毕业论文设计基于mems声传感器的烟道气流检测与识别研究.doc

中国计量学院
本科毕业设计（论文）

基于MEMS声传感器的烟道气流
检测与识别研究
The Study on Detecting and Recognizing the Air of Flue based on MEMS Sonic Transducer

学生姓名 邓 平 学号 0700103235

学生专业电气工程及其自动化班级 07电气2班

二级学院 机电工程学院 指导教师赵子恺 副教授

中国计量学院
2011年06月

郑 重 声 明

本人呈交的毕业设计论文，是在导师的指导下，独立进行研究工作所取得的成果，所有数据、图片资料真实可靠。尽我所知，除文中已经注明引用的内容外，本学位论文的研究成果不包含他人享有著作权的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确的方式标明。本学位论文的知识产权归属于培养单位。

学生签名： 日期：

分类号：TB52+6 密 级： 公开
UDC： 621 学校代码： 10356

中国计量学院
本科毕业设计（论文）

基于MEMS声传感器的烟道气流
检测与识别研究
The Study on Detecting and Recognizing the Air of Flue based on MEMS Sonic Transducer

作 者 邓 平 学 号 0700103235
申请学位 工学学士 指导教师 赵子恺 副教授
学科专业 电气工程及其自动化 培养单位 中国计量学院
答辩委员会主席 评 阅 人

2011年06月

致 谢

此论文即将完成之际，我想首先感谢这四年中学校老师对我的培养与教育，感谢学校提供的资源，同时特别需要感谢我的毕业设计指导老师赵子恺老师对我的帮助。在完成这次的毕业设计任务的过程当中，也得到了其他同学的帮助与指导，在这里也同样感谢他们。
本论文是在赵子恺老师的亲切关怀和精心指导下完成的。在接受赵老师指导的几个月的时间里，他那渊博的知识，紧密的逻辑和严谨的治学态度给我留下深刻的印象，让我开阔了视野，丰富了学识，并受益终身。值此论文完成之际，对赵老师曾经给予的学术上的指导，生活上的关心和帮助致以最诚挚地谢意！
还要感谢曾经帮助、培养我的所有老师，衷心感谢百忙之中抽出时间评议和评阅我的论文的各位专家和学者，感谢你们审阅本文所付出的辛勤劳动。
最后，衷心感谢机电工程学院全体老师以及各位授课老师对我辛勤的栽培和教诲！

