基于_NET技术的语音报时系统的设计与实现_陈兵国
电子设计大赛声音定位系统TI杯二等奖
目录0 前言 (1)0.1摘要 (1)0.2 关键词 (1)1 总体方案设计及方案论证 (1)1.1 系统总体设计方案及系统框图 (1)1.2 声响模块方案论正 (2)1.3 声音接收处理模块方案论证 (3)1.3.1声音接收模块 (3)1.3.2 声音处理模块方案论证 (3)1.4 显示模块方案论证 (3)2.电路与程序设计 (3)2.1声响模块 (3)2.2声音接收处理模块 (5)2.2.1 声音接收模块 (5)2.2.2 声音处理模块 (6)2.3 显示模块 (6)2.4 程序设计与流程图 (6)2.4.1声响模块流程图 (6)2.4.2接收模块流程图 (8)2.4.3显示模块流程图 (8)3 理论分析与计算 (9)4 系统测试 (9)4.1声响模块 (9)4.2声音接收模块 (10)由于测试现场嘈杂，接收到了信号有一定的失真。
(11)4.3 声音处理模块 (11)4.4显示模块 (11)附录1： (12)附录2： (13)声音定位系统设计0前言随着科学技术的快速发展，声波测距定位将在声音定位系统中的应用越来越广。
但就目前技术水平来说，人们可以具体利用的测距技术还十分有限，因此，这是一个正在蓬勃发展而又有无限前景的技术及产业领域。
展望未来，声音定位系统作为一种新型的非常重要有用的工具在各方面都将有很大的发展空间，它将朝着更加高定位高精度的方向发展，以满足日益发展的社会需求，如声纳的发展趋势基本为：研制具有更高定位精度的被动测距声纳，以满足水中武器实施全隐蔽攻击的需要；继续发展采用低频线谱检测的潜艇拖曳线列阵声纳，实现超远程的被动探测和识别；研制更适合于浅海工作的潜艇声纳，特别是解决浅海水中目标识别问题；大力降低潜艇自噪声，改善潜艇声纳的工作环境。
无庸置疑，未来的声音定位系统将与自动化智能化接轨，与其他的测距仪集成和融合，形成多定位系统。
随着测距的技术进步，测距系统将从具有单纯判断功能发展到具有学习功能，最终发展到具有创造力。
基于U-Net神经网络的声波测井曲线重构
第53卷 第8期 2023年8月中国海洋大学学报P E R I O D I C A LO FO C E A N U N I V E R S I T YO FC H I N A53(8):086~092A u g.,2023基于U -N e t 神经网络的声波测井曲线重构❋李枫林1,刘怀山1,2❋❋,杨熙镭1,赵明鑫1,杨 宸1,张罗成1(1.中国海洋大学海洋地球科学学院,山东青岛266100;2.中国海洋大学海底科学与探测技术教育部重点实验室,山东青岛266100)摘 要: 本文提出了一种基于U -N e t 神经网络的声波测井曲线重构方法㊂通过编码器提取自然伽马(G R )㊁密度(R H O B )等测井曲线的数据特征,利用解码器建立数据特征与声波测井曲线之间的映射关系,实现了声波测井曲线的精准重构㊂实验结果表明,该方法在保留原始声波测井低频信息的基础上,兼顾了输入测井曲线的高频特征,实现了对原始声波测井泥岩层段数据噪音的有效压制,在渤中凹陷东南环测井数据重构中取得了良好的效果,验证了该方法较高的精度和实用性㊂关键词: 声波测井曲线;测井曲线重构;U -N e t 模型;深度学习;卷积神经网络中图法分类号: P 631.4 文献标志码: A 文章编号: 1672-5174(2023)08-086-07D O I : 10.16441/j.c n k i .h d x b .20220239引用格式: 李枫林,刘怀山,杨熙镭,等.基于U -N e t 神经网络的声波测井曲线重构[J ].中国海洋大学学报(自然科学版),2023,53(8):86-92.L i F e n g l i n ,L i uH u a i s h a n ,Y a n g Xi l e i ,e t a l .R e c o n s t r u c t i o n o f a c o u s t i c c u r v e b a s e d o nU -N e t n e u r a l n e t w o r k [J ].P e r i o d i c a l o fO c e a nU n i v e r s i t y of C h i n a ,2023,53(8):86-92. ❋ 基金项目:国家自然科学基金项目(91958206)资助S u p p o r t e d b yt h eN a t i o n a l N a t u r a l S c i e n c e F o u n d a t i o n o f C h i n a (91958206)收稿日期:2022-04-25;修订日期:2022-05-17作者简介:李枫林(1997 ),男,硕士,研究方向为地震资料处理㊂E -m a i l :l i f e n gl i n @s t u .o u c .e d u .c n ❋❋ 通讯作者:E -m a i l :l h s @o u c .e d u .c n声波测井曲线数据在地震地质标定和波阻抗反演中起着非常重要的作用[1]㊂然而,实际工作中由于受到泥浆浸泡㊁井筒污染㊁地层压实程度及测井仪器等多种因素的影响,声波测井曲线数据部分信息失真或被噪音数据掩盖,难以真实反映地下地层岩性变化,影响后续地球物理工作的开展[2],而重新钻探和测井不仅费用高昂且缺乏现实可行性㊂为此,探索声波测井曲线重构方法具有重要的现实意义㊂理论上可以通过测井曲线之间的内在关系,用多元回归分析的方法把畸变失真的曲线校正到真实的测量范围[3-4],但复杂的地下地质情况很难用简单的曲线相关关系来表达,故基于统计分析的常规测井曲线重构方法难以满足储层精细描述与精确解释的需要㊂近年来,随着深度学习方法在各个领域的广泛应用,利用数据驱动的方法解决之前难以解决的地质问题也成为了一种趋势[5-8]㊂本文利用的U -N e t 神经网络由R o n n e b e r ge r 等[9]在2015年提出,最初用于医疗图像分割任务㊂在地球物理勘探领域,丁建群等[10]基于U -N e t 网络进行了地震初至拾取方法的相关研究㊂W u 等[11]改进了U -N e t 模型,充分利用了三维地震数据特征进行地震断层识别;L i u 等[12]在U -N e t 模型的基础上引入残差模块,进一步提高了断层识别的精度㊂在测井曲线重构方面,杨志力等[13]基于B P 神经网络综合多条测井曲线信息对声波测井曲线进行重构㊂金永吉等[14]在传统B P 神经网络的基础上引入了遗传算法提高了B P 神经网络曲线重构精度㊂郑庆伟等[15]将聚类分析方法应用到了测井曲线重构中,利用该方法对测井曲线进行了保真重构;王俊等[16]兼顾了测井数据前后信息㊁储层深度信息之间的关联性,利用G R U神经网络对纵波曲线进行了预测;张海涛等[17]基于B i -L S T M 神经网络通过增加网络深度的方式增强了网络的表达能力,并评估了四种模型的曲线重构效果㊂测井曲线重构方法在深度学习技术的加持下相较于传统方法已经取得了长足的进步,然而上述方法在应用过程中存在对数据噪音的容忍度低㊁在复杂地质环境情况下的曲线重构精度低等问题,同时在曲线重构流程上未进行系统的重构效果分析,仅停留在神经网络学习效果分析与基本曲线对比㊂本文提出了一种基于U -N e t 网络的声波测井曲线重构方法和一套以深度学习技术为核心的测井曲线重构分析流程㊂利用U -N e t 网络高效的数据特征提取与映射的能力,建立自然伽马(G R )㊁密度(R H O B)等输入测井曲线与声波测井曲线之间的非线性映射关系,实现了声波测井曲线的精准重构㊂实验结果分析表明,Copyright ©博看网. All Rights Reserved.8期李枫林,等:基于U -N e t 神经网络的声波测井曲线重构U -N e t 网络在渤中凹陷东南环区域进行的声波测井曲线重构应用上取得了较好的效果㊂1 测井曲线重构理论与流程1.1数据集预处理与构建1.1.1测井曲线标准化 由于研究区内各测井的完钻时间㊁钻井设备㊁钻井技术存在一定差异,导致测井曲线存在系统误差,使得部分地下地质特征差异被掩盖,无法进行准确的弹性参数交会分析㊂针对这一情况,需要首先结合研究区测井数据质量情况,选择目的层段范围内扩径影响小㊁底层特征稳定㊁具备标志性岩性特征的井位数据,以该井位测井数据为基准对其他测井曲线利用频率直方图的形式进行标准化[18-19]㊂从而消除各测井曲线之间的系统误差,使得研究区内所有具有相似沉积背景的测井曲线拥有相似的分布特征㊂1.1.2曲线校正与归一化 为避免某条测井曲线的值主导整体声波测井曲线重构过程,不同曲线之间的权重差异过大影响神经网络训练过程的稳定性㊂需要保证研究区各条输入测井曲线具有统一的量纲,为此对输入网络的测井数据进行两个步骤的处理:一是对曲线在深度上存在的问题进行校正,比如泥岩基线校正等;二是采用以下方式对曲线数据进行统一的归一化处理:X i =x i -x m i nx m a x -x m i n㊂(1)其中:x i 为原测井曲线各样点值;x m a x 和x m i n 为选取测井曲线的最大值和最小值;X i 