目前揚(yáng)聲器異常音檢測(cè)中,主要使用人工聽(tīng)音和工程師依據(jù)經(jīng)驗(yàn)設(shè)置門限法,受主觀因素影響大,且不能實(shí)現(xiàn)揚(yáng)聲器異常音的分類。為此,提出了一種新的揚(yáng)聲器質(zhì)量評(píng)價(jià)方法,即基于心理聲學(xué)模型和粒子群優(yōu)化的支持向量機(jī)揚(yáng)聲器異常音檢測(cè)方法。提取并標(biāo)記揚(yáng)聲器聲音響應(yīng)信號(hào),將其輸入心理聲學(xué)模型,得出心理聲學(xué)能量均值并輸入支持向量機(jī);利用粒子群算法進(jìn)行調(diào)優(yōu),最終得到具有最優(yōu)參數(shù)的支持向量機(jī)。經(jīng)試驗(yàn)驗(yàn)證,該模型的檢測(cè)準(zhǔn)確率達(dá)到98%。與音色特征法相比,其檢測(cè)準(zhǔn)確率得到較大的提高并實(shí)現(xiàn)了異常音分類。 

【文章來(lái)源】：東華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,46(02)北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖７４類揚(yáng)聲器聲音響應(yīng)信號(hào)的心理聲學(xué)能量譜圖（ｄ）

結(jié)果圖８運(yùn)行結(jié)果（ｂ）

對(duì)數(shù)掃頻信號(hào)的頻率隨時(shí)間的增加呈對(duì)數(shù)關(guān)系增長(zhǎng)，并且掃過(guò)每個(gè)倍頻程的時(shí)間均為常數(shù)，其表達(dá)式如式（１）所示。ｘ（ｔ）＝Ａｓｉｎ（φ（ｔ））＝Ａｓｉｎｆ１Ｔｌｎｆ２ｆ１（）（ｅｔＴｌｎｆ２ｆ１（）－１）烅烄烆烍烌?yàn)簦ǎ保┦街校海翞樾盘?hào)幅值，Ａ通常�。�；ｆ１為起始頻率，ｆ１＝２０Ｈｚ；ｆ２為終止頻率，ｆ２＝２０ｋＨｚ；Ｔ為采樣周期，Ｔ＝１ｓ。連續(xù)對(duì)數(shù)掃頻信號(hào)時(shí)域圖如圖２所示。圖２連續(xù)對(duì)數(shù)掃頻信號(hào)Ｆｉｇ．２Ｃｏｎｔｉｎｕｏｕｓｌｏｇａｒｉｔｈｍｉｃｆｒｅｑｕｅｎｃｙｓｗｅｅｐｓｉｇｎａｌ２．２心理聲學(xué)模型心理聲學(xué)模型借鑒音頻質(zhì)量評(píng)價(jià)（ｐｅｒｃｅｐｔｕａｌｅｖａｌｕａｔｉｏｎｏｆａｕｄｉｏｑｕａｌｉｔｙ，ＰＥＡＱ）算法中的基礎(chǔ)版心理聲學(xué)模型［４］。該模型雖然步驟較多，但對(duì)人耳濾波分組精細(xì)，用作揚(yáng)聲器聲響應(yīng)提取模塊較為合適。心理聲學(xué)模型如圖３所示。圖３心理聲學(xué)模型Ｆｉｇ．３Ｐｓｙｃｈｏａｃｏｕｓｔｉｃｍｏｄｅｌ６７２

【參考文獻(xiàn)】：
期刊論文
[1]基于PSO-SVM方法的電源線傳導(dǎo)泄漏信號(hào)識(shí)別與還原[J]. 周長(zhǎng)林,錢志升,王勤民,余道杰,程俊平.  電子與信息學(xué)報(bào). 2018(09)
[2]PEAQ在揚(yáng)聲器異常音檢測(cè)中的應(yīng)用[J]. 張平,馮海泓,胡曉城.  聲學(xué)技術(shù). 2015(06)
[3]BP神經(jīng)網(wǎng)絡(luò)在揚(yáng)聲器異常音檢測(cè)中的應(yīng)用[J]. 李宏斌,徐楚林,溫周斌.  聲學(xué)技術(shù). 2014(06)
[4]揚(yáng)聲器質(zhì)量判別中音色特征的選擇及實(shí)驗(yàn)研究[J]. 殷貞強(qiáng),尹雪飛,陳克安.  聲學(xué)技術(shù). 2012(05)
[5]對(duì)揚(yáng)聲器主觀音質(zhì)進(jìn)行客觀音頻質(zhì)量感知評(píng)價(jià)[J]. 李慧文,邱小軍.  電聲技術(shù). 2010(05)

碩士論文
[1]微型揚(yáng)聲器異音故障檢測(cè)方法研究[D]. 董艷芳.天津科技大學(xué) 2014
[2]揚(yáng)聲器故障檢測(cè)及分類識(shí)別方法研究[D]. 高登科.天津科技大學(xué) 2013



本文編號(hào)：3087513