信号融合（通用6篇）
信号融合 篇1
0 引言
质量流量传感器的使用数量不断增加,其应用范围愈加广泛。质量流量传感器应用于实际工况压力条件下,其测量准确度的变化情况是众多企业、科研人员所关心的问题。虽然质量流量传感器的生产厂家能给出压力修正系数,但在不同标定工作压力下质量流量并非完全与压力成线性比例关系。国内外针对压力对质量流量测量的影响问题进行了研究。文献[1,2]分析了工况压力对质量流量计测量准确度的影响。文献[3]对被测介质压力变化影响质量流量计测量准确度进行了研究,得到了压力与流量测量误差的关系,给出了压力引起质量流量测量误差的修正方法。文献[4]设计了基于相对距离的加权数据融合算法与温度融合算法,提高了流量测量的精度。
为了切实提高质量流量传感器的测量准确度,本文在试验中设定不同工况压力下被测流体的质量流量,采用多功能、高精度数据采集卡获得多路质量流量采样数据,对采集的数据进行自适应加权数据融合。在此基础上,考虑不同压力对质量流量测量精度的影响,基于神经网络对压力干扰信号进行抑制。通过对不同融合算法的融合结果进行比较,验证了对压力信号进行干扰抑制的有效性。
1 质量流量传感器数据采集
本系统在标定相同的质量流量(150t/h)条件下,标定不同的工况压力(0.1～1MPa),采用均匀分布在流场不同位置处的10个质量流量传感器对流场不同点的质量流量值进行测量,对于每一压力,质量流量控制系统中有10个传感器同时对同一质量流量进行测量,每0.5s测量一次,5s的测量结果为一组。利用上位机软件编写程序,结合NI公司高速PCI数据采集卡、EMERSON公司DS型质量流量传感器实现数据采集开停、数据保存、测量数据值实时曲线显示。表1所示为标定0.30MPa压力下5s内采集的一组传感器测量数据。
2 同一压力下质量流量数据融合
为了获得尽可能高精度的质量流量数据,首先在某一压力下采用多个质量流量传感器进行多次测量,对质量流量数据进行融合以获取某一压力下尽可能高精度的质量流量值。图1为某一压力下质量流量数据融合过程示意图,采用10个质量流量传感器同时进行测量,每10次的测量数据为一组,取其平均值;对10个平均质量流量值进行数据融合获得该压力下该组质量流量数据融合值。
对表1所示的每个质量流量传感器的一组质量流量数据取平均值,对应得到10个质量流量均值:(149.56,146.71,149.91,150.55,149.68,149.96,150.36,150.02,149.00,149.80)t/h,对应的方差为(0.210,10.843,0.037,0.323,0.120,0.068,0.162,0.038,1.062,0.058)t/h。
将质量流量数据qm的10个平均值qm i(i=1,2,…,10)按从小到大顺序排列,结果为(146.71,149.00,149.56,149.68,149.80,149.91,149.96,150.02,150.36,150.55)t/h。
应用分布图法[5]对质量流量数据平均值进行疏失数据剔除,其中位数qm M=(149.80+149.91)/2=149.855t/h,上四分位数qm U=150.02t/h,下四分位数qm D=149.56t/h,四分位数离散度DS=qm U-qm D=0.46t/h。由|qmi-qm M|>DS,可剔除质量流量平均值146.71t/h、149.00t/h、150.36t/h、150.55t/h。
根据自适应加权数据融合法[6,7]编写MATLAB程序得到质量流量数组(149.56,149.68,149.80,149.91,149.96,150.02)(t/h),其对应的加权值数组为(0.0484,0.0847,0.1752,0.2747,0.1495,0.2675),则其融合的结果为149.8912t/h,较原测量数据精度大大提高,且误差小于0.02t/h。
由于测量方法和融合过程相同,因此对0.30～1.00MPa压力范围内不同压力下的质量流量自适应加权融合结果不逐一给出计算过程,其质量流量自适应加权融合值如表2所示。由表2可以看出,随着压力的增大,质量流量测量值误差逐渐增大;通过自适应加权融合,质量流量值精度均不同程度地提高,误差控制在0.55t/h范围内。
3 质量流量数据神经网络训练
由于压力对质量流量测量产生了不同程度的影响,且随着压力的增大,质量流量测量值的精度逐渐变差,因此,为了能够抑制压力对流量测量的干扰,下面构造BP神经网络进行数据融合,以期获得更趋近于真值的测量数据。
3.1 BP神经网络结构设计[8]
大多数通用的神经网络都预先确定了网络的层数,而BP神经网络可以包含不同的隐层。理论上已经证明,在不限制隐层节点的情况下,两层(只有一个隐层)的BP神经网络可以实现任意非线性映射。在模式样本相对较少的情况下,选择两层BP神经网络及较少的隐层节点可以实现模式样本空间的超平面划分;当模式样本数很多时,增加一个隐层是必要的,但为减小网络规模,BP神经网络隐层数一般不超过两层。
为了能抑制压力信号对质量流量的影响,获得高精度的质量流量值,首先需确定BP神经网络的结构。本文采用两层BP神经网络建立质量流量融合模型。两层BP神经网络结构主要包含输入层、一个隐含层和输出层,上下层之间实现全连接,而每层神经元之间无连接。网络中的每一层都包含若干神经元,输入层和输出层的神经元个数由模型中的变量数决定,即输入层为2个节点、输出层为1个节点,输入为压力和一级融合后的质量流量,输出为质量流量期望值。
3.2 输入、输出数据的归一化
归一化是利用神经网络进行融合过程中的重要一步。在神经网络学习阶段,需要对所有输入数据和对应的已知输出值进行归一化处理,即把数据处理成0-1之间的小数值[9]。对于表2所示的质量流量输入样本数据,其最大值、最小值分别为qmmax、qmmin。对每一个质量流量的值qmxi做归一化处理,即
其中,xi为归一化样本的第i个数据;设定参数a=0.9,b=(1-a)/2。
对于归一化样本数据,采用BP神经网络算法训练其网络权值,获得稳定的BP网络结构。归一化质量流量数据经BP网络计算后的输出仍为归一化值,需经反归一化获得对应的真实质量流量值,即
3.3 隐含层隐节点数的确定
一个具有无限隐层节点的两层BP网络可以实现任意从输入到输出的非线性映射。但对于有限个输入模式到输出模式的映射,并不需要无限个隐层节点,这就涉及如何选择隐层节点数的问题,鉴于这一问题的复杂性,至今为止尚未找到一个很好的解析式,隐层节点数往往根据前人设计所得的经验和自己进行实验来确定。一般认为,隐层节点与求解问题的要求、输入输出单元数的多少都有直接的关系。另外,隐层节点数太多会导致学习时间过长;而隐层节点数太少则容错性差,识别未经学习的样本的能力低,所以必须综合多方面的因素进行设计。
隐层节点数的选择是人工神经网络最关键的步骤,本文采用试凑法确定最佳隐层节点数[9]。试凑法是确定最佳隐层节数常用的方法,它通过如下经验公式确定隐层节点数:
式中,k为隐层节点数;n为输入层节点数;m为输出层节点数;α为1～10之间的常数。
