破损玻璃检测器 (GBD)的系统设计

　　图 6：信号分析 1 的软件流程传送进来的信号样本 p(n) 在首先通过简单的移动平均滤波器降低噪声后得到 s(n)。p(n) 的信号整合只使用正样本进行，以便计算出 SA2 阶段将使用的信号能量 integ_total。s(n) 包括峰值和跨零数量。可以使用剪切频率为 的高通滤波器 (HPF) 提取传送进来的信号的高频分量，每个 p(n) 样本都要经过此类过滤。同时，只有过滤输出的正样本才能累加到结果 integ_HPF_total 中，该结果将用于 SA2 阶段。每个样本都要经过完整的 SA1 阶段，而且为了确保实时运行，必须在下一个样本 p(n+1) 到达前完成，即全部可用的 CPU 周期数仅为 CPU 频率/40 kHz。过滤通常是一个耗时的过程。为提高效率，我们在撞击检测中使用的 LPF 以及 SA1 阶段使用的 HPF 中均要采用点阵波数字滤波器 (LWDF) [1] ，并使用霍纳 (Horner) 算法 [2]。待 SA1 阶段的数据处理完(耗时 60 毫秒)后，算法即进入处理的第二个阶段 SA2。SA2 无需实时运行，图 7 给出了该阶段的运行流程。此外，SA2 完成时将确定是否真的发生了玻璃破碎事件。

　　图 7：信号分析 2 的软件流程计算总信号能量与高通过滤信号能量之比，并将其与阈值加以比较。结果显示众多玻璃破损声音的比值都介于 1.75 ~ 14 之间。同样，还要检查峰值数量是否介于 160 ~ 320 之间，跨零数量是否介于 95 ~ 300 之间。只有满足以上三个条件，才能确定发生了玻璃破损事件。上述三个条件中只要有一项不符合要求，玻璃破损检测器就会重启并返回活动检测状态。这些阈值与范围将需要根据房间声音质量、GBD 位置以及环境噪声等加以微调。