專利名稱：一種發(fā)聲體異常音檢測(cè)方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及發(fā)聲體異常音檢測(cè)的方法及測(cè)試系統(tǒng)。在給被測(cè)發(fā)聲體激勵(lì)特殊信號(hào)得到發(fā)聲體電響應(yīng)和聲響應(yīng)后，通過(guò)對(duì)兩種信號(hào)做時(shí)域跟蹤高通濾波或EMD處理后得到異常音曲線，其后考慮人聽(tīng)覺(jué)心理模型對(duì)聲響應(yīng)的異常音曲線進(jìn)行后處理得到最后的聲響應(yīng)異常音曲線，結(jié)合電響應(yīng)異常音曲線和聲響應(yīng)異常音曲線就能綜合判斷發(fā)聲體是否有異常音。

背景技術(shù)：
測(cè)量發(fā)聲體異常音的意義 發(fā)聲體的異常音通常會(huì)出現(xiàn)在發(fā)聲體的研發(fā)和批產(chǎn)兩個(gè)階段，在研發(fā)階段時(shí)由于沒(méi)有正確的設(shè)計(jì)發(fā)聲體結(jié)構(gòu)或選擇合適的材料，導(dǎo)致在發(fā)聲體振動(dòng)發(fā)聲時(shí)產(chǎn)生異常音。在批產(chǎn)階段時(shí)由于在發(fā)聲體大批量生產(chǎn)和制造中存在一些不可預(yù)料的情況，例如磁回路中混入雜質(zhì)、線圈安裝位置不正確，個(gè)別材料質(zhì)量不合格、部分位置粘結(jié)不好等情況。都會(huì)使生產(chǎn)出的發(fā)聲體發(fā)出異常音，而這些情況一般在產(chǎn)線大批量生產(chǎn)發(fā)聲體時(shí)不能完全避免，這些發(fā)聲體在激勵(lì)正常音頻時(shí)會(huì)發(fā)出讓人不能接受的刺耳的聲音。作為殘次品，發(fā)聲體生產(chǎn)企業(yè)是不能將這些有異常音的產(chǎn)品交付給他們的客戶的。這時(shí)傳統(tǒng)的做法是完全依賴于企業(yè)生產(chǎn)線的音質(zhì)聽(tīng)測(cè)工人靠耳朵評(píng)判，由于工人的熟練程度不同、每個(gè)工人的耳朵對(duì)音質(zhì)的主觀感受不同，加之工人的一些主觀的因素，使得很難用一個(gè)客觀標(biāo)準(zhǔn)來(lái)統(tǒng)一工人對(duì)發(fā)聲體的純音音質(zhì)的評(píng)判，導(dǎo)致企業(yè)生產(chǎn)效率和產(chǎn)品質(zhì)量難以提高。同時(shí)，由于業(yè)界沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)，生產(chǎn)廠家和客戶之間關(guān)于異常音的糾紛時(shí)有發(fā)生，異常音的客觀評(píng)判，一直是業(yè)界難以解決的問(wèn)題。
現(xiàn)有的技術(shù)和方法 A)人耳聽(tīng)覺(jué)結(jié)構(gòu)模型法，美國(guó)專利5884260中提到一種基于人耳聽(tīng)覺(jué)結(jié)構(gòu)模型來(lái)檢測(cè)發(fā)聲體異常音的方法。該方法將測(cè)量到的信號(hào)輸入一個(gè)具有多個(gè)并聯(lián)分支的濾波器組，每一個(gè)分支都包括串聯(lián)鏈接的一個(gè)帶通濾波器，一個(gè)整流器以及一個(gè)低通濾波器。各帶通濾波器的通帶以及各低通濾波器的時(shí)間常數(shù)對(duì)應(yīng)于人耳聽(tīng)覺(jué)結(jié)構(gòu)系統(tǒng)的各項(xiàng)特性。各帶通濾波器在它們的通帶以外具有足夠的衰減，以便從諧波中分離出基波分量。各帶通濾波器的振幅與相位響應(yīng)以及各個(gè)低通濾波器的時(shí)間常數(shù)改變這被分析信號(hào)的波形，并受到限制，以便檢測(cè)出持續(xù)時(shí)間短但振幅很大的畸變。這個(gè)方法提供了一種與人耳聽(tīng)覺(jué)結(jié)構(gòu)模型相關(guān)的檢測(cè)方法，但是不能與其他測(cè)量方法進(jìn)行比較，并且從物理客觀的觀點(diǎn)來(lái)說(shuō)是難以解釋的。
