嘉兴市首套炸街车抓拍设备亮相 近日，其高自主研发的炸街车抓拍系统在嘉兴市试运营。 该炸街车抓拍系统自4月上旬工作以来，已协助嘉兴交警查获改装车6辆，其中不乏专业从事改装车的车主，在抓拍视频证据面前也被罚的心服口服，感叹这套抓拍系统太神了！ 在炸街车系统监控的路段范围内，只要有涉嫌非法改装的车辆经过，系统就会自动锁定改装车辆的信息并同步传送到交警执法平台上，交警通过分析研判，可以追寻到车辆的行驶轨迹进行拦截核查。 ▲嘉兴市安装的首套炸街车抓拍系统 “这个车子很明显是改装过了。”4月22日上午，在嘉兴市区某家汽修店内，专业的维修人员指着停放在门口的一辆别克GS轿车告诉嘉兴市公安局交警支队直属二大队嘉北中队的民警。 站在一边的车主钱某这时才终于承认了自己的车是改装过的，并提出了疑惑，“你们是怎么查到我的？怎么那么神？” 钱某说得没错，市公安局交警支队最近确实动用了“神器”——改装车电子抓拍系统。该系统从4月上旬开始，在直属二大队嘉北中队辖区内试用，系统“上马”以来，共查获改装车6辆，目前已全部责令其改回出厂设置，并接受了相应处罚。 交警支队相关负责人：发现一辆查处一辆，同时还要追查、处罚给车子进行改装的汽修厂，从源头上进行打击，给市民营造更好的环境。现在利用这个系统查处可以更科学、快速，只要开过“炸街车”就会被锁定，谁也跑不掉。 只“低调”改装了排气管还是被查了 钱某是个改装车“发烧友”，去年6月，他在自家车库给自己的车子加装了两个尾喉，“改装后很拉风，有点豪车的感觉。” 因为之前从事过相关行业，钱某对车辆的改装还是比较“低调”的，“改车身颜色或是对外在部件进行加装太显眼了，容易被查。”可让钱某没想到的是，自己这次还是“栽”了。 嘉北中队中队长吴惠良：4月21日，改装车抓拍系统发出预警，我们通过视频回放，发现钱某驾驶的这辆别克车的轰鸣声很大。当时仅根据这个声音也无法确认到底是不是改装车，后来我们通过对比，发现该车原装是两个排气管，现在是四个排气管。有改装车嫌疑。 昨天上午，该中队民警通过卡口监控追查到这辆车，车主钱某强调车辆买来就是这个样子。民警就让他开车一起来到了汽修店，这才有了开头的那一幕。随后，汽修店工作人员现场拆除了加装的两个尾喉及相关部件，将车辆恢复到了出厂配置。 在回到嘉北中队后，交警对钱某进行了教育和处罚，“钱某是自己对车辆进行了改装，如果是外面的汽修厂进行改装的话，我们也将追查改装车的源头，并抄告相关职能部门，由他们对其进行处罚。” 目前，全市各交警部门与运管部门等部门实行联动，进行宣传、教育、处罚多管齐下的方式严抓非法改装车。各部门在查处过程中，坚持案件不查清不放过，车辆不复位不放过，车主、改装点（厂）教育处罚不放过，非法改装零部件追缴不放过。 “神器”显威力，改装车一个都不放过 交警支队科技科民警吴晓春：针对改装车扰民的问题，我们一直在查处，但是这些车主经常跟我们玩“捉迷藏”，选择在深夜、凌晨等时间段出没。目前正在试用的改装车抓拍系统利用科技手段，通过对过往车辆发出的声音分贝融合轰鸣声进行测试，一旦达到既定的数值，匹配“炸街”声音频率，平台就会自动对车辆进行摄影和录像，并发出实时预警，我们就可据此进行核实和查处。 目前，嘉兴市第一套改装车抓拍系统就是嘉北中队在试运营的一套。 吴晓春：从目前反馈的情况来看，系统的查处较为准确，有效节省警力的同时，也给改装车车主们很大的威慑力。接下来会在全市范围内进行推广。 在此，奉劝那些已经对爱车进行改装的车主立即去汽修厂拆除改装装置，一旦被交警查获将对其进行严厉处罚，同时将依法追查和处罚改装源头。
其高武汉办正式复工了！ “ 最美人间四月天 ” 2020年4月8日零时起， 武汉解除离汉通道管控， 封闭了76天的武汉， 在万物复苏的最美四月天再一次被唤醒。 今天， 沉寂已久的其高武汉办公室也正式复工了。 返岗第一天， 小伙伴们迫不及待分享着复工的激动心情。 字里行间都能感受到他们的喜悦， 大家为武汉开始恢复活力感到由衷快乐。 2020.04.08 好久不见，我们平安归队了！ “安全复工 不放松警惕” 其高武汉办所在的办公楼区也做了充分的保障工作，从园区楼道消毒，体温测量等方面都提供细致贴心的服务。 “其高一直都在” 疫情期间，其高武汉办的同事们停工不停岗，一直开启着在家办公模式，为客户提供远程支持服务。 疫情过后，武汉业务重启按下“加速键”，希望我们的声学技术也能为武汉经济复苏贡献一份力量。
《汽车加速行驶车外噪声限值及测量方法》GB1495-2020 随着城市机动车的增加，汽车带来的噪声污染问题也日益突出。在城市高架桥，快车道随处可见的隔声屏，其目的就是用来隔离噪声。相较于汽车喇叭随机产生的鸣笛声，更令人厌烦的就是必然产生的汽车通过噪声。 为此，国家从2002年开始执行标准《汽车加速行驶车外噪声限值及测量方法》（GB 1495-2002），要求新生产的汽车进行车外被动噪声测试，噪声进行量化，这对减少汽车噪声带来的环境污染意义重大。 ▲图1 隔音墙（来源网络） GB 1495-2020标准概述 为贯彻《中华人民共和国环境保护法》和《中华人民共和国环境噪声污染防治法》，加强机动车噪声的控制和管理，改善环境质量，自2020年07月01日起，将执行新标准《汽车加速行驶车外噪声限值及测量方法》（GB 1495-2020）。 