岩体受力被破坏之前，持续以声波形式释放积蓄的能量[1]，这种岩体声发射信号包含着岩体内部状态变化的丰富信息，可为分析、预测岩体稳定性等研究提供依据[2]。为实现岩体声发射信号的可靠采集，技术人员利用声发射特征参数分析法，设计了用于不同场合的岩体声发射信号监测系统[3-4]。
    随着人们对岩体声发射现象研究的深入，越来越多的研究结果表明,现有岩体声发射信号监测系统存在以下不足[1,5]：(1)岩体声发射信号受多种因素影响，声发射特征参数不能完全反映实际岩体声发射信号的变化规律；(2)岩体声发射信号微弱且极易受到干扰，导致声发射特征参数计算存在误差，且误差范围难以确定；(3)使用有线电缆连接传感装置和监控计算机，当传感装置和监控计算机距离较远、监测点数量较多、监测点经常变动时，布线、供电、维护等变得困难且成本急剧增加；(4)频率响应范围仅为20 Hz~20 kHz，难以满足不同岩体工程需要；(5)数据传输速率为2.4~38 Kb/s，难以完整、实时传输测量数据。
    针对上述问题，基于无线传感器网络[6]和压缩感知技术[7]，本文提出一种新型岩体声发射信号监测系统。该系统使用无线通信网络连接各声发射信号监测点，使用压缩感知技术实现原始测量数据的压缩存储与远程传输，可有效满足实际应用要求。
1总体设计
1.1 需求分析
    声发射信号传感器的频率响应范围应覆盖岩体声发射信号频率范围(约为200 Hz~80 kHz)。对于特定灵敏度的声发射信号传感器，应根据应用来估算有效接收范围，且尽量安放在声源点附近。岩体声发射信号监测系统除了传递声发射信号特征参数外，还应传送原始测量数据到监控计算机,应使用无线网络连接系统中的各个模块，以满足监测点数量变化、监控点移动、功能扩充等需求，且应该减少系统安装、布线、维护工作量。此外，岩体声发射信号监测系统应该具有性价比高、可靠性和灵活性都强、适应性广泛及安装维护方便等优点。
1.2 总体设计
    需求的实现关键是无线传输大流量测量数据。针对该难点，研究人员从传感器节点设计和网络设计等角度[8-9]提出一些方案，但这些方案难以处理高频声音信号，难以实现声信号远程传输，且系统成本较高。受现有方案启发，结合无线传感器网络、压缩感知等技术，本文提出如图1所示的岩体声发射信号监测系统。该系统主要由采集节点、汇聚节点、监控主机和连接三者的无线通信网络构成。
2 硬件设计
2.1硬件体系结构
    硬件设计主要是开发采集节点和汇聚节点,为实现较大流量声音数据的存储、计算和传输，节点应具备较丰富的计算、存储、带宽等资源，本文设计的传感器节点结构如图2所示。节点主要由主板、通信模块、传感器模块构成。传感器模块实现岩体声发射信号采集、前置放大和滤波。主板对传感器模块输出信号进行采样、处理，并实现存储、通信、电源等管理功能。通信模块实现数据收发和网络硬件管理。节点采用模块化设计，在主板上扩展不同电路模块，可分别实现采集节点和汇聚节点的功能。

2.2 传感器模块设计
    采集岩体声发射信号的传感器模块如图3所示。声/电转换传感器采用锆钛酸铅压电陶瓷环, 其灵敏度为5 mV/pa，频率响应范围为10 Hz~90 kHz。前置放大器为AWA14604。声/电传感器、前置放大电路和连接电缆被封装在直径30 mm、长度100 mm的外壳中，构成传感器探头，以便安装时可尽量接近声源点。前置放大器频率响应范围为5 Hz~100 kHz,输入阻抗≥2 GΩ，电压增益为40 dB，输出阻抗≤50 Ω,传感器探头输出信号经带通滤波器送入主放大器LMV822,主放大器电压增益为20~60 dB，频率响应范围为10 Hz~200 kHz,主放大器将输入信号放大到伏特级后送入主板ADC。

