一种用于城市噪声污染的噪声在线监测系统的制作方法

阅读：评论：0

1.本发明涉及数据识别处理技术领域，具体涉及一种用于城市噪声污染的噪声在线监测系统。

背景技术：

2.噪声是一种声音，从生理学观点来看，凡是干扰人们休息、学习和工作以及对人们所要听的声音产生干扰的声音，即不需要的声音，统称为噪声。一般城市中的噪声主要来源于交通噪声、工业噪声、建筑施工噪声以及社会生活噪声，将影响人们正常生活和工作的噪声称为噪声污染；目前的城市中往往会规定噪声污染的限制，在城市中设置噪声污染的监测装置，将监测装置获取的数据实时进行传输到城市噪声监测系统中，进行噪声的监测。
3.而对噪声数据进行传输的过程中，为了提高传输过程中的效率，一般需要对原始数据进行压缩处理；对于数据的压缩，主要是依靠减少数据中的冗余和数据本身结构的冗余来达到压缩的目的，但现有对数据编码压缩的方法，例如游程编码压缩，其压缩效率依赖于数据本身特征，而噪声污染主要依据于大数值数据以及变化数据得到，因此利用游程编码对噪声数据等存在数据差异性的数据压缩时，编码压缩的压缩效率较低。

技术实现要素：

4.为了解决上述技术问题，本发明的目的在于提供一种用于城市噪声污染的噪声在线监测系统，所采用的技术方案具体如下：本发明一个实施例提供了一种用于城市噪声污染的噪声在线监测系统，该系统包括以下模块：数据采集及分段模块，用于获取城市中每个区域的音频的原始数据，对所述原始数据进行分段得到至少一个初始分段数据；数据分类模块，用于以预设相邻范围获取所述初始分段数据中每个数据的邻近区域，根据所述邻近区域计算每个数据的重要度，基于每个数据的重要度得到对应数据的权重；基于每个初始分段数据中所有数据的权重的均值设定阈值，根据所述阈值将对应初始分段数据划分为近似相等数据和趋势变化数据；数据压缩模块，用于计算每个近似相等数据中所有数据的均值，对所述均值四舍五入得到第一压缩值，将近似相等数据中每个数据更新为所述第一压缩值，以得到压缩后的近似相等数据记为第一压缩数据；计算趋势变化数据中每个数据与对应线段上每个数据的差值，以所述差值作为趋势变化数据中对应数据的第二压缩值，将趋势变化数据中所有数据更新为对应的第二压缩值，以得到压缩后的趋势变化数据记为第二压缩数据；噪声监测模块，用于将第一压缩数据和第二压缩数据传输至噪声监测系统中，以确定噪声污染程度。
5.优选的，所述数据采集及分段模块中对所述原始数据进行分段得到至少一个初始分段数据的方法，包括：
设置预设起始长度，根据所述预设起始长度对所述原始数据进行分段得到第一数据段，计算所述第一数据段的分段效果；不断增加所述预设起始长度的长度得到不同的分段长度，利用不同的分段长度对所述原始数据进行分段得到不同长度的第一数据段，获取每个分段长度的第一数据段对应的分段效果，所述分段效果最大时对应的分段长度为最佳长度，所述最佳长度对应的第一数据段为第一个初始分段数据；若所述原始数据中除第一个初始分段数据外还存在剩余数据，以所述预设起始长度为起始，不断增加所述预设起始长度的长度对剩余数据进行分段得到不同长度的第二数据段，选取分段效果最大的第二数据段为第二个初始分段数据，以此类推，直至将所述原始数据全部分段完成得到对应的初始分段数据。
6.优选的，所述数据采集及分段模块中计算所述第一数据段的分段效果的方法，包括：获取所述第一数据段中的数据的最大值与最小值的差值，以及所述第一数据段中所有数据的均值，根据所述均值得到所述第一数据段中所有数据的标准差；获取所述差值、所述均值以及所述标准差的乘积结果，将所述乘积结果的倒数与所述第一数据段对应的分段长度相乘得到所述分段效果。
7.优选的，所述数据分类模块中根据所述邻近区域计算每个数据的重要度的方法，包括：以任意数据为目标数据，获取所述目标数据与其对应的邻近区域中每个数据的差值绝对值，计算所述目标数据与其对应的邻近区域中所有数据的差值绝对值的均值，均值与目标数据的乘积结果为所述目标数据的重要度。