为归一化后的测井曲线各样点值㊂1.1.3数据集构建 在数据集构建过程中对不同性质的井位划分为测井曲线标准井(后称标准井)与网络模型泛化应用井(后称泛化井)两种类型㊂采用固定时窗随机取样的方法提取标准井非扩径段数据作为训练集数据,包括自然伽马(G R )㊁密度(R H O B )㊁自然电位(S P)等五条测井曲线㊂将标准井与泛化井全井段测井曲线数据采用与训练集相同时窗㊁相同曲线顺序取样的方法构建测试集,以便于后续网络模型的应用分析㊂1.2神经网络架构本文采用的U -N e t 网络如图1所示,主要由卷积层㊁池化层㊁反卷积层组成,五条测井曲线组成的5通道训练集数据组成网络输入,声波测井曲线作为网络输出㊂网络左侧为编码过程,利用卷积层与池化层进行将输入缩小为原来的1/2,数据通道扩展为原来的2倍,同时提取数据特征;网络右侧为解码过程,利用多组反卷积将数据扩展为原来的2倍,通道缩小为原来的1/2,然后通过c o n c a t e n a t e 函数将解码过程产生的特征图与编码过程提取的特征图进行组合,建立输入测井曲线数据与目标声波测井曲线之间的非线性映射关系,网络解码编码过程的卷积组数保持严格一致㊂通过U -N e t 网络对训练集进行训练,可以获得一个相对稳定的声波测井曲线重构参数模型,从而能够利用该模型对研究区其他井位数据进行声波测井曲线重构研究㊂图1 U -N e t 网络结构示意图F i g .1 S c h e m a t i c d i a gr a mo fU -N e t n e t w o r k s t r u c t u r e 1.3测井曲线重构的验证与分析为了尽可能准确地评价声波测井曲线重构效果,针对重构声波测井曲线,本文从以下三个方面进行定性与定量的分析㊂1.3.1曲线对比分析 以测井解释层位为基准,对比分析重构前后声波测井曲线在目的层段整体趋势走向㊁曲线异常值校正㊁砂泥岩薄互层位处曲线分辨率㊁曲线与测井解释层位匹配等问题㊂78Copyright ©博看网. All Rights Reserved.中 国 海 洋 大 学 学 报2023年1.3.2岩石物理交会分析 交会图法是一种快速直观解释岩性的方法,由于其形象直观的特性,适合嵌入测井曲线重构流程中的效果分析部分㊂以重构前后的声波数据与密度数据建立交会图,通过分析测井解释结果约束下的砂泥岩数据分布,判断重构前后曲线在岩性识别中的效果,可以比较直观的说明重构过程对于声波测井曲线的影响㊂1.3.3相关性分析 在进行声波测井曲线重构后,需要利用皮尔逊系数对重构前后的曲线进行相关性分析㊂相应的皮尔逊相关系数公式为:F R X A C ,X U n e t A C ()=ðX A C X U ne t A C -ðX A C ðX U n e t A C NðX 2A C -ðX A C ()2N æèçöø÷ðX 2U n e t A C -ðX U n e t A C ()2Næèçöø÷㊂(2)其中:X A C 为原始声波测井曲线;X U n e t A C 为重构声波测井曲线;N 为曲线样本点总数;R X A C ,X U n e t A C ()为原始声波测井曲线和重构声波测井曲线的相关系数,范围为-1到1㊂当两条曲线的相关系数为1时表示完全正相关,-1表示完全负相关,值为0表示两条曲线之间没有任何关系㊂1.4测井曲线重构的工作流程本文声波测井曲线重构包含四个步骤,具体流程图如图2所示㊂图2 曲线重构步骤流程图F i g .2 F l o wc h a r t o f c u r v e -r e c o n s t r u c t i o n s t e ps (1)划分标准井与泛化井,分别进行数据预处理,对已处理测井曲线数据划分训练集和测试集㊂(2)确定U -N e t 神经网络结构及算法参数㊂(3)采用训练集对神经网络进行训练,利用标准井测试集检验模型重构效果,进行曲线验证分析,若满足要求则进入步骤4,否则返回步骤2,调整网络参数,直到满足重构要求㊂(4)利用训练好的模型对泛化井测试集进行重构实验,得到对应泛化井声波测井曲线㊂2 网络训练与重构效果分析本文实验数据来源于渤中凹陷东南环,该区域储层发育特征复杂,测井资料时间跨度长,测井设备种类复杂㊂由于目的层段埋深较浅,在钻井过程中,出现井壁塌陷㊁泥浆浸泡等问题,目的层段存在严重的欠压实效应,不同含流体特征砂岩及围岩测井弹性参数数值范围重合,难以进行有效区分㊂依据研究区测井数据质量情况,结合标准井选取原则,最终选择研究区A 1井作为标准井进行神经网络训练㊂目的层段测井曲线对应深度为900~1300m ,数据采样间隔为0.125m ㊂利用固定时窗随机取样的方法构建大小为64的256组5通道数据集,损失函数采用M S E l o s s 算法,优化算法采用A d a m 算法,学习率设置为10-4㊂图3为对数据集进行训练的趋势图,可见训练误差在100次迭代之前迅速减小,在400次迭代之后趋近于0,达到所设定的训练精度㊂图3 训练收敛趋势图F i g .3 T r a i n i n gt r e n d c h a r t 神经网络输入与输出曲线如图4所示,包括自然伽马曲线(G R )㊁深侧向电阻率曲线(R D )㊁热中子孔隙曲线(T N P H )㊁密度曲线(R H O B )㊁自然电位曲线(S P ),网络输出为重构声波测井曲线(U n e t A C )㊂虽然不同的测井曲线具有不同的地球物理响应,但总体反映的是同一地质体,因此声波测井曲线与其它的测井曲线之间也存在某种映射关系,这种关系就给声波测井曲线重构带来了可能㊂88Copyright ©博看网. All Rights Reserved.8期李枫林,等:基于U -N e t神经网络的声波测井曲线重构图4 网络输入-输出测井曲线F i g .4 N e t w o r k i n p u t -o u t p u t l o gs 图5为A 1标准井测井曲线重构效果对比图,A C 为原始声波测井曲线,U n e t A C 为重构声波测井曲线,C A L 为井径曲线㊂对原始声波测井曲线A C 与重构声波测井曲线U n e t A C 进行相关性分析后得相关系数:R =0.896㊂在深度900~940m 的泥岩层段,原始声波测井曲线出现了强烈的数值跳跃现象,重构声波测井曲线更为稳定㊁一致,更符合该层位的地质规律;在深度990m ㊁深度1155m 处,受扩径影响,原始声波测井曲线出现较大异常值,重构声波测井曲线在该层位处曲线数值基本恢复正常;在深度950㊁1220m 砂泥岩薄互层处,重构声波测井曲线的泥岩低值与砂岩高值对比更为明显,对砂泥岩薄互层的指示效果相比原始曲线更好㊂在对重构前后曲线的分析中可以看出:重构声波测井曲线在与原始声波测井曲线整体趋势基本一致的基础上,在层位分界面处的分辨率更高,在泥岩段更加波动更小,基本避免了数值跳跃,在砂泥岩薄互层段的区分更为突出,相比于原始曲线更加符合地质规律㊂图6是以A 1标准井声波测井数据与密度测井数据为基础建立的交会图㊂原始曲线交会图(见图6(a )),A C -R H O B 的交会分布呈现散乱的状态,部分散点分布出现了明显的偏离,泥岩散点位分布范围为90~135μs /f t ,砂岩散点位分布范围为110~145μs /f t ,泥岩点位与砂岩点位分布难以区分;在对曲线进行重构之后(见图6(b )),U n e t A C -R H O B 的交会分布得到明显的改善,泥岩散点位分布范围为90~125μs /f t,砂岩散点位分布范围为125~145μs /f t,砂泥岩速度分图5 A 1标准井测井曲线重构效果图F i g .5 E f f e c t d i a g r a mo fw e l l A 1l o g g i n g cu r v e r e c o n s t r u c t i on 图6 A 1井重构前后声波-密度交会图F i g .6 C r o s s p l o t o f a c o u s t i c -d e n s i t y be f o r e a n d a f t e r r e c o n s t r u c t i o n o fw e l l A 198Copyright ©博看网. All Rights Reserved.