Sistema de monitoreo de ruidos ambientales producidos por aviones en el AICM (Aeropuerto Internacional de la Ciudad de México)

Abstract

En este trabajo se presenta un modelo computacional que permite el monitoreo de ruidos ocasionados por aviones, permitiendo su análisis por medio de análisis espectrales e indicadores estadísticos, así como su identificación basándose únicamente en el ruido generado. Además permite prever posibles afectaciones a la salud provocadas por este tipo de ruido, durante el despegue de los aviones, que es cuando se generan las mayores afectaciones debido a los niveles sonoros alcanzados. Este modelo está implementado por medio de un software en una computadora portátil, una tarjeta de adquisición de datos y un sensor de presión acústica calibrado. La adquisición de datos se realiza a 25 KHz a 24 bits. La identificación del sonido de aviones se hace por medio de dos redes neuronales paralelas combinadas con una suma ponderada y para generar las entradas a las redes neuronales se usan parámetros obtenidos del modelo auto-regresivo y del análisis de 1/12 de octavas. Teniendo un nivel de identificación de alrededor de 80% en ambientes reales, con 13 categorías. // In this work it is presented a computational model that allows monitoring of aircraft generated noise, allowing its analysis, by spectral analysis and statistical indicators, as well as their identification based on noise generated. This model also helps to foresee potential effects to health caused by this kind of noise during the aircraft takeoff, which is when the greatest impact are generated due to the sonorous levels that are reached. This model is implemented by means of software in a laptop, a data acquisition card and a calibrated sensor of acoustic pressure. The data acquisition is made at 25 KHz at 24 bits. The identification of the aircraft noise is done through two parallel neural networks combined with a weighted addition. In order to generate the inputs to the neural networks, parameters that were obtained from the auto-regressive model and the 1/12 octave analysis are used. This system has 13 categories of aircrafts and it has an identification level of 80% in real environments.