8.优选的，所述数据分类模块中基于每个数据的重要度得到对应数据的权重的方法，包括：对当前初始分段数据中所有数据的重要度进行归一化，每个数据对应的归一化后的重要度为对应数据的权重。
9.优选的，所述数据分类模块中基于每个初始分段数据中所有数据的权重的均值设定阈值的方法，包括：获取当前初始分段数据中所有数据的权重的平均值，以权重的平均值的倒数与预设基准值的乘积结果作为当前初始分段数据的阈值。
10.优选的，所述数据分类模块中根据所述阈值将对应初始分段数据划分为近似相等数据和趋势变化数据的方法，包括：根据所述阈值将对应初始分段数据划分为至少一个近似数据，每个所述近似数据对应一个线段；获取每个线段对应的斜率，根据所述斜率将每个线段对应的初始分段数据中的数据划分为近似相等数据和趋势变化数据。
11.优选的，所述数据分类模块中根据所述阈值将对应初始分段数据划分为至少一个近似数据的方法，包括：以当前初始分段数据中第一个数据与最后一个数据之间的连线得到线段；计算当前初始分段数据中每个数据到所述线段的垂直距离，当所有数据对应的垂直距离中的最大
值大于所述阈值时，以垂直距离中的最大值所对应的数据的位置作为目标位置；以当前初始分段数据中第一个数据与所述目标位置的数据之间的连线得到第一条线段，以所述目标位置的数据与当前初始分段数据中最后一个数据之间的连线得到第二条线段；计算第一条线段对应数据到第一条线段的垂直距离的最大值，判断最大值是否大于所述阈值，若是，则对第一条线段继续分割；计算第二条线段对应数据到第二条线段的垂直距离的最大值，判断最大值是否大于所述阈值，若是，则对第二条线段继续分割；以此类推，直至所有线段对应数据到线段的垂直距离的最大值不大于所述阈值时，得到当前初始分段数据的至少一个线段；每条线段上的所有数据构成所述近似数据。
12.优选的，所述数据分类模块中根据所述斜率将每个线段对应的初始分段数据中的数据划分为近似相等数据和趋势变化数据的方法，包括：获取当前线段对应的初始分段数据中所有数据的权重的均值，计算所述均值与稳定常数的求和结果作为分母，以设定常数和所述分母的比值作为区分阈值；当前线段的斜率小于所述区分阈值时，当前线段对应的初始分段数据中的数据为近似相等数据；当前线段的斜率不小于所述区分阈值时，当前线段对应的初始分段数据中的数据为趋势变化数据。
13.本发明具有如下有益效果：本发明实施例将采集到的音频的原始数据划分为至少一个初始分段数据，对每个初始分段数据分别进行分析，获取每个初始分段数据中每个数据的重要度，且重要度的获取是基于数据的邻近区域的数据得到，使得数据之间的联系更加紧密，得到的数据的重要度更具有参考性；以每个数据的重要度获取每个数据对应的权重，并结合所有数据对应的权重自适应设置阈值，以根据合适的阈值将初始分段数据划分为近似相等数据和趋势变化数据，以便于对不同类型的数据进行不同损失程度的压缩，对近似相等数据用同一压缩值进行处理，而对于趋势变化数据则利用差值进行处理，尽可能的避免了数据的损失保留了原始信息的完整性，并且降低了压缩的数据量，使得编码压缩的效率更高；将当前压缩完成的数据进行传输监测，数据信息更完整，监测结果更可靠。
附图说明
14.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
15.图1为本发明一个实施例所提供的一种用于城市噪声污染的噪声在线监测系统框图。
具体实施方式
16.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种用于城市噪声污染的噪声在线监测系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或
特点可由任何合适形式组合。
