5中并不能看出异样。同样的，比较图3和图6，由于暴雨声类似于白噪声，其在整个频域区间上都存在分量，与正常人声混杂在一起，从频域图像中，也不能将两者区分开来。对比图4和图5，时频分析图中可以明显看出白噪声出现的区间段。

图2 时域图像 图3 频域图像 图4 时频分析

图5 时域图像 图6 频域图线 图7 时频分析

4.2 正常人声叠加尖叫声

对比图8与图11，图9与图12，同叠加了暴雨声的音频信号一样，在时域频域都不能有效实现噪声的检测，比较图10与图13，从时频分析图中可以明显看出尖叫声出现的时刻以及其持续时间。

图8 时域图像 图9 频域图像 图10 时频分析

图11 时域图像 图12 频域图像 图13 时频分析

从上述各种情况的实测数据看来，本文提出的方法可以有效地检测到异常噪声所在的相对频段和非稳态噪声出现的时间区间。

5 结论

本文首先介绍了平稳信号的性质，提出了可以将频率统计参数作为平稳信号中突发非稳态信号的检测参数，然后介绍了维格纳分布的数学原理，建立了平稳噪声中突发非稳态噪声的时频分析模型，紧接着利用基于维格纳变换的时频分析方法阐述了将时域信号分段处理并投影变换至时频域的过程，又提出了精确检测非稳态噪声是否出现以及出现时间区间和相对频率的检测方法。最后，实际测试实验的仿真结果验证了本方法的可行性和有效性。本方法对于异常噪声能够快速精确地检测其所在的时域范围和频率所在范围，实现了自动异常检测，对有可能发生的异常事故能够给出相对准确的预警或一定程度上的警示。

该村 “十星级文明户”付家文积极响应镇党委、政府号召，在政府补贴的基础上打造了一座高标准“五星级”厕所。“过去，夏季厕所里的苍蝇特别多，又脏又臭，冬天下雪，又冷又滑。再看现在，家家户户的厕所漂亮又干净，舒心得很。”说起改厕，付家文由衷支持。

参考文献:

[1] 李权. 面向安全监控的异常声音识别的研究[D]. 长沙：湖南师范大学, 2015.

[2] 何存富，李颖，王秀彦，等. 基于小波变换及Wigner-Ville变换方法的超声导波信号分析[J]. 实验力学, 2005, 20(4):584-588.

[3] 赵淑青，郑薇. 随机信号分析[M].北京：电子工业出版社, 2011.

[4] 邹红星，周小波，李衍达. 时频分析：回溯与前瞻[J]. 电子学报, 2000, 28(9):78-84.

[5] 王宏禹，邱天爽，陈喆. 非稳态随机信号分析与处理[M].第2版.北京：国防工业出版社, 2008.

[6] RODRIGUEZ MA, SAN EMETERIO JL, LAZARO JC, et al. Ultrasonic flaw detection in NDE of highly scattering materials using wavelet and Wigner-Ville transform processing[J]. Ultrasonics, 2004, 42(1-9):847.

[7] 胡昌华. 基于MATLAB的系统分析与设计——时频分析[M]. 西安：西安电子科技大学出版社, 2001.

[8] 吴小羊，刘天佑.基于时频重排的地震信号Wigner—Ville变换时频分析[J]. 石油地球物理勘探, 2009, 44(2):201-205.