自2020年07月01日起，所有销售和注册登记的汽车应符合本标准第三阶段要求； 自2023年07月01日起，所有销售和注册登记的汽车应符合本标准第四阶段要求。 与旧标准 GB 1495-2002相比，新标准GB 1495-2020主要变化有： 1、改变了测量方法； 2、加严了汽车噪声限值； 3、增加了汽车型式检验、信息公开、噪声质保期和生产一致性的要求。 本文将从测试测量角度来解读新标准GB 1495-2020，重点对前两个方面进行详解。 新标准GB 1495-2020解读 1.型式检验噪声限值 ▼表1 汽车加速度行使车外噪声型式检验限值比较 内容解读 从型式检测限值来看，检测限值更为严苛。其“严”表现在以下方面： ① 车型划分较前一阶段上升一个台阶，新标准GB 1495-2020中的M_1型式和旧标准GB 1495-2002中的M_2型式基本对等。 ② 在GVM相当的情况下，检测噪声限值普遍降低了3dB，通俗理解第三阶段的噪声需要降低为第二阶段的一半。 ③ 特殊车型的限值宽松说明，更为详细。对G类、功率质量比系数（PWR）值较高、发动机位置，多轴驱动等车型，都可以依照附加条款放宽。而旧版的宽松限值仅考虑了功率因素。 2.型式检验测量方法 新标准GB 1495-2020改变了测试方法，其中变化主要在以下四个方面： 2.1测量仪器 内容解读 ① 增加了大气压力表和湿度计。 ② 对车速计量的精度调高到车速测量仪器准确度应优于±0.5%。 ③ 对速度计量仪器的要求，是获得准确噪声值的基础。 2.2测量条件 测量场地 新标准对场地的要求 2020年7月1日之前， 符合ISO 10844:1994或ISO 10844:2014标准要求的测量场地均可使用。 2020年07月01日及以后，使用的测量场地应满足ISO 10844:2014标准。 ▲图2 测量场地和测试区以及传声器的布置位置 ▼表2 试验行驶车道延伸长度 内容解读 新标准中，使用的测量场地应满足ISO 10844:2014标准，而针对于不同的车型，la的长度有不同要求，增加了ls距离的要求，极有可能导致以前的场地不能适用。 背景噪声 新标准对背景噪声的要求如下 噪声测量前后，应持续测量10s背景噪声。应采用测量过程中所用的同一传声器并置于与噪声测量时相同的位置，记录其最大A计权声级。背景噪声（包括风噪）至少比被测汽车噪声低10dBA。当背景噪声与被测噪声相差10dBA ~15dBA时需从声级计读数中减去表3中对应的修正值作为测量结果。 ▼表3 背景噪声修正值 内容解读 相比于旧版本中，背景噪声至少应该比被测汽车噪声低10dB的简短描述。其主要体现在以下两点： ① 噪声测量前后，应持续测量10s背景噪声。可以用来确定测试前后，背景噪声有无较大变化。最大限度保证测试过程中，噪声指标平稳。 ② 对背景噪声相差从10dBA~15dBA之间有对应的修正值。分级给定背景噪声修正值更符合实际情况。 汽车 新标准的规定如下 测量开始之前，被测汽车的技术状况应符合该车型的技术条件（特别是该车的加速性能），并关闭所有车门、天窗、车外各种盖板、空调及车内音响。被测汽车应不带挂车（不可分解的汽车除外），测试质量m_t应按照表4要求进行计算及相应加载， 并可有±5%的偏差。 ▼表4 汽车测试质量计算表 内容解读 新标准进一步细化，测试质量应如何保证。 3测试方法 测量方法首先针对各类型汽车选择合适的加速度，也就是档位的选取。针对于不同类型的汽车，解读如下： ① M1，M2（GVM≤3500kg），N1类汽车。 这个分类的测试较为复杂，其测试主要为加速噪声测量，其难点在于符合要求加速度的确定，即档位的选择。而匀速噪声测量，只有在功率质量比系数（PMR）≥25的时候才进行。 ▲图3 测量内容及要求 ▲图4 汽车加速度与匀速示意图 ② M2（GVM≥3500kg），M3， N2，N3类汽车 试验目标条件， 当汽车参考点通过BB′线时，发动机转速与最大净功率转速百分比满足目标条件，其参数如表5所示： ▲图5 M2（GVM≥3500kg），M3，N2，N3类汽车速度线示意图 ▼表5 汽车测试要求 4 计算方法 内容解读 计量的方式有较大改变，不仅仅是汽车加速噪声的测量，还将加速度，参考加速度，匀速噪声都引入进来。计量的噪声更符合实际情况。 噪声的计算方式总结如下： ① 对于M1，M2（GVM≤3500kg）， N1类汽车的计算： 汽车加速噪声的计算公式如下： 汽车加速噪声=L_(wot rep)-k_p×(L_(wot rep)-L_(crs rep) ) 其中：部分功率系数k_p，加速度噪声值L_(wot rep)，均匀噪声值L_(crs rep) ② 对于M2（GVM≥3500kg），M3， N2，N3类汽车的计算： 仅采用一个挡位（或速度条件）进行测量时，汽车加速噪声等于该档位测量结果的平均值。采用两个挡位（或速度条件）进行测量时，汽车加速噪声为两个档位结果的算术平均值。 解决方案 其高针对于汽车加速行驶车外噪声限值的测量，研制了完整的解决方案：汽车通过噪声测试系统。 ▲图6 现场照片 ▲图7 测试系统实物 其高汽车通过噪声测试系统针对汽车运行过程中的多种参数（噪声、振动、压力、温度、 CAN、速度、位移等）进行实时数据采集及分析测试测量。