基于心理声学及支持向量机的扬声器异常音检测算法

发布时间：2021-03-17 18:24

　　目前扬声器异常音检测中,主要使用人工听音和工程师依据经验设置门限法,受主观因素影响大,且不能实现扬声器异常音的分类。为此,提出了一种新的扬声器质量评价方法,即基于心理声学模型和粒子群优化的支持向量机扬声器异常音检测方法。提取并标记扬声器声音响应信号,将其输入心理声学模型,得出心理声学能量均值并输入支持向量机;利用粒子群算法进行调优,最终得到具有最优参数的支持向量机。经试验验证,该模型的检测准确率达到98%。与音色特征法相比,其检测准确率得到较大的提高并实现了异常音分类。 

【文章来源】：东华大学学报(自然科学版). 2020,46(02)北大核心

【文章页数】：7 页

【部分图文】：

图７４类扬声器声音响应信号的心理声学能量谱图（ｄ）

结果图８运行结果（ｂ）

对数扫频信号的频率随时间的增加呈对数关系增长，并且扫过每个倍频程的时间均为常数，其表达式如式（１）所示。ｘ（ｔ）＝Ａｓｉｎ（φ（ｔ））＝Ａｓｉｎｆ１Ｔｌｎｆ２ｆ１（）（ｅｔＴｌｎｆ２ｆ１（）－１）烅烄烆烍烌烎（１）式中：Ａ为信号幅值，Ａ通常取１；ｆ１为起始频率，ｆ１＝２０Ｈｚ；ｆ２为终止频率，ｆ２＝２０ｋＨｚ；Ｔ为采样周期，Ｔ＝１ｓ。连续对数扫频信号时域图如图２所示。图２连续对数扫频信号Ｆｉｇ．２Ｃｏｎｔｉｎｕｏｕｓｌｏｇａｒｉｔｈｍｉｃｆｒｅｑｕｅｎｃｙｓｗｅｅｐｓｉｇｎａｌ２．２心理声学模型心理声学模型借鉴音频质量评价（ｐｅｒｃｅｐｔｕａｌｅｖａｌｕａｔｉｏｎｏｆａｕｄｉｏｑｕａｌｉｔｙ，ＰＥＡＱ）算法中的基础版心理声学模型［４］。该模型虽然步骤较多，但对人耳滤波分组精细，用作扬声器声响应提取模块较为合适。心理声学模型如图３所示。图３心理声学模型Ｆｉｇ．３Ｐｓｙｃｈｏａｃｏｕｓｔｉｃｍｏｄｅｌ６７２

【参考文献】：
期刊论文
[1]基于PSO-SVM方法的电源线传导泄漏信号识别与还原[J]. 周长林,钱志升,王勤民,余道杰,程俊平.  电子与信息学报. 2018(09)
[2]PEAQ在扬声器异常音检测中的应用[J]. 张平,冯海泓,胡晓城.  声学技术. 2015(06)
[3]BP神经网络在扬声器异常音检测中的应用[J]. 李宏斌,徐楚林,温周斌.  声学技术. 2014(06)
[4]扬声器质量判别中音色特征的选择及实验研究[J]. 殷贞强,尹雪飞,陈克安.  声学技术. 2012(05)
[5]对扬声器主观音质进行客观音频质量感知评价[J]. 李慧文,邱小军.  电声技术. 2010(05)

硕士论文
[1]微型扬声器异音故障检测方法研究[D]. 董艳芳.天津科技大学 2014
[2]扬声器故障检测及分类识别方法研究[D]. 高登科.天津科技大学 2013



本文编号：3087513