基于非接触式音频检测的冲击式人工地震源与地震仪的同步触发方法 王伟、 杨玉晨、 王世和、 王梓卓、 胡军、 史永恒、 傅志红

《Sensors》:A Synchronous Triggering Method for Impact Artificial Seismic Source and Seismographs Based on Non-Contact Audio Detection Wei Wang, Yukaichen Yang, Shihe Wang, Zizhuo Wang, Jun Hu, Yongheng Shi and Zhihong Fu

【字体: 大 中 小 】 时间:2026年04月16日 来源:Sensors 3.5

编辑推荐:

  摘要 冲击式人工地震源在反射地震勘探中越来越受欢迎。然而,由于锤子的加速度与其对界面的冲击之间的时间延迟不确定,以及加速过程中产生的强烈振动或脉冲磁场,带来了诸多挑战。这些因素使得传统爆炸性和大锤式人工地震源通常使用的同步触发方法变得复杂,常常导致采集数据的时间不对齐。为了解决这

  摘要
冲击式人工地震源在反射地震勘探中越来越受欢迎。然而,由于锤子的加速度与其对界面的冲击之间的时间延迟不确定,以及加速过程中产生的强烈振动或脉冲磁场,带来了诸多挑战。这些因素使得传统爆炸性和大锤式人工地震源通常使用的同步触发方法变得复杂,常常导致采集数据的时间不对齐。为了解决这个问题,本研究介绍了一种基于非接触式音频检测的高精度同步触发方法。该系统以STM32F4微控制器为核心硬件,收集环境音频并通过梅尔频率倒谱系数(MFCC)提取39维声学特征。采用轻量级卷积神经网络(CNN)模型准确识别锤子撞击事件,并实施同步时间补偿机制以解决系统处理延迟问题。在三种环境(开阔地面、建筑工地和矿井隧道)进行的300次现场测试表明,该系统的触发精度高达94.6%,补偿后的触发时间误差控制在±125 μs范围内,满足了最低的同步触发误差要求。这项研究显著提高了冲击式人工地震源勘探数据的可靠性,并为工程测量及相关领域中的声音识别应用提供了借鉴。

1. 引言
反射地震勘探是一种广泛使用的地质勘探技术,它利用人工产生的地震波来捕获来自地下材料的反射和折射信号,从而研究地下地质结构[1]。在仪器方面,使用高性能的人工地震源和地震采集工具至关重要[2]。此外,人工地震源必须向地震采集仪器提供与生成的地震波时间完全同步的触发信号。这种同步对于保持地震波数据的时间一致性至关重要,并显著影响勘探的整体结果[3,4]。
传统上,依赖爆炸式地震源来生成这些地震波。然而,由于安全、环境保护和可用性方面的考虑,大锤式人工地震源的使用正在减少,主要是因为其能量效率低且性能不稳定。近年来,冲击式人工地震源(如电磁驱动或高压气体驱动的人工地震源)的研究和应用受到了广泛关注[5,6]。然而,在实际应用中,人工地震源面临一个重大挑战:锤子加速开始到释放冲击能量之间存在可变持续时间的加速阶段。如图1所示,电磁驱动冲击式地震源的工作原理表明,虽然锤子的启动加速时间是已知的,但其加速度持续时间仍不确定。这种不确定性使得仅凭启动加速时间无法准确计算实际的冲击时间[7]。使用锤子的加速开始信号作为触发时间可能会引入较大的时间偏差,通常超过150 μs的最小可容忍同步触发误差,导致丢失3到4个样本。这种地震记录时间上的不对齐会显著降低数据质量和解释效果。因此,研究专门为人工地震源设计的高精度同步触发方法对于提高勘探数据的可靠性和有效性至关重要。

