王　涛 冯　涛 钟晨玉

(北京工商大学材料与机械工程学院，北京　100048)



碰撞位姿对开心果碰撞声离散性的影响

王涛 冯涛 钟晨玉

(北京工商大学材料与机械工程学院，北京100048)

为了研究碰撞位姿对开心果碰撞声离散性的影响，在除碰撞位姿不作控制、其余条件均相同的情况下，分别对单个开闭口开心果进行100次重复碰撞试验，对两组碰撞声信号的频谱离散性和统计参数的离散性进行分析研究。频谱的离散性以样本信号频谱向量与其平均向量间的夹角均值和夹角变异系数作为度量；统计参数的离散性采用信号的能量、熵、过零率等参量，以其变异系数作为度量。试验结果显示：① 单颗开口开心果重复碰撞声信号的频谱向量与其平均向量间夹角均值为30.94°，夹角变异系数为16.56%；能量、熵、过零率参数的变异系数分别为38.33%，2.30%，20.00%，均值分别为11.20，4.39，63.43；② 单颗闭口开心果重复碰撞声信号的频谱向量与其平均向量间夹角均值为20.52°,夹角变异系数为25.11%；能量、熵、过零率参数的变异系数分别为18.36%，2.27%，13.08%，均值分别为6.08，4.28，62.94。结果表明：① 不作控制的碰撞位姿对单颗开闭口开心果重复碰撞产生的声信号均有影响，会发生离散；② 在由碰撞位姿导致的碰撞声的离散程度上，开口离散程度比闭口的高；③ 除碰撞位姿不作控制、其余试验条件均相同的情况下，虽然单颗开闭口开心果碰撞声的频谱和统计参数都会发生离散，但各参数均在其均值附近有限的范围内变动，所以，通过提取均值差异大且变异系数小的特征参数可以实现开口果和闭口果的有效分类。

开心果；碰撞声；离散性；变异系数；分类

基于碰撞声的分类检测技术已成功应用于开心果、榛子等农产品的品级检测中[1-2]。国外，Pearson[3]根据开心果碰撞声的时域信号特点，提取其幅值特征，实现了开心果的分拣；Cetin等[4]使用主成分分析法对开心果进行了分拣；Omid等[5]提取频域特征使用PCA和多层前馈神经网络对开心果分类器进行了研究；Mahmoud Omid[6]使用J48决策树进行了开心果分类专家系统研究；Onaran等[7]基于碰撞声对榛子的饱满与空壳状态进行了分类；Khalifa等[8-9]结合使用主成分分析和模糊推理系统对空壳核桃进行了智能分拣，提取声信号幅值、功率谱密度等特征值对两类核桃进行了分类识别研究。中国，杨红卫[10]使用自由落体冲击法进行了小麦品质的检测研究；杨丽等[11]使用小波包分析对小麦碰撞声进行了分析研究；张丽娜[12]使用HHT和BP神经网络对小麦进行了声特征提取和分类研究；臧富瑶等[13]提出系统综合衰减系数特征对开闭口开心果进行了分拣研究。在现有的这些研究中，研究者虽然都找到了具有一定分类效果的特征参数或分类决策方法，但是它们均默认各次样本试验具有重复性，同类样本的各次碰撞产生的声信号具有稳定性，然而却并未对该默认的前提进行严格的实验验证与分析。

仪器采集到的碰撞声，除环境干扰因素外，主要是由坚果物性参数、碰撞高度和碰撞块材质等碰撞条件决定；在碰撞条件相同的情况下，物性参数接近的坚果，其碰撞声具有相似性，这是碰撞声分拣的基础与前提。上述文献采集样本信号时，会保持碰撞高度、碰撞点位置等条件不变，但对坚果的碰撞位姿却未作专门控制，忽略了碰撞位姿对碰撞声的影响。由于坚果外形并非球形，果壳材料又都属各向异性的材料，坚果位姿的改变会使其撞击点发生改变，使其壳体呈现不同的振动状态，进而导致碰撞声信号之间的差异。本试验拟研究碰撞位姿对开心果碰撞声的影响，为碰撞声分拣装置的准确设计提供参考。

1　开心果碰撞声信号样本的获取

搭建如图1所示的试验台，录制单个开闭口开心果的碰撞声样本信号。采用B&K公司声信号测量设备，包括B&K 3560B前端数据采集器1台、B&K 4189传声器1个，数据传输网线1条、BNC连接线1条、声压校准器1个、装有B&K PULSE软件的笔记本电脑1台。

1. 计算机2. 采集前端3. 传声器4. 大理石地面5. 高度尺6. 开心果

图1开心果碰撞声采集系统

Figure 1Collect system of pistachio with impact sound

试验时，信号采样率设置为64 kHz，开心果下落高度为40 cm，传声器距离撞击点竖直高度为65 cm、水平距离为5 cm；开闭口开心果样本个数均为1个，保持下落高度和撞击点位置基本不变，对开心果的初始下落姿态不作要求，重复下落100次，采集其碰撞声信号。

