基于改进谱减法和MFCC的电机异常噪声识别方法

发布时间：2021-10-17 16:39

　　为提高车窗电机异常噪声识别的准确性,提出一种以改进的谱减法为基础、以优化的梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficient,MFCC）为特征值的电机异常噪声辨识方法。结合电机声音信号和工厂背景噪声信号特点,通过优化的谱减法进行消噪处理。针对频谱泄漏,用汉宁自卷积窗代替汉宁窗,获得优化的MFCC。实验结果表明,该方法能够有效判别电机是否存在异响,准确率达到91%。 

【文章来源】：微特电机. 2017,45(02)北大核心

【文章页数】：8 页

【参考文献】：
期刊论文
[1]三种经典单通道语音增强算法的比较[J]. 陈玉霞.  福建商业高等专科学校学报. 2014(05)
[2]改进的高斯混合模型在心音信号分类识别中应用[J]. 张文英,郭兴明,翁渐.  振动与冲击. 2014(06)
[3]基于信噪比评价的阈值优选小波去噪法[J]. 钟建军,宋健,由长喜,殷信桥.  清华大学学报(自然科学版). 2014(02)
[4]基于噪声谱结构特性的谱减法[J]. 郑成诗,胡笑浒,周翊,李晓东.  声学学报. 2010(02)
[5]Hanning自卷积窗及其在谐波分析中的应用[J]. 温和,滕召胜,卿柏元.  电工技术学报. 2009(02)
[6]基于改进MFCC的家禽发声特征提取方法[J]. 李志忠,滕光辉.  农业工程学报. 2008(11)
[7]基于自适应小波特征提取一体化神经网络的空调电机振动噪声识别[J]. 赵学智,叶邦彦,陈统坚.  振动与冲击. 2007(12)
[8]基于神经网络的电机噪声性能在线检测技术研究[J]. 蒋伟康,严莉.  振动与冲击. 2004(04)
[9]基于心理声学分析的车内异常噪声辨识[J]. 张伟,蒋伟康.  汽车工程. 2003(06)
[10]一种基于改进谱减法的语音增强方法[J]. 王让定,柴佩琪.  模式识别与人工智能. 2003(02)

博士论文
[1]BP神经网络分类器优化技术研究[D]. 高鹏毅.华中科技大学 2012
[2]基于改进支持向量机和纹理图像分析的旋转机械故障诊断[D]. 刘路.天津大学 2011
[3]基于HHT复杂环境下低信噪比语音检测及增强方法研究[D]. 刘柏森.哈尔滨工程大学 2011

硕士论文
[1]电动剃须刀音频质量检测方法的研究[D]. 滕艺丹.哈尔滨工业大学 2013
[2]雨刮电机在线检测与故障诊断系统开发[D]. 杨开华.西南交通大学 2011
[3]基于MFCC和GMM的异常声音识别算法研究[D]. 吕霄云.西南交通大学 2010
[4]支持向量机分类算法研究与应用[D]. 彭璐.湖南大学 2007
[5]语音增强算法的研究与实现[D]. 金学骥.浙江大学 2005



本文编号：3442085