声音侦测灵敏度、阈值、分贝的关系

最近接触ms316dc芯片,有一个需求就是要划分三个音频噪音识别等级 低、中、高,这里有三个关键术语。

声音灵敏度

    又叫声压灵敏度,是接收换能器输出端的开路电压与换能器接收面上实有的声压的比值。由于声波的散射作用,实际作用于接受换能器膜片上的声压要大于换能器放入该点之前的平面波自由场的声压。而对同一换能器来说,它的开路输出电压是不会变的,因此其自由场灵敏度大于声压灵敏度,即接受换能器自由场灵敏度等于声压灵敏度加上散射引起的增量。如果已知声压响应,根据压力增量校正曲线就可求得自由场灵敏度。

声音阈值
阈值又叫临界值,是指一个效应能够产生的最低值或最高值。

分贝

分贝(decibel,/'dɛsɪ.bɛl/是量度两个相同单位之数量比例的计量单位,主要用于度量声音强度,常用dB表示。

“分”(deci-)指十分之一,个位是“贝”(bel),一般只采用分贝。分贝是以美国发明家亚历山大·格雷厄姆·贝尔(Alexander Graham Bell)的名字命名的。

 

声音灵敏度只有低、中、高三个值是代码中不变的量它表示声音经过多少次撞击,低灵敏度撞击次数多一点才会触发,高灵敏度撞击次数少就能触发,所以这个参数和撞击次数有关。

 

设置噪音阈值,指噪音的阀值。

综合阈值和灵敏度就是有多少同一频率的声音撞击而触发,如:低灵敏度:阈值为-10dbfs 就是所以在-10dbfs频率的声音经过大量撞击后会触发声音侦测事件。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
移动侦测是指通过计算机图像处理技术,使用OpenCV库对视频进行处理,以检测视频中的移动目标。在OpenCV中,可以使用一系列的图像处理算法来实现移动侦测功能。 首先,需要对视频帧进行处理,可以使用OpenCV提供的视频捕获函数,获取视频的每一帧图像。然后,可以对每一帧图像进行预处理,如灰度化、高斯模糊等,以提取出图像的重要特征。 接下来,可以使用帧差法来进行移动目标的检测。帧差法是一种简单有效的移动目标检测算法,通过计算相邻帧的差异来判断是否有目标出现。可以使用OpenCV提供的函数,计算当前帧与前一帧之间的差异。 然后,可以根据差异图像的像素值进行阈值处理,将差异图像转换为二值图像,以便后续的目标检测和跟踪。可以使用OpenCV提供的阈值化函数,设定一个适合的阈值,将差异图像进行二值化处理。 最后,可以对二值图像进行轮廓提取,使用OpenCV提供的轮廓检测函数,将二值图像中的目标区域提取出来。可以根据轮廓的形状、大小和位置等特征,判断目标是不是移动目标,并对其进行跟踪或其他后续处理。 需要注意的是,移动侦测算法的准确性和可靠性受到多种因素的影响,如摄像头的质量、环境光线的变化、背景干扰等。在实际应用中,还需要根据具体的场景进行参数的优化和算法改进,以提高移动侦测的效果和性能。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值