训练网络时,先设置较少的隐层节点,然后逐渐增加隐层节点数,采用同一样本对网络进行集中训练。由于含有不同隐层节点数的网络对应同一样本训练具有不同的误差,因此以该误差中最大者Emax及误差均方根Erms代表网络的总误差,从而以总误差最小、网络最稳定时对应的隐层节点数作为用于质量流量数据融合的网络隐层节点数。
3.4 BP神经网络训练算法[9,10]
应用BP神经网络算法梯度下降法、BP神经网络的改进算法自适应学习速率调整法和附加动量法对BP神经网络权值进行训练。自适应学习速率调整法考虑了每一个具体网络都存在一个合适的学习速率。为提高神经网络的准确性,在误差曲面的不同部分可能需要不同的学习速率。为了加速收敛过程,自适应学习速率调整法自适应地改变学习速率,使网络的训练在不同的阶段自动设置不同学习速率。附加动量法使网络在修正其权值时,不仅考虑误差在梯度上的作用,而且考虑在误差曲面上变化趋势的影响;在没有附加动量的作用下,网络可能陷入局部极小值,而利用附加动量法的作用则有可能滑过极小值达到最优值。
3.5 BP神经网络训练结果分析
采用上述三种方法对BP神经网络进行训练以确定网络的权值。隐层、输出层的神经元转移函数采用Sigmoid函数,可以避免神经元的输出进入饱和状态[10]。训练过程中如果精度达到要求即可停止训练,否则可以通过增加训练次数来达到训练的要求。
下面分别采用梯度下降法、自适应学习速率调整法和附加动量法对BP神经网络权值进行10次训练,对BP神经网络性能进行比较,如表3～表6所示。由表3可以看出,梯度下降法对应的隐含层节点数为8时网络总误差达到最小,收敛速度较快;由表4可以看出,自适应学习速率调整法对应的BP神经网络的隐含层节点数为5时的收敛速度与隐节点数为7时的收敛速度相当,但隐含层节点数为5时对应的网络总误差最小;附加动量法对应的BP神经网络的隐含层节点数为5时网络总误差最小,收敛速度最快(表5);改变附加动量法的动量因子对BP神经网络的性能进行比较,由表6可以看出动量因子取0.85时,网络收敛速度最快,其误差亦很小,网络最稳定。
4 质量流量融合结果分析
按上述方法将标定压力为0.30～1.00MPa的数据作为训练样本获得稳定可靠、精度高的BP神经网络后,对7个压力下对应的质量流量数据进行融合,得到对应压力的质量流量融合数据,见表7。比较表7中三种不同融合方法得到的质量流量融合值可知:三种不同融合方法得到的融合结果误差均控制在0.05t/h以内,融合结果的控制精度得以提高;梯度下降法融合结果精度相对较差,自适应学习速率调整法和附加动量法的融合结果近似,精度高。
为了进一步比较三种融合方法的融合效果,对压力在0～1MPa范围内的质量流量数据采用BP神经网络进行融合,融合结果与压力之间的变化曲线见图2。由图2可看出,随着压力的增大,融合结果误差逐渐增大;采用BP神经网络融合的结果非常接近于真值,较自适应加权融合结果的精度大大提高;在BP神经网络三种融合算法的融合结果中,梯度下降法的融合结果误差最大,精度最低,自适应学习速率调整法次之,附加动量法的融合结果精度最高,即受压力影响最小。
为了更好地比较三种BP神经网络算法的融合效果,对0～2.5MPa范围内的质量流量进行融合研究。按上述方法构造BP神经网络,经过网络权值训练获得隐层节点数为6、稳定且误差最小的神经网络。将三种BP网络算法融合结果与真值进行比较,如图3所示。由图3可看到,梯度下降法的融合结果随着压力的增大误差逐渐增大;自适应学习速率调整法对应的初始误差较大,随着压力的增大,融合误差逐渐减小且趋于0,但压力继续增大时,融合值大于真值,误差增大;附加动量法的融合结果总体上波动量最小,与真值最接近,融合结果精度最高,受压力干扰影响最小。
5 结语
为了获得高精度的质量流量测量值,本文在不同压力下通过多路传感器多次采样后对测量数据进行处理。首先剔除疏失测量数据,然后由自适应加权融合方法得到同一压力下的质量流量融合值,融合结果表明,随着压力的增大,融合值误差逐渐增大,但较原测量数据精度大大提高,误差均小于0.55t/h。为了消除压力对流量测量的影响,采用BP神经网络三种训练算法对网络权值进行训练,得到误差小、稳定性高的网络结构,应用多组数据进行融合研究,证明BP神经网络可以获得精度很高的质量流量值,误差均小于0.05t/h;同时对三种BP网络融合算法的融合精度进行了比较,梯度下降法融合精度较差,自适应学习速率调整法次之,附加动量法最佳,其融合结果波动量最小,精度最高。本文的质量流量数据融合方法的研究为高精度质量流量传感器电控单元的开发提供了技术保障。
摘要：质量流量测量精度受压力的影响,且随着压力的增大其测量精度变差。采用多个质量流量传感器进行多处测量,对质量流量测量数据进行自适应加权融合。在此基础上,为了消除压力对流量测量值的影响,采用BP神经网络进行压力干扰抑制的质量流量数据融合研究。研究结果表明,BP神经网络质量流量融合值的精度较自适应加权融合值的精度大大提高,且附加动量法获得的BP网络融合精度最高,自适应学习速率调整法次之,梯度下降法最差。
关键词：质量流量,压力,数据融合,神经网络
参考文献
[1]袁国富.工况压力对质量流量计测量准确度的影响[J].工业控制计算机,2004,17(4):5-6.
[2]Wang Tao,Hussain Y.Pressure Effects on CoriolisMass Flowmeters[J].Flow Measurement and In-strumentation,2010,21(4):504-510.
[3]邵熙,任东顺.科里奥利质量流量计压力影响实验分析[J].自动化仪表,2007,28(1):56-59.
[4]Zhao Weiguo,Song Zhihuan,Liang Guowei,et al.The Gas Mass Flow Measurement Base on Multi-sensor Information Fusion[C]//Proceedings of the7th World Congress on Intelligent Control and Au-tomation.Chongqing,2008:8349-8352.
[5]张娟,陈杰,蔡振江.基于多传感器数据融合的温室温度采集[J].传感器与仪器仪表,2007,23(11):153-154.
[6]王峰,孔李军,艾英山.粮情测控系统中多传感器信息融合技术的应用[J].农机化研究,2010(2):166-169.
[7]邓蕴昊,张纳温.一种改进的加权融合算法[J].弹箭与制导学报,2008,28(6):311-313.
[8]张德丰.MATLAB神经网络应用设计[M].北京:机械工业出版社,2009:39-46.
[9]Hagan M T,Demuth H B,Beale M.Neural NetworkDesign[M].Beijing:China Machine Press,2002.
[10]施彦,韩力群,廉小亲.神经网络设计方法与实例分析[M].北京:北京邮电大学出版,2009.