17.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
18.下面结合附图具体的说明本发明所提供的一种用于城市噪声污染的噪声在线监测系统的具体方案。
19.请参阅图1，其示出了本发明一个实施例提供的一种用于城市噪声污染的噪声在线监测系统框图，该系统包括以下模块：数据采集及分段模块10，用于获取城市中每个区域的音频的原始数据，对原始数据进行分段得到至少一个初始分段数据。
20.对于城市噪声污染监测中，首先需要在城市的各处采集数据传输到统一的噪声污染系统中，由噪声污染系统对此处的噪声情况进行监测，而在数据传输的过程中，为了减少待传输的数据量，加快数据传输的效率，需要在数据进行传输之前进行数据压缩。
21.具体的，在城市中固定地点安装声音采集装置，声音采集装置用于获取城市中各处的声音数据，此时采集得到的声音数据为城市中噪声污染监测的原始数据；对于数据的压缩，主要是考虑到数据的压缩效率以及原始信息的损失，而对于噪声污染监测的原始数据，数据对噪声污染分析越重要，其对应的数据的允许损失越小，因此需要对原始数据中数据的不同的重要度进行分类并分别进行压缩。在噪声污染的分析中，原始数据中相等数据的连续出现会造成原始数据的冗余，而相等数据的连续出现的表现形式为数据的相似性高，但在不同的数据段中数据的相似性的体现程度存在差异，因此首先对原始数据进行分段处理。
22.本发明实施例中以预设起始长度对原始数据进行分段，即按照原始数据中数据的顺序，以原始数据的前10个数据作为第一数据段，计算此时得到的第一数据段的分段效果，分段效果的计算为：其中，表示以预设起始长度得到的第一数据段的分段效果；表示预设起始长度；表示第一数据段中所有数据的均值，即声音的分贝均值；表示第一数据段中所有数据的最大值；表示第一数据段中所有数据的最小值；表示第一数据段中所有数据的标准差。
23.当第一数据段中所有数据的均值越大，表明该数据越可能为噪声数据，即该第一数据段中的数据对于噪声分析而言越重要，对于此类数据的分段应该越精确越好，因此当均值越大时，表明此时的分段效果不佳；第一数据段中所有数据的最大值和所有数据的最小值的差值体现了第一数据段中的数据波动幅度，数据波动幅度越大，越不利于对当前分段中的数据的相似性分析，因此分段效果越不好；相应的，标准差体现了第一数据段中数据之间的差异性，数据之间的差异性越大，同样对数据的相似性分析较差，对应分段效果越差；对于预设起始长度而言，的取值越大，原始数据被划分的分段数量越少，对于每段数据之间的计算量较少，对应的分段效果较好。
24.进一步的，为了保证能够得到最好的分段效果，以预设起始长度为起始，不断增加分段的长度得到不同的第一数据段，即通过起始长度对原始数据进行分段得到长度为11的第一数据段，通过对原始数据进行分段得到长度为12的第一数据段，以此类推，通过改变分段长度得到不同的第一数据段；相应的，基于获取预设起始长度对应第一数据段的分段效果的相同的方法，获取不同起始长度得到的不同长度的第一数据段对应的分段效果，所有分段效果中的最大值对应的第一数据段的长度为此时的最佳长度。
25.需要说明的是，利用最佳长度得到第一数据段之后，当第一数据段的长度与原始数据的长度不相等时，表明原始数据中还存在未被分段的数据，对后续未被分段的数据继续进行分段，也即是从第一数据段之后的第一个数据为起始进行分段，分段的方法即为从预设起始长度开始，通过不断增加分段的长度得到不同长度的第二数据段，然后计算不同长度的第二数据段的分段效果，以分段效果的最大值对应的分段长度作为第二数据段的最佳长度；以此类推，完成对原始数据中所有数据的分段处理。
26.由此得到原始数据分段后的至少一个的分段数据，将分段数据记为初始分段数据，基于时间序列上连续的相似数据的分段，避免了固定长度分段引起的数据局部差异过大的情况，增加了初始分段数据之间的相似性特点，进而有利于后续对数据的压缩。