中 国 海 洋 大 学 学 报2023年布区间更为合理,数据点位更加集中,偏离正常范围的数据也得以收束㊂说明对存在问题数据的声波测井曲线进行重构后,能够有效改善声波测井曲线质量,同时仍然能够基本保留地下岩性及含流体特征变化带来的曲线特征差异㊂3 实际数据应用与效果分析泛化井A 5㊁A 6㊁A 7位于标准井A 1附近,测井曲线种类与A 1井相同,但相比于A 1井,受欠压实效应影响更为严重,声波数据部分失真㊂3.1测井数据预处理图7是以声波㊁密度㊁自然伽马三条测井曲线为例,A 1井为标准井,对A 5㊁A 6㊁A 7井进行标准化前后的频率直方图对比㊂经过标准化处理,声波测井曲线(A C )的数值范围由77.84~157.37μs /f t 统一到了78.17~157.37μs /f t (见图7(a )和7(b )),密度(R H O B )的范围由1.31~2.53g /c m 3统一到了1.94~2.53g /c m 3(见图7(c )和7(d )),自然伽马(G R )的范围由68.41~215.35A P I 统一到了68.17~133.56A P I (见图7(e )和7(f ))㊂进行标准化处理之后,4口井的数值分布范围趋于统一,不同测井之间的系统误差得到一定程度地改善㊂3.2测井曲线重构效果分析在进行研究区目的层段数据特征提取的基础上,利用泛化井测井数据进行声波测井曲线重构实验㊂由于篇幅有限,文中仅以A 7井的实验结果为例进行重构图7 不同井位标准化前后数据频率直方图F i g .7 D a t a f r e q u e n c y h i s t o gr a mb e f o r e a n d a f t e r n o r m a l i z a t i o n f o r d i f f e r e n tw e l l 09Copyright ©博看网. All Rights Reserved.8期李枫林,等:基于U -N e t 神经网络的声波测井曲线重构效果分析㊂图8为A 7井测井曲线重构效果对比图,原始声波测井曲线A C 与重构声波测井曲线U n e t A C 的相关系数:R =0.734,表明重构曲线保留了泛化井原始声波测井曲线一部分特征的同时对曲线进行了相当程度地修正㊂在深度990㊁1011㊁1040m 处,重构声波测井曲线相比于原始曲线对于砂岩层段的响应更为明显;在1060~1110m 扩径泥岩层段,重构声波测井曲线消除了数值跳跃影响,相比于原始曲线更为稳定,更符合泥岩层段速度规律;在1110~1150m 的厚砂岩层段,原始声波测井曲线不清晰㊁不突出,厚砂岩层段难以和上下层段区分,重构声波测井曲线在消除了上下泥岩层段数值跳跃的影响之后对厚砂岩层段反映更为清晰;在深度1150m 处,相比于原始曲线,重构声波测井曲线在该扩径砂岩层段产生了较大的奇异值;在1170m 处,重构声波测井曲线校正了原始曲线的异常值㊂图8 A 7井测井曲线重构效果图F i g .8 E f f e c t d i a gr a mo fw e l l A 7l o g g i n g cu r v e r e c o n s t r u c t i o n 如图9所示,对A 7泛化井以声波测井曲线数据与密度曲线数据为基础建立交会图㊂与A 1标准井重构后岩石物理交会图类似,对A 7泛化井进行声波测井曲线重构后,U n e t A C -R H O B 分布效果得到明显的改善㊂原始测井曲线交会图(见图9(a))中砂岩声波分布更为散乱,在120~140μs /f t 范围内分布大量泥岩声波高值;在声波125μs /f t 附近,砂岩密度分散分布于1.8~2.2g /c m3之间范围;泥岩声波值与砂岩声波值在密度2.1~2.25g /c m3范围内数据,这些现象明显不符合地质规律认识㊂在对曲线进行重构之后(见图9(b)),泥岩声波值集中在95~120μs /f t,砂岩声波值集中在110~135μs /f t,数据分布相比重构之前更为集中㊂总的来说,重构声波测井曲线相比于原始声波测井曲线,砂泥岩点位分布相比原始曲线更为集中,原始曲线的泥岩声波高值得到一定程度的修正,砂泥岩速度分布更为符合实际地质规律认识㊂而网络模型的迁移应用也带来了部分问题:数据驱动的方法过分依赖于输入数据的质量,强烈扩径现象对自然伽马(G R )等输入曲线数据产生的巨大影响,造成了重构声波测井曲线在深度1150m 层段(见图8)产生范围155~165μs /f t 的部分奇异值点位㊂图9 A 7井重构前后声波-密度交会图F i g .9 C r o s s p l o t o f a c o u s t i c -d e n s i t y be f o r e a n d a f t e r r e c o n s t r u c t i o n o fw e l l A 74 结论(1)本文提出了一套以深度学习技术为核心的声波测井曲线重构流程㊂该流程从固定时窗随机取样的标准井数据出发,通过U -N e t 神经网络提取测井曲线数据的数据特征,将其应用于实际声波测井曲线重构㊂19Copyright ©博看网. All Rights Reserved.中国海洋大学学报2023年实验结果表明,研究区域重构声波测井曲线整体趋势保持和原始声波测井曲线基本一致的同时,相较于原始曲线,重构的测井曲线更加符合地层的真实情况㊂(2)本文中U-N e t神经网络的使用避免了常规测井曲线重构过程中的复杂计算,其网络中的编码-解码过程能够高效地利用训练集数据进行网络训练,在声波测井曲线重构的实验中证明了该网络进行测井数据间特征提取的准确性㊁实用性㊂参考文献:[1]朱国军.声波曲线重构技术在储层预测中的应用[J].物探化探计算技术,2017,39(3):383-387.Z h uG u o j u n.A p p l i c a t i o no f a c o u s t i c c u r v e r e c o n s t r u c t i o n i n r e s e r-v o i r p r e d i c t i o n[J].C o m p u t i n g T e c h n i q u e s f o rG e o p h y s i c a l a n dG e-o c h e m i c a l E x p l o r a t i o n,2017,39(3):383-387.[2]贺懿,刘怀山,毛传龙,等.多曲线声波重构技术在储层预测中的应用研究[J].石油地球物理勘探,2008(5):549-556.H eY i,L i uH u a i s h a n,M a oC h u a n l o n g,e t a l.S t u d y o n a p p l i c a t i o n o fm u l t i-c u r v e s o n i c r e c o n s t r u c t i v e t e c h n i q u e i n p r e d i c t i o n o f r e s e r-v o i r[J].O i l G e o p h y s i c a l P r o s p e c t i n g,2008(5):549-556. [3]廖茂辉.多元回归方法校正扩径对密度曲线声波曲线的影响[J].物探与化探,2014,38(1):174-179,184.L i a oM a o h u i.T h e a p p l i c a t i o n o fm u l t i p l e r e g r e s s i o nm e t h o d t o t h e c a l i b r a t i o n o f t h e i n f l u e n c eo f h o l e e n l a r g e m e n t o nd e n s i t y a n da-c o u s t i c l o g s[J].G e o p h y s i c a l a n dG e o c h e m i c a lE x p l o r a t i o n,2014, 38(1):174-179,184.[4]E s k a n d a r i H,R e z a e eMR,M o h a m m a d n i a.A p p l i c a t i o n o f m u l t i p l e r e g r e s s i o n a n d a r t i f i c i a l n e u r a l n e t w o r k t e c h n i q u e s t o p r e d i c t s h e a r w a v ev e l o c i t y f r o m w i r e l i n el o g d a t af o rac a r b o n a t er e s e r v o i r S o u t h-W e s t I r a n[J].C a n a d i a nS o c i e t y o fE x p l o r a t i o n G e o p h y s i-c i s t s,2004,29(7):42-48.[5]宋建国,李赋真,徐维秀,等.改进的神经网络级联相关算法及其在初至拾取中的应用[J].石油地球物理勘探,2018,53(1):8-16. S o n g J i a n g u o,L i F u z h e n,X u W e i x i u,e t a l.A n i m p r o v e dn e u r a l-n e t w o r k c a s c a d e-c o r r e l a t i o n a l g o r i t h ma n d i t s a p p l i c a t i o n i n s e i s m i c f i r s t b r e a k p i c k i n g[J].O i l G e o p h y s i c a l P r o s p e c t i n g,2018,53(1): 8-16.[6]杨熙镭,刘怀山.