可以对进排气系统，冷却系统等发动机附件系统的温度和压力进行测试。配合其高 SignalPad 软件的车辆通过噪声测试模块，可以完成符合汽车加速行驶车外噪声标准的测试、分析工作，并直接生成报表。 ▲图8 测试系统软件 针对于新标准GB 1495-2020，其高从软件上对测试流程进行完善，帮助客户更加准确方便的完成测试。测试流程如图9所示： ▲图9 测试流程图 其高汽车通过噪声测试系统设计了相应的流程，来辅助操作者确定合理的档位，避免了操作者自身需要进行的复杂判定与选择。同时，将背景噪声因素纳入计算，自动修正。 此外，针对于汽车噪声不能达到标准的情形，配合其高麦克风阵列，可以准确的捕捉到噪声的位置和声强分布，辅助用户优化与改进。 ▲图10 汽车运动噪声分布
GMW 14155 标准测试流程解读 GMW 14155标准的意义 近年来，汽车NVH性能已成为用户选购车辆的重要参考因素之一。而整车NVH性能的好坏，与汽车子系统和零配件的设计密切相关，因此很多整车厂商对汽车子系统和零配件有明确的NVH测试规范和要求，例如，美国通用汽车制定了GMW 14155（ General Motors Worldwide 14155）测试标准。 其高依照GMW 14155标准，制定了一套对应的测试流程。本测试流程得到通用认可，并已应用于通用的多个汽车零配件供应商中，例如麦格纳、李尔等知名厂商。 测试现场图（李尔座椅和麦格纳后视镜） GMW 14155标准测试流程介绍 最新的GMW 14155标准是2016年11月发布的4.0版本，下面就详细介绍一下其高测试软件基于该版本的测试流程。 1.测试环境要求 本测试应该在消声室或半消声室中进行。 除非有其他标准特别说明，否则用于测量的消声室/半消声室应该满足背景噪声在0~5 bark范围内小于0.2 sones/bark，在5bark以上的频段小于0.1 sones/bark。其总计Zwicker响度应该小于1.2 soneGF。 背景噪声除了房间本身的环境噪声外，还应该包括支持设备运转时所发出的噪声。 2.测试仪器要求 a、自由场麦克风（Free field measurement microphone）：要求使用12.7mm (1/2英寸)的自由场麦克风，设备应包含连接线、麦克风支架及激励电源（若需）。 b、声级计校准器（Sound Level Calibrator） c、声音采集记录系统(Digital Sound Recording System)：声音采集记录系统应该使用48kHz或更高的采样率。 d、自由场声场（Free field） e、其他可选测量设备（Other Equipment）：在某些特定测量中，可能还会用到车门速度计、数字电压表、直流电源、小型的加速度计（重量小于6克）。 3.测试时间及测试人员要求 a、测试时间（Test Time）：一般进行一次测试耗时为8~16小时，其中不包括4~8小时的协调、准备实验时间。 b、测试人员要求（Personnel/Skills）：本测试可以由一名测试人员或工程师独立完成，但该人员应接受过噪声分析的培训，并理解Zwicker响度和相关声品质参数的计算方法，例如：百分比频率法，相对音调估计法等。 4.实验开始前准备 a、设备安装正确且消声室环境符合要求 b、仪器校准：检查仪器校准在有效期内，并对麦克风灵敏度进行现场校准（参考 GMW 14172标准）。 c、采集数据：让子系统在全行程范围内运行并采集运行时的噪声。采集过程应该包括动作之前2秒及动作之后2秒或更长的静止状态信号，以保证在系统运行过程中不受外来噪声干扰。对于电驱动的系统，在系统运行停之后，应保持开关按下状态至少2秒以避免开关的切换噪声对测量造成干扰。 对所有待测子系统的所有运行模式重复以上步骤。 5.数据分析 5.1 时变响度相关参数 按照 GMW 14155 标准中定义，子系统动作过程响度变化的时间历程可以划分为三部分：起始脉冲、稳态过程和终止脉冲，其典型的曲线及划分如下图所示： 图片来源于GMW 14155标准 GMW 14155标准计算的参数： 稳态平均响度(Average Steady-State Loudness)：稳态过程响度的算数平均值。 稳态响度斜率(Steady-State Loudness Slope)：它反映的是稳态过程的声音大小是否平稳，是否有增大或是减小的趋势；理想情况下，斜率应非常接近 0。 稳态响度截距(Steady-State Loudness Intercept)：稳态过程的衡量指标，理想情况下接近稳态平均响度。 最大脉冲响度(Maximum Impulsive Loudness)：起始和终止脉冲是由于机械结构，尤其是电动机，在做起停动作时所发出的高频噪声造成的；对于这两部分，感兴趣的是响度所能达到的最大值。 计算过程 如下图所示，截取稳态响度波形（红色曲线），以一阶曲线对其进行拟合（最小二乘法）显示（白色曲线），得到稳态响度斜率和稳态响度截距。 