邓平
2011年6月
基于MEMS声传感器的烟道气流检测与识别研究

摘要：任何声源发出的声音中均包含与其结构和状态等有关的信息。基于信号处理的声音特征提取和模式识别技术近些年发展较快, 声信号具有精确性和稳定性等特点, 借助计算机技术运用信号处理的方法对物体发出的声音进行分析, 提取其振动特征量, 可以为物体运转情况的预测提供精准的数据分析依据。声音模式识别在无人职守、故障检测、灾害预防等方面具有很广阔的应用前景。
油烟管道内电机旋转也会产生与其对应的声音信号，主要包括通风声、机械声和电磁声，其中通风声占据主导作用。我们可以通过检测其主频并结合统计学来判别管道各支路电机的运转情况。本文对模拟烟道进行了多组实验和数据分析，找到了合适的声音信号特征向量，基本上能正确识别烟道油烟机运行状况。文章最后，对本文工作进行总结和展望，提出解决问题的初步方法，谨供以后的研究者参考。
关键词：MEMS；声音信号；模式识别；烟道；快速傅里叶变换
中图分类号：TB52+6
The Study on Detecting and Recognizing the Air of Flue
based on MEMS Sonic Transducer
Abstract:The sound of any sound source contains information about its structure and state.Signal processing-based voice feature extraction and pattern recognition technology developed rapidly in recent years,Acoustic signal characteristics with a precision and stability,so with the use of computer technology,analyze the sound objects in signal processing methods,then extracte the Eigenvectors of the vibration,that can be a accurate data analysis for forecasting about the object's condition of operation.Sound pattern recognition has broad application prospects in the absence of duty, fault detection, disaster prevention.
A motor rotation in smoke pipe also make corresponding sound signals,mainly including ventilation noise, mechanical noise and electromagnetic noise,in which the wentilation and sound making the occupy a leading role.We can detect the frequency channels combined with statistics to determine the functioning of motors of each branch.This paper conducted a multi-flue experiments and data analysis,and take the appropriate sound signal eigenvector,which been able to correctly identify the health of the flue hood.Finally, the paper summarizes the work and take a outlook of the initial approach to solve problems, it would like be a reference for researchers.
Key words:MEMS；acoustical signal；pattern recognition；flue；FFT
Classification:TB52+6
目 次
摘要 I
Abstract II
目次 III
1 绪论 1
1.1 引言 1
1.2 模式识别简介 2
1.2.1 模式和模式识别 2
1.2.2 模式识别的方法 2
1.2.3 模式识别的应用 3
1.3 声音识别应用概述 4
1.3.1 声音识别在农业上的应用 4
1.3.2 声音识别在军事上的应用 4
1.3.3 声音识别在机械工程中的应用 5
1.4 小结 6
2 信号识别的基本步骤和方法 7
2.1 预处理 7
2.2 特征或模式基元的选择 7
2.2.1 时域分析 7
2.2.2 频域分析 9
2.3 识别方法 10
2.3.1 传统的识别方法 10
2.3.2 现代的识别方法 10
3 声音信号采集、处理系统 11
3.1 模拟烟道 11
3.2 拾音器 12
3.2.1亥姆霍兹共鸣器 12
3.2.2 拾音器 13
3.3 传感器 14
3.3.1 MEMS简介 14
3.3.2 MEMS声音传感器 16
3.4 滤波放大电路 17
3.4.1 Protel 99 简介 17
3.4.2 印制线路板的设计 17
3.4.3 滤波放大电路的设计 19
3.5 示波器、上位机 23
3.6 Origin软件介绍 23
4 声音信号采集和特征提取 25
4.1 声音信号的采集 25
4.1.1 实验装置的连接 25
4.1.2 实验方案 25
4.2 声音信号特征提取 26
4.2.1 信号时域分析 26
4.2.2 频域分析 27
5 总结和展望 29
5.1 本文总结 29
5.2 今后工作展望 29
参考文献 31
附录 32
学位论文数据集 35

