МОДЕЛИРОВАНИЕ И ОБРАБОТКА ДАННЫХ МОНИТОРИНГА ПЧЁЛ ПО ИХ АКУСТИЧЕСКОМУ ШУМУ

АННОТАЦИЯ

В прошлой работе [1] рассматривался метод контроля роения пчел, рассматривалась необходимость мониторинга состояния пчелиных семей по их акустическому шуму, которая позволяет производить акустическое наблюдение поведение матки при помощи микрофона и помогает спрогнозировать начало роения. Данный прибор требовал доработки и тщательного исследования. В данной работе рассматривается один из способов обработки аудиосигнала. На данном этапе проведен эксперимент, измеряются частоты звука пения матки на этапе роения, основная задача максимально избавиться от помех и шумов.

1. Математическое моделирование

1.1 Алгоритм обработки данных с датчика звука

При работе с акустическими данными основной задачей является нахождение наиболее информативного частотного диапазона, по которому определяется состояние пчелосемьи. Полный частотный диапазон акустического шума пчелосемей составляет от 60 Гц до 15 кГц [2, c. 209]. Е.К. Еськовым было определено, что наиболее информативный частотный диапазон акустических шумов пчелиных семей является от 60 до 600 Гц.

Для анализа звукового спектра использовано быстрое преобразование Фурье, которое позволяет очень просто разложить звуковой сигнал в спектр и на основе полученных результатов сделать вывод об активности пчел исходя из показателей в диапазоне 60-600 Гц.

Во время состояния роения, в момент, когда в семьях имеются маточники с матками на выходе, матка, находящаяся на соте, издает характерные «тютюкающие» звуки, а те, что находятся в маточнике, издают характерное «кваканье». «Пение» маток слышно из закрытого улья на расстоянии 5-6 м от улья. Слышимый изнутри улья звук матка издает на частоте 1500 Гц. Однако если поместить микрофон непосредственно рядом с маткой, то можно выделить основной тон производимых ею звуков с частотой 350 Гц. Частота звуков, воспроизводимых маткой в маточнике, составляет 180 Гц. Матка, которая только что вышла из маточника, издает звуки с частотой 300-380 Гц, а плодная матка – 350 Гц [3,  . 11].

1.1 Разработка модели исследуемого процесса на базе компьютерных пакетов моделирования

Обработка акустических данных проведена в пакете моделирования в matlab. Чтобы получить качественный звук сигнала пения матки необходимо аудиосигнал пропустить через цифровой  фильтр. Матка поет в диапазоне 350-1500 Гц, основной тон производимой ею звука составляет 350 Гц с громкостью 108-120 дБ.

При записи пении матки на микрофон, обычно присутствует шум на всех диапазонах частот. Таким образом, мы можем применить фильтр bandpass в пакете matlab, чтобы избавиться от низкого уровня шума, захватить большую часть пения матки, и любые шумные частоты на верхней стороне также будут удалены.

Исследование звука выполнен по следующему алгоритму:

1. Считываем в звуковой файл, используя audioread.

2. Воспроизводим оригинальный звук, чтобы можно было слышать, как он звучит, создав объект audioplayer.

3. Выводим графики левого и правого каналы, чтобы посмотреть звуковой сигнал во временной области. Глядя на каналы, оба будут одинаковыми.

4. Используем быстрое преобразование Фурье, чтобы увидеть распределение частоты.

5. Используя пункт (4) нужно выяснить приблизительно, где необходимо отрезать частоты.

6. Создаем полосовой фильтр, который отсекает эти частоты.

7. Отфильтрованный сигнал затем воспроизводим его, построив еще один объект используя команду audioplayer.

Программа

%% Read in the file

clearvars;

close all;

[f,fs] = audioread('Hold.wav');

«audioread» прочтет аудиофайл указав пределы. Переменная «f» является сигналом, считывается в MATLAB, тогда как «fs» является частотой дискретизации данного сигнала.

%% Play original file

pOrig = audioplayer(f,fs);

pOrig.play;

Данная команда позволяет создать объект «audioplayer» , который принимает сигнал, затем считывает с (f), с частотой дискретизации «fs» и сохраняет в «pOrig».

Затем используется «pOrig.play», чтобы воспроизвести файл в MATLAB, чтобы можно было его услышать.

%% Plot both audio channels

N = size(f,1); % Determine total number of samples in audio file

figure;

subplot(2,1,1);

stem(1:N, f(:,1));

title('Left Channel');

subplot(2,1,2);

stem(1:N, f(:,2));

title('Right Channel');

Команда «stem» это способ построения дискретных точек в MATLAB. Каждый момент времени имеет круг, нарисованный в точке с вертикальной линией, оттянутой от горизонтальной оси до этого момента времени. Переменная «subplot» - это способ разместить несколько графиков в одном окне (Рисунок 1).

Рисунок 1. График необработанного сигнала

На графике рисунка 1 видно, что в сигнале присутствует большие помехи в виде шума.