信号融合 篇2
对振动信号进行分析是对旋转机械转子进行故障诊断研究的重要手段,振动信号包括丰富的机械运行状态信息,且便于在不影响设备运行的情况下进行在线监测和诊断。旋转机械的转子故障主要与其转子及转子支承部件(如轴承)相关,目前对旋转机械的故障诊断主要是以转子部件为对象,通过传感器监测转子部件的运行情况[1]。但是,在实际应用中,不同的被测对象由于构件上的区别,经常要选取不同的传感器安装方式,设计不同的传感器安装附件,使得在旋转机械的故障诊断中信号的拾取成为一个重要工作。
旋转机械的转子通过轴承、轴承座支承在基座上,构成转子-轴承-基座系统,转子部件的故障振动信息都可以通过支承部件传递到基座上。因此,对旋转机械进行故障分析诊断,不仅可以以转子为监测对象,同样也可以通过对基座的振动分析来实现。但是,通过基座采集到的振动信号离故障源较远,其故障信号特征也相对要微弱一些,同时,基座上的振动信号也会掺杂更多的来自基座、轴承座等其他位置的干扰信号,所以通常情况下直接对其进行信号分析相对影响较大。因此,本文拟以综合故障试验台为基础,通过基于相关函数法的布置方案在基座上布置多个传感器,对其采集的信号采用自适应加权的数据融合方法[2,3]进行信息融合,综合多处的故障特征信息,最后得出较为理想的故障诊断结果。
2 基于相关函数法的基座多传感器布置方案设计
2.1 相关函数
设x(t)、y(t)是两个实能量的确定性信号,且不含直流分量,在初始条件下两信号的相对延时τ=0。则x(t)、y(t)的相关系数为:
根据许瓦兹不等式可以证明:
相关系数表示两个信号之间的相关程度,ρxy在0到1之间取值,波形越相似,其值越接近于1[4]。
2.2 基于相关函数的基座传感器布置方案设计
在综合故障试验台的左右轴承座上各布置一个传感器,在基座上以三行三列为基准均匀布置9个传感器,基座上传感器按从左到右、从前到后的顺序一次编号为1-9,轴承座左侧传感器编号为10,右侧为11,如图1所示。
在综合故障试验台无故障运行以及在转子不平衡故障条件下采用Dewetron多通道数据采集系统对以上传感器数据进行数据采集。将采集到的数据进行小波消噪。然后对1-6号传感器与10号传感器的数据进行相关函数求解,对4-9号传感器与11号传感器的数据进行相关函数求解。相关函数值如表1、表2所示。
根据表1和表2的数据,可以看到基座松动故障和转子不平衡故障条件下的基座上的振动特性基本相似,离轴承座比较近的地方有较大的相关函数值,可以确定其有较大的波形相似性。根据传感器的相关函数值,确定基座传感器布置点为1、2、3、7、8、9号传感器处。
3 基于自适应加权的多传感器信息融合[5,6,7]
自适应加权融合算法的基本思想:在总均方误差最小的最优条件下,根据各传感器所提供的测量值,以自适应的方式寻找各个传感器对应的最优加权因子,使得融合后的结果X达到最优。
根据传感器布置方案,在1、2、3、7、8、9处布置传感器,采用综合故障试验台人为地模拟转子不平衡、基座松动试验,通过Dewetron数据采集系统进行多通道的数据采集。对采集数据进行软阈值的小波消噪后再进行自适应的加权融合,最后对融合后的信号进行时频分析。采用多传感器自适应加权融合方法,得到1、2、3三组传感器的权值分别为0.3271、0.3826、0.2903。基座松动故障消噪后的多通道信号图和融合后的信号图如图2所示,其中红色信号为信息融合后的信号。从图中可以看出融合后的结果比单个信号更平滑、规则,更能反映转子实际运行状态。
4 实验验证
由于实际测量过程中往往伴随着噪声,甚至有效信号完全被噪声淹没,为了比较好地观察融合效果,本文采用综合故障试验台为实验对象,该系统能人为地设计各种故障,为更好地观察融合效果提供了便利。以旋转机械中转子的故障诊断为实例进行说明。把系统人为地设置成转子不平衡和基座松动的故障状态,设置工作转速为40r/s,采样频率为5000Hz,在基座上和轴承座上同时布置好传感器。
对融合后的信号经小波分解后进行希尔伯特变换,求得其频谱图。如图3所示分别为40r/s时基座松动故障和转子不平衡故障情况下信号频谱图和。如图3所示,在基座松动故障情况中含有基频和多倍频的谐波分量,而在转子不平衡故障中基频特征明显,有较小的高次谐波,与其故障特征想符合,可以有效说明该方法的可行性。
5 结论
本文针对旋转机械转子故障诊断领域直接对转子部件进行测量困难的问题,提出了一种基于基座的多传感器信息融合故障诊断方法。通过基座传感器与轴承座传感器信号的相关性分析,有效证明了基座上传感器布置位置的合理性。通过基座上的多传感器自适应加权融合,不但不需要知道任何传感器的测量数据先验知识,而且可以提高传感器在基座上测量的精度和范围,通过试验验证,有效证明了该方法的可行性,为旋转机械转子故障诊断提供了一种新的思路。
参考文献
[1]韩捷,张瑞林,等.旋转机械故障机理及诊断技术[M].北京:机械工业出版社,1997.
[2]Antony R T.Principles of effective multisensor data fusion[J].Military Technology,2003,27(5):29-37.
[3]Gupta L,Chung B,Srinath M D.Multi-channel fusion models for the parametric classification of differential brain activity[J].IEEE Transactions on Biomedical Engineering,2005,24(11):1869-1882.
[4]刘建书,李人厚,常宏.基于相关性函数和最小二乘的多传感器数据融合[J].控制与决策,2006,21(6):714-716.
[5]黄建新.多传感器数据融合技术在轴承故障诊断中的应用研究[J].武汉理工大学学报,2006(5):36-42.
[6]李战明,陈若珠,张保梅.同类多传感器自适应加权估计的数据级融合算法研究[J].兰州理工大学学报,2006,32(4):78-82.
信号融合 篇3
1 数据融合传感器阵列
多传感器数据融合在运用过程的各阶段(例如模型建立、特征提取、目标识别等)需要各种各样的传感器。由于没有哪一类传感器的各种性能指标都绝对比其他类型传感器好,因此在一个系统中,需要同时采用多种类型的传感器,以提高系统检测、识别、分类和决策能力。本文根据系统的需要使用了两类传感器:电磁感应式传感器和霍尔传感器,利用它们之间产生的冗余信息进而检测出缺陷信号。数据融合系统结构如图1所示。
根据缺陷信号的特点以及环境要求,采用漏磁传感器阵列进行数据采集[2]。为提高检测灵敏度,减小钢管表面接触噪声和温度影响,由32个传感器组成的传感器阵列,贴敷在与钢管表面吻合的耐磨块内,形成探头。传感器被分为两组,每组16个。一组由16个电磁感应式传感器组成,另一组由16个霍尔传感器组成,两组交替分配在探头表面。传感器阵列传送出来的两组32路信号经过预处理之后被送到融合中心进行数据融合。
1.1 电磁感应式传感器[3]
电磁感应式传感器的工作原理是:当它贴着钢管表面扫查时,钢管缺陷产生的漏磁场会引起穿过线圈的磁通量变化,从而使电磁线圈中产生感生电动势,形成缺陷信号。当检测用的电磁线圈与钢管做相对运动时,检测漏磁场的线圈所产生的感应电动势Uc为:
式中,n为线圈匝数,Φ为线圈中通过的漏磁场磁通量;B为漏磁场的磁通量密度;S为线圈的横截面积,t为线圈运动时间。电磁感应式传感器能够在很大的温度范围中应用,且工作寿命长、抗灰尘、抗水和抗油污的能力强,即能耐受各种环境条件及外部噪声。
1.2 霍尔传感器[3]
霍尔传感器检测漏磁信号的工作原理是:当电流I沿与磁场B的垂直方向通过时,在与电流和磁场垂直的霍尔传感器两侧便产生霍尔电势Hr:
式中,RH为霍尔系数;KH为霍尔系数RH与霍尔传感器厚度t之比,称为霍尔元件灵敏度。当霍尔系数RH与电流一定时,霍尔电势Hr只取决于磁场B的强度而与漏磁场的运动速度无关,因此,霍尔传感器不会受到管线检测的非匀速性的影响。
2 信号预处理
对于多传感器测量的漏磁缺陷信号数据,为了保证测试的准确性,系统取得信号之后,首先要对信号进行预处理,滤除各种外界干扰和各种噪声,获得正确的测量粗值。一般有两种方法:一是进行平滑处理,实际算法可通过滑动中值平滑器来实现;二是剔除粗大误差,可采取数据相关剔除法与信号平滑法同时进行,将来自多传感器具有相关性、互补性和冗余性的数据进行数据融合。这种方法可以充分利用被测目标在时间与空间上的信息,对被测量进行精确描述[4]。因此,多传感器融合的结果比单个传感器的测量值更为准确。
本文对漏磁缺陷信号使用小波降噪算法,该方法首先将每个传感器的测量值用小波阈值的方法去噪,以减小噪声对传感器测量值的影响。为了更好地重建传感器信号,可将各个传感器测量值进行归一化处理,然后再送入RBF神经网络的数据融合中心进行融合。对缺陷信号采取小波分析可以突出缺陷点,经过小波分析后可将缺陷信号的局部模极大值及其位置以及漏磁信号的波形特征等作为特征信息,用来区分不同的缺陷。
2.1 信号模型
在漏磁信号采集过程中,假设有N个传感器对同一缺陷的不同位置进行测量,每个传感器得到的漏磁信号测量值记为Xj(j=1,2,3...N),在测量过程中存在内部和外部噪声影响,测量值可以表示为:
Xj(n)=S(n)+ej(n) j=1,2,3...N (3)式中,S(n)为真实的被测量值,ej(n)(j=1,2,3...N)为第j个传感器在n时刻的加性噪声,Xj(n)为第j个传感器在n时刻的实际测量值。由于每个传感器受到噪声干扰的程度不同,所以实际测量值偏离真实的被测量值的程度也是不同的。
2.2 小波阈值去噪
小波去噪的方法主要通过设置阈值来实现,对漏磁信号的离散小波变换,计算所有小波系数,剔除被认为与噪声有关的小波系数,然后通过小波变换的逆变换得到信号。对于给定的信号,选取阈值的方法很多,本文使用的是基于Stein无偏风险估计值最小化(SURE)的方法:
式中的阈值t,得到它的是似然函数,然后使似然函数最小化,得到所需阈值。在VISU的方法中阈值的选取固定不变,而在SURE方法中,阈值是自适应变化的,可以更好地降低噪声对缺陷信号的影响[4]。根据经过小波处理后的漏磁信号缺陷波形,可以提取出缺陷的特征向量,用以作为神经网络融合中心的输入。数据融合可根据融合的层次和实际内容将其分成像素层融合、特征层融合和决策层融合。本文把经过小波降噪处理后的信号通过RBF神经网络融合中心进行特征级融合,以对信号进行定量分析。
3 RBF神经网络融合算法
常用的数据融合方法包括神经网络、聚类算法或模板法。其中,人工神经网络具有学习、记忆、联想、容错、并行处理等卓越功能,在拓扑结构、权重自适应等方面应用灵活,已在计量测试仪器标定、故障诊断中获得广泛应用。在多传感器测量系统中,采用数据融合技术可为系统带来多方面的益处[5],如增强系统的稳定性、增加系统的可信度及提高系统的检测能力。由于BP神经网络收敛速度慢,网络训练时间较长,且存在局部极小值的问题,RBF神经网络比BP神经网络具有更快的学习特征,其逼近能力更强。因此,本系统选用RBF神经网络作为融合中心的特征层融合器进行融合训练。
3.1 RBF神经网络结构[6]
RBF神经网络结构图如图2所示,第一层为输入层,用作特征信息融合信息采集,构成输入样本空间X;第二层为隐含层,用作将输入样本空间映射为高维的径向基函数空间,即对输入信息空间X进行特征提取。隐含层节点参数向量包括中心值Ci和标准偏差σi;第三层为输出层,ωi为第i个基函数与输出节点的连接权值,输出为Y,径向基函数选择高斯函数,如下:
式中,m为隐含层节点数,‖·‖为欧几里德范数。
RBF神经网络学习过程分为两个阶段:第一阶段,根据所有的输入样本确定径向基函数及其参数,即确定隐含层各节点的高斯函数的中心值和标准偏差;第二阶段,在确定隐含层各参数后,根据样本,采用梯度下降算法,求出输出层的权值。
RBF神经网络算法主要是通过调整连接权值,使输出层与期望输出逐渐趋于一致。根据最小均方差原理(MSE),当误差指标处于某一个范围之内时,则可以停止运算,表示网络训练成功。
3.2 神经RBF网络参数选取及权值更新
在融合中心,RBF神经网络的结构参数有径向基函数的隐含层节点数、中心值和标准偏差。节点数越多,学习能力越强,合理的节点数可通过训练得到最佳值。确定中心值和标准偏差可采用简单有效的聚类算法K-均值聚类算法。该方法具有实现简便、运算量较小、抗噪声能力强以及识别率高等优点,可以很好地解决建模样本分布不合理的问题。标准偏差的大小影响径向基函数对输入的响应,标准偏差太小则基函数只能对输入数据附近的很小区域做出响应,标准偏差过大则可能丢失固有的局部信息,模型精度也较差,因此标准偏差的选取应在一个稳定区间内进行。
本文利用梯度下降算法确定连接权值。假设总误差为:
式中,p(xj)为第j个训练样本的期望输出;y(xj)为网络实际输出,n为训练样本总数。
式中,Yi(xj)为隐含层第i个基函数的输出;为连接权值ωi的更新值;η为学习步长,一般为在0.2～0.9之间选取[7]。
4 实验仿真分析
本文采用MATLAB软件进行仿真实验,通过提供的40组人工裂缝的样本,对RBF神经网络系统进行训练学习和模式识别,并在学习初期对输入数据进行了预处理,通过样本训练逐渐生成最佳的RBF期网络[8]。另取10组测试样本数据作为输入,用MATLAB软件进行模拟仿真,同时利用RBF神经网络对其进行深度评估,并与常规BP神经网络进行对比,其实验仿真结果如表1所示。
仿真实验结果表明:利用RBF神经网络融合能比较精确地检测到信号缺陷深度,在学习能力和检测精度上,RBF神经网络均优于常规BP神经网络,该方法的平均绝对误差一般为2.69%,而常规BP神经网络的平均绝对误差为5.47%。可见,前者检测效果明显好于后者。
在漏磁缺陷信号中,利用小波降噪预处理可以在有效降低噪声影响的同时,最大程度上保留了缺陷的特征信息;采用漏磁传感器阵列,一定程度上克服了原有单传感器系统的检测误差;基于RBF神经网络的漏磁信号数据融合处理,可对裂纹深度检测的同时进行定量分析。实验结果表明,RBF神经网络不仅具有很快的学习速度,而且能够有效地提高检测的精度和准确率,消除信息的不确定性,提高传感器的可靠性。
摘要：漏磁检测以其高信噪比、高灵敏度和高检测效率，在无损检测中得到了广泛应用。随着科学技术的发展，传统的信号处理方法越来越不适应现代工业的需要，提出一种基于多传感器数据融合技术的漏磁信号处理方法。采用小波去噪的方法，并利用径向基函数(RBF)神经网络的数据融合技术对缺陷信号进行检测处理。仿真结果表明，采用这种方法可以有效提高系统的检测能力和信号精度。
关键词：漏磁检测,多传感器技术,数据融合,小波去噪,RBF神经网络
参考文献
[1]杨万海．多传感器数据融合及其应用[M]．西安：西安电子科技大学出版社，2004．
[2]何辅云，董文雯，王爱民．在役管线无损检测设备的研究[J]．合肥工业大学学报：自然科学版，2004，27(7)：738-741．
[3]刘爱华，满宝元．传感器原理与应用技术[M]．北京：人民邮电出版社，2006．
[4]刘青松，戈迪，钱苏翔．小波去噪和数据融合及在线监测系统中的应用[J]．微计算机信息，2006，22(12)：117-119．
[5]LUO R C,KAY M G.Multi-sensor integration and fusion in intelligent systems.IEEE Trans on System,Man and Cybernetics,1989,19 (5):901.