在人工地震源与地震采集仪器之间的同步触发技术领域,许多学者对爆炸式地震源进行了全面研究。例如,文恒聪设计了一种利用振动电路的触发系统,用于通道波地震勘探,取代了传统的脉冲触发机制[8]。徐敬茂提出了一种创新方法,使用绕在起爆器上的下降沿内部触发电路,有效解决了外部触发和上升沿触发相关的限制[9]。此外,李文强开发了一种系统,利用爆炸产生的高温熔化搪瓷导线的绝缘层,生成下降沿触发信号,以满足爆炸实验中多个设备的同步要求[10]。然而,由于人工地震源没有起爆器结构且不会产生爆炸化学反应,上述方法无法直接应用。因此,迫切需要开发一种针对这种特定类型地震源的专用同步触发方案。

在之前的研究中,团队系统地研究了各种同步触发方案。爆炸源中使用的传统断线触发方法显示出不足的可靠性,主要是由于锤子撞击表面的缓冲特性和锤子本体的导电性能[11]。由于大多数撞击界面介质都表现出缓冲特性,这种断线短路触发容易发生显著延迟或完全无法触发。此外,压电振动传感器由于强烈的机械振动干扰而难以可靠运行[12]。非接触式解决方案(如光电开关)受到振动源本身产生的强磁干扰以及安装条件限制的挑战[13]。总体而言,这些方案由于撞击介质的不可预测性和同步触发设备对干扰的敏感性而未能取得理想效果。

近年来,声音识别技术作为一种有前景的非接触式事件检测解决方案出现[14,15],梅尔频率倒谱系数(MFCC)是最成熟的声学特征提取方法之一,用于捕获瞬态声音事件的特征信息[16,17,18,19]。与此同时,深度学习,特别是轻量级卷积神经网络(CNN),实现了低计算开销下的高精度声学特征分类[20,21,22],为现场识别冲击事件奠定了基础[23,24,25,26]。关于嵌入式智能算法的移植[27],现有研究通过轻量级网络架构设计和硬件平台适应成功将神经网络移植到嵌入式平台[28,29,30,31,32]。

为了解决上述问题,本研究提出了一种利用非接触式音频检测的冲击源和地震仪器的同步触发方法。该硬件系统以STM32F4微控制器为核心构建。在软件方面,使用MFCC算法提取39维声学特征[33]。此外,开发了一种轻量级CNN模型来准确识别锤子撞击事件。此外,我们还实现了同步时间补偿机制,以解决设备处理延迟导致的时间差异。

本文的后续结构如下,系统地阐述所提出的同步触发方法。第2节重点介绍了人工地震源撞击时刻的声音信号特征提取过程,详细说明了MFCC算法提取39维声学特征的原理和具体实现步骤。第3节介绍了用于音频分类的轻量级CNN模型的构建,包括网络结构设计、数据集构建过程以及训练和性能测试结果。第4节描述了基于STM32F4微控制器的嵌入式系统的整体构建,以及在三种不同环境下的现场实验测试,并分析了同步时间补偿机制的误差补偿效果。最后,第5节总结了整个研究工作,讨论了现有局限性,并提出了未来的优化方向。

2. 基于MFCC的人工地震源撞击时刻的声音信号特征提取
本研究的重点是在复杂噪声环境中,当人工地震源与界面相互作用时产生的声音信号。这种嘈杂的环境通常包括有活跃机械设备的建筑工地和正在开发的隧道部分。在这种环境下使用特征提取算法从原始数据中有效提取隐藏信息对于分类算法的成功至关重要。鉴于撞击时刻产生的声音与其他环境噪声在人类感知上有显著差异,且信号特征主要集中在中低频范围内,本研究采用梅尔频率倒谱系数(MFCC)作为特征提取方法。MFCC通过梅尔滤波器组处理声音信号,模拟人耳对不同频率声音波的敏感性。该过程包括几个步骤,包括预处理、快速傅里叶变换(FFT)、梅尔滤波器组的应用、对数压缩和离散余弦变换(DCT),最终得到一个39维的音频特征向量[34]。如图2所示,特征提取过程包括预处理、框架化和窗口化等步骤。