27.数据分类模块20，用于以预设相邻范围获取初始分段数据中每个数据的邻近区域，根据邻近区域计算每个数据的重要度，基于每个数据的重要度得到对应数据的权重；基于每个初始分段数据中所有数据的权重的均值设定阈值，根据阈值将对应初始分段数据划分为近似相等数据和趋势变化数据。
28.在根据数据的相似性和数据的趋势变化对原始数据进行压缩时，会存在一定的数据信息损失，因此为了保证原始数据在传输中的信息完整度，首先需要对不同数据在噪声污染分析中的重要度进行分析，根据数据的重要度确定其在压缩过程中可接受的损失情况。
29.对于城市噪声监测，主要是分析所采集的原始的声音数据达到一定程度造成的噪声污染，以及声音在不同时间的变化来分析噪声污染的程度和变化情况，由数据采集及分段模块10中将采集到的原始数据划分成了至少一个初始分段数据，对每个初始分段数据进行分析；假设存在任意初始分段数据为，其中，表示该初始分段数据中的第一个数据；表示该初始分段数据中的第个数据；表示该初始分段数据中所有数据的数量；以初始分段数据中的第个数据为例，以预设相邻范围获取其对应的邻近区域，本发明实施例中每个数据的预设相邻范围为4，则每个数据的邻近区域是指该数据在时序上相邻的8个数据，即初始分段数据中的第个数据的邻近区域是由数据之前相邻的四个数据和数据之后相邻的四个数据构成的，根据数据的邻近区域中的数据获取该数据的重要度，其对应的重要度为：其中，表示初始分段数据中的第个数据的重要度；表示初始分段数据中的
第个数据；表示初始分段数据中的第个数据对应的邻近区域中第个数据；表示初始分段数据中的第个数据对应的邻近区域中所有数据的数量；表示绝对值运算。
30.用于表示初始分段数据中的第个数据与其对应的邻近区域中第个数据之间的差值，表示了初始分段数据中第个数据与其对应的邻近区域中所有数据的差值的平均值，该平均值越大，表明数据与其周围数据的差异性越大；同时，当数据的本身取值越大时，其为噪声数据的可能性也越大，在噪声污染分析中越重要，则数据对应的重要度越大。
31.以此类推，获取每个初始分段数据中的每个数据对应的重要度，为了减少采集的声音数据在噪声污染分析中对相似数据不敏感造成相似数据冗余的情况，根据每个数据的重要度对相似数据进行不同尺度的平滑，以提高数据之间的相关关系，便于后续压缩。
32.对每个初始分段数据中所有数据的重要度进行归一化，得到每个数据归一化后的重要度记为该数据的权重，归一化的方法为现有公知技术，不再赘述。
33.本发明实施例中对每个相似的初始分段数据进行平滑处理的方法采用douglas-peucker算法，该douglas-peucker算法是利用数据的起点和终点生成一条线段，然后计算初始分段数据中每个数据到该线段的垂直距离，判断所有数据对应的垂直距离中的最大值是否大于预设距离阈值，若是，则以垂直距离的最大值对应的数据为分割点，获取初始分段数据的两个线段，然后分别判断这两条线段对应的垂直距离中的最大值是否大于预设距离阈值，若是，则继续分割，以此类推，直至得到的所有线段对应的垂直距离中的最大值均小于预设距离阈值，以此时每个线段上的数据来代替原始数据，以达到数据局部平滑的目的。
34.但利用传统的douglas-peucker算法对原始数据进行处理时，会造成数据信息的损失，且预设距离阈值的大小决定了数据的损失程度，而对于噪声污染分析中，不同数据的重要度不同，对于重要度较低的数据可以作较大损失的平滑处理，增加数据之间的关系；对于重要度较高的数据，则作较小损失的平滑处理，尽量保持原始信息数据，以保证后续噪声污染分析的准确，故本发明实施例中利用每个数据的重要度对douglas-peucker算法的预设距离阈值进行改进，由于每个数据的重要度在归一化后为数据对应的权重，因此基于每个数据的权重设定douglas-peucker算法中的阈值，使得在数据能够满足噪声污染分析需要的同时，增加数据之间的相关关系。