[6]李鸣鸣，龚振邦，欧阳航空，等．实验数据RBF神经网络模型中噪声的处理方法[J]．光学精密仪器(增刊)，2005，13(11)：227-231．
[7]林嘉宇，刘荧．RBF神经网络的梯度下降训练方法中的学习步长优化[J]．信号处理，2004，18(1)：43-48．
信号融合 篇4
关键词：公共信号制作,转播系统实现,统一性,协调性
中央电视台在2009 年接到承担2012 年伦敦奥运会体操公共信号制作的任务, 在此之后, 体育部与转播部一起, 制订转播方案, 培养转播团队, 历经2010 年广州亚运会、2011 年深圳世界大学生运动会等一系列赛事的练兵和成长, 最终圆满完成了伦敦奥运会的转播任务。此后, 这个团队又承担了仁川亚运会和南宁体操世锦赛等赛事的制作任务, 并将继续承担2016 年巴西里约奥运会体操公共信号的制作任务。笔者从团队成立之初, 就担任综合信号技术切换的角色, 同时作为一名系统工程师, 参与了初期方案制定、实施过程, 在几个大型活动的制作和技术搭建过程中均有参与, 回顾这几年的工作, 深深体会到了技术对节目制作的支撑、节目要求对技术进步的促进作用, 本文回顾一下双方互相促进和融合的历程。
一背景介绍及体操制作系统基本架构
1. 竞技体操及公共信号制作原则介绍
竞技体操比赛分为男子项目和女子项目。其中男子比赛分为自由操、鞍马、吊环、跳马、双杠、单杠等六个项目;女子比赛分为跳马、高低杠、平衡木、自由操等四个项目。比赛安排有资格赛、团体决赛、个人全能、个人单项等。
因为在所有的比赛中, 均有不少于两个项目同时进行。根据比赛的重要程度, 制作信号采用的方式也不尽相同。在节目制作上, 分为单系统制作和N+1 (如3+1、4+1、6+1) 制作方式。
单系统制作就是通过一套系统对所有的比赛进行转播, 即同一时间只能保证一个项目的比赛转播, 这种方式系统比较简单, 即常规的体育转播形式, 2013 年全运会、2010 年新加坡青奥会及2014 年的南京青奥会均采用这种方式。
N+1 的制作方式, 1 为综合系统, N则为分系统的数量。像奥运会、世锦赛这样的顶级赛事, 所有项目都要进行转播, 分项目信号作为完整的制作信号要传送到IBC, 提供给全世界的电视播出机构, 这样对于某些国家, 可以既购买综合信号, 又购买综合信号不一定覆盖到但自己国家受欢迎或强项的赛事信号, 甚至有的只购买单项信号。这种情况下, 为了保证信号无遗漏, 采用的是6+1 的系统。但如果设备预算有限, 同时又希望能够尽可能多地覆盖比赛, 有的时候会简化系统规模, 比如同一系统制作两个赛事的信号, 这样就是3+1 的形式;又或者像2014 年的体操世锦赛测试赛, 共有四个分系统, 再加综合系统, 就是4+1 的形式。
2. 体操公共信号转播系统介绍
综合系统是完整公共信号的制作区, 所有的分信号都会汇集到综合系统, 由制片人和导演按照既定计划和场上的情况进行选择;同时综合信号系统内有六至八台摄像机, 主要是侧全、大全、摇臂等用来过渡的摄像机位;还会配有两台无线摄像机作为全场游机;诸如混合采访区、新闻发布会等处的机位有时也会进入综合系统, 由综合系统将信号切出。比赛过程中对分项信号进行实时编辑, 并随时播出是体操转播的一个很大特点。由于分项信号多, 很难保证完整覆盖所有想要的项目, 同时有时会出现运动员超常发挥或是意外重大失误以及不幸受伤等不确定因素, 不可能在一个项目进行过程中切出, 这就需要有实时编辑的岗位, 用来尽可能增添导演认为的重要因素。
综合系统的特点是外来信号多, EVS数量多, 监视源数量多, 工位数量多, 所以一般都是独立的中等规模制作系统, 如伦敦奥运会就是单独一辆转播车用来做综合信号, 深圳大运会则搭建了一套EFP用来作为综合系统。我们在制作初期, 也曾经探索过将综合系统与其他分系统共用转播车, 也取得了成功, 图3 是工位示意图。
每个分系统负责一到两个比赛项目的信号制作。系统规模在中型以下, 具备主机位、游机等摄像机位, 讯道数量在4 到8 个之间, 很少会超过10 个。有常规的硬盘慢动作系统、比赛信息系统、通话, 字幕系统可选, 能够完成完整的信号制作。由于每个分系统的规模都不是很大, 为了节省资源, 一般都是使用一车两制甚至一车三制, 图4是多系统制作的典型信号流程图。
3. 转播系统配置
对于单系统制作, 一般会使用一辆A级转播车, 讯道数量在14 个左右, 配备一定数量的硬盘, 既完成了信号的实时直播, 又能通过简单编辑, 实现“假直播”。这种情况下, 为了复用摄像机位, 需要根据不同的比赛项目挪动机位, 部分情况下需要在比赛过程中插拔线缆。这需要技术人员紧跟比赛进程, 随时对系统和摄像机进行变换。
对于6+1 制作形式, 需要七套独立的视音频分系统。一辆转播车或一套EFP系统用于综合系统。总的讯道数量在40 个以上, 会用到十几台硬盘。六个中等规模的分系统, 作为分项目信号的制作系统。对于这种规模的转播, 在方案制作初期, 就需要有非常细致的规划, 并非简单地由节目组对系统提要求, 而是需要技术和制作双方, 一起对机位配置、人员在不同时段的工作内容和分工, 都要明确地表述和标示。
二体操公共信号制作系统实现
根据不同的赛事级别, 会使用不同规模的系统配置, 下面我们就以最为复杂的6+1 制作方式, 结合伦敦奥运会和南宁世锦赛的系统规模, 对公共信号的制作系统进行简单介绍。
1. 转播车配置情况介绍
伦敦和南宁均使用了四辆转播车, 其中一辆为综合系统, 另外三辆通过每车双区制作, 来完成六个分系统的信号制作。每辆转播车具备8 到10 个常规讯道的规模, 同时有若干外来信号。
2. 摄像机信号复用
在公共信号的制作过程中, 为了避免混乱, 尽可能地减少常规摄像机的复用。但对于特种设备、特殊机位, 还是需要进行复用。其中最多的是侧全、景观镜头、场内其他特种设备。这些机位的特点是信号一直有效, 因此并不牵扯通话和Tally信号的问题。但对于颁奖机位、超高速以及某些特种设备, 需要根据不同导演要求去往不同地点、完成不同景别摄制的摄像机, 则需要有通话和Tally, 在方案设计之初就要做准备。
3. 硬盘连网应用
在体育项目的信号制作中, 硬盘起到了很重要的作用, 既要保证实时比赛的慢动作回放, 又要快速编辑大量精彩集锦, 同时体操比赛中, 还需要使用硬盘系统对分项信号进行收录、编辑后进行“假直播”。所以在体操的公共信号制作中, 用到大量的硬盘系统。比如2014 年的南宁世锦赛, 使用了17 台EVS (包括XT2 和XT3) , 为了提高效率, 所有这些EVS均连网, 使每个慢动作操作工位都可以在网上找到其他主机上自己想要的素材。当然, 这也需要通话配合。
如此大规模的EVS连网, 虽然带来了很大的便利, 提高了制作效率, 但在调试期间, 还是有很多事项需要注意, 如版本、编码格式、服务器指定、连网线缆路由等等, 有一项有问题都可能会对整个网络产生影响。还有就是如此多的硬盘, 为了避免混淆, 所有的EVS都必须有明确的“身份”, 即网络名和网络号, 这个号不但技术人员要明确, 而且对于节目制作编辑人员, 也要能够明确主机与项目的对应, 才不会在调用的时候产生混乱。表1 所示为EVS连网的表格一部分, 如果用到较多的硬盘, 那这张表的规模会相当可观。
4. 通话系统
通话在电视转播中是一个重要组成部分, 特别是当系统达到一定规模, 对通话的依赖大大增加。像体操信号制作过程中, 除了系统内摄像机、慢动作、字幕等之间通话, 系统间导演通话外, 还包括共享机位、现场导演、综合系统慢动作导演和分项慢动作、综合系统慢动作操作和分项慢动作操作之间等的通话需求。通话方案的优劣直接决定着制作的节奏和质量。经过多年的探索和积累, 几次大赛的尝试, 我们已经形成了一套完整而高效的方案, 很好地保证了节目制作的正常进行。图7 是南宁世锦赛通话系统的示意图。
5. 特种设备