2.3 通信模块设计
    通信模块选用支持ZigBee协议的低功耗射频模块MRF24J40MB,其数据通信速率为250 Kb/s，工作频段为2.40~2.48 GHz,典型灵敏度为-102 dBm,最大射频输入为-23 dBm，典型输出功率为+20 dBm，发送功率控制范围为56 dB，射频覆盖范围为1 300 m，采用SPI接口与主板连接。
    汇聚节点需要根据实际情况配置其他通信模块，以便与监控主机进行数据交换。本文使用WCDMA通信模块EM770W建立汇聚节点与监控主机的连接。EM770W内置有TCP/IP协议栈，支持GSM、GPRS和HSDPA多种工作模式。HSDPA模式下的上行通信速率可达到2 Mb/s，下行通信速率可达到7.2 Mb/s。GPRS模式下的上行和下行通信速率均可达到236.8 Kb/s。通过标准串行口与主板连接，主板使用AT指令集控制该模块。
2.4 主板设计
　主板是整个节点的硬件核心，主要由处理器、外部存储、电源和扩展接口等单元电路构成，其硬件结构如图4所示。

    考虑到主板要对声音信号实时采集和处理，还要连接各种扩展电路模块，因此，主板硬件核心选用32 bit数字信号处理器TMS320F2812。其工作频率最高150 MHz，集成了256 KB的Flash、36 KB的SRAM，16通道12 bit精度ADC，SPI、UART等外设。利用TMS320F2812的集成外设,主板扩展了2 MB的SRAM芯片CY7C1061、32 KB的EEPROM芯片25LC256等资源，以满足大流量数据暂存、工作参数永久存储等需要。
　各模块电路所需电源由主板提供,支持12~36 V电池供电；所有电源变换使用DC/DC芯片以提高转换效率。汇聚节点中供给WCDMA模块的电源使用了LDO芯片MIC29302，以提供1.6 A大电流；利用LM393构建欠压保护电路，当电池电压过低时，以中断方式提醒节点保存数据且发送报警信号给监控主机。
3 软件设计
　根据应用需求和硬件构成，系统软件主要包括监控分析软件和数据采集软件两部分。
3.1 监控分析软件
　监控主机通过串行口连接通信模块EM70W，与岩体工程现场的汇聚节点交换数据。监控主机运行的监控分析软件主要实现以下功能：(1)网络管理。将用户指令(节点开关机、采样频率设置等)发送给采集节点。(2)信号分析。对接收到的声发射信号数据进行数据重建、频谱分析、声源点定位等处理。(3)辅助功能。实现人机交互、数据存储、故障报警等功能。
3.2 数据采集软件
　运行在传感器节点上的数据采集软件采用C语言和汇编语言编写,在TI公司的数字信号处理器集成开发环境CCS3.1中进行编译和调试，并通过编程器SEED-XDS560PLUS将编译好的目标代码写入TMS320F2812的片上Flash存储器中。数据采集软件结构如图5所示。

　为降低软件开发难度、提高运行实时性和资源管理效率,以便于扩展节点功能，数据采集软件使用了嵌入式实时操作系统?滋C/OS-II和ZigBee网络协议栈[10]。在这些商业软件的支持下，信号采集、数据压缩、网络通信等应用功能都可实现为受μC/OS-II管理的、具有不同优先级的任务函数，各任务函数的编写、调用如图6所示的有限状态机模型进行。

3.3 数据压缩与恢复算法
　为减少采集节点能耗，充分利用有限带宽资源，采集节点需对大流量声发射信号测量数据进行压缩，以计算量增加换取数据通信量减少。因此，软件设计的重要内容就是数据的压缩与恢复算法的选择和实现。
　现有数据压缩算法难以直接移植到资源有限的采集节点上[11]，因此，在参考文献[12-14]基础上，本文使用压缩感知技术来实现采样数据的压缩、传输和重构。压缩感知技术的核心思想如下：


