Publikasjoner

Utvidelse av modellen for delvis ekvivalent lydtrykknivå for å håndtere reststøy og utelukke uønskede hendelser identifisert ved hjelp av kunstig intelligens

Langtidsmålinger av støy påvirkes ofte av uønskede hendelser, reststøy og andre irrelevante lydkilder, noe som kan redusere nøyaktigheten i de rapporterte støynivåene. Denne artikkelen presenterer en utvidelse av modellen for partiell ekvivalent lydtrykknivå, som kombinerer korreksjoner for reststøy og irrelevante lyder med automatisk gjenkjenning av uønskede hendelser ved hjelp av kunstig intelligens.

Den foreslåtte metoden evalueres gjennom en casestudie og sammenlignes med prosedyrene beskrevet i ISO 1996-2. Resultatene indikerer at den utvidede modellen kan gi mer representative estimater av ekvivalente lydtrykknivåer, samtidig som den forbedrer effektiviteten i databehandlingen. Artikkelen drøfter også forutsetningene, begrensningene og den fremtidige utviklingen av metoden.

Merknad: Artikkelen er skrevet på engelsk

Forfattere: Daniela Toledo Helboe, Karl Henrik Ejdfors og Trond Iver Pedersen, Norsonic AS

Vurdering av indikatoren «partiell ekvivalent lydtrykknivå» i en annen situasjon med omgivelsesstøy

Det kan være utfordrende å beregne ekvivalente lydtrykknivåer nøyaktig når målingene påvirkes av irrelevante lyder. Denne studien vurderer indikatoren «Partial Equivalent Sound Pressure Level» i et miljøstøyscenario som ikke tidligere har blitt undersøkt.

Resultater fra ubemannede støyovervåkingsstasjoner presenteres for relevante lydkilder og sammenlignes ut fra fem ulike tilnærminger for håndtering av irrelevante lyder. Studien belyser hvordan den valgte metoden for håndtering av irrelevante lyder kan påvirke de endelige resultatene og gir ytterligere innsikt i anvendbarheten av indikatoren «partielt ekvivalent lydtrykknivå» i miljøstøyovervåking.

Merknad: Artikkelen er skrevet på spansk.

Forfattere: Jorge Paez Rodriguez, Daniela Toledo Helboe og Trond Iver Pedersen, Norsonic AS

En sammenlignende studie av identifisering av støyhendelser ved hjelp av kunstig intelligens i ubemannet overvåking

Denne artikkelen undersøker bruken av enheter med flere mikrofoner og kunstig intelligens (AI) for å identifisere støyhendelser i ubemannet støyovervåking. Hovedfokuset er å vurdere påliteligheten til en maskinlæringsmodell som opprinnelig er trent på et datasett som representerer et bestemt lydlandskap. Vi evaluerer ytelsen til denne modellen når den brukes på ulike datasett samlet inn fra lignende, men likevel forskjellige lydlandskap, som omfatter ulike miljøforhold og støyprofiler. Gjennom en sammenlignende analyse fastslår vi modellens tilpasningsevne og potensielle begrensninger. Resultatene fra denne studien gir innsikt i hvor godt AI-baserte modeller for identifisering av støyhendelser kan fungere i ulike situasjoner. Dette legger grunnlaget for å utvide anvendbarheten deres i ulike virkelige miljøer og forbedre funksjonaliteten til uovervåkede støyovervåkingssystemer.

Merknad: Artikkelen er skrevet på engelsk

Forfattere: Karl Henrik Ejdfors og Naru Sato, Norsonic AS, Lars Andreas Sæle, Norconsult Norge AS

Vurdering og casestudie ved bruk av et retningsbestemmende instrument basert på tidsforskjell ved ankomst for måling av støy i arbeidsmiljøet

For å beskytte arbeidernes hørsel på støyende arbeidsplasser måles støynivået med jevne mellomrom, og støykildene lokaliseres på bakgrunn av opptak eller videokameraer. Dersom støynivået ligger over et fastsatt grenseverdi, iverksettes støydempende tiltak, eller arbeidstakerne anbefales å bruke hørselsvern. Måling av støynivået kan gjøres ganske enkelt ved å plassere en støymåler på gulvet, men å finne støyreduserende tiltak er en tidkrevende oppgave. Det er nødvendig å lytte til opptakene ett etter ett eller gå gjennom videoen for å finne støyreduserende tiltak. Vi mener at en enkel metode for å estimere støyreduserende tiltak er svært nyttig, siden noen støyende arbeidsplasser ikke tillater opptak eller bruk av videokameraer av personvern- og konfidensialitetshensyn.