IV
1 绪论
1.1 引言
随着城市化的进程的不断推进，城市人口密度不断加大，越来越多的人住进了城市，这时人们不得不面对一个厨房大气污染的新问题。城市小区厨房污染气体一般都通过一条公用烟道排出，这给厨房大气问题带来了一个难以解决的污染源——油烟回流，一遇到下面楼层的住户炒菜，自家人就能闻到“菜香味”。但开发商也不宜把公共烟窗开大来解决此问题，因为把烟窗弄大占用空间不说还影响美观。因此越是处于烟道末端的住户受到的影响越大，这就给楼盘开发商以及高楼层住户带来了诸多不。当然现今油烟机也有相应的应对措施，比如安装止回阀，但收效甚微，而且面临的老化问题使其不得不经常更换，同样给人们带来不便。
对于上述问题有的居民采取了“别人家开油烟机我也开油烟机”的策略，只要自家油烟机口的气压大于公共烟道的压力就不会出现油烟回流的现象了。由于大家的用餐时间相差不会太大，油烟机开启的时间也不会太长，所以也不失为一种简单易行的办法。可令人苦恼的是时刻关注其他用户油烟机的开启情况不太现实，这就使这种方法大打折扣。如果能研究一种自动检测烟道各支路油烟机运行情况的装置，那么就能很好地解决这个问题。由于油烟机都是基于电动机带动风叶转动来排走油烟的，而电动机的转速不同产生的声音主频将不同，所以我们可以通过声传感器来获取信号，并对声音信号处理，从而判别出烟道油烟机的运转情况。
这就涉及到声音信号的处理了。声音信号的研究可以从时域和频域两个方面来进行。其中频域分析处理即对信号的频率特性在频谱中加以分析研究，这拓展了信号分析的范围，是对声音信号分析的主要方法。由于Origin软件是一个数据分析和处理功能十分强大的工程实用软件，它的信号处理与分析功能为声音信号特征提取提供了十分丰富的变换功能，利用这些功能可以快捷而又方便地完成声音信号的处理和分析以及信号的可视化。相信此研究会对未来油烟机的开发带来启发。本研究将以烟道油烟机以及管道声音信号为基础，作为声音信号处理的一个前期研究，力求给其后续的研究做铺垫。
1.2 模式识别简介
1.2.1 模式和模式识别
人们在观察事物或现象的时候，常常要根据一定需求寻找观察目标与其他事物或现象的相同或不同之处，并在此特定需求下将具有相同或相似之处的事物或现象组成一类。例如字母‘A’、‘B’、‘a’、‘b’，如果从大小写上来分，会将‘A’、‘B’ 划分为一类，‘a’、‘b’划分为另一类；但是如果从英文字母发音上来分，则又将‘A’、‘a’划分为一类，而‘B’、‘b’则为另一类。人们也可以正确地区分出它们，并根据需要将它们进行准确归类，当然， 前提条件是人们需要对‘A’、‘B’、‘a’、‘b’一般的书写格式、发音方式等有所了解。人脑的这种思维能力就构成了“模式识别”的概念。那么，什么是模式？什么是模式识别呢？
从以上的例子可以看出，对字符的准确识别首先需要在头脑中对相应字符有个准确的认识。当人们看到某物或现象时，人们首先会收集该物体或现象的所有信息，然后将其行为特征与头脑中已有的相关信息相比较，如果找到一个相同或相似的匹配，人们就可以将该物体或现象识别出来。因此，某物体或现象的相关信息，如空间信息、时间信息等，就构成了该物体或现象的模式。Watanabe定义模式“与混沌相对立，是一个可以命名的模糊定义的实体”。比如，一个模式可以是指纹图像、手写草字、人脸、或语言符号等。广义地说，存在于时间和空间中可观察的事物，如果可以区别它们是否相同或相似，都可以称之为模式；狭义地说，模式是通过对具体的个别事物进行观测所得到的具有时间和空间分布的信息；把模式所属的类别或同一类中模式的总体称为模式类(或简称为类)。模式识别则是在某些一定量度或观测基础上把待识模式划分到各自的模式类中去。计算机模式识别就是是指利用计算机等装置对物体、图像、图形、语音、字形等信息进行自动识别。模式识别的研究主要集中在两方面，一是研究生物体( 包括人) 是如何感知对象的，二是在给定的任务下，如何用计算机实现模式识别的理论和方法。前者是生理学家、心理学家、生物学家、神经生理学家的研究内容，属于认知科学的范畴；后者通过数学家、信息学专家和计算机科学工作者近几十年来的努力，已经取得了系统的研究成果。
1.2.2 模式识别的方法
