Ljudevent detektering i realtid med hjälp av en generaliserad överskridnings algoritm

With urbanization being a global trend, more and more people are finding them- selves living in close proximity to each other. This results in an increase of noise levels due to both the people and the increase of traffic in these areas. Health is- sues as a result of the increased sound levels have become a concern for the cities and governments. Noise events are helpful with identifying causes of disturbance and validating reported complaints. Noise events are in this thesis subjectively de- noted as a noticeable temporary increase in sound level. Usually something that disturbs the exposed individuals. The thesis will introduce a general exceedance algorithm that is constructed to detect and register these noise events in real-time. A general exceedance algorithm works by monitoring the current sound level and when it exceeds a threshold level an event is detected. Typically, in an urban envi- ronment, the background sound level changes, presenting a different sound scene depending on the day and time. This then requires a moving baseline that corre- sponds to the current sound scene. Using a memory of all the sound levels for a set time up to the current time the 50th and 90th percentile (denoted L50 and L90 respectively) can be used as a baseline. Then a threshold is required to make sure only the noise events are captured. The results show that this sort of algorithm is feasible and works on a single board computer, in this case a Raspberry Pi 3, in real-time. Further conclusions include that the LA90 , i.e. the L90 level with the so-called A-weighting filter, performed better than LA50, i.e. the L50 level with the so-called A-weighting filter, and that grouping noise events that occur within short time intervals provided a more accurate result.Urbanisering fortsätter vara en global trend där fler och fler människor finner att de lever i närhet till en större befolkning. Resultatet är att dessa områden får förhöjda ljudnivåer ty befolkningen och den ökande trafiken dessa områden med- för. Hälsoproblem som orsakas på grund av de höjda ljudnivåerna har blivit upp- märksammat av städer och regeringar. Ljudevent är något som hjälper vid iden- tifiering av orsak till störning samt vid klagomål från boende i området. Dessa ljudevent är i denna rapport subjektivt definierade som en temporärt märkbar skillnad i ljudnivå. Vanligtvis stör denna ökningen de utsatta individerna. I detta examensarbete kommer en generell överstignings algoritm som är konstruerad för upptäcka och fånga ljudevent i realtid presenteras. Algoritmen fungerar så att den konstant mäter ljudtrycksnivån och jämför den med ett tröskelvärde, när värdet överstiger tröskelvärdet har ett ljudevent upptäckts. I en urban miljö är det vanligt att bakgrundsljudnivån ändras under dagen. Detta kräver att tröskelvärldet följer efter dessa förändringar och anpassar sig. Genom att införa ett minne av hur ljudnivåerna har varit så kan olika percentiler beräknas, i arbetet utvärder- ades LA50 och LA90. Dessa används vanligen i liknande applikationer för att t.ex. få en idé om bagrundsnivåer(LA90). Dessa persentiler används som grund för det rörliga tröskelvärdet. Arbetet resulterade i en algoritm som är möjlig att använda samt att den fungerade i realtid på en Raspberry Pi 3. Det stod klart att LA90 gav bättre resultat än LA50 samt att gruppera ihop ljudevent som sker med små mel- lanrum ger en bättre representation av antalet ljudevent