使用端点检测算法[14-15]在试验录音文件中截取每次碰撞的声信号，将等长的碰撞声信号进行归一化处理，得到开闭口开心果碰撞声样本信号各100个。

2　样本信号处理及分析

2.1碰撞位姿对频谱的离散性影响分析

开闭口果重复碰撞产生的样本声信号的时域波形均不相同，由图2可知，闭口碰撞声信号的时域波形之间相同性和差异性并存。相同性体现在：开闭口信号时域幅值均在碰撞后迅速达到峰值，且该峰值附近波形明显相似。差异性体现在：闭口信号时域幅值在达到峰值后，幅值迅速衰减，信号尾部震荡小，而开口信号时域幅值到达峰值后衰减速度较慢，且信号尾部震荡较大。

将开闭口样本信号进行傅里叶变换，获得各样本信号的频谱。开闭口果样本的平均频谱见图3。由图3可知，开闭口果样本的平均频谱之间差异性和共性并存。相同性体现在：开闭口信号频谱在2.9 kHz左右都有一个尖峰，且主要能量在1 kHz以上频率上。差异性体现在：开闭口信号在不同频率上的能量分布不同，且开口能量超过0.02的频段达到13 kHz，闭口能量超过0.02的频段主要在8 kHz以下。

图2　开、闭口样本碰撞声信号的波形

图3　开、闭口样品的碰撞声频谱

同类信号的频谱离散性由各样本信号频谱向量与其平均向量之间的夹角大小θi定量表示，而夹角θ的变异系数Vθ，即夹角的标准差与夹角均值的比值，可以对频谱之间波动的幅度进行描述；各样本信号与均值信号频谱向量夹角θi的均值体现了信号总体一致性的强弱，即频谱的离散性大小。图4是开闭口样本的向量夹角θi变动情况。

图4　开、闭口样本信号与其均值向量的夹角

由图4可知，开、闭口样本信号的θi在10°～50°，说明总体上开、闭口样本信号频谱向量均在其平均频谱附近50°的范围内波动。

开闭口信号的θi平均值分别为30.94°，20.52°，Vθ值分别为16.56%，25.11%。开口信号的Vθ值为16.56%说明各样本信号与平均信号夹角在其夹角均值约1/5范围内变动；闭口信号的Vθ值为25.11%，说明各样本信号与平均信号夹角在其夹角均值约1/4范围内变动。开口信号θi的平均值等于30.94°，比闭口的均值20.52°大，说明开口信号的频域离散程度高于闭口。

2.2碰撞位姿对统计参数的离散性影响分析

应用能量、熵、过零率作为统计参数离散性分析的代表，开闭口果样本信号的各参数的标准差、均值和变异系数的统计结果见表1。

(1) 能量：表示信号的强度大小，其计算公式为：

(1)

式中：

x(m)——信号x的第m个数据；

N——信号的长度；

表1　开闭信号的统计参数

Energy——信号的能量。

(2) 熵：表示信号状态的量，其计算公式为：

(2)

式中：

p(k)——信号FFT变换后的第k个频率分量对应的概率密度；

N——计算FFT的长度；

Entropy——信号的熵。

(3) 过零率：表示信号正负幅值的变换次数，其计算公式为：

ZeroC=sum[x(1:end-1).*x(2:end)<0]，

(3)

式中

end——信号x最后的数据点；

ZeroC——信号的过零率。

由表1可知，各参数的变异系数均小于40%。在闭口信号的统计参数中，能量的变异系数为38.33%，在3个参数之间离散度最大；在开口信号的统计参数中，过零率变异系数为20.00%，离散度最大；熵的变异系数在开闭口信号之间均最小，且均小于2.5%。开闭口信号的能量参数分别为11.20和6.08，开口信号的能量比闭口信号的能量大约强1倍，因此能量参数可以作为区分开闭口信号的特征参数之一。由此得出：① 在碰撞位姿随机的情况下，开闭口开心果重复碰撞声的统计参数均会发生离散，开闭口信号之间，相同参数的离散程度不同；在同类(开口或闭口)信号之间，不同参数的离散程度也不同；② 闭口信号各参数的变异系数均小于开口信号，因此闭口果碰撞声信号的离散度小于开口果。

3　结论

① 随机的碰撞位姿对单颗开闭口开心果重复碰撞产生的声信号均有影响，会使其发生离散；② 开口开心果的离散程度比闭口的高；③ 在其余试验条件均相同的情况下，单颗开闭口开心果碰撞声的频谱和统计参数都会随坚果碰撞位姿的不同而发生离散，但各参数均在其均值附近有限的范围内变动，所以，通过提取均值差异大且变异系数小的特征参数可以实现开口果和闭口果的有效分类。

[1] 应义斌, 韩东海. 农产品无损检测技术[M]. 北京: 化学工业出版社, 2005: 164-174.