现在有两种基本的模式识别方法，即统计模式识别方法和结构(句法)模式识别方法。统计模式识别是对模式的统计分类方法，即结合统计概率论的贝叶斯决策系统进行模式识别的技术，又称为决策理论识别方法。利用模式与子模式分层结构的树状信息所完成的模式识别工作，就是结构模式识别或句法模式识别。
1.2.3 模式识别的应用
经过多年的研究和发展，模式识别技术已广泛被应用于人工智能、计算机工程、机器学、神经生物学、医学、侦探学以及高能物理、考古学、地质勘探、宇航科学和武器技术等许多重要领域，如语音识别、语音翻译、人脸识别、指纹识别、手写体字符的识别、工业故障检测、精确制导等。模式识别技术的快速发展和应用大大促进了国民经济建设和国防科技现代化建设。
（1）字符识别
字符识别处理的信息可分为两大类：一类是文字信息，处理的主要是用各国家、各民族的文字（如：汉字，英文等）书写或印刷的文本信息，目前在印刷体和联机手写方面技术已趋向成熟，并推出了很多应用系统；另一类是数据信息，主要是由阿拉伯数字及少量特殊符号组成的各种编号和统计数据，如：邮政编码、统计报表、财务报表、银行票据等等，处理这类信息的核心技术是手写数字识别。
（2）语音识别
语音识别技术技术所涉及的领域包括：信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。近年来，在生物识别技术领域中，声纹识别技术以其独特的方便性、经济性和准确性等优势受到世人瞩目，并日益成为人们日常生活和工作中重要且普及的安全验证方式。而且利用基因算法训练连续隐马尔柯夫模型的语音识别方法现已成为语音识别的主流技术。该方法在语音识别时识别速度较快，也有较高的识别率。
（3）指纹识别
我们手掌及其手指、脚、脚趾内侧表面的皮肤凹凸不平产生的纹路会形成各种各样的图案。而这些皮肤的纹路在图案、断点和交叉点上各不相同，是唯一的。依靠这种唯一性，就可以将一个人同他的指纹对应起来，通过比较他的指纹和预先保存的指纹进行比较，便可以验证他的真实身份。一般的指纹5个大的类别：左旋型（leftloop），右旋型（right loop），双旋型（twinloop），螺旋型（whorl），弓型（arch）和帐型（tented arch），这样就可以将每个人的指纹分别归类，进行检索。指纹实现的方法有很多，大致可以分为4 类：基于神经网络的方法、基于奇异点的方法、语法分析的方法和其他的方法。
（4）细胞识别
细胞识别是最近在识别技术中比较热门的一个话题。以前，对疾病的诊断仅仅通过表面现象，经验在诊断中起到了主导作用，错判率始终占有一定的比例；而今，通过对显微细胞图像的研究和分析来诊断疾病，不仅可以了解疾病的病因、研究医疗方案，还可以观测医疗疗效。如果通过人工辨识显微细胞诊断疾病也得不偿失，费力费时不说，还容易耽误治疗。基于图像区域特征，利用计算机技术对显微细胞图像进行自动识别愈来愈受到大家的关注，并且现在也获得了不错的效果。但实际中，细胞的组成是复杂的，应该选择更多的特征，建立更为完善的判别函数，可能会进一步提高分类精度。
1.3 声音识别应用概述
1.3.1 声音识别在农业上的应用
声音识别在农业上的应用主要是对害虫种类、数量和其不同成长期的识别。早在1924年，Brain就利用苹果和谷物中害虫的吃食声来检测隐匿于其中的钻蛀虫。1988年，Vick发现谷物中害虫声音信号的参数直接与谷物中害虫的数量有关。到1990年时，Hgstrum等人研制成功了一种粮仓害虫连续自动监视系统，该系统通过接收到的害虫声音信号可以判断粮堆里有无害虫，并粗略估计害虫的数量。1996年，Shuman提出了“声探测定位器”模型，该模型已成功应用于出口谷物的等级评定。1998年，Coggins K M利用害虫在不同的生长期所发出的声音时域特征截然不同的特点，利用神经网络实现了害虫成、幼虫的识别。国内利用声音信号识别害虫研究也取得了一些成果，如2000年陕西师范大学应用声学研究所针对粮食储藏的需要，利用声音信号的强度来确定害虫的数量，从而开发了储粮害虫声信号检测系统。浙江科技学院专门从事动物生态学研究的姜仕仁等人利用声音信号的时域波形，频域频谱图、功率谱图上的主峰值频率和各谐波频率以及整个音图的对比等特征，开发了多功能动物声信息分析处理系统，对发声动物群落进行调查并辅助生物多样性的监测。天津理工学院对害虫的声音信号进行频域分析后，提取其基频特征实现了害虫种类及其不同生长期的识别。