35.具体的，对于初始分段数据，利用douglas-peucker算法生成一条线段记为，也即是根据数据和数据之间的连线得到线段，计算初始分段数据中每个数据到该线段的垂直距离，判断所有垂直距离中的最大值是否大于设定阈值，设定阈值的大小为，其中，表示基准值，本发明实施例中设置，其他实施例中实施者可根据实际场景进行调整；表示初始分段数据中所有数据对应的权重的均值，均值越大，说明该初始分段数据的数据越重要，数据的容许损失程度越小，因此设置阈值越小，以便于保持原始数据信息。
36.当初始分段数据中每个数据到该线段的垂直距离中的最大值
大于设定阈值时，以垂直距离中的最大值所对应的数据的位置作为目标位置，以目标位置将初始分段数据分割为两个线段，也即是以初始分段数据中数据与目标位置的连线为第一条线段，目标位置与数据的连线为第二条线段；然后，分别计算初始分段数据中数据至目标位置的数据之间的每个数据到第一条线段的垂直距离，初始分段数据中目标位置的数据至数据之间的每个数据到第二条线段的垂直距离，判断此时的两条线段分别对应的所有垂直距离中的最大值是否大于设定阈值，若是，则继续分割，直至初始分段数据划分为线段对应的垂直距离中的最大值均不大于设定阈值，将此时初始分段数据中所有的线段分别标记为,表示该初始分段数据中所有线段的数量。
37.以此类推，对每个初始分段数据进行分割得到对应的所有线段，由于根据线段可得到对应的函数，也即是可以得到每个线段上的所有数据，该线段上的所有数据均与对应的初始分段数据中的数据较为相近，因此将每个线段上的所有数据标记为对应初始分段数据的近似数据。
38.由于数据压缩主要考虑数据表现上的冗余与数据结构上的冗余，对应噪声污染分析的原始数据主要体现在时间序列上连续相等的数据以及时间序列上具有变化趋势的数据，因此首先根据不同的数据特征进行分类。上述分析得到每个初始分段数据中的线段，以及每个线段对应的近似数据，根据近似数据的特点将近似数据对应的原始数据划分为近似相等数据和趋势变化数据。
39.具体的，以任意初始分段数据中的线段为例，获取该线段对应的斜率记为，斜率越小，表明该线段越趋近于水平，则该线段对应的近似数据越趋近于连续相等的数据，设置区分阈值，当斜率小于区分阈值时，将线段对应的原始数据归为近似相等数据；反之，当斜率不小于区分阈值时，将线段对应的原始数据归为趋势变化数据。
40.区分阈值的设置方法为：获取线段对应的原始数据，计算线段对应的原始数据的归一化后的重要度的均值，也即是数据的权重的均值，则得到的线段的区分阈值为，0.01为稳定常数，用于避免的值趋于无穷小而导致阈值趋近于无穷大的问题；0.02为设定常数，实施者可根据实际场景进行适应调整；重要度均值表征了线段对应的原始数据的重要度，重要度均值越大表明数据越重要，则需要数据损失越小。
41.以此类推，对每个初始分段数据中每个线段对应的原始数据进行分类，得到所有的原始数据中对应的近似相等数据和趋势变化数据；由于噪声污染分析中对于大数值数据以及变化数据较为敏感，因此大数值数据和变化数据在噪声污染分析中的重要度更高，因此依据数据重要度对数据进行分类，便于后续压缩中对重要数据信息的保留，确保噪声污染分析的准确性。
42.数据压缩模块30，用于计算每个近似相等数据中所有数据的均值，对均值四舍五入得到第一压缩值，将近似相等数据中每个数据更新为第一压缩值，以得到压缩后的近似相等数据记为第一压缩数据；计算趋势变化数据中每个数据与对应线段上每个数据的差
值，以差值作为趋势变化数据中对应数据的第二压缩值，将趋势变化数据中所有数据更新为对应的第二压缩值，以得到压缩后的趋势变化数据记为第二压缩数据。
43.由数据分类模块20将所有线段对应的原始数据划分为了近似相等数据和趋势变化数据，近似相等数据主要表现为数据值小并且数据变化小，其对于噪声污染分析的重要度较低；趋势变化数据主要表现为数据值大并且数据变化大，其对于噪声污染分析的重要度较高，因此两种类型的数据对应的可容许损失程度不同，需要对两种类型的数据分别进行压缩。
