新的人工智能技术可以测量楼上邻居的噪音

有些人因为楼上的噪音而睡不好觉：楼上邻居吵。在韩国，由于楼上邻居的噪音，这些不眠之夜在许多地方发生。住在公寓单元意味着每天都要处理来自社区的一定程度的噪音。

韩国土木工程与建筑技术研究院宣布了一种使用基于振动信号的卷积神经网络(CNN)模型预测楼上居民脚步声的新方法。CNN模型广泛应用于计算机视觉任务。振动传感器设计用于安装在住宅楼的墙壁和楼板上，以实时监测脚步引起的振动。

楼上的地板噪音会给居住者带来压力，并导致邻居之间发生冲突。据韩国环境公社2022年调查显示，公寓单元最常见的噪音投诉源是脚步声，占67.2%。此外，锤击声为10.6%，家具拖拽声为5.5%。

公寓单元多为箱形钢筋混凝土结构，其最大的邻居噪声源是沉重的撞击声。然而，没有任何方法可以获得客观的声音信息。

可以考虑使用统计能量分析和有限元分析等数值方法来预测重量级冲击声。然而，当结构的材料特性复杂或约束条件多样化时，很难预测声音。此外，基于物理的模型需要几个小时的计算时间。

所提出的算法是一种预测实际撞击声的方法，尤其是建筑物房间内的脚步声。通过实验收集了一个数据集，并根据振动传感器的位置和代表脚步引起的振动的短时傅里叶变换(STFT)特征的分辨率对其性能进行了比较。预测2s的声级，平均绝对误差为0.99dB。

当提出有关楼层间噪音的投诉时，没有足够的证据表明声音的大小或发出声音的是哪户人家。因此，第三方调解邻居之间的楼层间噪音干扰纠纷，必须根据投诉人和疑似发出声音的邻居的主观意见做出决定。

但是，未来会出现根据振动预测声音的“冲击监测系统”预测声音的“影响监测系统”可能有助于改变导致过度声音的邻居的行为。或者，调解员可以在发生纠纷时使用存储的数据来识别声源家庭并评估干扰。

主要研究员Shin指出，更重要的是积累居住者在实际居住条件下对楼层间噪音和室内声环境的感知质量。它可以用作识别被邻居感知为“嘈杂”的声音的基础数据。Shin说：“为了减少楼层间噪音引起的问题，重要的是量化居住者的噪音暴露。这种基于人工智能的技术将有效监测楼层间的噪音，这样人们就不会受到邻居噪音的影响。未来。”

这项工作发表在《应用声学》杂志上。