　式(5)是一个凸优化问题，可方便地化简为线性规划问题，利用内点法、梯度投影法、二阶圆锥规划、匹配追踪法等方法求解，实现原始测量数据的精确重构。
　在本文设计中，稀疏基选择快速傅里叶变换，测量矩阵选择高斯随机矩阵，信号恢复算法选择内点法；信号维数、观测值维数根据实验确定；式(1)、式(2)的计算在采集节点上进行，而式(4)、式(5)的计算在监控主机上完成。
4 现场应用
4.1现场条件
　将本文设计的系统应用在某高速公路一段存在垮塌隐患的边坡稳定性监测现场。现场配置了13个采集节点，1个汇聚节点，构成星形网络；采样频率为200 kHz、采样精度为8位，声发射事件预置阈值电压为0.2 V，大事件预置阈值电压为0.5 V；监控主机选择具有最大声发射事件率的采集节点传输原始测量数据；WCDMA模块与监控主机间的数据传输使用HSDPA方式；采集节点和汇聚节点配置9 V/9 Ah锂电池，汇聚节点配置12 V太阳能电池；节点间时间同步、网络地址分配等方法同参考文献[10,15]。
　系统运行前，现场读取一段声发射信号原始测量数据，在计算机上对这些数据进行压缩与恢复，以验证压缩与恢复算法性能并确定信号维数N和测量值维数M。系统运行后，将现场读取的声发射信号原始数据与监控主机的接收数据进行对比，以验证系统能否实现声发射信号测量数据（特别是数据量较大的原始测量数据）的可靠传输。
4.2 使用结果
　主要测试结果如图7~10所示。从图7、图8可以看到，压缩感知技术能对原始采样数据进行较大压缩，采样数据个数越多，压缩效果越明显。然而，较大地占用了更多的存储空间，式(1)~式(5)的计算也变得复杂。观测值个数M越多，信号恢复误差越小，当M达到一定数量时，M再增加并不会使信号恢复误差显著降低。因此，本文设定N=1 024，M=74。

　　图9给出了现场记录的原始声发射信号与监控主机接收到的声发射信号之间的对比，二者并无明显差别。图10给出了任意24 h之内，采集节点发出的每一个数据包到达监控主机的平均延迟时间曲线，所有数据包的延迟时间均小于2.5 s。从而表明本文系统可有效实现声发射信号测量数据的实时、可靠传输。
    本文对现有岩体声发射信号监测系统的不足进行了分析，在此基础上，利用无线传感器网络和压缩感知等技术，提出一种新型岩体声发射信号监测系统设计方案，详细给出了系统硬件和软件设计方法，并将其应用于高速公路边坡稳定性监测中。测试结果表明了该系统设计方案的合理性和可行性。与现有岩体声发射信号监测系统相比，本文系统不但支持声发射信号原始测量数据的实时传输，同时具有适用范围广、扩展性好、灵活性高、维护方便等特点。
参考文献
[1] 李俊平, 岩石（体）声发射特征综述[J]. 科技导报,2009, 27(7):91-96.
[2] 李金河, 玉国进.永久船闸边坡稳定性声发射监测[J].岩土力学,2001,22(4):478-480.
[3] 刘国清, 李海雄, 张庆法.基于单片机的智能岩体声发射监测多用仪[J]. 矿业研究与开发, 2004, 24(2):55-56.
[4] 张银平. 岩体声发射监测定位系统方案的改进设计[J]. 矿冶, 2002, 11(2):9-15.
[5] 李俊平, 周创兵.岩体声发射特征实验研究[J].岩土力学,2004,25(3):374-378.
[6] CULLAR D, ESTRIN D, STRVASTRV M. Overview of sensor networks[J]. Computer, 2004,37(8):41-49.
[7] DONOHO D. Compressed sensing[J]. IEEE Transactions. Information Theory, 2006,52(4):1289-1306.
[8] 徐志生, 孙玉砚, 李立群,等. 面向声音监测的多媒体传感器节点硬件设计与实现[J]. 传感技术学报, 2008,
21(11):1876-1880.
[9] 马华东, 陶丹.多媒体传感器网络及其研究进展[J].软件学报, 2006, 17(9):2013-2028.
[10] FLOWERS D, OTTEN K. ZigBee wireless networking protocols user programming guide[M]. Dallas: Microchip Company, 2008:58-210.
[11] 董辉, 卢建刚, 孙优贤.无线传感器网络中分布式小波压缩[J]. 传感技术学报, 2007, 20(11):2481-2486.
[12] CANDES E, ROMBERG G J, TAO T. Robust uncertainty principles: Exact signal reconstruction from highly incomplete frequency information[J]. IEEE Transactions. Information Theory, 2006,52(4):489-509.
[13] DONOHO D, TSAIG Y. Extensions of compressed sensing[J]. Signal Processing, 2006, 86(3):533-548.
[14] JARVIS H, WAHEED U, MICHAEL R, et al, Compressed sensing for networked data[J]. IEEE Signal Processing Magazine, 2008,25(3):92-101.
[15] 韩安太, 郭小华.基于无线传感器网络的LQR输出反馈控制器设计[J].计算机测量与控制, 2009,17(1):53-56.