1.3.2 声音识别在军事上的应用
声音识别在军事上的应用主要是对舰船、直升机和坦克等目标的识别。早在第一次世界大战时期，英国商船受德国舰艇的攻击，促使英国海军研究与开发局进行了水声系统的研究。到了七十年代末八十年代初，美国的H.A.Feigenbaum 研制了潜用水下目标识别系统。同时，加拿大的J.H.Maksym和A.J.Bonner等开发了INTERSENSOR船舰辐射噪声的信号分析专家系统。国内的上海交通大学，利用船舰的辐射噪声，开发了水下目标融合识别系统。另外，浙江大学的章新华等人采用船舶辐射噪声，对其进行小波分解并提取各级小波的谱特征和波形结构特征，采用BP神经网络进行分类，得到正确识别率85﹪的分类效果。西安电子科技大学的张艳宁等人提取船舰辐射噪声功率谱小波特征和高斯加权特征，采用自适应小波神经网络分类器对三类船舰进行分类，也得到了较好的分类效果。随着技术和战术的发展，人们对战场目标的识别逐渐转移到空中。北京理工大学研究开发了直升机目标信号的建模与预警识别系统，该系统首先建立了声学接收基阵接收到的直升机噪声的信号模型，然后通过对直升机噪声功率谱的结构进行分析，利用自相关函数及幅值进行基频估计以实现双重判决系统的技能型判别。2001 年，郑州大学的魏冬冬等人利用直升机声信号的30阶AR谱系数作为特征，用模板匹配法对其进行了识别。
1.3.3 声音识别在机械工程中的应用
声音识别在机械工程中的应用主要是对机械设备的状态监测和故障诊断，常见于刀具磨损监测及齿轮箱和其它机械设备的故障诊断。随着科学技术和生产的高度发展，生产的自动化程度越来越高，一台设备的故障，可能对其它设备带来很大地影响，造成重大的损失，甚至是严重的安全事故。据日本统计，采用诊断技术后，事故率减少75％，维修费用降低25～50％,可见，设备的监测与故障诊断技术在现代化生产中能发挥巨大的作用，所以人们对它进行了比较深入的研究，取得了很多成果，很多已经在实践中获得应用。机械设备状态监测和故障诊断所采用的信号较多，如振动信号、声音信号、力信号和温度信号等，其中振动信号和声音信号应用的比较多，占整个诊断技术所用信号的66﹪以上。而在声学分析诊断中，又可分为超声诊断、声发射诊断和噪声诊断等。通常，噪声易被认为是有害信号而加以消除，但噪声中包含了设备结构和运行状态的信息，若对噪声加以分析，获取这些信息，即可了解设备的运行状态，从而对设备进行状态监测和故障诊断。国外对机械噪声信号的研究比较早，如R.A.Collacott在二十世纪70年代就提出了用机器发出的噪声进行状态监测和故障诊断。1994年Ahn，Jung，Hwan等人开发了“基于实时声音识别的加工过程/刀具磨损过程监测系统”，该系统通过把当前信号与标准信号进行比对获得畸异信号，应用神经网络实现监控。2002年，Yamaguchi，Tomomi等人提出用切削/机械声音的频率结构来构建监测系统，该系统采用HSP(十六进制功率谱形式)，并用神经网络来识别状态。国内也有利用声音信号进行状态监测和故障诊断研究，如清华大学的王耀文等人对穿孔型等离子弧焊接过程中的声音信号进行频域分析，并设计了声音信号的A 算法，用于识别焊接过程中熔池的穿孔状态，为等离子弧焊接熔透质量的监测提供了前提条件。上海交通大学的钟振茂等人对多信号声源实现了盲分离，从而达到对现场中某台设备进行诊断的目的。
1.4 小结
本文对模式识别技术进行了研究和探讨，具体介绍了声音模式识别的研究方法和研究步骤，主要包括了声音识别的基本概念，声音信号处理的方法和过程，以及特征提取的方法。并以模拟烟道为例对声音识别技术进行研究,从模拟烟道中提取声音信号,应用Origin软件进行FFT变换识别出电机运行状况。
论文第一章主要介绍了模式识别技术特别是声音信号模式识别技术的历史，现状和发展趋势；第二章主要介绍了一些简单的信号处理方法和信号辨识方法；第三章介绍了实验所需各个功能模块；第四章是信号的提取及处理；第五章是对此次毕业设计的总结。
2 信号识别的基本步骤和方法
对采集到的烟道声音信号必须进行处理后才能突出、提取其中有用信息，进而找出能反映风扇运行状态的本质特征，在此基础上再进行识别。本章主要介绍了一些最基本的信号处理步骤和方法。
图2.1 所示是一个模式识别系统的简单框图，它由预处理、特征或模式基元的抽取和选择以及识别三大部分组成。