B)離散頻率激勵(lì)及檢測(cè)方法，Pascal Brunet等人在第115次[國(guó)際]音頻工程學(xué)會(huì)大會(huì)發(fā)表的論文《揚(yáng)聲器松散結(jié)構(gòu)檢測(cè)》(Loose Particle Detection in Loudspeaker)中提出了使用離散頻率激勵(lì)發(fā)聲體，得到聲響應(yīng)后使用普通高通濾波器進(jìn)行濾波，對(duì)濾波后信號(hào)通過(guò)某種算法計(jì)算RMS值來(lái)檢測(cè)被測(cè)發(fā)聲體是否有異常音。該方法的不足在于1、采用離散頻率激勵(lì)信號(hào)就說(shuō)明不是在整個(gè)設(shè)定頻段內(nèi)產(chǎn)生激勵(lì)信號(hào)，這樣就有可能使一些只在特定頻率才被觸發(fā)的異常音在這樣的激勵(lì)下并不被觸發(fā)。2、簡(jiǎn)單的一個(gè)高通，而不是跟蹤基頻變化的高通濾波使得該方法在區(qū)分正常諧波失真和高次異常音時(shí)無(wú)能為力。3、該方法在檢測(cè)精度和測(cè)試速度上有很大矛盾。
C)時(shí)頻分析法中國(guó)專利申請(qǐng)公開(kāi)書(shū)200610011612.6、200610014967.0、200710178411.X都采用了對(duì)檢測(cè)得到的信號(hào)做時(shí)頻分析的方法來(lái)處理，并再做一些后處理，如統(tǒng)計(jì)數(shù)據(jù)處理、模式學(xué)習(xí)和模式分類等。不同的是它們有的采用了短時(shí)傅立葉變換，有的采用了小波變換法。


發(fā)明內(nèi)容
本發(fā)明的目的是提出一種快速在線測(cè)試發(fā)聲體異常音的的方法，該方法在給被測(cè)發(fā)聲體激勵(lì)特殊信號(hào)得到發(fā)聲體電響應(yīng)和聲響應(yīng)后，通過(guò)分別做檢測(cè)而更加可靠和準(zhǔn)確的檢測(cè)發(fā)聲體異常音。檢測(cè)方法首先可以選擇采用時(shí)域跟蹤高通濾波器法將一定階數(shù)以上的諧波提取出來(lái)，或者選擇采用改良的HHT快速算法對(duì)響應(yīng)信號(hào)做經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)，提取一定階數(shù)以上的分解信號(hào)，其后對(duì)從電信號(hào)響應(yīng)中提取的高次微弱信號(hào)直接做門限檢測(cè)判斷是否有異常音，而對(duì)聲信號(hào)中提取出的高次微弱信號(hào)先結(jié)合人耳聽(tīng)覺(jué)心理模型將人耳真正能敏感聽(tīng)到的異常音信號(hào)提取出來(lái)，再做門限檢測(cè)判斷是否有異常音。這樣結(jié)合兩個(gè)通道的信號(hào)處理，同時(shí)又考慮人聽(tīng)覺(jué)心理模型的檢測(cè)和判斷方法可以快速、穩(wěn)定和準(zhǔn)確的判斷出被測(cè)發(fā)聲體是否有異常音。
本發(fā)明要解決的就是如何在線、快速、可靠的判斷出被測(cè)發(fā)聲體是否有異常音。原有的采用離散頻率作為激勵(lì)信號(hào)的檢測(cè)方法勢(shì)必會(huì)忽略一些潛在的發(fā)聲體異常音，并且該方法在測(cè)試結(jié)果準(zhǔn)確和測(cè)試效率上存在矛盾，不適合產(chǎn)線使用，原有的一些采用頻率域的處理方法如時(shí)頻分析法等，由于其計(jì)算復(fù)雜度問(wèn)題也不適合產(chǎn)線使用。