在每次大赛中, 特种设备的使用都成为信号制作中的亮点, 这种趋势在近几年的比赛中尤其明显。在体操转播的特种设备中, 既有像无线摄像机这样机动灵活的机位, 也有超高这样能够表达细节的机位, 还有一些能够从特殊角度给出有视觉冲击力画面的机位, 比如吊顶遥控摄像机和器械上的微型摄像机;还有索道摄像机这样能够兼顾各个项目, 并支持镜头过渡的机位。总的来说, 特种设备的使用, 突出地表现了技术和制作相互促进的作用。正是有了高技术的产品, 才使得画面丰富细腻有味道, 同时在节目组的使用过程中, 也可以使得设备能够最大限度发挥潜力, 同时发现存在的问题, 并为新产品提供思路和灵感, 促使技术更好地更有针对性地提高。图8 是近几年大赛中我们接触到的特种设备。
6. 字幕及赛事信息系统
字幕是体育转播中非常重要的元素, 丰富的字幕信息能够极大提高观众的观看体验, 在如今的体育赛事转播中, 字幕的信息量, 会在很大程度上影响制作信号的质量。如何提取关键信息, 并通过字幕的形式在合适的时机和画面上呈现, 不仅对制作团队, 更对技术人员提出了更高的要求。在体操多系统的制作过程中, 为了能够使子系统和综合系统配合良好, 需要建立有效的相对独立的通话系统, 辅之必要的画面监看, 用以完成协调工作。
除了字幕, 赛事信息系统对于体操转播也是非常重要的, 因为导演需要随时关注比赛的进程, 便于随时调整制作方案。在大赛中, 这部分系统一般由特定的团队负责架设和运行。
三技术与制作的融合与促进
1. 多系统制作的统一性保证
大型比赛中体操公共信号的制作用到的讯道要多于40个, 这里面既包括常规摄像机, 又有各种各样的特种摄像机, 同时由于系统较多, 很多时候, 常规摄像机都非同一品牌或型号, 这使得将所有摄像机信号统一性接近成为一个重要工作。通常情况下, 我们会按系统各自调白, 保证系统内常规摄像机色调一致, 特种摄像机色调基本接近;然后挑选出综合或某一分系统的某几个机位为标准, 手动调整分系统的主机位, 使其与几个标准机位靠近, 再将分系统的常规机位调整到跟主机位接近, 最后将所有特种设备进行手动调整。
很多时候场馆的情况也不尽相同, 有的是能够透自然光的, 白天和晚上比赛就会不同。有的场馆内装饰色差较大, 反光影响严重, 需要在调白的过程中选好位置, 尽量避免环境杂散光的影响。在这些工作中, 各系统技术之间的沟通就很重要, 大家需要在统一指挥下, 按照顺序依次调整, 对于不同系统之间的差异, 应该从技术手段尽可能去弱化。
2. 多系统制作的协调性保证
体操的公共信号制作是典型的“二级切换”的方式;综合信号作为主信号, 具有最高优先级, 各分信号应该在内容上和节奏上尽力配合综合信号;但由于各分信号也是相对独立的完整信号, 所以如何在技术层面协调分信号与综合信号也是一个课题。除了常规的综合PGM返送监看外, 必要的通话提醒也是不可或缺的。对于综合的切换, 由于可以更早得知接下来要去的分系统, 所以可以通过预选的方式做好准备, 这样可以送综合系统的PVW信号或是绿Tally信号去到各分系统, 在综合系统预选到自己的时候, 可以在监看上有明显提醒作用。
上面曾经介绍过, 像超高、索道、颁奖等很多机位是多系统共用的, 为了复用这些机位, 跨系统的通话及Tally就很必要, 往往只是几个镜头的需要, 对系统来说就会增加很多连线, 但为了保障播出安全, 这些工作也都是必要的, 当然需要注意的是, 在系统设置中, 要根据实际需求简化设置, 避免混淆。
3. 公共信号中的“技术”制作工位
在传统的节目制作中, 技术与制作是互不交叉的两个团队, 技术团队负责技术平台搭建、设备架设、系统调试等工作, 这些工作完成后, 技术团队除了负责录像和视频调控外, 很少参与节目制作。但在央视承接了体育赛事的公共信号制作任务后, 这种严格的技术和制作的壁垒被打破了。转播部和体育部在对团队的建设上达成一致, 将切换员和部分慢动作操作员的工位交予了技术人员来承担, 并一直延续了下来。现在看来, 这是一个大胆的决定。
首先, 在节目制作方案制订初期, 作为技术切换的人员往往也承担着系统工程师的角色, 这样就能够很好地理解节目组的需求, 能够高效地完成切换台、监视墙、矩阵等各个系统的设置, 避免了中间层层转述, 造成重复劳动;以切换台为例, 相比于传统切换, 技术切换能够更加深入地去挖掘切换台潜能, 更加自如地对切换台进行设置修改;又比如EVS的设置, 往常使用的一般就是简单的慢动作重放, 但当硬盘需要完成收录、编辑、播出功能的时候, 设置及系统架构会有全新的变化, 对于技术人员来说, 能够更合理地去配置相应的参数, 在使用过程中, 也能够及时发现问题、解决问题, 这些对提高工作效率, 促进节目质量都是有意义的。
其次在节目制作过程中, 会发现很多问题, 这样在双方人员都在的情况下, 能够很容易沟通, 尽快优化系统设置。整个过程中, 技术人员并非简单地根据节目组的要求去实现, 而是深入到要求的形成过程中, 节目组也会根据技术人员的建议, 调整和完善制作方案, 会使得方案更全面, 实现更合理。这是一个共同思考、互相促进的过程。
四结束语
信号融合 篇5
关键词：环绕声,公共信号,包装,混音
随着4K/UHDTV超高清画面以及全景声技术的发展, 人们对声画的要求越来越高。尤其是声音, 其重要性已经被越来越多的观众认可, 对声音的追求享受已经不仅仅局限于立体声了, 全景声是趋势, 环绕声更加普及。2015年, 很多国际级大型体育赛事的公共信号, 声音都是采用环绕声制作, 如“世界花样滑冰大奖赛”, “苏州世乒赛”, “苏迪曼杯”, “鸟巢世锦赛”等。与此同时, 体育赛事的包装越来越青睐于在现场搭建开放式演播室, 主持人背景为比赛场地的制作模式, 比单纯在台内演播室包装主持更能吸引观众眼球, 凸显比赛紧张氛围。除了公共信号的环绕声制作, 包装的环绕声制作也非常重要, 这就需要在现场制作区临时搭建制作小屋, 创造一个良好的环绕声监听环境, 然后再对小屋进行声学测试, 对音箱频响曲线进行校准, 保证监听环境准确, 这样才能准确找准公共信号效果声与包装主持评论的比例, 并能监听判断公共信号的制作比例好坏, 因为公共信号大部分是在转播车上制作, 有的车体音频空间狭窄, 环绕声监听环境半径并非标准, 这就需要包装的同事在包装制作中监听校准, 并及时提出调整意见告知公共信号的制作同志。本文将从公共信号话筒布局, 选择, 如何架设摆放, 如何调音及包装系统如何搭建, 怎样与公共信号融合及环绕声播出和如何下混出立体声播出方面重点介绍。
一公共信号的话筒布局及选择
1.场内效果声分析及话筒布局
如何将篮球场内效果声完全再现, 甚至制作出坐在观众席的观众根本听不到的场内细节效果声, 如投篮声、运动员鞋底摩擦地板声、运动员场上交流呐喊声、教练员场边指导运动员的指点声等, 是调音师努力制作的方向。亲临过比赛现场的观众都知道, 篮球场内观众主要被热烈的观众氛围, 情绪激昂的现场DG声, 以及动感的音乐所覆盖, 其实很难听到篮筐声、脚步声等这些细节的声音, 但电视机前的观众却能享受到现场观众感受不到的这些福利, 主要依靠话筒将这些细节声音拾取出来, 再通过调音师调音呈现。
以架在观众席的主机位为基准点, 将比赛场地分成远端和近段, 离主机位较远的一端为远端场, 离主机位较近的一端为近段场, 话筒布局如图1所示。M1、M2、M3、M4为粘在两端篮筐下端的Sennheiser全指向有线纽扣话筒, 用来拾取投篮时的框声及球砸篮板声。M5、M6、M7、M8为架在篮架上的四支Sennheiser416超指向话筒, 分别指向远端场和近端场的3分线处, 拾取远端左、远端右、近端左、近端右四个区域的声音, M9、M10、M11为架在远端场的3支Sennheiser416超指向话筒, 分别指向左端场, 中场, 右端场。M12为架在摄像机上的CCU机头话筒, 使用Sennheiser816长枪话筒, 由于此摄像机是摄像老师扛在肩上, 跟随球运动的位置跟拍, 可以随时拾取球在近端场移动的声音。M15、M16为两支416超指, 拾取近段场816拾取不到的死角区的声音, M13、M14为粘在远端场左右区的Shure MX391/C地板话筒, 拾取这两个地方拾取不到的死角处。M17、M18为粘在近端教练席座椅下方的Shure MX391/C地板话筒, 拾取教练员指点运动员的声音。但有时教练坐的位置较灵活, 话筒位置未必准确, 局间暂停休息时, 会有两个机位上前跟拍, 同时在这两个机位上架设418s立体声超指向机头话筒作为地板话筒的备份。M19、M20为架在左篮下和右篮下的两台摄像机的机头, 采用Sennheiser 416超指话筒, 声音从摄像机CCU通路返回, 拾取此机位对应的特写画面的声音, 尤其是运动员抢篮板后的前扑动作声。由于导播切到这两个机位的画面, 才会推起对应的此机头声, 调音台设置时, 我们将这两个话筒设置Audio follow Video功能。
