針對(duì)基于時(shí)頻分析的揚(yáng)聲器異常聲檢測(cè)方法中短時(shí)傅里葉變換、小波包變換存在的不足,提出了一種基于變分模態(tài)分解-希爾伯特（Variational Mode Decomposition and Hilbert, VMD-Hilbert）變換的揚(yáng)聲器異常聲檢測(cè)方法。首先通過(guò)仿真信號(hào)分析,研究了VMD-Hilbert變換的時(shí)頻特性,并與其他三種時(shí)頻分析進(jìn)行了對(duì)比,結(jié)果表明VMD-Hilbert變換具有更好的自適應(yīng)性、能量聚焦性與時(shí)頻分辨率。然后,對(duì)實(shí)測(cè)揚(yáng)聲器聲響應(yīng)信號(hào)進(jìn)行VMD-Hilbert變換,求得被測(cè)揚(yáng)聲器單元的時(shí)頻矩陣與標(biāo)準(zhǔn)時(shí)頻矩陣之間的特征距離,并與其它三種時(shí)頻分析下的特征距離進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明,VMD-Hilbert變換下的類(lèi)間特征距離的離散度較大,便于更好地設(shè)定閾值,從而驗(yàn)證了VMD-Hilbert變換能更好地表征異常聲的時(shí)頻特征,以及其在處理非線(xiàn)性、非平穩(wěn)的揚(yáng)聲器聲響應(yīng)信號(hào)時(shí)的優(yōu)越性。 

【文章來(lái)源】：聲學(xué)技術(shù). 2020年02期 北大核心

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

仿真信號(hào)及其各分量時(shí)域圖

VMD分解后各模態(tài)時(shí)域圖

VMD分解后各模態(tài)時(shí)域圖

【參考文獻(xiàn)】：
期刊論文
[1]窗函數(shù)在揚(yáng)聲器異常聲客觀(guān)檢測(cè)中的影響[J]. 周曉東,沈勇,薛政,夏潔.  應(yīng)用聲學(xué). 2018(03)
[2]基于VMD和Wigner-Ville分布的局放信號(hào)時(shí)頻分析[J]. 賈亞飛,朱永利,王劉旺.  系統(tǒng)仿真學(xué)報(bào). 2018(02)
[3]變分模態(tài)分解在轉(zhuǎn)子故障診斷中的應(yīng)用[J]. 向玲,張力佳.  振動(dòng).測(cè)試與診斷. 2017(04)
[4]基于HHT算法的揚(yáng)聲器異常音檢測(cè)技術(shù)[J]. 李云紅,李小英,周靜雷,潘楊.  計(jì)算機(jī)工程與應(yīng)用. 2015(11)
[5]基于短時(shí)傅里葉變換的異常音檢測(cè)方法[J]. 李宏斌,徐楚林,溫周斌.  聲學(xué)技術(shù). 2014(02)
[6]基于時(shí)頻分析的揚(yáng)聲器異音故障診斷方法[J]. 于德敏,李小明,許增樸.  電聲技術(shù). 2007(11)



本文編號(hào)：2938069