目前揚聲器異常音檢測中,主要使用人工聽音和工程師依據(jù)經(jīng)驗設置門限法,受主觀因素影響大,且不能實現(xiàn)揚聲器異常音的分類。為此,提出了一種新的揚聲器質量評價方法,即基于心理聲學模型和粒子群優(yōu)化的支持向量機揚聲器異常音檢測方法。提取并標記揚聲器聲音響應信號,將其輸入心理聲學模型,得出心理聲學能量均值并輸入支持向量機;利用粒子群算法進行調優(yōu),最終得到具有最優(yōu)參數(shù)的支持向量機。經(jīng)試驗驗證,該模型的檢測準確率達到98%。與音色特征法相比,其檢測準確率得到較大的提高并實現(xiàn)了異常音分類。 

【文章來源】：東華大學學報(自然科學版). 2020,46(02)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

圖７４類揚聲器聲音響應信號的心理聲學能量譜圖（ｄ）

結果圖８運行結果（ｂ）

對數(shù)掃頻信號的頻率隨時間的增加呈對數(shù)關系增長，并且掃過每個倍頻程的時間均為常數(shù)，其表達式如式（１）所示。ｘ（ｔ）＝Ａｓｉｎ（φ（ｔ））＝Ａｓｉｎｆ１Ｔｌｎｆ２ｆ１（）（ｅｔＴｌｎｆ２ｆ１（）－１）烅烄烆烍烌烎（１）式中：Ａ為信號幅值，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)對數(shù)掃頻信號時域圖如圖２所示。圖２連續(xù)對數(shù)掃頻信號Ｆｉｇ．２Ｃｏｎｔｉｎｕｏｕｓｌｏｇａｒｉｔｈｍｉｃｆｒｅｑｕｅｎｃｙｓｗｅｅｐｓｉｇｎａｌ２．２心理聲學模型心理聲學模型借鑒音頻質量評價（ｐｅｒｃｅｐｔｕａｌｅｖａｌｕａｔｉｏｎｏｆａｕｄｉｏｑｕａｌｉｔｙ，ＰＥＡＱ）算法中的基礎版心理聲學模型［４］。該模型雖然步驟較多，但對人耳濾波分組精細，用作揚聲器聲響應提取模塊較為合適。心理聲學模型如圖３所示。圖３心理聲學模型Ｆｉｇ．３Ｐｓｙｃｈｏａｃｏｕｓｔｉｃｍｏｄｅｌ６７２

【參考文獻】：
期刊論文
[1]基于PSO-SVM方法的電源線傳導泄漏信號識別與還原[J]. 周長林,錢志升,王勤民,余道杰,程俊平.  電子與信息學報. 2018(09)
[2]PEAQ在揚聲器異常音檢測中的應用[J]. 張平,馮海泓,胡曉城.  聲學技術. 2015(06)
[3]BP神經(jīng)網(wǎng)絡在揚聲器異常音檢測中的應用[J]. 李宏斌,徐楚林,溫周斌.  聲學技術. 2014(06)
[4]揚聲器質量判別中音色特征的選擇及實驗研究[J]. 殷貞強,尹雪飛,陳克安.  聲學技術. 2012(05)
[5]對揚聲器主觀音質進行客觀音頻質量感知評價[J]. 李慧文,邱小軍.  電聲技術. 2010(05)

碩士論文
[1]微型揚聲器異音故障檢測方法研究[D]. 董艷芳.天津科技大學 2014
[2]揚聲器故障檢測及分類識別方法研究[D]. 高登科.天津科技大學 2013



本文編號：3087513