图2. MFCC特征提取流程图。预处理涉及多个步骤,包括预加重、帧化和窗口化等。这一阶段通过预加重解决了高频衰减问题,有助于平衡高低频谱,从而防止后续快速傅里叶变换操作中可能出现的数值问题。之后,对信号进行帧化和窗口化,创建平滑的短时帧信号,使用汉明窗口来减少频谱泄漏[35]。预加重的公式为:
$$y_n = x_n - \alpha x_{n-1}$$
其中 $y_n$ 表示预加重后的音频数据,$x_n$ 表示原始音频数据。$\alpha$ 表示预加重系数,通常范围为0.95到1[36,37]。在本研究中,取值为0.97。汉明窗口函数的公式为:
$$\omega_n = \beta(1 - \beta^n) c \sin(2\pi n N - 1)$$
其中 $\omega_n$ 表示加权窗口函数;$\beta$ 表示窗口函数系数,取值为$\beta = 2^5$;$n$ 表示窗口函数的采样点索引,$0 \leq n < N$;$N$ 表示窗口长度。

撞击时刻的特征提取应模仿人耳的结构以有效捕捉声音信号。人耳对不同频率的敏感性不同。为了更接近这种听觉机制,需要重新定义梅尔频率的范围。梅尔频率与频率之间的关系是对数的,这更好地近似了人耳对低频声音信号的敏感性和对高频声音信号的不敏感性。定义梅尔频率与频率对应关系的公式为:
$$m_e l_f(n) = \frac{1125}{n(1 + f_700)}$$
为了更精确地模拟人耳对声音的非线性感知并增强其区分撞击时刻的能力,使用梅尔滤波器在梅尔频率下处理频谱。这种方法将声音信号分成非线性块,从而更精细地提取信息[38]。 speech识别领域的相关研究发现,特定数量的滤波器对特征提取和识别精度没有显著影响[39]。为了在计算效率和特征提取精度之间取得平衡,本研究采用26作为标准数量。梅尔滤波器的计算公式如下:
$$H_m(k) = \left\{
\begin{array}{ll}
0, & \text{如果 } k = f_m(m-1) f_m(m-1) f_m(m) - f_m(m-1) < k < f_m(m) \\
1, & \text{如果 } k = f_m(m) f_m(m+1) - f_m(m+1) - f_m(m) - f_m(m) < k < f_m(m+1) \\
0, & \text{如果 } k = f_m(m+1)
\end{array}
\right.$$这个顺序的常用范围是13到42 [41]。在语音识别研究领域,13被认为是一个最佳数字 [42]。此外,根据DCT的特性,前13个系数保留了信号的大部分能量。因此,在这项研究中,??被设置为13。声音信号的能量在撞击时刻发生了显著变化。因此,除了信号传递的静态信息外,特征提取还必须通过一阶和二阶差分运算来捕获动态信息。这些元素与静态信息一起构成了一个全面的39维特征向量。一阶和二阶差分运算的公式如下:
?????????(??,??) = 2??????(??+2,??) + ???????(??+1,??) - ???????(???1,??) - 2??????(???2,??) (6)
?????????(??,??) = 2???????(??+2,??) + ???????(??+1,??) - ???????(???1,??) - 2???????(???2,??) (7)