%% Plot the spectrum

df = fs/N;

w = (-(N/2):(N/2)-1)*df;

y = fft(f(:,1), N)/N; % For normalizing, but not needed for our analysis

y2 = fftshift(y);

figure;

plot(w,abs(y2));

Максимальная частота, представленная в сигнале - это частота дискретизации, деленная на 2. Это называется частота Найквиста. Частота дискретизации аудиофайла составляет 48000 Гц, это означает, что максимальная частота, представленная аудиофайле, составляет 24000 Гц. Команда «fft» означает быстрое преобразование Фурье (БПФ). Традиционная формула требует, чтобы выполнялись суммирования для каждого элемента вывода. БПФ вычисляет это эффективно, требуя гораздо меньших операций для получения результата.

Используем «fft», чтобы посмотреть на сигнал в частотной области. Вызывая «fft», указав требуемый входной сигнал в качестве первого параметра, а затем количество точек, которые необходимо оценить, со вторым параметром. Обычно указывается количество точек в FFT как длину сигнала. Первый канал служит первым входом в «fft». использовано «fftshift» так, чтобы центр отображался на 0 Гц, а левое - от 0 до -24000 Гц, а правое - от 0 до 24000 Гц. Это удобно просматривать спектр частот. В идеальном случае распределение частоты для отрицательной частоты должно быть равно положительной частоте. Частотный спектр, сообщает, сколько мощности этой частоты приходится на выход. Это определяется величиной сигнала. Результат, показан ниже.

Рисунок 1.1. График спектра частот

На рисунке видно, что наибольшая мощность звука находится в диапазоне частот 400-600 Гц. Используем полосовой фильтр с диапазоном частот 400-600 Гц.

2. Расчет цифровых фильтров с помощью пакета sptool

1. С помощью микрофонной гарнитуры введем в компьютер аудио сигнал с параметрами: частота дискретизации – 44100 Гц. Для ввода сигнала в компьютер удобно использовать программу «Звукозапись» из раздела «Стандартные – Развлечения».

2. С помощью команды y = wavread('filename') импортируем аудио сигнал в среду MATLAB, построим график сигнала с помощью команды plot.

3. Запустим программу sptool и импортируем сигнал y в еѐ среду.

4. Визуализируем и прослушаем введенный сигнал с помощью инструментария программы sptool.

5. Синтезируем полосовой фильтр с окном Кайзера минимального порядка; граничная частота полосы пропускания 430 и 610 Гц; неравномерность в полосе пропускания 1 дБ; граничная частота полосы задержания 410 и 630 Гц; минимальное затухание в полосе задержания 40 дБ.

6. Применим синтезированный полосовой фильтр к аудиосигналу.

7. Прослушаем сигнал, полученный в результате полосовой фильтрации, построим его график.

Рисунок 1.2. Настройки полосового фильтра в пакете matlab

Рисунок 1.3. Значение коэффициентов фильтра

Рисунок 1.4. Верхним графиком является аудиосигнал, нижним графиком является графиком аудиосигнала после применения синтезированного полосового фильтра

На рисунке 1.4 видно после обработки сигнала значительно уменьшился шум.

Заключение

Была построена модель в пакете matlab, так как этот пакет дает такие преимущества как построение нейронный сети, что является необходимым в дальнейшем для разработки акустического прибора с целью автоматического определения роения пчелосемьи, а также о его уведомлении. Так же matlab можно использовать в IoT (интернет вещей), осуществляя сбор данных с акустических датчиков и сохраняя эти данные в облаке. Это позволяет анализировать и визуализировать данные с помощью MATLAB в облаке. Одним из открытых платформ является Тhingspeak

Проведено исследование звуковых сигналов в пакете matlab. В качество звукового сигнала является звуковой сигнал, которой издавала матка в роевом состоянии, сигнал был записан с обычного микрофона, в формате wav. Запись производилась на смартфоне. Диктофон ложился на холстик и включался на запись. Далее звуковой сигнал был обработан в пакете matlab.

В этом пакете были получены спектры сигналов, исходя, из этих спектров был рассчитан цифровой полосовой фильтр Чебышева минимального порядка, получены коэффициенты фильтра. Получив качественный и обработанный сигнал, в пакете matlab, разрабатывается нейронная сеть, чтобы нейронная сеть могла автоматически распознавать состояния пчелосемьи по их акустическому шуму и мгновенно отправлять выдавать сообщение о начале роения.

Используя коэффициенты фильтра, полученные в пакете matlab, был собран полосовой фильтр Чебышева в пакете microcap. Исследование показало, что данный фильтр экономически не целесообразен и трудоемок.

Список литературы:

1. Гаитов Р.З. МЕТОД МОНИТОРИНГА ПЧЁЛ ПО ИХ АКУСТИЧЕСКОМУ ШУМУ // Научное сообщество студентов XXI столетия. ТЕХНИЧЕСКИЕ НАУКИ: сб. ст. по мат. LXXI междунар. студ. науч.-практ. конф. № 11(70). URL: https://sibac.info/archive/technic/11(70).pdf (дата обращения: 02.05.2019)
2. Еськов Е.К. Акустическая сигнализация общественных насекомых. – М.: Наука, 1979. – 209 с.
3. Еськов Е.К. Экология медоносной пчелы. Рязань: Русское слово, 1995. С.