44.（1）对于近似相等数据的压缩。
45.假设任意近似相等数据表示为，表示该近似相等数据中数据的数量；由于近似相等数据在噪声污染分析中的重要度较低，因此可以直接用少量字符表示重复出现的数据，以增加压缩效率，故对近似相等数据进行压缩时可进行近似处理，获取近似相等数据的近似值为第一压缩值，近似值的获取为：其中，表示近似相等数据的近似值；表示近似相等数据中数据的数量；表示四舍五入计算。
46.将获取到的近似值替代近似相等数据中每一个数据，此时近似相等数据在实际传输时即为存在连续相等的数据，也即是冗余数据，利用现有的游程编码技术进行压缩时，在输入个后，完成对相等的个的压缩，将编码压缩后的近似相等数据记为第一压缩数据。
47.作为一个示例，假设此时近似相等数据，则获取近似值，利用近似值代替近似相等数据得到。
48.（2）对于趋势变化数据的压缩。
49.由于在噪声污染分析中，数据值越大对其影响越大并且数据之间的变化关系同样影响噪声污染分析，因此趋势变化数据对噪声污染分析的影响较大，因此为保证噪声污染分析的准确性，不能对趋势变化数据进行近似处理。
50.假设任意趋势变化数据表示为，表示该趋势变化数据中数据的数量；获取趋势变化数据对应的线段的近似数据记为，计算趋势变化数据对应线段的近似数据中每个数据与趋势变化数据中对应数据的差值为第二压缩值，差值为：其中，表示趋势变化数据中的每个数据；表示趋势变化数据对应的线段的近似数据中的每个数据；表示趋势变化数据中每个数据与对应线段的近似数据中对应数
据的差值。
51.相应的，原始的趋势变化数据可表示为，此时用差值表示原始的数据信息为，由于线段的近似数据本身即为趋势变化数据的近似表示，因此其对应元素之间的差值应该较小，采用作为压缩值可大大减少原始数据量，也即是根据趋势变化数据中每个数据对应的对该数据进行压缩得到最终的压缩数据。
52.作为一个示例，假设此时的趋势变化数据，其对应的线段的近似数据，则可计算得到趋势变化数据中每个数据对应的第二压缩值为，因此以第二压缩值代替趋势变化数据中的每个值得到趋势变化数据的压缩值为；采用现有的游程编码技术对压缩值进行编码压缩得到趋势变化数据的第二压缩数据。
53.由于趋势变化数据对于噪声污染分析较为重要，因此对趋势变化数据进行压缩时采用无损数据变化，在降低原始数据量的同时，保留全部的原始信息，保证噪声污染分析的准确性。
54.噪声监测模块40，用于将第一压缩数据和第二压缩数据传输至噪声监测系统中，以确定噪声污染程度。
55.由数据压缩模块30中得到近似相等数据和趋势变化数据分别对应的第一压缩数据和第二压缩数据，为便于区分不同类型的编码数据，本发明实施例中对近似相等数据的游程编码之前添加一个标识符1，对趋势变化数据的游程编码之前添加一个标识符0，以便于区分不同类型的编码数据。
56.作为一个示例，近似相等数据的编码压缩数据为：110011010111001
…
；趋势变化数据的编码压缩数据为：010010110001010
…
；编码压缩数据的首位均表示数据的标识符，从而完成对所有的原始数据的压缩。
57.将压缩后的噪声的原始数据统一传输到城市噪声监测系统中，在噪声监测系统中，根据国家规定的噪声计算方法对当前的噪声监测数据进行分析，以确定当前的噪声污染程度，并基于国家规定的噪声污染指标进行治理。
