长期暴露于噪音环境中会对人的身心造成重大伤害,人们迫切的想知道自己关心区域的实时噪音以及历史噪音水平。要做到这一点并不容易,因为周围有关噪音等级的监测站点太少了,而且即使携带笨重的噪音测量仪,也只能得到自己所处位置的噪音情况,其他关心区域必须实地测量,十分不便。另一方面,随着科技的发展,智能手机的价格越来越低,功能越来越强大,普及率很高。智能手机一般都装备有各种各样的传感器,比如GPS定位系统,网络模块和高质量的麦克风。利用麦克风,智能手机可以充当简易的噪音测量仪,通过GPS定位系统和网络模块,用户可以分享自己用智能手机测量到的周围的噪音数据,众多贡献数据的用户构造一个噪音感知系统。然而,要将这样一个噪音感知系统变为现实需要克服几个挑战。首先,实验发现直接使用智能手机测量的噪音与标准噪音仪之间有很大的误差,而且不同的智能手机之间误差差别很大。其次,在较大的时空范围内,用户通过智能手机贡献的数据具有稀疏性。最后,感知系统是城市范围内的,面向全市用户,因此要有良好的负载能力和数据处理能力。针对智能手机测量噪音误差大的问题,我们实验发现了手机测量值与标准噪音仪之间的线性关系,并观察到了室内安静环境下的一个标准参考值,提出一种轻量级的校正算法,实验结果证实校正之后的误差范围小于3dbA。针对数据稀疏的问题,我们将所关心时空范围内的噪音数据建模成矩阵,并且构造了地理信息矩阵,使用矩阵分解的方法恢复缺失数据。为了支持大规模的用户上传数据和查询结果,我们引入了Storm流处理框架,将系统设计成可靠的,有良好可扩展性的分布式系统。