基于曲波噪声估计的K-S V D字典学习地震资料去噪[J].工程地球物理学报,2021,18(4):445-452.Y a n g X i l e i,L i uH u a i s h a n.K-S V Dd i c t i o n a r y l e a r n i n g s e i s m i c d a t a d e n o i s i n g t e c h n i q u e b a s e d o n c u r v e l e t n o i s e e s t i m a t i o n[J].C h i n e s e J o u r n a l o f E n g i n e e r i n g G e o p h y s i c s,2021,18(4):445-452. [7]李林伟,彭崯,童思友,等.L S T M神经网络在地震资料初至拾取中的应用[J].中国海洋大学学报(自然科学版),2022,52(2):87-93.L i L i n w e i,P e n g Y i n,T o n g S i y o u,e ta l.Af i r s tb r e a k p i c k i n g m e t h o d i n s e i s m i c p r o s p e c t i n g u s i n g L S T Mr e c u r r e n t n e t w o r k s[J].P e r i o d i c a l o fO c e a nU n i v e r s i t y o f C h i n a,2022,52(2):87-93.[8]范帅,邢磊,李倩倩.基于迭代收缩阈值网络的地震数据重构研究[J].工程地球物理学报,2021,18(6):873-880.F a n S h u a i,X i n g L e i,L iQ i a n q i a n.S t u d y o ns e i s m i cd a t ar e c o n-s t r u c t i o n b a s e do n i t e r a t i v e s h r i n k a g e t h r e s h o l dn e t w o r k[J].C h i-n e s e J o u r n a l o f E n g i n e e r i n gG e o p h y s i c s,2021,18(6):873-880.[9] R o n n e b e r g e rO,F i s c h e rP,B r o xT.U-N e t:C o n v o l u t i o n a lN e t-w o r k s f o rB i o m e d i c a l I m a g eS e g m e n t a t i o n[C].[s.l.]:M e d i c a lI m a g e C o m p u t i n g a n d C o m p u t e r-A s s i s t e d I n t e r v e n t i o n,2015:234-241.[10]丁建群,何永清,郭锐,等.基于U-N e t网络的地震数据初至自动拾取方法[C].[s.l.]:2019年油气地球物理学术年会论文集, 2019:132-136.D i n g JQ,H eYQ,G u oR,e t a l.A m e t h o d o f s e i s m i c d a t a f i r s ta r r i v a l a u t o m a t i c p i c k u pb a s e d o nU-N e t n e t w o r k[C].[s.l.]:P r o-c e ed i n g s o f t h e2019a c a de m i c c o nf e r e n c e o n p e t r o l e u mg e o ph y s-i c s,2019:132-136.[11]W uX i n m i n g,L i a n g L u m i n g,S h iY u n z h i,e ta l.F a u l t S e g3D:U s i n g s y n t h e t i cd a t as e t st ot r a i na ne n d-t o-e n dc o n v o l u t i o n a ln e u r a l n e t w o r k f o r3Ds e i s m i c f a u l t s e g m e n t a t i o n[J].G e o p h y s-i c s,2019,84(3):35-45.[12]L i uN,H eT,T i a nY,e t a l.C o m m o n-a z i m u t h s e i s m i c d a t a f a u l ta n a l y s i s u s i n g r e s i d u a lU N e t[J].I n t e r p r e t a t i o n,2020,8(3):25-37.[13]杨志力,周路,彭文利,等.B P神经网络技术在声波测井曲线重构中的运用[J].西南石油大学学报(自然科学版),2008(1):63-66.Y a n g Z h i l i,Z h o uL u,P e n g W e n l i,e t a l.A p p l i c a t i o n o f B P n e u r a l n e t w o r k t e c h n o l o g y i na c o u s t i c l o g g i n g c u r v e r e c o n s t r u c t i o n[J].J o u r n a l o f S o u t h w e s t P e t r o l e u m U n i v e r s i t y(S c i e n c e&T e c h n o l o-g y E d i t i o n),2008(1):63-66.[14]金永吉,张强,王毛毛.基于遗传神经网络算法的测井曲线重构技术[J].地球物理学进展,2021,36(3):1082-1087.J i nY o n g j i,Z h a n g Q i a n g,W a n g M a o m a o.W e l l l o g g i n g c u r v e r e-c o n s t r u c t i o n b a s ed o n ge n e t i c n e u r a l n e t w o r k[J].P r o g r e s s i nG e o-p h y s i c s,2021,36(3):1082-1087.[15]郑庆伟,王祝文,欧希阳,等.聚类分析方法在测井曲线重构中的应用[J].世界地质,2015,34(3):807-812.Z h e n g Q i n g w e i,W a n g Z h u w e n,O uX i y a n g,e t a l.A p p l i c a t i o n o fc l u s t e r i n g a n a l y s i s i nw e l l l o g g i n g c u r v e r e c o n s t r u c t i o n[J].G l o b a lG e o l o g y,2015,34(3):807-812.[16]王俊,曹俊兴,尤加春.基于G R U神经网络的测井曲线重构[J].石油地球物理勘探,2020,55(3):510-520.W a n g J u n,C a o J u n x i n g,Y o u J i a c h u n.R e c o n s t r u c t i o no f l o g g i n g t r a c e s b a s e do nG R Un e u r a l n e t w o r k[J].O i lG e o p h y s i c a l P r o s-p e c t i n g,2020,55(3):510-520.[17]张海涛,杨小明,陈阵,等.基于增强双向长短时记忆神经网络的测井数据重构[J].地球物理学进展,2022,37(3):1214-1222.Z h a n g H a i t a o,Y a n g X i a o m i n g,C h e nZ h e n,e t a l.A l o g d a t a r e-c o n s t r u c t i o nm e t h o db a s e do ne n h a n c e db id i re c t i o n a l l o n g s h o r t-t e r m m e m o r y n e u r a l n e t w o r k[J].P r o g r e s s i nG e o p h y s i c s,2022, 37(3):1214-1222.[18]徐延勇,邹冠贵,曹文彦,等.