详情

原文传递一种基于时频域特征的异音检测系统及方法

专利名称：	一种基于时频域特征的异音检测系统及方法
摘要：	本发明属于声音信号处理领域，其公开了一种基于时频域特征的异音检测系统及方法，解决传统技术中异音检测识别率低的问题。该方法包括：a.提取被采集设备的声音数据中有效声音段，所述有效声音段至少包括被采集设备的平稳转动声音段；b.确定异音频带范围，通过频带分解获得包含异音频段的特征分量，对特征分量进行加窗分帧计算时域特征，再通过门限阈值来识别声音异常帧；c.基于声音异常帧的识别结果，计算频域特征并输入预训练的机器学习模型进行分类，再根据分类结果进行打分，确定设备异音检测结果。
专利类型：	发明专利
申请人：	四川长虹电器股份有限公司
发明人：	刘杨;展华益;伍强
专利状态：	有效
申请日期：	1900-01-20T00:00:00+0805
发布日期：	1900-01-20T10:00:00+0805
申请号：	CN201911414078.7
公开号：	CN110988137A
代理机构：	成都虹桥专利事务所(普通合伙)
代理人：	吴中伟
分类号：	G01N29/04;G01N29/44;G;G01;G01N;G01N29;G01N29/04;G01N29/44
申请人地址：	621000 四川省绵阳市高新区绵兴东路35号
主权项：	1.一种基于时频域特征的异音检测系统，其特征在于，包括：预处理模块，用于提取被采集设备的声音数据中有效声音段，所述有效声音段至少包括被采集设备的平稳转动声音段；异常时域识别模块，用于确定异音频带范围，通过频带分解获得包含异音频段的特征分量，对特征分量进行加窗分帧计算时域特征，再通过门限阈值来识别声音异常帧；异音频域分类模块，用于基于声音异常帧的识别结果，计算频域特征并输入预训练的机器学习模型进行分类，再根据分类结果进行打分，确定设备异音检测结果。 2.一种基于时频域特征的异音检测方法，其特征在于，包括以下步骤： a.提取被采集设备的声音数据中有效声音段，所述有效声音段至少包括被采集设备的平稳转动声音段； b.确定异音频带范围，通过频带分解获得包含异音频段的特征分量，对特征分量进行加窗分帧计算时域特征，再通过门限阈值来识别声音异常帧； c.基于声音异常帧的识别结果，计算频域特征并输入预训练的机器学习模型进行分类，再根据分类结果进行打分，确定设备异音检测结果。 3.如权利要求2所述的一种基于时频域特征的异音检测方法，其特征在于，步骤a中，所述提取被采集设备的声音数据中有效声音段至少包括：确定设备的启动位置和结束位置，通过矩形窗截取设备工作的平稳声音数据。 4.如权利要求2所述的一种基于时频域特征的异音检测方法，其特征在于，步骤b中，所述频带分解的方法至少包括：变分模态分解，傅里叶变换或经验模态分解。 5.如权利要求2所述的一种基于时频域特征的异音检测方法，其特征在于，步骤b中，所述时域特征至少包括：能量特征，幅值特征或平均值特征。 6.如权利要求2所述的一种基于时频域特征的异音检测方法，其特征在于，步骤b中，所述通过门限阈值来识别声音异常帧至少包括：将每帧的时域特征值与门限阈值大小进行比较，若大于门限阈值，则判定此帧为异常帧，否则判定为正常帧。 7.如权利要求2所述的一种基于时频域特征的异音检测方法，其特征在于，步骤c中，所述频域特征至少包括：频谱，对数谱或梅尔谱。 8.如权利要求2所述的一种基于时频域特征的异音检测方法，其特征在于，步骤c中，所述机器学习模型至少包括：支持向量机，逻辑回归或决策树。
所属类别：	发明专利