本發(fā)明的目的是這樣實(shí)現(xiàn)的 本發(fā)明所述的發(fā)聲體異常音檢測(cè)方法，具體為建立如圖1所示的測(cè)試系統(tǒng)，用特殊的測(cè)試信號(hào)(測(cè)試信號(hào)的時(shí)域波形圖如圖2所示，時(shí)頻圖如圖3所示)激勵(lì)被測(cè)發(fā)聲體，在得到被測(cè)發(fā)聲體兩端電壓、流經(jīng)發(fā)聲體的電流、發(fā)聲體發(fā)出的聲壓信號(hào)后，按照?qǐng)D4做信號(hào)處理，首先用信噪比檢測(cè)模塊(19)對(duì)所得的三個(gè)信號(hào)做檢測(cè)，其次根據(jù)檢測(cè)后得到的信號(hào)通過(guò)高階微弱信號(hào)提取模塊(20)提取被測(cè)發(fā)聲體的電信號(hào)和聲信號(hào)中的高階微弱信號(hào)，再次電信號(hào)門限檢測(cè)模塊(21)利用電信號(hào)門限生成模塊(25)生成的門限對(duì)提取的電信號(hào)高次微弱信號(hào)做是否包含異常音的判斷，而對(duì)聲信號(hào)的高次微弱信號(hào)先進(jìn)入聽(tīng)覺(jué)心理模型處理模塊(22)中根據(jù)人耳聽(tīng)覺(jué)心理模型將人耳真正能敏感聽(tīng)到的異常音信號(hào)提取出來(lái)后，再進(jìn)入聲信號(hào)門限檢測(cè)模塊(23)結(jié)合聲信號(hào)門限生成模塊(26)生成的門限對(duì)其聲響應(yīng)中是否包含異常音進(jìn)行判斷，最后將電信號(hào)門限檢測(cè)模塊(21)的檢測(cè)結(jié)果和聲信號(hào)門限檢測(cè)模塊(23)的檢測(cè)結(jié)果輸入到異常音綜合判斷模塊(24)中進(jìn)行綜合判斷，給出被測(cè)發(fā)聲體是否有異常音的最后判斷并輸出判斷結(jié)果。
本發(fā)明所述的發(fā)聲體異常音檢測(cè)方法的測(cè)試系統(tǒng)包括PC機(jī)或?qū)僭O(shè)備(6)、數(shù)據(jù)采集卡(5)、帶電流檢測(cè)功能的恒壓功放(4)、消音箱或仿真耳(3)、測(cè)量麥克風(fēng)或麥克風(fēng)陣列(2)；PC機(jī)或?qū)僭O(shè)備(6)通過(guò)程序控制數(shù)據(jù)采集卡(5)發(fā)射激勵(lì)測(cè)試信號(hào)(7)，該測(cè)試信號(hào)(7)經(jīng)過(guò)帶電流檢測(cè)功能的恒壓功放(4)功率放大后加載在被測(cè)發(fā)聲體(1)兩端，同時(shí)將此放大電壓信號(hào)(8)和流經(jīng)發(fā)聲體的電流信號(hào)(9)輸入到數(shù)據(jù)采集卡(5)中，在消音箱或仿真耳(3)中使用測(cè)量麥克風(fēng)或麥克風(fēng)陣列(2)將被測(cè)發(fā)聲體(1)在激勵(lì)信號(hào)下發(fā)出的聲壓信號(hào)(10)采集并輸入到數(shù)據(jù)采集卡(5)，專屬設(shè)備(6)包括具有控制功能和顯示功能的工控機(jī)、獨(dú)立嵌入式設(shè)備，數(shù)據(jù)采集卡(5)用于完成模/數(shù)和數(shù)/模轉(zhuǎn)換。
由于本發(fā)明采用了上述的技術(shù)方案，故具有以下優(yōu)點(diǎn) 1)測(cè)試系統(tǒng)搭建方便，成本低，測(cè)試系統(tǒng)將不僅能用于發(fā)聲體異常音的測(cè)量，還可以用于其他參數(shù)的測(cè)量。例如頻響測(cè)試、總諧波失真測(cè)試、相位測(cè)試、阻抗測(cè)試和發(fā)聲體線性參數(shù)測(cè)試等。
2)測(cè)試信號(hào)的選擇，決定了其在保證能激勵(lì)出所有可能發(fā)聲體異常狀態(tài)的前提下，測(cè)試時(shí)間盡可能的短。
3)采用兩種不同的高階微弱信號(hào)提取方法能保證不遺漏的將一些微弱異常信號(hào)提取出來(lái)，保證了異常音檢測(cè)準(zhǔn)確性。
4)對(duì)聲信號(hào)的高階微弱信號(hào)進(jìn)行有關(guān)人耳聽(tīng)覺(jué)心理模型的處理，可以模擬人耳在聽(tīng)音階段的處理過(guò)程，將人耳真正能敏感聽(tīng)到的異常音信號(hào)提取出來(lái)，這樣的得到的結(jié)果和實(shí)際使用人工聽(tīng)出的結(jié)果一致，進(jìn)一步提高檢測(cè)的準(zhǔn)確度。