测井曲线标准化方法对比研究及应用[J].中国煤炭地质,2013,25(1):53-57.X uY a n y o n g,Z o u G u a n g u i,C a o W e n y a n,e ta l.C o m p a r a t i v e s t u d y a n d a p p l i c a t i o n o f l o g g i n g s t a n d a r d i z a t i o nm e t h o d s[J].C o a lG e o l o g y o f C h i n a,2013,25(1):53-57.[19]高春云,周立发,路萍.测井曲线标准化研究进展综述[J].地球物理学进展,2020,35(5):1777-1783.G a oC h u n y u n,Z h o uL i f a,L u P i n g.R e v i e wo f t h e d e v e l o p m e n t o fw e l l l o g n o r m a l i z a t i o n[J].P r o g r e s s i nG e o p h y s i c s,2020,35(5): 1777-1783.(下转第103页)29Copyright©博看网. All Rights Reserved.8期徐学范,等:海表浅层水体温度剖面测量设备研发与实现301D e v e l o p m e n t a n dR e a l i z a t i o n o f S u r f a c eS h a l l o w W a t e rT e m p e r a t u r eP r o f i l eM e a s u r e m e n t E q u i p m e n tX uX u e f a n,Z h a n g K a i l i n(C o l l e g e o fM a r i n eT e c h n o l o g y,F a c u l t y o f I n f o r m a t i o nS c i e n c ea n dE n g i n e e r i n g,O c e a n U n i v e r s i t y o fC h i n a,Q i n g d a o 266100,C h i n a)A b s t r a c t:S u r f a c ew a t e r t e m p e r a t u r e i s a n i m p o r t a n t f e a t u r e o f t h e o c e a n.I n o r d e r t o o b t a i n t h e v e r t i c a l t e m p e r a t u r e p r o f i l e o f s u r f a c ew a t e r,t h a t i s,0-10md e p t hb e l o wt h e s e a s u r f a c e,t h i s p a p e r d e s i g n e d a s u r f a c e s u r f a c ew a t e r t e m p e r a t u r e p r o f i l em e a s u r e m e n t d e v i c eb a s e do n t h e i n f r a r e d t e m p e r a t u r em e a-s u r e m e n t p r i n c i p l e.T h e s e a w a t e r t e m p e r a t u r ew a s o b t a i n e d i n d i r e c t l y b y m e a s u r i n g t h e t e m p e r a t u r e o f t h e t e m p e r a t u r e g u i d e p l a t e s i n c o n t a c tw i t h t h ew a t e r b y i n f r a r e d t h e r m a l i m a g e r,a n d t h ew a t e r t e m-p e r a t u r e p r o f i l ew i t hl o w v e r t i c a l r e s o l u t i o n w a so b t a i n e db yp l a c i n g m o r ed e n s et e m p e r a t u r e g u i d e p l a t e s,w i t h t h em i n i m u mt e m p e r a t u r em e a s u r e m e n t p o i n t s p a c i n g u p t o2c m.C o r r e c t i o n b l a c k b o d y i s u s e d i n s i d e t h e e q u i p m e n t f o r r e a l-t i m e c o r r e c t i o n,a n d t h em o r e a c c u r a t e t e m p e r a t u r e o f t h e t e m p e r a-t u r e g u i d e p l a t e i s o b t a i n e d.B l a c k-b o d y c a l i b r a t i o n e x p e r i m e n t a n d l a b o r a t o r y f l u m e s i m u l a t i o n e x p e r i-m e n t h a v e b e e n c a r r i e d o u t i n t h e l a b o r a t o r y,a n d t h e t e m p e r a t u r em e a s u r e m e n t a c c u r a c y c a n r e a c hʃ0.1ħ.T h e e x p e r i m e n t a l r e s u l t s s h o wt h a t t h e d e v i c e h a s a g o o d a c c u r a c y i nm e a s u r i n g w a t e r t e m p e r a-t u r e,a n d i t i s e a s y t od e p l o y,a n d t h e t e m p e r a t u r e p r o f i l ew i t h l o wv e r t i c a l r e s o l u t i o n c a nb e o b t a i n e d w i t h i n t h em e a s u r e m e n t r a n g e.T h e e q u i p m e n t c a n i m p r o v e t h e v e r t i c a l r e s o l u t i o n o f s e aw a t e r t e m p e r a-t u r e p r o f i l e t o a c e r t a i ne x t e n t a n d p r o v i d e r e f e r e n c e f o r f i e l dm e a s u r e m e n t o f S S Te r r o r c o r r e c t i o nb y s a t e l l i t e o b s e r v a t i o n.K e y w o r d s:s u r f a c ew a t e r t e m p e r a t u r e p r o f i l e;i n f r a r e d t h e r m a l i m a g e r;g u i d e t e m p e r a t u r e p l a t e;r e a l-t i m e c o r r e c t i o n;b l a c k b o d y责任编辑庞旻(上接第92页)R e c o n s t r u c t i o n o f A c o u s t i cC u r v eB a s e d o nU-N e t N e u r a l N e t w o r kL i F e n g l i n1,L i uH u a i s h a n1,2,Y a n g X i l e i1,Z h a oM i n g X i n1,Y a n g C h e n1,Z h a n g L u o c h e n g1(1.C o l l e g e o fM a r i n eG e o s c i e n c e s,O c e a nU n i v e r s i t y o