其高软件界面 5.2 稳态部分特征响度相关参数 图片来源于GMW 14155标准 GMW 14155标准计算的参数： Bark域响度谱：稳态噪声的响度频域特征 特征响度（Specific Loudness） 特征响度级(Specific Loudness Level) 相对音调总超出值（Specific loudness Summed Exceedance） 计算过程 特征响度：Bark域响度谱曲线直接积分得到特征响度； 特征响度级：响度级和响度的关系如下: 其中：S—响度，单位“宋”; P—响度级，单位“方” 相对音调总超出值： 导入标准曲线（黄色曲线），对于超过标准曲线的值（红色部分），减去标准曲线，逐点计算，把这些值相加得到相对音调总超出值。 其高界面 5.3 稳态相对音调分析评估 GMW 14155标准计算的参数： 用于计算的最高频率（Maximum Frequency Used in the Calculations） 相对音调斜率（Relative Pitch Slope） 相对音调截距（Relative Pitch Intercept) 总计超过数（Allowable Pith Variation Summed Exceedance） 图片来源于GMW 14155标准 色谱图显示的是稳态过程中，功率密度谱随时间变化的情况。GMW 14155标准要求使用汉宁窗，4096点或8192点块大小，50%~70%的重叠率进行计算。 计算过程 A、在色谱图上定位音调频率范围。 选择频段的要求：在色谱图中选择比较完整，靠近高频段的音调线，因为越靠近高频段，其相对频率分辨率越好。 B、根据上一步色谱图分析中所确定的音调范围，对于每一时间点的每一帧功率密度谱，搜索范围内的最大值，获得其所对应的频率值。 C、对每一个时间点重复步骤B，从而得到最大值对应频率随时间变化的曲线。亦即将色谱图中的高亮谱线展现在Frequency vs. Time的图上。 D、对于图线中的每一个点，计算相对音调曲线（以 scale-step 为单位），使用的公式为： Relative Pitch = 19.9371 * Log (data value/max value) 其中data value为每个数据点的频率值max value为所有数据点的最大频率值，即用于计算的最高频率。 E、对相对音调曲线进行线性拟合，得到相对音调斜率和相对音调截距。 F、 根据设置的容差值（缺省为 0.3 scale-steps）将拟合所得一阶曲线向正、负方偏置，得到合格区间。凡是落在合格区间外的相对音调曲线点均为超标，统计超标的总计超过数。 图片来源于GMW 14155标准 5.4 稳态颤音评估 GMW14155标准计算的指标： 颤音频率（the Frequency of the Fluctuation） 最大百分比差异（Largest Percentage Difference） 最大响度（Maximum Loudness(from Largest %Difference)） 最小响度（Minimum Loudness(from Largest %Difference)） 计算过程 音调评估反映的是稳态过程中，声音频率的波动；颤音评估反映的则是声音幅度的波动。其反映为响度随时间变化的曲线上，频率为1~10Hz的波动。需要注意，这种波动有可能存在，也有可能不存在。 若观察到存在明显的波动，应该计算其波动频率（即颤音频率，波动时间周期的倒数），并计算每一个波动周期的相对幅度变化百分比（本周期内，（最大幅度-最小幅度） /最小幅度*100%），求取最大百分比差异及其所对应的最大响度和最小响度，下图所示的颤音频率为0.5Hz。 图片来源于GMW 14155标准 5.5 脉冲信号均方根响度、均方根锐度 图片来源于GMW 14155标准 GMW 14155标准计算的参数： 均方根响度(Root Mean Square Loudness) 均方根锐度(Root Mean Square Sharpness) 计算过程 根据子测试程序列出的阈值确定计算的开始和结束时间（例如：从响度大于5sones开始，小于15sones结束），根据响度VS.时间曲线计算，公式如下： RMS Loudness from 5 Sones to 15 Sones =RMS*duration (Sones*ms) RMS Sharpness from 5 Sones to 15 Sones =RMS*duration (Acum*ms) 5.6 脉冲信号的频率分析 图片来源于GMW 14155标准 GMW 14155标准计算的参数： 70百分位总和超标值（70th Percentile Summed Exceedance value） 计算过程 对脉冲信号做特征响度分析，绘制出特征响度VS.time VS. Bark的瀑布图，计算70th频率曲线，和参考曲线对比，对于大于参考曲线部分，计算此值和参考曲线的差值，逐点计算，把所有差值相加，为了更好的解析数据，将此值放大10倍，得到70百分位总和超标值。 70th频率曲线（Percentile Frequency Curve）：小于此频率的响度之和对此时间点总响度的贡献量是70%。 GMW 14155标准应用案例 其高为某汽车零部件制造商提供以GMW 14155测试流程为标准的声品质测量，通过相对音调评估等指标，快速准确的定位出此产品是否符合规定的声品质参数相关指标。 失效件声品质分析和合格件声品质分析 本系统满足的相关标准：DIN 45631、ISO 532、GMW 14172。 其高声品质分析之GMW 14155标准软件的优点： 参数配置简单，没有特殊要求默认配置即可； 向导式操作，按照指示一步步顺序操作即可； 融合多种判定超标的方法：相对音调总超出值和70百分位总和超标值等； 一键式导出报告，分析完毕直接导出标准要求的报告，报告模板可以更改； 所有原始数据存储、备份、可回放，可根据实际情况选择感兴趣的数据段重新计算分析、导出报告。 其高部分软件操作界面 其高一键式报告
