第一章 绪论
1.1 研究工作背
随着社会的不断发展，城市中各种工程建设项目和交通工具日益增多产生的噪声，影响了人们的身体健康和日常生活[1]。噪声是一种让人感到莫名烦躁，分贝过高会危害身体健康的声音。当噪声对人和所处的环境产生不良影响时，就会形成噪声污染，长期生活在噪声污染环境中，人的身心都会遭受极大的危害。经过各类研究调查显示，噪声不但会造成老年性耳聋，还会通过神经系统的作用对视觉器官造成危害，同时会诱发心脑血管等多种慢性疾病，使人产生头痛、脑胀、记忆力减退等神经衰弱症状；噪声还会危害儿童的认知能力。长期暴露在高噪声环境下生活的人，高血压、动脉硬化和冠心病等疾病的发病率要比在正常环境工作的人大约要高 2 倍。因此人们越来越关注噪声问题，怎样才能帮助大家便捷地获取周边区域的实时噪声数据，是一个很值得研究的问题。
目前许多城市采用噪声地图来解决这个问题，因为这种方式具有费用低、可操作性强等优点。噪声地图可以直观的向公众展示指定位置的噪声分布情况，它通过传感器收集大量噪声源数据，运用语音信号分析技术进行一系列处理，再结合地理位置详细信息数据，以不同的颜色将噪声程度、色带和网格[2]进行标识，利用声学仿真模拟软件绘制的地图。为了提高可信度，需要采集环境中的实际噪数据开展校正检验工作，最终生成带地理位置信息的噪声值分布图。
噪声地图通过不同颜色显示可以让人们直观的了解地图上每个位置的噪声分布情况，这种方式得到大家的认可，从而被推广运用到机场、汽车站等交通枢纽场景中。采集噪声原始数据的传统方式分为以下两种：
（1）通过分析不同地区交通情况、人员流动情况、建筑分布情况等数据来预估该地区的噪音水平。这种方式必须收集大量原始数据才能接近指定区域的真实噪声情况，需要工作人员长时间暴露在噪声环境中记录数据，实际操作难度较大，并且难以在短时间之内完成计算工作，所以噪声地图更新的周期就比较长，时效性满足不了公众的需求。
（2）另外一种方式是通过在指定区域布置大量的传感器来采集噪音数据，定期收集传感器中存储的原始数据，将所有数据筛选汇总后加以分析利用。这种方式不需要工作人员亲临噪声环境，但它需要花费较多经费采购专用传感器，因此政府或者其他机构会顾虑这种部署方式的开销过大，不利于大范围推广，只能用于绘制固定区域的噪声采集工作。
.....................
第三章 环境噪声地图系统的需求分析 ............................. 1.....................
1.2 噪声地图的类别
按照制作方法不同可将噪声地图分为实测型、计算型和实测计算型[5]。实测型地图主要是用于已经建设完成地区的噪声状况，无法用于预测未建成的区域，需要设置非常多的监测站点。计算型地图可以用来预测，为了提高可信度，它的计算结果通常要跟噪声实测值进行对照和校验。由于环境中的天气、交通车辆等因素会影响当前采集的噪声数据，因此这种方式短期测出的噪声值是不确定的，导致即时噪声的声压级很难通过计算的方法得到，因此计算型噪声地图一般体现的是长期的噪声水平。实测计算型噪声地图主要通过声学计算模型进行一些演算，得到噪声数据，然后结合实际测量的数据修正计算出最终的结果。
按照制作方法不同可将噪声地图分为实测型、计算型和实测计算型[5]。实测型地图主要是用于已经建设完成地区的噪声状况，无法用于预测未建成的区域，需要设置非常多的监测站点。计算型地图可以用来预测，为了提高可信度，它的计算结果通常要跟噪声实测值进行对照和校验。由于环境中的天气、交通车辆等因素会影响当前采集的噪声数据，因此这种方式短期测出的噪声值是不确定的，导致即时噪声的声压级很难通过计算的方法得到，因此计算型噪声地图一般体现的是长期的噪声水平。实测计算型噪声地图主要通过声学计算模型进行一些演算，得到噪声数据，然后结合实际测量的数据修正计算出最终的结果。
在特定的区域内，由于外在环境的变化，导致测出的噪声分贝值误差大，但是声源基本是确定的，只有识别了声源的类型、周边建筑物和环境情分布情况，才能绘制该区域的噪声水平地图，目前有反映单一噪声类型的地图，例如道路交通、航空、工业噪声地图等，也有综合了多种噪声的影响，例如城市区域噪声地图，居住区噪声地图等。
...........................