f C h i n a,Q i n g d a o266100,C h i n a;2.T h eK e y L a b o r a t o r y o f S u b m a-r i n eG e o s c i e n c e s a n dP r o s p e c t i n g T e c h n i q u e s,Q i n g d a o266100,C h i n a)A b s t r a c t:L o g g i n g d a t a i s n o t o n l y t h e b a s i s o f i d e n t i f y i n g u n d e r g r o u n d l i t h o l o g i c c h a r a c t e r i s t i c s,b u t a l s o t h e c o r e o fw e l l s e i s m i c j o i n t i n v e r s i o n.D u e t o t h e i n f l u e n c e o f g e o l o g i c a l a n dc o n s t r u c t i o nc o n d i-t i o n s i n p r a c t i c a l w o r k,t h e a c o u s t i c l o g g i n g d a t a i s d i s t o r t e d o rm i s s i n g,w h i c h c a n n o t r e f l e c t t h e c h a n g e l a wo f f o r m a t i o n l i t h o l o g y,a f f e c t i n g t h e d e v e l o p m e n t o f s u b s e q u e n tw o r k.T h i s p a p e r p r e s e n t s a r e c o n-s t r u c t i o nm e t h o d o f a c o u s t i c l o g g i n g c u r v eb a s e do nU-N e t n e u r a l n e t w o r k.T h e d a t a c h a r a c t e r i s t i c s o f l o g g i n g c u r v e s(G R,R H O B)a r e e x t r a c t e d b y t h e e n c o d e r.T h em a p p i n g r e l a t i o n s h i p b e t w e e n d a t a c h a r-a c t e r i s t i c s a n d t h e a c o u s t i c l o g g i n g c u r v e i s e s t a b l i s h e d b y u s i n g t h e d e c o d e r,t h e n,a c c u r a t e r e c o n s t r u c-t i o n o f t h e a c o u s t i c l o g g i n g c u r v e i s r e a l i z e d.T h e r e s u l t s s h o w t h a t t h i sm e t h o d r e t a i n s t h e l o w-f r e q u e n-c y i n f o r m a t i o n o f t h e o r i g i n a l a c o u s t i c l o g g i n g,t a k e s i n t o a c c o u n t t h eh i g h-f r e q u e n c y c h a r a c t e r i s t i c s o f t h e i n p u t l o g g i n g c u r v e,a n d r e a l i z e s t h e e f f e c t i v e s u p p r e s s i o n o f t h e n o i s e o f t h e o r i g i n a l a c o u s t i c l o g g i n g m u d s t o n e i n t e r v a l d a t a.I t h a s a c h i e v e d g o o d r e s u l t s i n t h e l o g g i n g d a t a r e c o n s t r u c t i o no f t h e s o u t h e a s t r i mi nB o z h o n g s a g,w h i c h v e r i f i e s t h i sm e t h o d s h i g h a c c u r a c y a n d p r a c t i c a b i l i t y.K e y w o r d s:a c o u s t i c l o g g i n g c u r v e;c u r v e r e c o n s t r u c t i o n;U-N e t n e t w o r k;d e e p l e a r n i n g;C o n v o l u t i o n n e u r a l n e t w o r k(C N N)责任编辑徐环Copyright©博看网. All Rights Reserved.。
基于AIS信息的检测告警系统设计与实现
1概述船舶自动识别系统(Automatic Identification System,简称AIS)是一种具有船舶自动识别、通信和导航功能的系统;安装了AIS 设备的船舶可向他船和岸站自动报告本船的静态信息、动态信息等相关信息[1]。
AIS 船舶报告主要有船位报告、基地台报告、信道管理等13种[2],船位报告中主要包含用户识别码(MMSI 码)、航行状态、经度、纬度等。
国际海事组织规定,300吨及以上从事国际航运的货船、500吨以上非国际航运的货船及所有客船均应从2002年开始逐步配备AIS 设备[3]。
截止2018年底,全国建成了1个国家级、21个辖区级AIS 数据中心、182座沿海AIS 基站,基本覆盖沿海25至30海里海域。
从而为大规模收集船舶AIS 信息奠定了基础。
AIS 设备在船舶上加装覆盖率高,且AIS 信息可靠性较好,因此,加强对AIS 信息的挖掘应用能有效提高对海上船舶的监视和跟踪能力。
设计的检测告警系统能根据用户需求自动检测满足条件的AIS 目标,并提醒用户重点关注。
2系统功能系统建设的主要目标是根据用户设置的告警条件自动检测实时接收的AIS 信息中是否有满足告警条件的目标,并生成告警信息告警提示用户。
用户通过MMSI 码、船舶类型设置的需要告警的目标称为关注目标。
系统需求主要包括以下内容:2.1告警条件管理系统能够为用户提供关注目标设置、告警区域编辑以及告警设置功能,使用户能根据需求进行灵活设置。
关注目标设置能通过船舶的MMSI 码、船舶类型指定关注目标;告警区域编辑能以输入多边形经纬度点方式设置告警区域;告警设置将关注目标和告警区域进行组合生成最终的告警条件。
2.2AIS 目标信息检测告警系统能够根据用户设置的告警条件自动检测实时接收到的AIS 目标信息(包含MMSI 码、经纬度)是否包含满足条件的目标,如果包含则生成告警信息,并以声音和弹窗的方式提醒用户。
2.3告警目标显示和管理系统检测到满足条件的AIS 目标后,能在电子海图上显示。
语音报时系统的一种实现方法
语音报时系统的一种实现方法
张培丰
【期刊名称】《郑州轻工业学院学报（自然科学版）》
【年(卷),期】1999(014)003
【摘要】采用ＴＳＰ５２２０语音合成器，结合微机技术设计了一种语音报时系统，其语音库由ＬＰＣ算法建立，由报时所需的３０多个单字组成，通过单字发音子程序的调用来实现语音报时过程，该系统具有预定报时，请求报时和过程报时功能。
【总页数】1页(P46)
【作者】张培丰
【作者单位】河南日报社信息技术部
【正文语种】中文
【中图分类】TP391.42
【相关文献】
1.单片机报时时钟控制系统的一种设计方法 [J], 郑惠芳
2.一种融合网络语音业务系统的实现方法的研究 [J], 肖巍;周文安;马飞;宋俊德
3.基于.NET技术的语音报时系统的设计与实现 [J], 陈兵国
4.一种智能电话语音报时系统 [J], 白燕;和康元
5.一种数字语音通信噪音消除和语音恢复方法设计及实现 [J], 许志强;李庚欣;王云丽;廖蓉晖;杨龙剑
因版权原因，仅展示原文概要，查看原文内容请购买。
基于ISD4004的红外遥控医院语音播报系统的设计
ｃｏｎｔｒ０１．Ｇｍｅｌｍ妇Ｔｈｅ ｃｈｉｐ ａｎｄ ｉｎｆｒａｒｅｄ ｒｅｍｏｔｅ