2.观效话筒架设及选择
由于是环绕声制作, 我们采用点话筒和主话筒结合的方式。如图1所示, 观效也以主机位视角分成远端场和近端场, M21、M22、M23、M24、M25、M26为吊装点话筒, M27为主机位后方, 用5米大杆架设的ORTF立体声主话筒, 方向朝向场内。M21、M24采用DPA4006全指向话筒, 吊装位置在远端偏左, 远端偏右的位置, 能有效拾取周围的观效场, 由于场内效果话筒在做PAN时主要PAN在左前和右前的区域, 为了避免太多的串音, M22、M23采用DPA4011心型指向话筒, 拾取其下方观众席的声音。M25、M26吊在近端观众席左端和右端的上方, 由于左环和右环主要为观效的声音, 采用DPA全指向4006话筒, 能更好地拾取近端观效场区。M27为立体声话筒, 主要拾取整场的大环境观效, 也相当于这6支点话筒的融合剂。
3.场内效果及观众效果声相定位
以主机位前段的观众为基准点, 进行声相定位。就场内效果而言, 虽然以主机位视角来讲, 篮球是左右移动的, 但整场比赛画面并不都是主机位视角, 会经常切其他机位, 尤其罚球时, 导播会经常切左右篮下机位的特写, 此时篮球视角是位于画面正中央的, 若我们将左半边话筒声相掰得过于向左, 右半边话筒声相掰得过于向右, 就会出现在切到特写机位时, 球声是从偏左或偏右的声相中发出, 听觉与视觉不符, 听起来会非常难受。所以, 将左篮筐下两支纽扣话筒及左篮架上两支超指向话筒的声相只是稍微pan左即可, 右篮筐下纽扣及右篮架话筒声相稍微pan右, 能听出声相定位即可。远端场3支416 (M9、M10、M11) 及近端中线处机位CCU超指 (M12) , M10与M12声相pan中, M9与M11稍pan左右, M13、M14、M15、M16同理, 稍pan左右, 能听出左右的声相层次即可。M17, M18因为是拾取双方教练指点声, 是两台游机上前跟拍特写, 所以声相pan中间。
吊装的6支观效, 大体按照吊装的位置进行声相定位, M22、M23pan在11点及1点钟位置, M21、M24pan在10点钟及2点钟位置, M25、M26pan在8点钟及4点钟位置, ORTF是一对立体声话筒, M27Lpan在9点中位置, M27Rpan在3点钟位置, 这样一个非常棒的环绕声观效场就呈现出来了, 置身其中能感受到连场内观众席的观众都感受不到的完美效果声, 因为他们听不到比赛场内的球声细节等。
所以, 没办法亲临比赛现场的观众可有眼福耳福了, 只要家中有环绕声音箱配置, 有机顶盒解码, 就能感受到热烈的比赛氛围, 犹如置身比赛现场一样。
就算家中没有标配环绕声音箱, 高清体育频道的7、8声道是立体声播出信号, 前方包装制作会混上合适的解说评论声, 除了送前6路环绕声信号外, 同时制作立体声信号送7、8声道, 这个后面谈包装制作会详细说明。所以, 家中只有立体声监听条件的用户也能感受到热烈的比赛氛围。
4.公共信号系统搭建
系统搭建如图2所示, Studer Vista9系列调音台配有两台舞台接口箱, 一台放到场地边, 接所有场内效果话筒, 一台放到3层包装演播室旁, 一方面方便拉缆上场馆顶部马道处吊装观效, 一方面给包装音频送6路环绕声观效信号。
二包装节目形式、话筒选择及工作间搭建
此次比赛在长沙民政职业技术学院举行, 中国男篮能否获得本次冠军关系着其能否进军里约奥运会, 比赛的重要性可想而知。除了公共信号制作的强大阵容外, 体育频道更是加大了包装的制作力度, 为了更好凸显比赛紧张氛围, 吸引观众眼球, 特意在场馆最高层观众席西南角后方平台处, 架设开放式演播室, 背景为比赛场地, 用来赛前主持及赛中主持人与嘉宾战术分析。评论解说席在现场二层观众席处。
1.包装话筒选择及系统设计
由于主持人头顶上方为一大串场馆线阵列PA, 现场DG为了很棒的场馆气氛不可能将PA声扩得很小, 可想而知在赛前及赛中主持时, 扩声对主持人声音的影响。为了最大限度减小串音, 我们给主持人及嘉宾佩戴S e n n h e i s e r H D26头戴解说评论话筒, 此话筒隔离度相较于其他话筒来讲比较好, 场馆PA及观众欢呼带来的串音会相对较弱, 不至于在气氛非常热烈的情况下掩盖主持人及解说的声音, 用Sennheiser MKE-2有线纽扣作为备份。给现场评论员也佩戴Sennheiser HD25头戴解说评论话筒, Sennheiser441话筒为备份。
包装采用Studer Vista5为主调音台, Yamaha DM1000作为备调音台, Genelec8130为环绕声监听音箱, 包装系统如图4所示。
2.环绕声监听小屋搭建
包装的小屋搭建是一项浩大工程, 需设计好长宽比例, 给墙面、屋顶、地面做好吸声, 防止墙面、地面反射。虽然最后我们可以通过使用房间均衡器, 对在此监听环境下的监听音箱的频响进行校准, 但毕竟这是最后一道工序的微调, 房间声学环境不好, 反射大, 再怎么通过均衡校准也无济于事, 所以房间结构比例对称、房间做好吸声很重要。根据节目组给音频划分的房间占地大小, 此次小屋设计的长×宽是6米×4米, 墙面全部用海绵和毡布做好吸声, 并做好标准监听半径和听音角度的测量, 如图5所示。
3.监听音箱测试及低频管理
接下来的工作是对小屋进行声场测试, 对每一个监听音箱的频响校准, 在此环境下, 哪个频段缺失或减少就提升补充, 哪个频段多, 就衰减。只有监听环境标准了, 调出来的声音才标准, 比例才适合。我们用BSS London进行监听音箱的房间均衡补偿, 即调音台输出的3对AES监听信号, 并不是直接送给音箱, 而是先进BSS London处理器, 用NTI测试仪, 通过调音台发粉噪, 站在标准的听音基准点, 对每支音箱测试。London里会显示六条频响曲线, 分别对应六个环绕声音箱, 根据每条曲线的形势调节, 少提多降。前提, 这个也只是微调细化。
低频管理功能由超低音箱来完成。BSS London会自动将输入的3对AES监听信号进行数模转换, 输出6路模拟环绕声监听信号, 但这6路信号并不是直接接入对应音箱, 而是先接入超低音箱, 做低频管理, 超低会滤掉送往L、R、C、LS、RS这5个音箱的过多的低频声, 之后, 输出送L、C、R、LS、RS, 避免这5个音箱声音过于混沌, 影响有效声的清晰度, 低频声统一由低频音箱, 即超低发出, 既保证有效声的质感, 又不影响震撼力。
4.节目素材的立体声上变换
虽然包装是5.1的环绕声制作, 但毕竟现在环绕声的制作模式还没有广泛普及, 主要指播放的片头、小片、背景音乐等, 都是立体声格式, 这个可以理解, 因为播放的小片每天都是新内容, 可能刚采访完就要编辑制作, 然后播出, 时间紧, 任务重, 很难做到环绕声版本, 前期也没按环绕声标准录音, 编辑机器的条件也是限制, 因为环绕声的工作量和内容都比立体声大得多, 所有小片都是环绕声不现实。如果我们要达到环绕声播出标准, 可以通过ISOSTEM上混器, 将立体声素材上变换为环绕声, 上混器会自动计算立体声素材中分配到环绕声声道的声音, 或通过vista5调音台自带up mix上变换功能, 将立体声在pan in的状态下上变换, 即pan成环绕声。强调一点, 上混器与调音台up mix生成的环绕声有一点不同, 上混器是通过自己的运算将立体声素材分配到5.1声道中, 各声道比例无法调节, 而调音台的pan in状态下的up mix, 调音师可以根据自己的听感调节素材 (如音乐) 分配到左前、右前、左环绕和右环绕的比例, 还可以调节实中和虚中的比例, 这就给录音师很大的创作空间。在声相定位时, 笔者将上变换后的音乐和小片主要p a n在前半区声场, 后半区声场主要为观效场, 但并不是说后半区没有音乐声, 前半区没有观效声, 这样会造成声场过于割裂, 将一部分音乐比例适当向后pan, 同时将环绕声效果器的湿声效果送到后环, 这样前后声场连贯, 并且从比赛时的现场观效场转换到小片或音乐时, 也不至于声音过于干涩, 听感差别大。