I denne artikkelen undersøkes identifisering av støykilder ved hjelp av et retningsbestemmende apparat basert på tidsforskjell ved ankomst i innendørsmiljøer. Resultatene analyseres i sammenheng med romegenskaper som etterklangstid, dimensjoner og lokalisering av apparatet. Artikkelen rapporterer også om praktiske anvendelsestilfeller på faktiske arbeidsplasser.

Merknad: Artikkelen er skrevet på engelsk

Forfattere: Naru Sato, Karl Henrik Ejdfors og Erlend Fasting, Norsonic AS, Takeshi Nakaichi, RION Co., Ltd. og Lars Andreas Sæle, Norconsult Norge

Delvis ekvivalent lydtrykknivå som metode for å håndtere irrelevante lyder ved måling av omgivelsesstøy

Reststøy og uønskede hendelser er kjente faktorer som påvirker nøyaktigheten ved måling av omgivelsesstøy. ISO 1996-2 beskriver metoder for å håndtere disse irrelevante lydene, for eksempel ved å anvende korreksjonsfaktorer, men metodene krever en viss kunnskap om de irrelevante lydene som ikke alltid er praktisk eller mulig å innhente når man utfører langtidsmålinger med ubemannede overvåkingsstasjoner i komplekse urbane lydlandskap.

Selv om automatisk deteksjon av irrelevante lyder gir den nødvendige informasjonen, åpner den også for nye tilnærminger som ikke er beskrevet i ISO 1996-2. I denne artikkelen diskuterer vi et mål kalt «partielt ekvivalent lydtrykknivå» (Partial Leq), beregnet etter at dataprøver med reststøy og uønskede hendelser er identifisert automatisk og erstattet med prosjektspesifikke verdier. Vår hypotese er at man med denne metrikken kan oppnå bedre estimater av ekvivalent lydtrykknivå (Leq) sammenlignet med de generelle metodene angitt i ISO 1996-2. Vi presenterer sammenligninger av resultatene, sammen med en drøfting av anvendbarheten til Partial Leq-metrikken og erfaringer fra bruken av den.

Merknad: Artikkelen er skrevet på engelsk

Forfattere: Daniela Toledo og Trond Iver Pedersen, Norsonic AS

Automatisk gjenkjenning av lydkildens retning og utelukkelse av irrelevante lyder i ubemannede støyovervåkingssystemer

Det er utviklet en enhet med 8 MEMS-mikrofoner som gjør det mulig å lokalisere dominerende lydkilder i et 3D-rom ved hjelp av teknikker basert på tidsforskjell ved ankomst. Enheten, også kalt Noise Compass, er ment å brukes sammen med en utendørs målemikrofon i en støyovervåkingsterminal. Ved å definere områder av interesse i det vertikale og horisontale planet i et overvåkings- og analysesystem, kan irrelevante lyder automatisk oppdages og ekskluderes fra støymålingene. Denne artikkelen beskriver mekanismene for retningsdeteksjon og viser to eksempler på systemanvendelse: overvåking av flystøy og en byggeplass med vei og jernbane i nærheten. Til slutt diskuteres andre systemanvendelser.

Merknad: Artikkelen er skrevet på engelsk

Forfattere: Daniela Toledo og Erlend Fasting, Norsonic AS

AI-teknologi for effektiv støyovervåking og -analyse i komplekse urbane lydlandskap

NorCloud er en brukervennlig programvareplattform for støyovervåking og dataanalyse. Plattformen er utviklet for bruk sammen med avanserte overvåkingsterminaler som kan lokalisere dominerende lydkilder, og hjelper brukerne med å administrere prosjekter som omfatter flere måleplasser og mikrofoner.

Plattformen gjør det enklere å identifisere, klassifisere og trekke ut lydhendelser fra store datasett. AI-basert behandling kan automatisk fjerne irrelevante lydkilder. Dette reduserer tiden som kreves for datagjennomgang, og forbedrer effektiviteten ved vurderinger av miljøstøy.

Artikkelen drøfter fordelene og begrensningene ved automatiserte støyovervåkingssystemer og utforsker både dagens anvendelser og fremtidige utviklingsmuligheter.

Merknad: Artikkelen er skrevet på engelsk

Forfattere: Karl Henrik Ejdfors, Norsonic AS