ｓｙｓｔｅｍ ｐｒｏｖｉｄｅｓ ａ ｌｏｗ—ｃｏｓｔ ａｎｄ ｈｉｇｈ—ｐｅｒｆｏｒｍａｎｃｅ ｈｏｓｐｉｔａｌ ａｕｔｏｍａｔｉｃ
ｂｒｏａｄｃａｓｔ ｓｏｌｕｔｉｏｎ ａｎｄ ｒｅａｌｉｚｅｓ ｉｎｔｅｌｌｉｇｅｎｔ ａｎｄ ａｕｔｏｍａｔｉｏｎ ｂｒｏａｄｃａｓｔ．【Ｃｈｉｎｅｓｅ Ｍｅｄｉｃａｌ Ｅｑｕｉｐｍｅｎｔ ＪｏｕｒｎａＩ．２００９，３０
isd4004语音芯片采用cmos技术内含晶体振荡器防混叠滤波器平滑滤波器自动静噪音频功率放大器及高密度多电平闪烁存储陈列等因此只需很少的外围器件就可构成一个完整的声音录放系统1563
ＴＨＥＳＩＳ＆ＲＥＳＥＡＲＣＨ ＲＥＰＯＲＴ ｌ研究论著
基于ＩＳＤ４００４的红外遥控医院语音播报系统的设计
杨易华，吴效明，岑人经
卜●１—０—－ｍ—开—始 ——位—ｌ———叫———●叶——｝１ ＿ｍ卜一卜●————１—０ｍ—８—停—止—位 —刊Ｉ
—卜第ｌ位 计讹，。
圈３系统原理图
主控模块控制整个程序运 行的流程，协调各个功能模块 的工作．如图４所示。主程序处 于等待红外接收中断状态，根 据接收到的命令码进行相应的 处理。如果接收到的是录、放音 命令．则根据随后接收到的段 码，选择ＩＳＤ４００４对应的段．进 行录、放音操作．并在液晶显示 屏上显示出段码、时间或广播 词。 ３．２语音录放模块
Ｕｌ
…一叶飞１．０５９２Ｍ１８ｒ－１ 一ｌＪ卜＋
吐
ｂ ＸＴＡＬｌ
２Ｍ１８
ｉ－』 ＸＴＡＬ２
。ｈＩ
ｖ耳ｃｃ黎Ｉ ■Ｐ叫磊 黔一
∥增－Ｊ－毒Ｉｑ骂
嚣 Ｐ３．ＯＲｘＤ Ｐ３．１ＲｘＤ Ｐ３．２ Ｐ３－３ Ｐ３ ４厂ｆＤ
语音播报实时数据处理系统的设计与实现毕业设计论文
毕业设计（论文）题目：语音播报实时数据处理系统的设计与实现本科毕业设计（论文）创作诚信承诺书1.本人郑重承诺：所提交的毕业设计（论文），题目《基于单片机的实验室环境检测》是本人在指导教师指导下独立完成的，没有弄虚作假，没有抄袭、剽窃别人的内容；2.毕业设计（论文）所使用的相关资料、数据、观点等均真实可靠，文中所有引用的他人观点、材料、数据、图表均已标注说明来源；3. 毕业设计（论文）中无抄袭、剽窃或不正当引用他人学术观点、思想和学术成果，伪造、篡改数据的情况；4.本人已被告知并清楚：学校对毕业设计（论文）中的抄袭、业设计（论文）成绩不合格，无法正常毕业、取消学士学位资格或注销并追回已发放的毕业证书、学士学位证书等严重后果；5.若在省教育厅、学校组织的毕业设计（论文）检查、评比中，被发现有抄袭、剽窃、弄虚作假等违反学术规范的行为，本人愿意接受学校按有关规定给予的处理，并承担相应责任。
目录1绪论 (2)2系统设计 (3)2.1设计需求 (3)2.2系统原理 (3)3系统硬件设计 (4)3.1电源模块 (4)3.2微控制器模块 (5)3.3非特定人声语音模块 (5)3.4 DHT11数字温\湿度传感器 (7)3.5 ENC28J60以太网模块 (9)4系统软件设计 (10)4.1整体流程 (10)4.2以太网模块软件方案 (12)4.3语音模块软件方案 (13)5 系统调试 (14)5.1硬件电路故障及解决方法 (15)5.2硬件调试方法 (15)6结束语 (15)参考文献: (17)皖西学院2014届本科毕业设计（论文）语音播报实时数据处理系统的设计摘要：这篇论文主要是详细介绍了语音播报实时数据处理系统的设计与实现过程。
采用高性能、低成本、低功耗的32位结构的微控制器stm32作为核心芯片，利用温湿度传感器模块，ENC28J60以太网模块模块的配合，实现温度，湿度的实时测量，并网页上提供了友好的用户界面，使数据明了可观，方便操作控制。
数字系统综合设计模拟中央人民广播电台报时电路
数字系统综合设计模拟中央人民广播电台报时电路引言中央人民广播电台（Central People’s Broadcasting Station）是中国最早成立的国家级广播电台，也是中国唯一的一家中央广播电台。
中央人民广播电台每天都会准时报时，向广大听众提供准确的时间信息。
本文将介绍一个数字系统的综合设计，用于模拟中央人民广播电台的报时功能。
设计目标本设计旨在通过数字系统的综合设计，实现模拟中央人民广播电台的报时功能。
具体设计目标包括： 1. 时钟功能：设计一个时钟电路，能够准确地显示当前的小时和分钟数； 2. 报时功能：在每隔一小时的整点时刻，触发报时功能，即播放预先录制好的报时音频，并通过扬声器输出； 3. 录音和播放功能：设计一个录音电路，能够录制报时音频，并通过扬声器进行播放。
设计思路时钟电路设计时钟电路是整个系统的核心部分，它负责准确地显示当前的小时和分钟数。
一般情况下，时钟电路采用计数器（counter）和显示器（display）组成。
计数器一般采用二进制计数器，由于小时和分钟都是0-59之间的整数，因此需要使用两个6位的二进制计数器，分别表示小时和分钟部分。
通过计数器的计数功能，实现时钟显示的自动更新。
显示器部分，可以采用数码管进行显示。
数码管是一种能够显示数字的显示器件。
将计数器计数结果分别连接到两个数码管上，通过数码管能够直观地显示出当前的小时和分钟数。
报时电路设计报时电路需要在每隔一小时的整点时刻触发，并播放预先录制好的报时音频。
该电路由时钟信号的特定分频和触发器组成。
1.分频器：通过分频器，将来自时钟电路的高频时钟信号转换为报时电路需要的低频信号。
如每秒钟产生一个时钟信号，需要将其分频为一小时产生一次的报时信号。
2.触发器：通过触发器，实现报时功能的触发。
在每隔一小时的整点时刻，触发报时功能，即播放预先录制好的报时音频。
录音和播放电路设计录音和播放电路负责录制报时音频，并通过扬声器进行播放。
基于RFID技术的智能语音播报系统设计
ｐ ｏ ｒ ｔ ． Ｔｈ ｅ ｍｉ ｃ ｒ ｏ ｃ ｏ ｎ ｔ ｒ ｏ １ ｌ ｅ ｒ ｃ ａ ｎ ａ ｃ ｈ ｉ ｅ ｖ ｅ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｂ ｒ ｏ ａ ｄ ｃ ａ ｓ ｔ ａ ｃ ｃ ｏ ｒ ｄ ｉ ｎ ｇ ｔ ｏ ｔ ｈ ｅ ｒ ｅ ｃ ｅ ｉ ｖ ｅ ｄ ｄ ａ ｔ ａ ｔ Ｏ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｖ ｏ ｉ ｃ ｅ ｍｏ ｄ ｕ ｌ ｅ ． Ｔｈ ｅ ｅ ｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ｒ ｅ ｓ ｕ ｌ ｔ ｓ
编程 、 模 式 设 置 的 上 位 机 软 件 Ｗ Ｔ５ ８ ８ Ｄ Ｖｉ ｏ ｃ ｅ Ｃ ｈ ｉ ｐ组 成 。
引 言
射 频 识 别 （Ｒ ａ ｄ ｉ ｏ Ｆ ｒ ｅ ｑ ｕ ｅ ｎ ｃ ｙ Ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ， ＲＦ １ Ｉ ） ） 作 为
ｔ ｏ ｕ ｎ ｄ ａ ｕ ｔ ｏ ｍａ ｔ ｉ ｃ ｒ ｅ ｐ ｏ ｒ ｔ ｓ ｔ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｂ ｕ ｓ ｓ ｔ ａ ｔ ｉ ｏ ｎ ．
Ｋｅｙ ｗｏｒ ｄ ｓ： ＡＴ ８ ９ Ｓ５２； ＲＦＩ Ｄ； ｖ ｏｉ ｃ ｅ ｍ ｏｄ ｕｌ ｅ； ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎｉ ｃ ｔ ａ ｇ ｓ
关 键 词 ：ＡＴ８ ９ Ｓ ５ ２ ； ＲＦ Ｉ Ｄ； 语 音模 块 ； 电 子 标 签 中 图 分 类 号 ：ＴＮ９ ２ 文 献 标 识 码 ：Ａ
Ｉ ｎ ｔ ｅｌ ｌ ｉ ｇ ｅｎ ｔ Ｖｏｉ ｃ ｅ Ｂｒ ｏ ａ ｄｃ ａ ｓ ｔ Ｓｙ ｓ ｔ ｅｍ Ｂａｓ ｅ ｄ Ｏ Ｉ ３ ＲＦＩ Ｄ
基 于 ＲＦ Ｉ Ｄ 技 术 的 智 能 语 音 播 报 系统 设 计 ＊
王琰
（ 南 京 化 工 职 业 技 术学 院 自动 控 制 系 ， 南京 ２ １ ０ ０ ４ ８ ）
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第7卷第3期 浙江工贸职业技术学院学报 V ol.7 No.3 2007年9月 JOURNAL OF ZHEJIANG INDUSTRY&TRADE POLYTECHNIC Sep.2007基于.NET技术的语音报时系统的设计与实现陈兵国（浙江工贸职业技术学院， 浙江 温州 325003）摘要：语音报时是一种非常实用的技术，可为日常的工作和学习提供极大的便利。
本文主要介绍了采用技术快速透明地实现一个语音报时系统的方案，并给出了实现系统的详细代码。
该方案对普通用户进行类似系统的开发也具有一定的参考价值。