三包装与公共信号的对接
公共信号负责做比赛效果声, 包装负责将主持评论声与效果声融合, 再送电视播出。公共信号声, 通过转播车加嵌器, 音视频统一加嵌送公共信号主控, 公共信号主控通过光缆, 将信号送给包装接收主控, 视频接收后, 从解嵌器将6路环绕声公共信号解嵌出来, 包装音频再将信号接入系统。
这里有一个小问题我们不能忽视, 正式比赛中, 声音是环绕效果没问题, 我们推起公共信号的环绕声并混上解说评论, 解说评论pan在中置声道, 但赛前的场内开放式演播室主持环节, 包括赛后的场内单边采访环节, 此时公共信号也许正在播放片头, 或播放赛程介绍, 赛后单边采访时, 公共信号也许已经开始制作下一轮央视并不直播的公共信号, 此时, 包装的直播画面并没有切到作为外来的公共信号, 我们是不能推起公共信号的声音的, 但若只有主持或单边记者的声音, 播出就是单声道了, 先不说不符合播出标准, 就从听感上来讲, 单声道变环绕声再变单声道也非常不舒服。所以包装需要单独接入6路观效, 作为主持和单边时的背景。如图2所示, 选取M21、M22、M23、M24、M25、M26六支观效, 分别将其pan到左前、右前、左中、右中、左环、右环的位置。公共信号将调音台接口箱放在3层演播室后方, 方便从接口箱处拉一条12路模拟缆上场馆顶层马道接所有吊装观效, 同时接口箱也方便将6路吊装观效送给包装拉入演播室、用来接主持人话筒的模拟缆。这样, 赛前、赛中的演播室主持人环节及赛后场内单边采访环节时, 我们需要推起这单接的6路观效并拉下外来的6路环绕声公共信号, 保证环绕声声音的连贯性。
四下混立体声的播出
前方包装音频除了将6路环绕声信号送视频加嵌器外, 也同时送给DP570, DP570将环绕声下混出一对立体声, 返回调音台, 我们在监听环绕声信号的同时, 还要切换监听这对立体声信号, 根据听感调节570中源数据的参数, 主要指下混后, 中置声道的解说加上环绕声道的效果声一起分配到左前和右前的双声道系统中的比例, 保证下混后不至于效果声过大压过解说, 也不能解说声过大, 过于贴脸, 掩盖氛围, 所以DP570的源数据必须调合适了, 同时源数据也是在告知家中接收端的机顶盒, 这个是环绕声播出, 前提是用户收看的是高清频道, 并且家中有环绕声系统, 机顶盒会将编好的杜比AC3码流解码, 并将6路环绕声自动分配到对应的音箱中。就算家里没有环绕声系统, 是立体声监听, 机顶盒也会根据收到的源数据, 将6路环绕声下混出合适的立体声送监听。
由于最终送电视播出的终端出口是E14 (央视体育频道演播室) , E14音频接收到前方包装送来的5.1+2 (环绕声+立体声) 8路信号。这里需特别说明一点, 前方包装送给E14音频的7、8路信号是前方调音台下混的立体声信号, E14音频只是将这两路作为参考, 并不送电视播出。由于系统设计的原因, DP570接的是单电, 而调音台接的是主、备电双电, 出于安全考虑, 我们将6路环绕声信号通过调音台自带的downmix功能下混出一对立体声信号, 这个信号送视频加嵌器7、8声道, 同时也送给前方导演监听。但我们将DP570信号接入系统, 并严格监听, 是为了将调好的源数据参数告知终端E14音频, E14音频同志根据此源数据来调节他们本地的D P570源数据参数, 与此保持一致, 将接收到的前方送来的环绕声信号进DP570, DP570会按照此源数据参数下混出一对立体声信号, 通过视频加嵌器, 送电视播出。这就是为什么前方包装要严格监听DP570的返回信号, 目的是为了调出合适的源数据参数, 并与家里音频对接, 将源数据告知。
五展望
信号融合 篇6
关键词：健康服务类节目,新媒体,官方微信号,新媒体融合
新媒体时代到来后,人们的信息获得渠道悄悄在发生改变,以前人们的健康养生知识绝大多数从电视、报纸杂志获得。但是现在即使是老年人,也开始热衷于实践手机朋友圈、微信公众号传播的各种健康“箴言”、独家“秘方”,年轻人更是看见这类养生“秘笈”就顺手收藏转给父母。在这种情况下,传统媒体为了应对新媒体挑战,,也纷纷开疆扩土开设官方新媒体账号,一套“人马”,两块“阵地”,笔者以自己主管的辽宁广播电视台“《健康一身轻》官方微信号”为例,试分析健康服务类官方微信面临众多“自媒体私号”如何突出重围。
1 健康服务类微信“大号”取胜的“法宝”其实“胜之不武”
健康服务类电视节目在电视上广受中老年观众欢迎,而在新媒体传播中,这个受众范围大大拓展,很多中青年人也成了健康类微信号的忠实粉丝,这部分中坚粉丝再辐射到老年粉丝(亲友),所以健康类微信大号的特点就是粉丝群庞大,阅读点击量惊人。以“中国新媒体排行榜”2015年9月7日-14日的周榜为例,排名第一的微信号周点击量达到448万,平均每篇文章有8万多的点击率,考虑到微信的持续传播性,这个数据随着时间还会继续不断增长。但是这个排名第一的健康第一公众号认证身份只是一家化妆品有限公司,再看榜单上前10的健康类微信大号,竟然几乎都是没有任何身份认证的“自媒体”号,唯一沾边的是与国内某著名医疗论坛同名的微信号,身份认证是某医药公司。
为何榜单前列上看不到传统媒体和权威健康机构的官方微信号,看看这些“大号”们最热门文章的标题便能见其倪端。“不烟、不酒、不赌、不嫖的好男人能混成什么样”“女人要不要偷一个情人”“原来男人最不能忍受的竟然是……!”总结起来就是以两性关系为卖点的“心灵鸡汤”充斥着这些“大号”的版面,以低俗来博人眼球,获得点利率。而这些“大号”另一部分真正涉及健康内容的文章则是用哗众取宠、以偏概全、夸大功效的方法来吸引人。比如,某大号点击率过10万的头条《无花果,太恐怖了!难以置信!》一文,竟然宣称“无花果害得我们没有咽喉病了”并称“无花果让世界上癌症的发病率大大降低”。这种完全不负责任,违反科学常识,胡乱抄袭,仅以点击率为唯一目标的文章,几乎成为了这类健康“大号”的通病。
2 科学、精准、独家的健康信息是健康服务类“官号”的硬件
面临这些剑走偏锋的抢眼球手段,官方微信只有反其道而行之才能在夹缝中求生存。在微信内容选取上,官方微信要严把导向关,注重媒体责任,坚持原创。如笔者所在的“《健康一身轻》官方微信号”,一切微信内容都来源于同名电视节目,所有的内容出处都有严谨的科学依据,都是国家顶级权威健康专家的经验之谈,既贴近群众需求,通俗易懂,又有深厚的理论基础,无一字没出处。坚持品质虽然短时间内不一定会有收效,但是长时间的坚持之后,大量淘沙之后剩下的必然是坚持高品质,群众的眼睛还是雪亮的,。以优质严谨的内容取胜,精良制作,精心设计,一定会取得品质和影响的双丰收。笔者主持的微信号也在坚持了1年多之后迎来了粉丝和点击率的井喷(中国新媒体排行榜健康榜媒体类前十),这也从侧面佐证了科学精准的健康知识也有市场,急功近利不顾操守欺骗读者的行为不应为官方微信号效仿。
3 积极多样的实时互动是传统媒体健康服务类“官号”发展的关键
传统媒体依托传统传播平台来传播知识,没有手机方便灵活,但是当传统媒体登陆新媒体之后,它就具有了双重优势。以《健康一身轻》官方微信号为例,利用新媒体的互动优势,和观众真正实现了零距离对接,观众可以实时参与到节目互动中来,有问题马上可以得到解决,能得到专家的私人定制服务,还可以参与各种游戏、福利抽奖等活动,真正实现了电视节目和观众互动无缝对接和实时联动。