标准解读：风力发电机组噪声测试IEC 61400-11 Ed 3.1 风力发电作为全球主要的清洁能源之一，对绿色经济有着重要的意义。随着风力发电机组装机数量的增加，发电机组离人们的生活区也越来越近，风电噪音问题也随之浮出水面，开始引起了人们的关注。 （图片源于网络） 目前，影响人民生活的风电噪声主要来源于叶片切割空气所产生的气动噪声。不合理的叶片设计或者风机故障，很容易产生超出城市环境噪声标准的巨大噪声，对风场附近居民的日常生活产生很大困扰。长期处于高噪声环境下生活，居民可能会出现头痛、头晕、失眠、乏力、记忆力减退、反应迟钝、心情抑郁等不良症状。 IEC 61400-11标准 为了避免不合格的风电产品对人民生活造成困扰，国际风机厂商及认证机构通常采用IEC 61400-11标准对风力发电机组噪声进行定量的测试，我国相对应的标准为GBT 22516。 其高在风力发电机组噪声测试方面深耕多年，积累了深厚的测试及数据分析的经验，为国际权威检测机构Intertek、风电企业金风，远景，上海电气，鉴衡，明阳，盛世锋业，联合动力，江苏有能和院校内蒙古工业大学等用户提供了完善可靠的风力发电机组噪声测量解决方案。 其高现场测试照片 2019年10月， IEC61400-11 Ed 3.1标准经过2年多的研究、讨论后，正式发布。其高第一时间仔细阅读了该标准，对标准内容进行解读，并详细比对了新标准与前一版IEC61400-11 Ed 3.0标准的差别。 标准更新详解 下面我们针对标准更新的12处内容进行详细解读。 1.麦克风摆放位置偏离的处理 2.不同测试数据集的合并 3.运行时风速计算 4.三分之一倍频程声压级计算 5.三分之一倍频程不确定度计算 6.音调对相邻谱线的处理 7.音调修正 8.同源音调的报告频率 9.报告内容 10.小风机音调可听度的计算 11.噪声照射分布图的计算 12.长时间测试或测试环境发生变化时数据的处理 应用案例分享 其高为知名风电制造商远景能源提供的风机噪声测试系统，高效可靠的测试解决方案得到客户充分肯定。 风机噪声测试系统验收现场 其高风机噪声测试系统可以对风力发电机组运行时的噪声、功率、机舱风速、浆距、航向、风向、气温、气压、风塔风速等参数进行实时采集、记录，同时配合其高 SignalPad 软件的风力发电机组噪声分析模块进行基于相关标准的数据处理、分析及报表生成。 其高为远景能源定制的风机噪声测试系统 系统满足的声测试标准： ·GBT_22516-2008, 2015； ·IEC 61400-11 Ed2.1, Ed3.0； ·BWEA、AWEA。 系统主要使用场景： ·噪声采集； ·风机机舱运行参数采集； ·测风塔环境参数采集。 其高风机噪声测试系统： ·无线互联、电池供电安装部署方便快捷； ·实时监听采集数据，所有被测物理量精确同步，时间轴统一； ·软件在线监测实时显示、异常预警、信号剔除保证测试结果正确； ·实时对风速累加处理，计算每个风速窗数据数目，显示测试进度； ·一键生成报告，报告模板可自定义； ·所有原始数据已存储、备份、可回放；重新设置参数选取数据，报告可重新生成。 测试软件界面 一键生成报告
其高中标达州鸣笛抓拍设备采购项目 值此岁末年初之际，其高再传喜讯：成功中标达州市公安局交通警察支队机动车鸣笛抓拍系统设备采购项目，实现了2019销售工作圆满收官，同时也为2020年开启了好彩头！ 作为鸣笛抓拍设备的源头供应商，其高鸣笛抓拍设备已覆盖全国100多个城市，并成功入选为由中国道路交通安全协会编撰的《道路交通安全产品装备推荐目录（2018版）》，该《推荐目录(2018版)》是各地公安交通管理部门采购科技装备的参考之一。 中标达州鸣笛采购项目之前，四川省已有成都、西昌、南充、德阳、宜宾、内江、都江堰、自贡这些城市先后启用了其高鸣笛抓拍设备。鸣笛自动监测不仅有效解决了违法鸣笛取证难的问题，司机乱鸣喇叭的陋习也有了明显的改善，同时也大大提高了执法部门的工作效率。 关于其高鸣笛抓拍系统 其高鸣笛抓拍系统对在禁止鸣喇叭区域内乱鸣喇叭车辆进行拍照取证后，会实时在前端合成声成像图片和声成像视频，上传到交警的综合违法处理平台进一步处理，同时也会在违法现场附近的“违法鸣笛监管”LED显示屏进行曝光。 鸣笛抓拍系统构成 其高鸣笛抓拍系统主要由声学探头（麦克风阵列）、车牌抓拍识别和后台执法联动系统三大子系统构成。 其高自主研发的声学探头 其中，声学探头（麦克风阵列）是鸣笛抓拍设备的核心组成之一，违法鸣笛声音通过集合了32个或64个鸣笛麦克风阵列的声学探头准确定位乱鸣笛的车辆，声学探头可以自动排除机动车刹车、引擎、胎噪、电动自行车喇叭等环境干扰声。 得益于十多年的软硬件开发能力和算法研究能力，其高掌握了麦克风阵列声源定位算法、深度学习算法、深度学习车牌识别算法等鸣笛抓拍系统所需要的核心算法。 其高违法鸣笛抓拍系统的抓拍准确率和抗干扰能力，已经在100多个城市得到了使用验证，获得了大量客户的好评。