第二章 相关理论与技术介绍
2.1 噪声测量相关理论
声波信号的传输是由声压的变化规律来描述的[18]，人耳会感知声波产生的声压。通常情况下，直接对噪声进行测量时比较困难的，而将噪声转换成对应的声压进而测量声压值是相对比较容易的测量手段。
一般情况下，专业的声压测量仪器包括示波器、数据记录仪、传声器、声级计、信号分析仪等。声级计把声信号经过一系列处理转化成电信号；示波分仪器则会把声压测量结果进行可视化，存储和有效地管理测量结果；而传声器则会把声压信号转化为电压信号，最后计算出计权声压级、噪声的声压级和倍频声压级[19]。
分贝（dB）是声压级的计量单位，如果将空气中的声音传播基准声压量定为20μPa（0dB），指定时间常数的指数函数代表时间计权，获得的函数是针对瞬时声压的平方而进行计算[20]。
因为人耳对低频的声音不敏感，所以 A 计权是用来将噪声转化为跟人耳相近的噪声水平，将一段连续时间 T 内的 A 计权噪声用 LAT表示。
....................
2.2 语音信号处理的相关技术
2.2.1 语音信号的预处理技术
在语音提取特征前需要先做语音信号的预处理，预处理主要是将人的主观分析转为计算机自主处理，包括预加重、分帧和加窗这三个部分[21]。
（1）预加重：空气等介质声音在传播过程中，会对声能量造成损耗，频率越高的语音信号损耗越严重，因此语音的高频分辨率会极低。可以对高频部分进行加重处理，提升高频段的部分频谱，从而弥补高频部分的损耗，使得最终得到的信号频谱变得相对平坦。
（2）分帧：由于语音信号具有非平稳性和时变性的特点，发声器官的运动存在惯性，因此可以将 20ms~30ms 这种短时间的语音信号看成平稳信号，把一段长语音分成很多帧，这里将每帧长度定为 25ms，采用窗函数来实现语音信号的分帧处理。
（3）加窗：分帧时可能会产生截断效应，为了预防这种情况的出现，需要对已取出的一帧信号 S(n)采用加窗处理，用某一个窗函数 W(n)与 S(n)相乘得到加窗语音信号 Sw(n)。
2.2.2 语音信号的时域和频域分析
语音信号时域分析是以时间为自变量进行分析，它是对语音信号分析的最自然最直接的方法，随着时间一直在变换状态，提取出输入语音信号在时域上的处理相关的特征参数。语音信号典型的时域特征包括：
（1）短时能量：语音包含能量，短时间内的语音信号是稳定的，所以短时能量不会发生变化。
（2）短时平均过零率：描述每帧语音信号在时域上通过零的频率，它是判断清浊音的一个参考值，过零率高就是清音，反之就是浊音。
（3）短时自相关系数：在信号的某个样本点附近用选取一段信号，做自相关计算得到的值。
（4）短时平均幅度差：它是衡量语音幅度变化的函数，解决定点信号样值的平方和运算过程中溢出的问题。
............................
