破損玻璃檢測器 (GBD)系統的軟硬件設計

軟件設計規范

　　擴音器的模擬信號由剪切頻率為 20 kHz 的 AAF 過濾。為了對該信號進行數字化，采樣率必須大于 40 kHz，也即 ADC 必須能夠支持它。在實時運行狀態下，所需的處理工作需在連續采樣間隙完成。例如，如果最高 CPU 頻率為 12 MHz，那么連續采樣之間的 CPU 周期數僅為 300 次，這對信號處理而言是極為不足的。為了增加 CPU 周期，我們可選用支持更高 CPU 時鐘的處理器;但是，這樣做的代價是提高了功耗，進而縮短了電池使用壽命。因此，必須平衡算法復雜性和電池使用壽命。本節將探討用于檢測玻璃破損的實際算法。從圖 1 和圖 2 中可以看出，玻璃破損聲音包含大量高頻分量、跨零和峰值，以及低頻撞擊信號。重擊或撞擊發生在玻璃破損聲音的起始階段。必須注意的是，重擊/撞擊信號可能源于多種聲音，比如木門或柜櫥的關閉、物品掉落地上、快速擊掌、鎖門等。不過，這些聲音都不存在一般玻璃破損信號中包含的高頻分量。同樣，咖啡磨豆機、音樂、電視上的摩托車比賽、酒杯落地破損等發出的聲音盡管存在高頻分量，但卻沒有重擊/撞擊分量。下述 GBD 算法將探究這兩種分量及時獨立出現在頻譜兩側的事實。

算法

　　圖 4 顯示的是算法的高級軟件流程圖。該軟件分為三大塊，按時間發生順序分別為活動檢測、撞擊檢測和玻璃破損。擴音器和 OA1 每隔 2.5 毫秒開啟一次，檢查有無聲音活動。如果沒有顯著的活動，它們就關閉，MCU 隨即進入低功耗狀態。如果出現顯著活動，則軟件啟動撞擊檢測，其中 ADC 打開，并隨后進行信號處理，檢查撞擊分量。只有在確實出現撞擊事件，算法才啟動實際的玻璃破損檢測，否則算法將返回活動檢測狀態。如果成功檢測到玻璃破損，則將激活板上 LED/蜂鳴器發出事件警報。GBD 隨后將返回到活動檢測狀態。

　　圖 4：高級軟件流程活動檢測僅通過比較 ADC 輸入值與零點兩側的預設閾值來從噪聲中區別出真正的破損信號。如前所述，撞擊是接近 300 Hz 的低頻分量。既然撞擊分量僅出現在玻璃撞破損的初始階段，那么只需過濾最初傳送進來的少數幾個信號樣本即可。該過濾工作由剪切頻率為 350 Hz 的數字低通濾波器 (LPF) 來完成。先將過濾后的樣本累加、取平均值，然后再與預設的能量閾值進行比較。如果能量超過預設閾值，則啟動撞擊分量和玻璃破損檢測算法。為了在不影響其工作效率的前提下縮小數字 LPF 的尺寸，針對初始樣本的采樣頻率非常低，僅保持在 4 kHz。不過，該部分算法采用剪切頻率為 2 kHz 的AAF(而非剪切頻率為 20 kHz的常規 AAF)。 玻璃破損檢測算法比撞擊檢測更復雜，分為兩部分：信號分析 1 (SA1) 和信號分析 2 (SA2)。SA1 是處理的第一階段，一旦檢測到撞擊就會對每個樣本進行分析。在 SA1 階段選用的是 20 kHz 的AAF，ADC 采樣頻率驟然提升至 40 kHz。SA1 階段將執行信號平均、跨零檢測和峰值檢測，耗時 60 毫秒，完成了約 2,400 個樣本分析。SA1 完成后，即啟動 SA2 完成整個信號分析過程。圖 5 顯示的是 SA1 期間的信號表示圖，而圖 6 顯示的是實際的軟件流程。

　　圖 5：信號分析 1 的信號表示圖