内外兼修，其高声学照相机2019收获多个专利！ 作为声学照相机出货量位居国内前列的厂商，其高自主研发的声学照相机已成功应用于众多场景中，例如汽车噪声异响定位、无人机声音定位、风力发电机组噪声测试、飞机飞行噪声定位、机器人声音定位、会议室说话人定位、电力噪声检测、机动车鸣笛抓拍、改装车超标噪声抓拍、语音增强…… 其高声学照相机应用领域的不断扩展，得益于公司对技术研发的重视，从而能够持续推出新的麦克风阵列产品，并在声源定位算法上不断优化和提升，帮助用户提升测试效率和声源定位精度。 目前，其高推出的声学照相机主要包括便携式麦克风阵列、工业型麦克风阵列、高性能麦克风阵列和定制化麦克风阵列四大类。 声学照相机的主流算法使用波束形成Beamforming算法，其高声学照相机除了支持波束形成Beamforming算法，也同时支持SONAH算法，对于低频声源，也可以进行准确定位。另外，其高声学照相机也支持多种Beamforming算法的改进算法，如DAMAS（Deconvolution Approach for the Mapping of Acoustic Sources）。 2019年，其高在麦克风阵列的研发中又取得了很大进展，荣获了6项国家专利，其中发明专利1项，外观发明专利3项，实用新型专利2项。 发明专利 优化声场成像定位方法及系统 空间分辨力（或空间分辨率）是声学照相机的关键指标之一，它是指麦克风阵列对同时存在的多个声源的定位区分能力，用两个可分辨的点声源的最小距离来表征。今年，其高的“优化声场成像定位方法及系统”被授予发明专利, 本发明专利能够实现直观快速地获得多个声源的具体位置以及各个声源的不同声音频段的属性。 外观发明专利 可扩展组合式麦克风阵列单元 长10m，宽8m的可扩展组合式80通道麦克风阵列。 便携式机动车违法鸣笛抓拍装置 可立于路边，即开即用的便携式鸣笛抓拍设备，高度1.3米～4米，负重 10kg。 车载折叠升降式鸣笛抓拍系统 具备折叠升降和多维度旋转功能，可灵活安装于警车顶部的车载式鸣笛抓拍。 实用新型专利 便携式机动车违法鸣笛抓拍装置 可移动折叠升降式道路噪声抓拍系统 过去一年中，除了在麦克风阵列研发创新中所拿下的专利证书，其高声学技术在其它领域的应用推广中也取得了可喜成绩，同样获得了知识产权认可，例如“冲击声检测方法及检测系统”获国家发明专利。更重要的是，这些创新成果都得到了有效转化，实实在在帮助用户解决了问题。 未来，其高将继续坚持自主创新，并充分保护和尊重知识产权，努力研发出更多高端化，有实用价值的声学产品，推动声学技术在更多领域的应用。
捷报频传，其高鸣笛抓拍5天连中3标！ 收获的季节，其高捷报频传！ 11月4~8日，其高接连拿下3个城市的鸣笛抓拍设备采购项目，分别是： 北京（北京大学） 江苏（南通海安） 海南（五指山） 自2017年起， 北京市、江苏省和海南省就已经启用了由其高提供的鸣笛抓拍设备，两年多来一直运行稳定，鸣笛抓拍的捕获率和准确率高达95%以上。 基于对其高专业能力的高度认可和信任，此次3城不约而同再次选择了其高鸣笛抓拍产品，其高也将一如既往为用户提供优质的产品和完善的服务。 其高自主研发的鸣笛抓拍产品 北京 2017年7月，北京交管部门在东城区校尉胡同启用了首套道路违法鸣笛抓拍系统，2018年4月增至26套鸣笛抓拍设备。如今，其高已有多套鸣笛抓拍设备在北京市区上线使用，集中安装在市区学校、医院和人流密集的商业地段附近。 2017年7月，其高鸣笛抓拍设备在北京上线使用 江苏 其高鸣笛抓拍设备已覆盖江苏省13个地级市中的9个城市，分别是南京、苏州、无锡、常州、扬州、盐城、泰州、宿迁和南通。 2017年第9届中国国际道路交通安全产品博览会期间，在江苏交警成果展区中，其高鸣笛抓拍设备在常州交警展台展示。 常州交警展台上，其高演示鸣笛抓拍效果 海南 中标五指山鸣笛抓拍设备采购项目之前，其高鸣笛抓拍设备已经在海口、东方、琼海和陵水启用。其中，海南省会城市海口自2017年9月启用鸣笛抓拍系统以来，司机乱鸣笛现象有了明显改善。鸣笛抓拍统计数据显示，从2017年9月到2018年11月期间，海口每月抓拍到的违法鸣笛数量大幅下降。 启用违法鸣笛抓拍设备后，海口鸣笛数量变化 目前，其高鸣笛抓拍系统已经覆盖全国近百个城市，成为了行业内有口皆碑的产品，多个城市持续不断选用其高提供的各种交通噪声抓拍设备，例如车载式鸣笛抓拍，炸街车（轰鸣声）抓拍。其高也将继续踏踏实实专心于产品研发，为后续更多更广泛的合作打下坚实基础。