图2.1. 模式识别系统框图
2.1 预处理
模式识别的应用领域很广，其信息形式多种多样，而现代的模式识别是建立在使用计算机的基础之上，所以首先应对输入信号进行预处理，即将不同形式的信息转变为电信号，再用模/数转换装置，将模拟信号变为计算机能处理的数字信号。除此以外，为了提高识别的精度，通常还需根据具体情况对采集的信息进行处理，如滤波、坐标变换等，以减少外界干扰和噪声的影响，以便更好地提取模式识别所需的特征。
2.2 特征或模式基元的选择
对信号经过预处理后，需根据将要采用的识别方法的要求，从预处理后的信号中提取出能代表模式的特征和基元。特征的提取是识别的关键，对特征和基元的要求是能够足够代表这个模式，且要求数量尽量少，这样才能有效地进行分类和描述。
2.2.1 时域分析
（1）时域波形
声音是一维信号研究的重要对象，其时域波形具有直观、易于理解和包含的信息量大等特点，图2.2—2.4分别是模拟油烟机0档（关闭）、1档（弱风）和2档（强风）的时域波形图。从图中并不能看出明显的特征，所以需对信号的时域波形进行统计分析。

图2.2. 0档波形图

图2.3. 1档波形图

图2.4. 2档波形图
（2）幅值分析
幅值分析是在信号的幅值上进行各种处理，即对信号的时域进行统计分析的方法，主要指标有均值,均方根值和方差。
1.均值
................................(2.1)均值反映了随机过程中稳定分量的大小。
2.均方根值
.................................(2.2)均方根值反映信号能量的大小。
3.方差
................................(2.3)方差表示数据的分散程度。
（3）相关函数
由概率统计学可知，两个随机变量x, y之间的相关性可用相关系数来描述。相关性是从概率分布的角度反映两随机变量之间的依赖关系。信号的自相关函数的估计为：
..............................(2.4) 在实际工作中，自相关函数可以应用在以下方面：根据自相关图形的形状来判别原始信号的性质；用于检测随机噪声中的确定性信号；可以建立任何时刻值对未来时刻的影响；自相关函数在工程中常用于故障诊断。
2.2.2 频域分析
频域(frequency domain )是描述信号在频率方面特性时用到的一种坐标系。对任何一个事物的描述都需要从多个方面进行，每一方面的描述仅为我们认识这个事物提供部分的信息。例如，眼前有一辆汽车，我可以这样描述它方面1：颜色，长度，高度。方面2：排量，品牌，价格。而对于一个信号来说，它也有很多方面的特性。如信号强度随时间的变化规律（时域特性），信号是由哪些单一频率的信号合成的（频域特性）。
把时域信号通过数学方法，以频率为自变量表达，称其为信号的频域描述。沟通信号时域和频域的工具是傅里叶变换。对信号进行傅里叶变换，获得频谱的过程称为信号的频谱分析。
FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。另外，FFT可以将一个信号的频谱提取出来，这在频谱分析方面也是经常用的。这也是本文研究中用到的重要方法。
2.3 识别方法
2.3.1 传统的识别方法
(1) 决策论方法：
它是从代表某种模式的信号中选出能够代表它的若干特征，则每个模式就用这些特征组成的维数等于特征个数的向量来代表，每一个模式就在这n维特征空间中占有一个位置，把待分类的模式，根据它的特征向量位于特征空间中哪一区域就判定它属于哪一类模式。
(2) 结构方法：
该方法立足于分析模式的结构信息。模式由一些模式基元按一定的结构规则组合而成，分析模式如何由基元构成的规则就是结构分析的内容。这两种识别方法是并行不悖的，可以互相补充。
2.3.2 现代的识别方法
近年来，一些新知识新理论发展并应用于模式识别中，也取得了较多的成果。将模式识别与专家系统相结合，研究出了基于知识的模式识别方法。此外，随着近年来对神经网络的深入研究，它在模式识别中的应用越来越多，如前面提到的机械设备的状态监测与故障诊断，其实质就是模式识别和分类问题，其中很多就是利用人工神经网络作为分类器来实现故障诊断。目前，国内外已经建立了一些基于神经网络的诊断系统，由于神经网络具有知识表达，推理及很强的学习能力，所以在故障诊断领域显示了极大的应用潜力。
本研究将烟道声音信号快速傅里叶变换后，能粗略提取出声音信号特征。通过建立模板，将所测得的信号特征值与之比对能识别出电机运行状况。
3 声音信号采集、处理系统
准确、可靠的信息是得出正确结论的前提，本课题设计了一个模拟烟道并针对声音信号的特点设计了信号采集处理模块，硬件连接框图如图3.1：
拾音器
声音
传感器
滤波
放大器
上位机
示波器
模拟烟道