5)綜合電信號(hào)和聲信號(hào)兩路信號(hào)的異常音檢測(cè)可以更加全面、可靠、細(xì)致和準(zhǔn)確的對(duì)發(fā)聲體是否有異常音進(jìn)行檢測(cè)和判斷，使結(jié)果更加可信。



圖1測(cè)試系統(tǒng)圖。
圖2測(cè)試激勵(lì)信號(hào)時(shí)域波形圖。
圖3測(cè)試激勵(lì)信號(hào)時(shí)頻圖。
圖4信號(hào)處理流程圖。
圖5改良HHT快速算法流程圖。
圖6測(cè)得的電流信號(hào)時(shí)域波形圖。
圖7測(cè)得的聲壓信號(hào)時(shí)域波形圖。
圖8電響應(yīng)異音曲線及門限圖。
圖9聲響應(yīng)高階微弱信號(hào)圖。
圖10聲響應(yīng)異音曲線及門限圖。
圖11沒(méi)有異常音樣品的聲響應(yīng)EMD分解圖。
圖12有異常音樣品的聲響應(yīng)EMD分解圖。
圖13沒(méi)有異常音樣品的聲響應(yīng)瞬時(shí)頻率圖。
圖14有異常音樣品的聲響應(yīng)瞬時(shí)頻率圖。

具體實(shí)施例方式 下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步的說(shuō)明。
按照?qǐng)D1搭建測(cè)試系統(tǒng)，該測(cè)試系統(tǒng)包括PC機(jī)或?qū)僭O(shè)備(6)、數(shù)據(jù)采集卡(5)、帶電流檢測(cè)功能的恒壓功放(4)、消音箱或仿真耳(3)、測(cè)量麥克風(fēng)或麥克風(fēng)陣列(2)，專屬設(shè)備(6)包括具有控制功能和顯示功能的工控機(jī)、獨(dú)立嵌入式設(shè)備，數(shù)據(jù)采集卡(5)用于完成模/數(shù)和數(shù)/模轉(zhuǎn)換。在該測(cè)試系統(tǒng)中，PC機(jī)或?qū)僭O(shè)備(6)通過(guò)程序控制數(shù)據(jù)采集卡(5)發(fā)射激勵(lì)測(cè)試信號(hào)(7)，該測(cè)試信號(hào)(7)經(jīng)過(guò)帶電流檢測(cè)功能的恒壓功放(4)功率放大后加載在被測(cè)發(fā)聲體(1)兩端，同時(shí)將此放大電壓信號(hào)(8)和流經(jīng)發(fā)聲體的電流信號(hào)(9)輸入到數(shù)據(jù)采集卡(5)中，在消音箱或仿真耳(3)中使用測(cè)量麥克風(fēng)或麥克風(fēng)陣列(2)將被測(cè)發(fā)聲體(1)在激勵(lì)信號(hào)下發(fā)出的聲壓信號(hào)(10)采集并輸入到數(shù)據(jù)采集卡(5)。這里所有信號(hào)處理流程在PC或?qū)僭O(shè)備(6)中進(jìn)行，利用PC或?qū)僭O(shè)備(6)內(nèi)的程序完成。
在PC或?qū)僭O(shè)備(6)中設(shè)有信噪比檢測(cè)模塊(19)、高階微弱信號(hào)提取模塊(20)、電信號(hào)門限檢測(cè)模塊(21)、聽(tīng)覺(jué)心理模型處理模塊(22)、聲信號(hào)門限檢測(cè)模塊(23)、異常音綜合判斷模塊(24)、電信號(hào)門限生成模塊(25)和聲信號(hào)門限生成模塊(26)。
所述的信噪比檢測(cè)模塊(19)對(duì)輸入的電壓信號(hào)(8)、電流信號(hào)(9)、聲壓信號(hào)(10)的信噪比情況做檢測(cè)判斷，在信噪比小于10dB(此值根據(jù)選擇的不同被測(cè)發(fā)聲體類型有所不同)時(shí)將給出警告，表示此時(shí)采集信號(hào)不適合進(jìn)行后面的運(yùn)算，如果信噪比大于等于10dB，則可以進(jìn)行進(jìn)一步的計(jì)算； 所述的高階微弱信號(hào)提取模塊(20)將采用可選的兩種不同算法對(duì)檢測(cè)得到的電流信號(hào)和聲壓信號(hào)做高階微弱信號(hào)的提取，一種算法采用時(shí)域跟蹤高通濾波器，按照設(shè)定的階數(shù)對(duì)輸入的電信號(hào)或聲信號(hào)做跟蹤基頻的時(shí)域高通濾波，只保留高階微弱信號(hào)部分；另一種算法采用改良的HHT快速算法，對(duì)輸入的電信號(hào)和聲信號(hào)做經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)，分離出相對(duì)與激勵(lì)測(cè)試信號(hào)的各種經(jīng)驗(yàn)?zāi)B(tài)，并輸出指定階數(shù)以上的經(jīng)驗(yàn)?zāi)B(tài)總和。