第二章 相关理论与技术介绍
2.1 噪声测量相关理论
声波信号的传输是由声压的变化规律来描述的[18]，人耳会感知声波产生的声压。通常情况下，直接对噪声进行测量时比较困难的，而将噪声转换成对应的声压进而测量声压值是相对比较容易的测量手段。
一般情况下，专业的声压测量仪器包括示波器、数据记录仪、传声器、声级计、信号分析仪等。声级计把声信号经过一系列处理转化成电信号；示波分仪器则会把声压测量结果进行可视化，存储和有效地管理测量结果；而传声器则会把声压信号转化为电压信号，最后计算出计权声压级、噪声的声压级和倍频声压级[19]。
分贝（dB）是声压级的计量单位，如果将空气中的声音传播基准声压量定为20μPa（0dB），指定时间常数的指数函数代表时间计权，获得的函数是针对瞬时声压的平方而进行计算[20]。
因为人耳对低频的声音不敏感，所以 A 计权是用来将噪声转化为跟人耳相近的噪声水平，将一段连续时间 T 内的 A 计权噪声用 LAT表示。
....................
2.2 语音信号处理的相关技术
2.2.1 语音信号的预处理技术
在语音提取特征前需要先做语音信号的预处理，预处理主要是将人的主观分析转为计算机自主处理，包括预加重、分帧和加窗这三个部分[21]。
（1）预加重：空气等介质声音在传播过程中，会对声能量造成损耗，频率越高的语音信号损耗越严重，因此语音的高频分辨率会极低。可以对高频部分进行加重处理，提升高频段的部分频谱，从而弥补高频部分的损耗，使得最终得到的信号频谱变得相对平坦。
（2）分帧：由于语音信号具有非平稳性和时变性的特点，发声器官的运动存在惯性，因此可以将 20ms~30ms 这种短时间的语音信号看成平稳信号，把一段长语音分成很多帧，这里将每帧长度定为 25ms，采用窗函数来实现语音信号的分帧处理。
（3）加窗：分帧时可能会产生截断效应，为了预防这种情况的出现，需要对已取出的一帧信号 S(n)采用加窗处理，用某一个窗函数 W(n)与 S(n)相乘得到加窗语音信号 Sw(n)。
2.2.2 语音信号的时域和频域分析
语音信号时域分析是以时间为自变量进行分析，它是对语音信号分析的最自然最直接的方法，随着时间一直在变换状态，提取出输入语音信号在时域上的处理相关的特征参数。语音信号典型的时域特征包括：
（1）短时能量：语音包含能量，短时间内的语音信号是稳定的，所以短时能量不会发生变化。
（2）短时平均过零率：描述每帧语音信号在时域上通过零的频率，它是判断清浊音的一个参考值，过零率高就是清音，反之就是浊音。
（3）短时自相关系数：在信号的某个样本点附近用选取一段信号，做自相关计算得到的值。
（4）短时平均幅度差：它是衡量语音幅度变化的函数，解决定点信号样值的平方和运算过程中溢出的问题。
............................
3.1 噪声地图系统需求调研 ...................................... 19
3.2 系统功能需求 ............................... 19
第四章 环境噪声地图系统的系统设计 ........................................ 25
4.1 总体架构 ...................................... 25
4.2 移动端 App 功能设计 ..................... 26
第五章 环境噪声地图系统的系统实现 ......................................... 41
5.1 基于 Android 平台的应用开发实现 ..................................... 41
5.1.1 应用程序开发环境的搭建 ...................................... 41
5.1.2 系统主要功能实现介绍 ....................... 42
第六章 环境噪声地图系统的系统测试
6.1 噪声测量校正算法测试
本文使用 2 个不同厂商的手机和标准分贝测量仪在同一时间段，测量同一个相对安静的室内噪声。为了在实验指定时间段内得到的数据有变化幅度，通过在室内播放音乐来制造背景噪声。
本文使用 2 个不同厂商的手机和标准分贝测量仪在同一时间段，测量同一个相对安静的室内噪声。为了在实验指定时间段内得到的数据有变化幅度，通过在室内播放音乐来制造背景噪声。
将测量数据经过校正算法处理后得到一组实验数据，绘制成图 6-1，可以看出经过校正算法校正后，2 个手机的测量值十分接近标准分贝测量仪的值，其中误差高于 3dB 的值不到 5%，以此证明校正算法对手机的校正效果比较好。在实际测量环境噪声时，还可以使用本次实验得出的斜率值。
.......................