3. 基于神经网络的音频分类
3.1. 构建神经网络
在生成了声音信号的特征后,需要一个分类算法来对这些具有不同特征的特征进行分类。鉴于声音信号特征数据的庞大体积,本研究提出了一个紧凑的神经网络来对这些特征进行分类,有效地从麦克风输入流中过滤出撞击时刻。卷积神经网络(CNN)是一种受生物视觉过程启发的深度学习架构,它通过多层卷积操作实现数据特征的自主学习。由于同步触发设备要求高速识别撞击时刻,因此在本研究中开发的CNN模型经过了优化,以确保高分类准确性,同时保持简单性以提高计算效率,为将来嵌入系统铺平了道路。因此,采用了针对序列模型优化的一维卷积神经网络(1D CNN),而不是通常用于图像处理的二维CNN。输入数据最初的结构为(33, 39),在输入CNN之前被扁平化为(1, 1287)的一维序列。关于卷积层设计,使用了一个6 × 1 × 12的核,步长为4。长度为6的感受野,结合这个步长,旨在精确提取锤击的短期瞬态能量脉冲,防止较大的核引入背景噪声,同时避免较小的核丢失波形信息。同时,12个输出通道在特征提取能力和计算复杂性降低之间达到了最佳平衡。对于全连接层,模型采用了只有五个神经元的设计,在网络末尾创建了一个信息瓶颈。这迫使模型在降维过程中过滤掉冗余信息,只保留对二元分类任务至关重要的核心特征 [43]。这种设计将可学习参数的总数严格限制在20.2 k以内。具体的网络结构如图3所示。
图3. 神经网络结构图

3.2. 神经网络训练和性能测试
3.2.1. 数据集构建
在本研究中,86.67%的训练数据来源于实验室,剩余的13.33%是通过混合原始录音合成的数据。研究重点收集与模拟建筑场地环境中的能量释放过程相关的音频数据,同时捕捉自然噪声和远处的建筑声音。共收集了1300个有效的音频片段,其中包括410个锤击片段和890个非锤击片段。所有样本都被统一截断或填充到512毫秒的长度。为了模拟实际工程项目中常见的强烈噪声干扰情况,从原始数据集中随机选择了8个锤击音频片段和12个非锤击片段。这些片段与建筑环境中的典型杂音(如建筑电梯和机械的声音)以4:1的音量比例混合,从而得到了200组处理后的音频文件(80个锤击片段和120个非锤击片段)。然后从这个数据集中按照7:3的比例创建了训练集和测试集,完成了神经网络训练和测试集的准备工作。在数据特征提取阶段,所有音频样本在使用最小-最大方法之前都被统一归一化。提取的特征随后被重新格式化为(33, 39)的形状,特征提取数据被调整大小为(1, 1287),以符合神经网络的输入要求。关于神经网络的训练速度,由于本研究中使用的训练数据集较小且网络结构相对简单,我们不会过分强调网络的收敛速度和训练时间。因此,训练过程中的超参数设置如表1所示:
表1. 神经网络训练参数。本研究中的所有实验都是在MATLAB R2020a平台上使用神经网络工具箱进行构建、训练和验证的。

3.2.2. 神经网络训练结果分析
网络在训练期间的均方根误差(RMSE)为0.15635,平均绝对误差(MAE)为0.0244,表明训练性能优异。在测试集上,网络在分类锤击声音方面的准确率为97.56%,精确率为93.96%,误分类率为2.44%,F1分数为96.22%。混淆矩阵和ROC曲线以及AUC为0.988分别显示在图4和图5中。值得注意的是,由于F1分数和ROC曲线是对类别分布不敏感的稳健评估指标,这些高分强烈证实了模型的性能没有受到轻微不平衡数据集的严重影响。这证明了网络确实捕捉到了锤击的核心瞬态特征,而不仅仅是偏向于大多数背景噪声类别。
图4. 神经网络混淆矩阵
图5. 神经网络ROC曲线

鉴于其轻量级设计,本研究使用X-CUBE-AI扩展包将神经网络部署在STM32F407微控制器上。优化后的内存占用参数如表2所示。这些结果表明,网络在准确分类锤击声音方面表现出色,同时保持了精简的结构。
表2. 优化后的神经网络内存占用参数