图3.1. 硬件连接框图

3.1 模拟烟道

图3.2. 模拟烟道侧视图
为了测试烟道声音数据，本研究设计了一个简便的模拟烟道，如图3.2所示。它真实地模拟了现实生活中商品房的烟道结构：各住户烟窗支路和一条烟道主干道连接。这个模拟烟道模拟了一户家庭。
3.2 拾音器
3.2.1亥姆霍兹共鸣器
一种常有的看法认为：声场中振动着的物体，尤其是薄板和一些腔体，在共振时会“放大”声音。这是一种误解，是把机械力激发物体振动（如乐器）向空气辐射声能时的共鸣现象和空气中声波激发物体振动时的共振现象混混肴了。即使前者振动物体也不是真正的放大了声音，而是提高可辐射声能的效率，使机械激发力做工更有效的转化成声能。这其实是运用了一个亥姆霍兹共鸣器的原因。
亥姆霍兹（H·von·Haimuhuozi），是德国19世纪伟大的物理学家和生理学家，我们大学所学的力学三大基本守恒定律之首的“能量守恒定律”就是他最大的科学成就。而亥姆霍兹共振原理，则是亥姆霍兹在声学领域的著名成就之一。
首先，建立一个由理想刚体构成的密闭空腔，如图3.3所示，这个空腔就叫做“亥姆霍兹共振腔”，在空腔的表面开一个面积相对于空腔表面积很小的孔，在孔上插入一根空心刚体管道，组成的结构就称为“亥姆霍兹共鸣器”。

图3.3. 亥姆霍兹共振腔

图3.4. 类比系统
对于一个亥姆霍兹共鸣器而言，当其内部空气受到外界波动的强制压缩时（无论强制力施加于空腔内的空气还是管道内的空气，施加的外力是来自声波还是腔体振动），管道内的空气会发生振动性的运动，而空腔内的空气对之产生恢复力（换句话说，共振腔内的空气是一个“空气弹簧”）。在声波波长远大于共鸣器几何尺度的情形下，可以认为共鸣器内空气振动的动能集中于管道内空气的运动，势能仅与腔体内空气的弹性形变有关。这样，这个共鸣器是由管道内空气有效质量和腔体内空气弹性组成的一维振动系统，整个系统类似图3.4所示的弹簧振子。图3.3为共振腔示意图。当孔的深度t和孔径d比声波波长小得多时孔径中的空气柱的弹性变形很小，可以作为质量块来处理。因而对施加作用的波动有共振现象，其固有频率是：
...............................（3.1） 式中 c—声速，一般取34000
S—颈口面积，；
V—空腔容积，；
t—孔径深度，；
δ—开口末端修正量，。因为颈部空气柱两端附近的空气也参加振动，所以要对t加以修正。对于直径为d的圆孔，δ=0.8d。
在强度为一定的振动作用下,在这个频率时，管道内空气的振动速度达到最大，这就是所谓的“亥姆霍兹共振原理”。
亥姆霍兹共鸣器是一种高效率的声能转换装置，它既可以在内部设计吸音材料，成为“共振吸音结构”，在管口处具有相当强大的消耗接近频率的外界声波的吸音能力，或者，也可以通过驱动其内部空气，将微小的振动转换为强度很高的声波从管口传输出去。
由于这是一种不需要任何独立能源，完全依靠外界振动激发的高效率声能转化装置，所以亥姆霍兹共鸣器的应用范围很广，作为吸声装置，其最典型的应用就是音乐厅、电影院吸音墙的微结构，而作为扩声装置，其最典型的应用就是各种乐器的共鸣箱。
3.2.2 拾音器
为了更好地采集到微弱的烟道声音信号，本课题根据亥姆霍兹共振原理设计了一个拾音器。它起到两个作用：提高可辐射声能的效率和防止烟尘进入传感器。根据公式3.1及初步测出的烟道声音信号主频（500Hz），亥姆霍兹共振腔可设计为下图尺寸,其材质采用刚性比较好的金属。这个亥姆霍兹共振腔主要对500Hz左右的信号进行“放大”。 两个图的单位是什么？