11月上海，其高与您相约NIDays Asia 2019年11月14日~15日，其高将亮相美国国家仪器（以下简称“NI”）主办的NIDays Asia，一年一度的NIDays今年全新升级,正式更名为NIDays Asia，影响力从中国扩大到整个亚太区。 作为NI在振动噪声测试领域的重要合作伙伴，其高自主研发的核心软件产品SignalPad专注于声音与振动相关的专业分析应用，为NI产品线在相关工业领域提供了极其专业的技术支撑以及无缝的应用扩展。 其高每年都有受邀参加盛会，展示使用NI技术及平台在国防、航天航空、汽车、能源电力等领域中所提供的解决方案。 NIDays Asia2019期间，其高科技将重点展示： 高速动态数据采集系统 High Speed Dynamic Data Acquisition System 关于高速动态数据采集系统： 系统特点： 1、采样率高、速度快、带宽大； 2、分布式、远程； 3、声音、振动、水声、动态压力、动态应变等信号； 4、丰富的后处理分析算法。 主要参数： 1、通道数：几十到几百上千通道； 2、采样率：几十K到几M每秒； 3、带宽：几十MB/s到上GB/s； 关键技术： 1、总线带宽； 2、存储吞吐量； 3、同步采集； 4、数据管理与分析； 应用行业：航空航天、军工、土木…… 其高科技高速动态数据采集系统优势： 高速采集：支持400+通道，每通道204.8k的动态信号同步采集存储监测功能。 自由回放：回放的数据不受数据大小限制，能浏览信号全局并能任意缩放信号的细节。 灵活同步：基于GPS秒脉冲，无线RF信号、有线同步线缆等多种高精度同步方式，同步精度高达100ns。 组合分析：支持多种动态信号分析功能模块，支持数据库和一键生成报告。 基于PXI/PXIe的硬件架构 PXIe总线技术：高带宽、模块化。 RAID流盘存储技术：并行化。 NI TClk、GPS等同步技术：高精度、可扩展。 其高数据管理分析软件 其高科技自主研发的数据管理分析软件简单易用，能够对高采样率的数据进行采集，对大型数据量进行回访，局部放大等。 欢迎您莅临其高科技展台参观交流！ 时间：2019年11月14日-15日 地点：上海国际会议中心(上海浦东新区滨江大道2727号)
关于“炸街车”自动抓拍系统探索 “炸街车”抓拍系统启用背景 随着城市车辆保有量的不断增加，交通噪声已经成为城市噪声的主要来源，尤其是运动型跑车或经非法改装的汽车所发出的“声浪”，即轰鸣声。轰鸣声扰民严重，具有高度危害性，因此，这类车辆被形象地称作“炸街车”。本文介绍基于声呐的“炸街车”电子自动抓拍系统的构成、工作原理、取证方法、证据呈现方式，并通过深度学习、声呐阵列定位等技术，有效解决了“炸街车”的自动识别和判定；实际运行的系统表明本方法的检测效果较理想，为后续研制更稳定可靠的电子抓拍系统奠定了坚实的基础。 “炸街车”抓拍系统的研究 依据国家城市区域环境噪声标准， 交通干线两侧的环境噪声标准值为昼间70分贝、夜间55分贝。而经过非法改装的“炸街车”，猛轰油门或者急加速的时候，发动机、排气筒都会发出巨大声响，典型分贝值区间高达80~110分贝，严重影响附近居民正常生活，扰乱正常的车辆通行秩序，且非法改装的车辆存在较大交通安全隐患。“炸街车”属于交警严厉查处的违法行为，但一直没有得到很好的执行，原因是噪声超标行为难以取证，相关取证无法实现自动化。民警通常通过守候拦截查处 “炸街车”，但守候拦截的效率低且有安全隐患。为躲避处罚，有的车辆安装了切换器，遇到交警查处时则切换成普通模式，排气管不会发出轰鸣声，大大增加了查处难度。因此，为了有效遏制“炸街车”的扰民行为，急需引入先进技术，实现对“炸街车”查处电子化和自动化。 2016年以来，多地交警部门与企业合作，试点采用违法鸣笛抓拍系统，对机动车鸣笛行为进行自动取证抓拍。违法鸣笛抓拍系统通过声呐定位出鸣笛车辆，控制高清摄像机对违法车辆进行抓拍。违法鸣笛抓拍系统已经在全国六十多个城市得到应用，取得了显著的效果。本文使用违法鸣笛抓拍系统类似声音定位技术，结合深度学习算法的多通道声音信号感知分类技术，以准确抓取“炸街声”，实现对“炸街车”的全天候、全时段自动抓拍。 相关技术研究 基于深度学习的“炸街车”声感知技术 “炸街车”不同于机动车鸣笛，判断是否有“炸街车”更具挑战性。汽车鸣笛声比较单一，时域和频域特征明显，和环境中常见的各种背景噪声区别较大；“炸街车”声音种类繁多，不同车型、不同改装方法，声音特征有很大的区别，通过传统的声学信号处理方法进行分类很容易产生误判。 基于神经网络的机器学习技术的关键思想是，将人为设计的规律，替换为使用分层网络从训练数据中学习的规律机器学习与传统处理方法的典型区别是，不需要先验的数学物理知识，通过输入训练数据，使用反向传播算法来指示神经网络模型如何改变其内部参数，由多个神经网络层组成的计算模型来学习系统的内在规律。机器学习与传统方法的流程区别如图1所示。 图 1 传统方法和机器学习的流程区别 近年来随着计算性能的持续提高、模型的持续优化和可用数据量的指数级增长，深度神经网络（DNN）在不同的分类任务中表现出令人难以置信的结果，该技术大大地提高了语音处理、图像识别等诸多领域技术水平。机器学习具备更快的推理和执行复杂认知任务的能力，而不需要专业知识和经验。本文尝试将深度学习技术应用在“炸街车”声音的智能检测中，主要研究内容为“炸街车”数据的收集和标记、深度学习神经网络的建立、自动抓取的实验验证。 数据的收集和标记 本文采用的方法是将“炸街车”判断转换成监督学习问题。