58.综上所述，本发明实施例提供一种用于城市噪声污染的噪声在线监测系统，该系统包括数据采集及分段模块10、数据分类模块20、数据压缩模块30以及噪声监测模块40；数据采集及分段模块用于获取城市中每个区域的音频的原始数据，对原始数据进行分段得到至少一个初始分段数据；数据分类模块用于以预设相邻范围获取初始分段数据中每个数据的邻近区域，根据邻近区域计算每个数据的数据重要度，对所有数据的数据重要度进行归一化并求倒数得到每个数据的权重；基于每个初始分段数据中所有数据的权重的均值设定阈值，根据阈值将对应初始分段数据划分为至少一个线段，获取当前初始分段数据的每个线段的斜率，基于斜率将每个线段对应的原始数据划分为近似相等数据和趋势变化数据；数据压缩模块用于计算每个近似相等数据中所有数据的均值，对均值四舍五入得到第一压缩值，将近似相等数据中每个数据更新为第一压缩值，以得到压缩后的近似相等数据记为第一压缩数据；计算趋势变化数据中每个数据与对应线段的每个数据的差值，以差值作为趋势变化数据中对应数据的第二压缩值，将趋势变化数据中所有数据更新为对应的第二压
缩值，以得到压缩后的趋势变化数据记为第二压缩数据；噪声监测模块用于将第一压缩数据和第二压缩数据传输至噪声监测系统中，以确定噪声污染程度；通过对不同类型的原始数据采用不同的处理方法，提高了编码压缩的效率并且保证了原始信息的完整性，得到的噪声污染程度更加准确。
59.需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
60.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
61.以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：

1.一种用于城市噪声污染的噪声在线监测系统，其特征在于，该系统包括以下模块：数据采集及分段模块，用于获取城市中每个区域的音频的原始数据，对所述原始数据进行分段得到至少一个初始分段数据；数据分类模块，用于以预设相邻范围获取所述初始分段数据中每个数据的邻近区域，根据所述邻近区域计算每个数据的重要度，基于每个数据的重要度得到对应数据的权重；基于每个初始分段数据中所有数据的权重的均值设定阈值，根据所述阈值将对应初始分段数据划分为近似相等数据和趋势变化数据；数据压缩模块，用于计算每个近似相等数据中所有数据的均值，对所述均值四舍五入得到第一压缩值，将近似相等数据中每个数据更新为所述第一压缩值，以得到压缩后的近似相等数据记为第一压缩数据；计算趋势变化数据中每个数据与对应线段上每个数据的差值，以所述差值作为趋势变化数据中对应数据的第二压缩值，将趋势变化数据中所有数据更新为对应的第二压缩值，以得到压缩后的趋势变化数据记为第二压缩数据；噪声监测模块，用于将第一压缩数据和第二压缩数据传输至噪声监测系统中，以确定噪声污染程度。2.根据权利要求1所述的一种用于城市噪声污染的噪声在线监测系统，其特征在于，所述数据采集及分段模块中对所述原始数据进行分段得到至少一个初始分段数据的方法，包括：设置预设起始长度，根据所述预设起始长度对所述原始数据进行分段得到第一数据段，计算所述第一数据段的分段效果；不断增加所述预设起始长度的长度得到不同的分段长度，利用不同的分段长度对所述原始数据进行分段得到不同长度的第一数据段，获取每个分段长度的第一数据段对应的分段效果，所述分段效果最大时对应的分段长度为最佳长度，所述最佳长度对应的第一数据段为第一个初始分段数据；若所述原始数据中除第一个初始分段数据外还存在剩余数据，以所述预设起始长度为起始，不断增加所述预设起始长度的长度对剩余数据进行分段得到不同长度的第二数据段，选取分段效果最大的第二数据段为第二个初始分段数据，以此类推，直至将所述原始数据全部分段完成得到对应的初始分段数据。3.根据权利要求2所述的一种用于城市噪声污染的噪声在线监测系统，其特征在于，所述数据采集及分段模块中计算所述第一数据段的分段效果的方法，包括：获取所述第一数据段中的数据的最大值与最小值的差值，以及所述第一数据段中所有数据的均值，根据所述均值得到所述第一数据段中所有数据的标准差；获取所述差值、所述均值以及所述标准差的乘积结果，将所述乘积结果的倒数与所述第一数据段对应的分段长度相乘得到所述分段效果。4.根据权利要求1所述的一种用于城市噪声污染的噪声在线监测系统，其特征在于，所述数据分类模块中根据所述邻近区域计算每个数据的重要度的方法，包括：以任意数据为目标数据，获取所述目标数据与其对应的邻近区域中每个数据的差值绝对值，计算所述目标数据与其对应的邻近区域中所有数据的差值绝对值的均值，均值与目标数据的乘积结果为所述目标数据的重要度。5.根据权利要求1所述的一种用于城市噪声污染的噪声在线监测系统，其特征在于，所