4. 嵌入式系统构建和实验测试
4.1. 嵌入式系统构建
为了满足本研究探索的嵌入式系统在微型化、高计算能力和多功能性方面的要求,本节概述了核心硬件和电路设计的选择。选择了STM32F407ZGT6(STMicroelectronics,瑞士日内瓦)模块作为微控制器单元(MCU),并使用了STM32Cube(版本:6.14.1)中的X-CUBE-AI AI扩展包来集成神经网络。除了主控制单元外,还选择了TF卡模块、外部SRAM、LCD以及各种外设(包括LED、蜂鸣器和按钮)等组件,以增强触发硬件的存储和交互功能。此外,选择了VS1053b音频解码模块进行音频采集,该模块不仅支持WAV存储,还满足了嵌入式系统的微型化要求。该模块还可以进一步扩展为音频解码器,用作采样采集工具。同步触发器的硬件如图6所示。
图6. 同步触发器的硬件

本研究最终使用STM32F407作为核心,连接VS1053b、TF卡、TFT LCD和其他模块,构建了一个完整的同步触发硬件系统。一旦系统检测到撞击时刻,它就会通过航空连接器立即输出一个上升沿信号和一个下降沿信号,以与地震仪同步。信号参数如表3所示。系统的整体工作流程如图7所示。
表3. 输出触发信号的电气参数
图7. 嵌入式同步触发程序的工作流程

为了进一步减少MCU性能对撞击时刻检测的影响,本研究引入了一种同步时间补偿方案来减少检测误差。当检测到锤击时刻时,会出现两个会严重干扰同步信号实时性能的时间间隔。第一个间隔涉及嵌入式系统移植算法的计算和确定时间,可以通过控制定时器的激活和释放来准确测量,从而实现精确补偿。第二个间隔是样本采集时间与锤击能量释放具体时刻之间的不确定性时间。为了补偿这个间隔,本研究最初将这个间隔的中点指定为参考时间。

4.2. 同步触发器的实验测试
为了在不同环境中复制工作条件,本研究在三种不同的设置下进行了现场测试:开放空间、建筑工地和矿井隧道。每种环境都进行了100次测试,总共进行了300次实验。评估的关键指标是同步触发系统的准确性和输出同步触发信号的误差范围。实验过程包括两个主要部分:数据采集和手动比较。最初,使用冲击源模拟了一次人工地震。在检测到撞击事件时,同步触发系统会自动保存并标记相应的音频文件,并记录从开始输出同步信号声音以来的具体时间。数据采集后,可以现场判断同步触发系统是否发生了误触发或根本没有触发。如果同步触发系统在正确的时间范围内输出了触发信号,自动化程序会分析相应音频文件的时域能量分布,并提取最高能量值作为实际撞击时刻的标志。实际撞击时刻与同步触发信号输出时间之间的差异代表了误差。由于人工地震期间冲击源产生的声音能量极高,其他声音在同一短时间内表现出相同高能量的可能性极小。因此,通过这种方法确定的实际撞击时刻被认为是可靠的。

不同环境中同步触发系统测试结果的混淆矩阵显示在图8中。
图8. 不同环境中同步触发系统测试结果的混淆矩阵

不同环境中同步触发系统的精确率和召回率显示在图9中。
图9. 不同环境中同步触发系统的精确率和召回率

对于产生正确判断的245组数据,使用实验设计部分中概述的方法计算了具体的误差值。此外,还分别在无时间补偿、第一次时间补偿后和第二次时间补偿后确定了误差分布,如图10所示。每个数据集的平均值、中位数和标准差显示在表4中。
图10. 多次补偿后的误差分布比较