[2] 梅亚敏, 郭敏. 基于碰撞声信号的农产品品级检测技术综述[J]. 西北农林科技大学学报, 2013, 41(4): 213-219.

[3] PEARSON T C. Detection of pistachio nuts with closed shells using impact acoustics[J]. Applied Engineering in Agriculture, 2001, 17(2): 249-253.

[4] CETIN A E, PEARSON T C, TEWFIK A H. Classification of closed and open-shell pistachio nuts using voice-recognition technology[J]. Transaction of ASAE, 2004, 47(2): 659-664.

[5] MAHMOUD Omid, ASGHAR Mahmoudi, MOHAMMAD H Omid. An intelligent system for sorting pistachio nut varieties[J]. Expert Systems with Applications, 2009, 36: 11 528-11 535.[6] MAHMOUD Omid. Design of an expert system for sorting pistachio nuts through decision tree and fuzzy logic classifier[J]. Expert Systems with Applications, 2011, 38: 4 339-4 347.

[7] ONARAN I, PEARSON T C, YARDIMCI Y, et al. Detection of underdeveloped hazelnuts from fully developed nuts by impact acoustics [J]. Information & Electrical Technologies Division of ASABE, 2006, 49(6): 1 971-1 976.

[8] KHALIFA S, KOMARIZADEH M H, TOUSI B. An intelligent system for grading walnuts based on acoustic emission and neural [J]. Journal of Food Agriculture and Environment, 2011, 9(1): 132-135.[9] KHALESI S, MAHMOUDI A, HOSAINPOUR A, et al. Detection of walnut varieties using impact acoustics and artificial neural networks (ANNs) [J]. Modern Applied Science, 2012, 6(1): 43-49.

[10] 杨红卫. 小麦品质分析的信号处理方法研究[D]. 郑州: 解放军信息工程大学, 2005: 44-46.

[11] 杨丽. 基于信号处理的小麦品质声学检测方法研究[D]. 郑州: 河南工业大学, 2007: 21-27.

[12] 张丽娜. 基于BP神经网络的小麦碰撞声信号分类[J]. 电子设计工程, 2013, 21(7): 163-168.

[13] 臧富瑶, 冯涛, 王晶, 等. 基于撞击声的开心果分拣模型研究[J]. 食品与机械, 2015, 31(2): 157-160.

[14] 刘华平. 语音信号端点检测方法综述及展望[J]. 计算机应用研究, 2008, 25(8): 2 278-2 283.

[15] 宋知用. MATLAB在语音信号分析与合成中的应用[M]. 北京: 北京航空航天大学出版社, 2013: 117-122, 159.

Research on the influence of impact pose on the discreteness of pistachio’s impact sound

WANG TaoFENGTaoZHONGChen-yu

(SchoolofMaterialandMechanicalEngineering,BeijingTechnologyandBusinessUniversity,Beijing100048,China)

In order to know the influence of impacting pose on the sound discreteness of a single pistachio , the sounds of the closed and open pistachio during impacting were recorded, and the 100-times data for each type on the same condition were analyzed including the discreteness of spectrum and statistical parameter. The discreteness of spectrum was evaluated by the angular separation between each sample signal with its average and variation coefficient, ant that of statistical parameter was then assessed by its variation coefficient, represented by energy, entropy and zero-cross rate, respectively. Moreover, the variation coefficient of the parameter was defined as the standard deviation over the average. The results were demonstrated as follows. Firstly, we found that for the open pistachio, angular separation was 30.94°, and the variation coefficient was 16.56%. What is more, the statistical parameter’s variation coefficient were 38.33%, 2.30%, 20.00%, and its average were 11.20, 4.39, 63.43 for energy, entropy and zero-cross coefficient, respectively. Sencondly, it was found that, for closed pistachio, the angular separation was 20.52°, the variation coefficient was 25.11%, the statistical parameter’s variation coefficient were 18.36%, 2.27%, 13.08%, and its average were 6.08,4.28,62.94 for energy entropy and zero-cross coefficient, respectively. Thus we could get the conclusions that the random impact pose could have an influence on impact sound signal discretely.Furthermore, the discreteness of open pistachio was higher than the closed ones. Lastly, The random impact pose was also found making spectrum and statistics parameter discretely in a limit range, so it was possible to sort open and closed pistachios using the parameters of larger differences on average whereas smaller value on variation coefficient.

pistachio; impact sound; discreteness; variation coefficient; sort

2016年研究生科研能力提升计划项目资助

王涛，男，北京工商大学在读硕士研究生。

冯涛(1969-)，男，北京工商大学教授，博士。

E-mail: fengt@th.btbu.edu.cn

2016-01-27

10.13652/j.issn.1003-5788.2016.08.002