第七章 结论与展望
7.1 论文工作总结
本文提出了噪声对人们身体健康和生活带来的危害，从公众的需求为切入点，强调绘制噪声地图的必要性。然后列举了各个国家及地区开展这些工作的现状，了解传统方式绘制噪声地图一些缺点，接着提出本文研究的基于噪声移动计算的环境噪声地图系统的解决方案。
本文介绍了实现噪声地图系统所需的相关理论知识和关键技术，接着对噪声地图系统进行详细的需求分析，明确系统功能需求，将系统分为移动端 App 模块和后台服务模块。移动端 App 主要使用 Android 的开发框架，基于 Android Studio的开发平台开发应用程序，通过调用高德 API 接口，访问高德地图服务获取位置信息，实现采集噪声信息和展示噪声地图的功能；后台服务模块为了达到实时处理大规模数据的目的，结合 Hadoop、Docker 容器、Storm 流式计算、Flume 日志收集框架、Kafka 消息中间件等大数据技术，采用分布式架构的方式部署，这种方案具有极高拓展性和伸缩性，在后期数据量增加的情况下，可横向扩展，随时不中断服务添加硬件资源。
7.1 论文工作总结
本文提出了噪声对人们身体健康和生活带来的危害，从公众的需求为切入点，强调绘制噪声地图的必要性。然后列举了各个国家及地区开展这些工作的现状，了解传统方式绘制噪声地图一些缺点，接着提出本文研究的基于噪声移动计算的环境噪声地图系统的解决方案。
本文介绍了实现噪声地图系统所需的相关理论知识和关键技术，接着对噪声地图系统进行详细的需求分析，明确系统功能需求，将系统分为移动端 App 模块和后台服务模块。移动端 App 主要使用 Android 的开发框架，基于 Android Studio的开发平台开发应用程序，通过调用高德 API 接口，访问高德地图服务获取位置信息，实现采集噪声信息和展示噪声地图的功能；后台服务模块为了达到实时处理大规模数据的目的，结合 Hadoop、Docker 容器、Storm 流式计算、Flume 日志收集框架、Kafka 消息中间件等大数据技术，采用分布式架构的方式部署，这种方案具有极高拓展性和伸缩性，在后期数据量增加的情况下，可横向扩展，随时不中断服务添加硬件资源。
（1）学习 Android 系统开发框架中的各种功能组件及 API，选取适合本系统开发的部分技术；
（2）学习大数据处理流程，了解 Nginx、Flume 等常用组件的作用；
（3）学习噪声测量的理论知识，了解语音信号处理流程及技术，研究相关的算法；
（4）对实现基于移动端计算的噪声地图系统进行详细的需求调研，制定系统功能，研究噪声地图系统架构与设计，包括 App 界面原型设计，日志采集架构，流式处理框架，Docker Compose 架构等；
（2）学习大数据处理流程，了解 Nginx、Flume 等常用组件的作用；
（3）学习噪声测量的理论知识，了解语音信号处理流程及技术，研究相关的算法；
（4）对实现基于移动端计算的噪声地图系统进行详细的需求调研，制定系统功能，研究噪声地图系统架构与设计，包括 App 界面原型设计，日志采集架构，流式处理框架，Docker Compose 架构等；
（5）利用仅有的服务器设备划成多个虚拟机，合理分配服务器资源为系统提供开发和应用环境；
（6）搭建应用程序开发环境，部署基于 Docker 集群的大数据平台，安装 Mysql数据库软件；
参考文献（略）
（6）搭建应用程序开发环境，部署基于 Docker 集群的大数据平台，安装 Mysql数据库软件；
参考文献（略）