图3.5. 拾音器侧视图

图3.6. 拾音器俯视图
3.3 传感器
3.3.1 MEMS简介 和百度百科上文章雷同，要用自己的语言或者注明出处
MEMS是微机电系统（Micro-Electro-Mechanical Systems）的英文缩写。MEMS是美国的叫法，在日本被称为微机械，在欧洲被称为微系统，它是指可批量制作的，集微型机构、微型传感器、微型执行器以及信号处理和控制电路、直至接口、通信和电源等于一体的微型器件或系统。MEMS是随着半导体集成电路微细加工技术和超精密机械加工技术的发展而发展起来的，目前MEMS加工技术还被广泛应用于微流控芯片与合成生物学等领域，从而进行生物化学等实验室技术流程的芯片集成化。
MEMS由硅片采用光刻和各向异性刻蚀工艺制造而成，具有尺寸小、重量轻、成本低、可靠性高、抗振动冲击能力强以及易批量生产等优点。
MEMS技术的发展开辟了一个全新的技术领域和产业，采用MEMS技术制作的微传感器、微执行器、微型构件、微机械光学器件、真空微电子器件、电力电子器件等在航空、航天、汽车、生物医学、环境监控、军事以及几乎人们所接触到的所有领域中都有着十分广阔的应用前景。MEMS技术正发展成为一个巨大的产业，就象近20年来微电子产业和计算机产业给人类带来的巨大变化一样，MEMS也正在孕育一场深刻的技术变革并对人类社会产生新一轮的影响。目前MEMS市场的主导产品为压力传感器、加速度计、微陀螺仪、墨水喷咀和硬盘驱动头等。大多数工业观察家预测，未来5年MEMS器件的销售额将呈迅速增长之势，年平均增加率约为18%，因此对对机械电子工程、精密机械及仪器、半导体物理等学科的发展提供了极好的机遇和严峻的挑战。
MEMS是一种全新的必须同时考虑多种物理场混合作用的研发领域，相对于传统的机械，它们的尺寸更小，最大的不超过一个厘米，甚至仅仅为几个微米，其厚度就更加微小。采用以硅为主的材料，电气性能优良，硅材料的强度、硬度和杨氏模量与铁相当，密度与铝类似，热传导率接近钼和钨。采用与集成电路（IC）类似的生成技术，可大量利用IC生产中的成熟技术、工艺 ，进行大批量、低成本生产，使性价比相对于传统“机械”制造技术大幅度提高。
完整的MEMS是由微传感器、微执行器、信号处理和控制电路、通讯接口和电源等部件组成的一体化的微型器件系统。其目标是把信息的获取、处理和执行集成在一起，组成具有多功能的微型系统，集成于大尺寸系统中，从而大幅度地提高系统的自动化、智能化和可靠性水平。
沿着系统及产品小型化、智能化、集成化的发展方向，可以预见：MEMS会给人类社会带来另一次技术革命，它将对21世纪的科学技术、生产方式和人类生产质量产生深远影响，是关系到国家科技发展、国防安全和经济繁荣的一项关键技术。
制造商正在不断完善手持式装置，提供体积更小而功能更多的产品。但矛盾之处在于，随着技术的改进，价格往往也会出现飙升，所以这就导致一个问题：制造商不得不面对相互矛盾的要求——在让产品功能超群的同时降低其成本。 　　解决这一难题的方法之一是采用微机电系统，更流行的说法是MEMS，它使得制造商能将一件产品的所有功能集成到单个芯片上。MEMS对消费电子产品的终极影响不仅包括成本的降低、而且也包括在不牺牲性能的情况下实现尺寸和重量的减小。事实上，大多数消费类电子产品所用MEMS元件的性能比已经出现的同类技术大有提高。
3.3.2 MEMS声音传感器
随着传感器技术和硅微机械加工技术的发展, 唤起了对制造微小型麦克风、拾音器等微声压传感器的兴趣。人们将这些技术和古典的转换原理结合起来, 研究了基于电压、压阻、场效应、电容式等各种转换原理的微声压传感器。这样的器件有利于产品的批量生产、降低成本、提高性能、缩小体积。
MEMS麦克风是由MEMS微电容传感器、微集成转换电路(放大器)、声腔及RF抗噪电路组成。MEMS微电容极头部分包含接收声音的硅振膜和硅背极,硅振膜可直接将接收到的音频信