关键词：语音报时；准确报时；；MMControl中图分类号：TP311.52 文献标识码：B 文章编号：1672－0105（2007）03－0043－05Design and Realization of Intelligent Speech System Based on .Net TechnologyChen Bingguo（Zhejiang Industry & Trade Polytechnic, Wenzhou Zhejiang 325003）Abstract: Intelligent speech system is of bread-and-butter function, it can bring convenience to normal study and life of people. The paper introduces a scheme of speech system being quickly and pellucidly worked out by using , and then it provides the detailed codes for system running. It is helpful in the development of other similar system for ordinary users.Keywords: Intelligent speech system; Accurate chronopher; ; MMControl1 引言在现实的工作生活中，语音报时功能非常实用，如整点报时和半点报时能为日常的学习生活带来极大的便利，可以让用户及时准确地获知当前的时间，从而井然有序地开展日常工作。
虽然当前已经有一些具备语音报时功能的软件，例如雪狐桌面精灵等，但其开发往往涉及Windows API函数，开发过程稍显繁琐，不利于个性化产品的开发和语音报时产品的推广。
本文主要介绍基于技术实现语音报时系统的关键技术，以便大家交流和借鉴。
2 多媒体技术基础所谓多媒体是指多种表现媒体的有机结合，是通过计算机的多媒体技术来实现的。
多媒体技术是利用计算机技术将各种媒体（文字、图形、动画、图像、声音、视频等）以数字化的方式集成在一起，从而使计算机具有了表现、处理、存储多种信息的综合能力。
收稿日期：2007－09－04作者简介：陈兵国（1977－ ），男，湖北汉川人，讲师。
研究方向：计算机网络技术。
43浙江工贸职业技术学院学报44 在中，可以使用MMControl控件对多媒体文件进行控制。
MMControl控件并不是的标准控件，因此在实际的开发过程中需要将该控件添加进来。
MMControl控件有如下重要的属性： Command属性：该属性用来控制对多媒体文件或设备的操作，如播放、暂停、快进、停止、保存等；DeviceType属性：用于设置多媒体设备的类型；FileName属性：用来设置需要操作的多媒体文件的路径和文件名。
同时MMControl控件还提供一个重要的触发事件，即Done事件，该事件在MMControl控件执行完控制命令（如播放完文件）之后触发，在Done事件方法中可设计命令结束处理程序。
使用MMControl控件编程的步骤如下：（1）在窗体上创建MMControl控件及其他相关控件。
（2）把MMControl控件的DeviceType属性值设置为所用的多媒体设备的类别。
（3）如果使用多媒体文件，应该把多媒体文件名赋值给MMControl控件的FileName属性。
（4）把MMControl控件的Command属性值设置为“Open”以打开多媒体设备。
（5）把MMControl控件的Command属性值设置为其他值以控制多媒体设备。
（6）在使用完毕后，可以把“Close”字符串赋值给MMControl控件的Command属性以关闭多媒体设备。
3 语音报时系统的设计语音报时系统的主要功能是准确报时、整点报时和半点报时，其实质是对声音文件的选择播放。
为了实现语音报时，特别准备了“现在时间是”、“凌晨”、“上午”、“下午”、“晚上”、“点”、“分”和“一”、“二”、“十”、“十二”、“五十”等各种文字和数字的声音文件。
语音报时的实现就是根据不同的时间状况播放不同的声音文件。
本文只介绍准确语音报时的实现方法，整点报时和半点报时的实现方案与此类似。
该系统在运行过程中，对于准确报时和整点报时及半点报时的实现方案在于报时触发的方式，准确报时是采用单击某按钮或菜单项触发而进行语音播报，而整点报时和半点报时则是按照系统程序设定的报时条件到达设定时间自动报时。
以下是准确语音报时系统的具体实现流程：（1）单击准确报时按钮或菜单项开始进行准确语音报时；（2）先获取当前的时间信息，包括小时和分钟；（3）接着播放“现在时间是”音乐文件；（4）然后判断当前的时段并根据判断，播放时段音乐文件；（5）接着播放小时音乐文件；（6）然后播放“点”音乐文件；（7）接着判断当前时间是否为整点，如果为整点则整个播放过程结束，如果不为整点就接着播放分钟的十位数音乐文件，比如“五十”；（8）然后判断分钟个位数是否为“0”，如果为零就转到第八步直接播放“分”音乐文件，如果不为零就播放分钟个位数音乐文件；（9）最后播放“分”音乐文件。
下面是准确语音报时系统的实现流程图：陈兵国：基于.NET技术的语音报时系统的设计与实现图1 准确语音报时流程图4 语音报时系统的实现要实现对声音文件的播放控制，本文在中采用MMControl控件。
采用MMControl控件播放声音文件，在引用和添加MMControl控件之后首先要设定播放的声音文件类型，这里提供的是“wav”类型的声音文件，因此设置MMControl控件的DeviceType属性值为“avivideo”，其次就是系统实现的具体流程。
该系统先把MMControl控件播放声音文件的代码封装成一个函数PlayMusic()，以便于后面程序的调用，这样可以减少代码量。
函数代码如下：Sub PlayMusic(ByVal MusicPath As String) '利用MMControl控件播放声音文件AxMMControl1.FileName = MusicPath '设置控件AxMMControl1要播放的声音文件路径mand = "Open" '打开播放声音文件的多媒体设备mand = "Play" '开始播放声音文件End Sub根据准确语音报时的执行流程，先在某触发事件（如某次单击按钮或菜单项事件）中调用PlayMusic 函数播放“现在时间是”声音文件，当MMControl控件播放声音文件结束后会自动触发其Done事件，这时重新调用PlayMusic函数，系统根据当前时间播放时段声音文件，比如“上午”或“下午”等，播放完该时段声音文件之后系统又会自动触发MMControl控件的Done事件，再次调用PlayMusic函数播放当前“小时”声音文件，以此类推，直到播放“分”声音文件为止，从而结束整个准确报时播放过程。
其实现代码如下：Private Sub AxMMControl1_Done(ByVal sender As Object, ByVal e As45浙江工贸职业技术学院学报46 AxMCI.DmciEvents_DoneEvent) Handles AxMMControl1.DoneIf MusicNum = 7 Then '时间信息播放结束后退出mand = "Close" '结束整个播放过程MusicNum = 1Exit SubEnd IfMusicNum = MusicNum + 1mand = "Close" '结束整个播放过程Select Case MusicNumCase 2 '语音报时段If hour < 7 Then MusicName = "AM0.wav" '凌晨ElseIf hour < 13 Then MusicName = "AM1.wav" '上午ElseIf hour < 19 Then MusicName = "PM.wav" '下午Else MusicName = "EM.wav" '晚上End IfCase 3 '语音报小时If hour > 12 Then hour = hour 12End IfIf hour > 9 Then MusicName = "T" & hour & ".wav"Else MusicName = "T0" & hour & ".wav"End IfCase 4 '语音报“点”MusicName = "POINT.wav"If minute = "00" ThenMusicNum = 7 '当前时间若是整点报时就到此为止 End IfCase 5 '语音报分钟十位MusicName = "T" & (minute \ 10) * 10 & ".wav"If minute Mod 10 = 0 ThenMusicNum = 6 '若分钟数个位数是0则直接报“分”End IfCase 6 '语音报分钟个位MusicName = "T0" & minute Mod 10 & ".wav"Case 7 '语音报“分”MusicName = "MIN.wav"陈兵国：基于.NET技术的语音报时系统的设计与实现End SelectPlayMusic(Application.StartupPath & "\VoiceTime\" & MusicName & "")'播放声音文件 End Sub由于语音报时功能很难用图像的形式表现，最后实现的系统界面如下：图2 语音报时系统实现界面5 结论本文详细介绍了准确语音报时系统的实现流程，采用作为有效的开发工具，利用 提供的MMControl控件，对语音报时系统所采用的多媒体文件进行控制，实现语音播报。