根据实验数据,去除初始时间周期(即微控制器程序的执行时间)后,时间误差减少到了未补偿数据的48.74%。进一步分析显示,在第一次补偿后减去第二个补偿周期后,时间误差减少到了未补偿数据的5.7%。这表明所实施的补偿策略显著提高了系统准确性。鉴于记录期间撞击事件产生的概率相对均匀,误差倾向于在特定时间范围内均匀分布。因此,在实验中为第二阶段补偿应用固定时间250毫秒并不能有效减少补偿后的标准误差。如果将用来检测最高能量时刻的代码集成到微控制器中,程序可以直接识别相应音频的峰值能量,并使用该时刻进行最终补偿。通过根据采样频率计算从这个点到音频结束的时间,并将其加到算法的运行时间上,我们可以确定最终的同步补偿时间。最终补偿公式如下:
???? = ???1??????? + ????? ????, 0≤??≤???1符号?? ?1表示采样点的总数,????表示采样频率,????指的是同步补偿时间,而??????????代表算法计算时间。改进的同步时间补偿及其相关系统时序图如图11所示。改进同步补偿中的时间误差范围仅由音频样本的采样间隔所造成的间隙周期决定。这种方法显著降低了误差的标准差和平均值。同步补偿后,剩余的时间误差完全归因于8000 Hz的采样频率。由于初始的最高能量点可能出现在两个采样点之间,因此同步补偿算法只能在±125 μs的采样间隔内定位真实的冲击时刻。因此,锤子冲击时刻的绝对时间误差严格控制在[-125 μs, 125 μs]的范围内。这种精度水平成功满足了同步触发器的设计要求。图11. 改进的同步时间补偿和系统时序示意图。

5. 结论

为了解决锤子加速度时间不确定性导致的冲击源与地震仪之间的同步误差问题,本研究探索了一种非接触式同步触发技术。所开发的系统使用了MFCC技术从512毫秒的音频中提取39维特征。设计了一个轻量级的卷积神经网络,以在分类准确性和嵌入式计算能力要求之间取得平衡,并使用与冲击实验相关的人工收集的音频数据进行训练。在测试集上,该系统的分类准确率为97.56%,精确度为93.96%,误判率为2.44%。此外,引入了一种动态时间补偿方案来减轻复合误差对准确性的影响。该系统在三种环境中进行了300次现场测试:开阔地面、建筑工地和采矿隧道,准确率分别为94.6%、90.9%和88.5%。通过实施动态时间补偿,同步误差从594.25毫秒降低到了33.66毫秒。此外,基于最高音频能量点的进一步改进使得绝对时间误差能够控制在[-125 μs, 125 μs]的范围内,从而满足了同步触发器的设计要求,并成功实现了非接触式同步触发系统的构建。它可以作为人工地震源的辅助设备。由于其非接触式设计,该系统能够抵抗冲击源产生的强烈电磁脉冲和机械振动干扰。与压电振动传感器或光电开关相比,它具有更长的使用寿命和更好的系统稳定性。该系统特别适用于爆炸禁令实施的城市地区或施工噪音较大的受限隧道环境中的工程项目。

本研究提出了三个潜在的优化领域:
(a) 训练数据集中的场景覆盖不足:当前的数据集缺乏对复杂环境中隧道噪声的全面收集和整合,导致数据集规模有限。这一限制严重影响了模型在真实隧道场景中的性能。
(b) 极端类别不平衡的处理:尽管本研究使用的自然数据比例并未严重影响模型的性能,但现实世界中的极端噪声环境可能会呈现更严重的不平衡比例。未来的工作将探索类别平衡策略,如类别加权或焦点损失机制,以进一步提高模型在严重不平衡条件下的鲁棒性。
(c) 音频采集硬件的性能不足:麦克风的信噪比和频率响应不适合锤子冲击信号的低频特性。此外,最大声压级不足以有效捕捉瞬间强烈的声音信号,导致弱信号被掩盖、强信号被剪切和失真的问题。
(d) 嵌入式平台的性能瓶颈:现有嵌入式平台的限制限制了系统处理效率和模型复杂度的提升。选择性能更高的微处理器单元(MPU)可以显著提高同步触发器的性能。

这项研究为人工地震源的实际应用提供了技术支持,旨在减少对爆炸源的依赖,同时强调安全性和环境保护。未来的工作可以进一步优化模型对极端噪声的鲁棒性,以适应更复杂的勘测场景。此外,使用更强大的微控制器可以帮助减少程序执行时间,并减轻时间补偿的压力。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号