监督学习是从标记的训练数据来推断一个功能的机器学习任务，训练数据包括一套训练示例。在监督学习中，每个实例都由一个输入对象和一个期望的输出值（也称为一维数组，标记每一帧声音的种类）组成，每帧数据根据所需的分段进行分类，常用的分类有：“炸街车”、鸣笛、刹车、警报、背景噪声等，如图2所示。人为地将经麦克风采集到的不同时间段的声音分成几类，从而指导深度学习网络进行误差反向传播，学习到合适的参数。 图 2 监督学习的数据标注 本文共收集了约2000组“炸街车”音频信号，和约4000组其他类型声音信号。为了获得更好的训练效果，通过数据增强来丰富音频的变化，提升数据的数量和多样性，使用的方法包括时移变换（timeshifting）、速度调整（speed tuning）、混合背景音（mix background noise）和音量调节（volumetuning）、增加白噪声（adding white noise）、移动 音 频（shifting the sound）、 拉 伸 音 频 信 号（stretching the sound）等。 深度学习神经网络的建立 本文采用了基于卷积的深度学习神经网络结构。卷积神经网络（CNN）通过使用卷积操作来学习输入矩阵元素点之间的关系，从而提取特征。CNN具有主要以下三点优势：首先内核权重分享机制有助于处理高维数据（2D图像或3D数据）；其次矩阵元素的局部特征可用2D或3D内核来获得；最后使用池化层可以实现轻微的平移不变性增加系统鲁棒性。典型的CNN结构如图3所示，主要包含：卷积层、非线性激活层、池化层等。 图 3 卷积神经网络结构 本文所用神经网络在训练过程中误差函数收敛如图4所示，数据收敛，表明训练数据有效。 图 4 损失函数训练收敛过程 神经网络训练完成，输入新的声音信号，神经网络利用学习的参数则可自动判断哪段信号属于“炸街声”，从而自动触发抓拍系统进行工作。如图5所示，曲线代表预测是“炸街声”的概率，当超过认为设定的判断阈值（虚线）时即开始触发，蓝色实线为人工标注的区域。数据显示人工和机器自动判别二者吻合度较高。 图 5 神经网络预测“炸街声”结果 声源定位系统的原理 深度学习系统准确判断识别出“炸街车”的声音信号后，选取该段信号输入到声呐的声源定位系统，准确获得车辆位置，用高清摄像机抓拍“炸街车”声源位置的车辆照片并识别车牌号码，将声压分布与照片和视频进行叠加形成“炸街车”声超标证据，即“声音云图”和“声音视频”，抓拍到的车辆号牌可在现场LED显示屏上公示并推送到执法后台进一步核实和处理。 在“炸街车”抓拍系统中使用的“声呐”，其准确的学术名称叫“麦克风阵列”，是由多个麦克风按照一定规律排布组成的一种设备。使用单个麦克风进行录音，无法区分声音来源于哪个方向；多个麦克风的使用使得麦克风阵列有区分方向的能力，就如人因为有两个耳朵，所以能够判断声音来自哪个方向一样，如果一个耳朵丧失听力，则听音方向性差很多。“炸街车”取证难的原因就在于，听到声音但没有一种客观的技术手段知道声音来自哪个位置。麦克风阵列技术的出现解决了对“炸街车”噪声取证难的难题，可以直观地将“炸街声”可视化。如图6所示，是上海其高科技设计制造的一款典型的声呐，是由很多个麦克风按照一定规律排布形成的设备。 图 6 上海其高科技的麦克风阵列（声呐） 将麦克风阵列安装在机动车道路上方，对监视区域进行声音成像，生成声音云图和声音视频，即可对“炸街车”进行定位。如图7所示，在横杆上的典型安装设备为一个麦克风阵列、一个高清摄像机和必要的补光灯，麦克风阵列和摄像机对准路面监视区域。 图 7 “炸街车”抓拍系统安装设备 声呐通过麦克风阵列信号处理技术对监视区域的声音进行可视化，得到声音云图。如图8所示是典型的声音云图。 图 8 声音云图显示声源位置示例 “炸街车”抓拍系统案例 综上所述，本文基于深度学习的卷积神经网络来自动判别声音信号是否来自“炸街车”，利用麦克风阵列声源定位技术准确定位“炸街车”的空间位置，结合高清摄像机抓拍“炸街”声源位置的车辆照片并识别车牌号码，将声压分布与照片和视频进行叠加形成“炸街车”证据，即声音云图和声音视频。如图9所示，是一个典型的抓拍证据图片。 图 9 “炸街车”抓拍证据示例 广州市天河区于2018年6月安装“炸街车”自动抓拍系统测试，累计（至2018年9月底）抓拍“炸街车”100多辆次，为执法部门进一步查处违法车辆提供了详实的证据。从试运行的效果来看，抓拍的可靠性、精度和效率比人工抓取有了显著的提高。 本文研究的“炸街车”自动抓拍系统基本达到预期，解决守候拦截查处方法的低效率和安全问题，但在背景嘈杂、高噪声的环境下，这类技术还存在缺陷，在以下几个方面还有待提高和改进： （1）提高系统的捕获率。“炸街车”改装种类多，特别是不常见的声音种类，神经网络无对应的数据进行训练，对此种情形可能会出现漏抓。后续需要进一步积累“炸街车”声音数据库，不断丰富数据多样性，优化网络参数，提高捕获率。 （2）增加抓拍的有效区域。目前的有效抓拍区域是路口安装杆件附近50米左右，当“炸街车”距离较远时，声音传递到声呐的信噪比较差，触发机制容易受到强背景噪声的干扰（譬如安装点近处公交车、渣土车等）。后续需研究干扰声源特征，提高低信噪比条件下的准确抓拍能力。 本文内容和图片源于网络。