述数据分类模块中基于每个数据的重要度得到对应数据的权重的方法，包括：对当前初始分段数据中所有数据的重要度进行归一化，每个数据对应的归一化后的重要度为对应数据的权重。6.根据权利要求1所述的一种用于城市噪声污染的噪声在线监测系统，其特征在于，所述数据分类模块中基于每个初始分段数据中所有数据的权重的均值设定阈值的方法，包括：获取当前初始分段数据中所有数据的权重的平均值，以权重的平均值的倒数与预设基准值的乘积结果作为当前初始分段数据的阈值。7.根据权利要求6所述的一种用于城市噪声污染的噪声在线监测系统，其特征在于，所述数据分类模块中根据所述阈值将对应初始分段数据划分为近似相等数据和趋势变化数据的方法，包括：根据所述阈值将对应初始分段数据划分为至少一个近似数据，每个所述近似数据对应一个线段；获取每个线段对应的斜率，根据所述斜率将每个线段对应的初始分段数据中的数据划分为近似相等数据和趋势变化数据。8.根据权利要求7所述的一种用于城市噪声污染的噪声在线监测系统，其特征在于，所述数据分类模块中根据所述阈值将对应初始分段数据划分为至少一个近似数据的方法，包括：以当前初始分段数据中第一个数据与最后一个数据之间的连线得到线段；计算当前初始分段数据中每个数据到所述线段的垂直距离，当所有数据对应的垂直距离中的最大值大于所述阈值时，以垂直距离中的最大值所对应的数据的位置作为目标位置；以当前初始分段数据中第一个数据与所述目标位置的数据之间的连线得到第一条线段，以所述目标位置的数据与当前初始分段数据中最后一个数据之间的连线得到第二条线段；计算第一条线段对应数据到第一条线段的垂直距离的最大值，判断最大值是否大于所述阈值，若是，则对第一条线段继续分割；计算第二条线段对应数据到第二条线段的垂直距离的最大值，判断最大值是否大于所述阈值，若是，则对第二条线段继续分割；以此类推，直至所有线段对应数据到线段的垂直距离的最大值不大于所述阈值时，得到当前初始分段数据的至少一个线段；每条线段上的所有数据构成所述近似数据。9.根据权利要求8所述的一种用于城市噪声污染的噪声在线监测系统，其特征在于，所述数据分类模块中根据所述斜率将每个线段对应的初始分段数据中的数据划分为近似相等数据和趋势变化数据的方法，包括：获取当前线段对应的初始分段数据中所有数据的权重的均值，计算所述均值与稳定常数的求和结果作为分母，以设定常数和所述分母的比值作为区分阈值；当前线段的斜率小于所述区分阈值时，当前线段对应的初始分段数据中的数据为近似相等数据；当前线段的斜率不小于所述区分阈值时，当前线段对应的初始分段数据中的数据为趋势变化数据。

技术总结

本发明涉及数据识别处理技术领域，具体涉及一种用于城市噪声污染的噪声在线监测系统；该系统包括数据采集及分段模块、数据分类模块、数据压缩模块和噪声监测模块；数据采集及分段模块用于将音频的原始数据划分为至少一个初始分段数据，数据分类模块用于计算每个数据的重要度并根据数据的重要度将每个初始分段数据划分为至少一个线段，利用每个线段的斜率将线段对应的原始数据划分为近似相等数据和趋势变化数据，数据压缩模块用于对近似相等数据和趋势变化数据分别压缩处理得到压缩数据，通过噪声监测模块对压缩数据传输分析，确定噪声污染程度；在保留了数据信息的完整性的同时提高了数据压缩的效率。同时提高了数据压缩的效率。同时提高了数据压缩的效率。