所述的高階微弱信號(hào)提取模塊(20)中改良的HHT快速算法得到信號(hào)經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)的算法流程如下，流程圖如圖5所示 (1)初始化r0＝x(t)，i＝1； (2)如果i<＝N(N表示需要分析的階數(shù))，進(jìn)行(3)處理，否則算法結(jié)束，輸出當(dāng)前計(jì)算結(jié)果。
(3)篩選第i個(gè)本征模函數(shù)(IMF)函數(shù)，具體步驟是 (a)初始化h0(t)＝ri(t)，k＝1； (b)抽取hk-1(t)的局部極大值與極小值； (c)對(duì)局部極大值與局部極小值分別進(jìn)行3次樣條插值，得到hk-1(t)的上下包絡(luò)線； (d)計(jì)算hk-1(t)的上下包絡(luò)線的均值mk-1(t)； (e)計(jì)算hk(t)＝hk-1(t)-mk-1(t)； (f)若滿足停止條件，即連續(xù)兩次篩選結(jié)果的標(biāo)準(zhǔn)差在典型值0.2至0.3之間時(shí)，則令Ci(t)＝hk(t)，否則令k＝k+1，繼續(xù)第(b)步。
(4)定義ri(t)＝ri-1(t)-Ci(t)。
(5)如果ri(t)仍有兩個(gè)以上的極值點(diǎn)，有i＝i+1，轉(zhuǎn)至第(3)步。否則，分解過(guò)程完成，ri(t)即為所需N次分解后得到的高階諧波分量。
這樣的分解過(guò)程最終將原始信號(hào)由這些分解出的IMF分量和一個(gè)均值或趨勢(shì)項(xiàng)(高階諧波分量)表示，具體表達(dá)式如下 檢驗(yàn)這種檢測(cè)方法的是否有效的方法如下 可以采用對(duì)其中IMF分量先做HIilbert變換 再求得解析信號(hào)的相位函數(shù) 最后得到其瞬時(shí)頻率值 對(duì)Wj(t)做檢測(cè)就可以清晰的看出檢測(cè)結(jié)果是否準(zhǔn)確。
所述的電信號(hào)門限檢測(cè)模塊(21)對(duì)已經(jīng)計(jì)算得到的電信號(hào)高階微弱信號(hào)(即電信號(hào)異常音曲線)和設(shè)定的門限進(jìn)行比較，有超出門限的情況就輸出為0，表示在被測(cè)發(fā)聲體電信號(hào)中有異常音，沒(méi)有超過(guò)門限就輸出1，表示被測(cè)發(fā)聲體電信號(hào)中無(wú)異常音。
所述的電信號(hào)門限生成模塊(25)根據(jù)輸入信息可以選擇設(shè)定一個(gè)絕對(duì)值，也可以將人工聽(tīng)測(cè)肯定沒(méi)有異常音的樣品先進(jìn)行一次或多次本發(fā)明的測(cè)試并把其得到的電響應(yīng)高階微弱信號(hào)結(jié)果做一個(gè)統(tǒng)計(jì)平均，再參考適當(dāng)余量后設(shè)定出相應(yīng)的門限。計(jì)算公式如下 或Limitc＝Max{C(i)}+marginc 其中Limitc表示計(jì)算得到電響應(yīng)門限，N表示人耳聽(tīng)測(cè)肯定沒(méi)有異常音樣品的個(gè)數(shù)，C(i)表示人耳聽(tīng)測(cè)肯定沒(méi)有異常音樣品經(jīng)過(guò)本發(fā)明測(cè)試得到的電響應(yīng)高階微弱信號(hào)結(jié)果，marginc表示考慮產(chǎn)品檢測(cè)冗余度而適當(dāng)增加的門限余量。兩個(gè)公式可以根據(jù)需要任意選擇，但是在設(shè)定時(shí)需要注意對(duì)設(shè)定門限的樣品要求嚴(yán)格，這就需要有一個(gè)剔除機(jī)制將測(cè)試結(jié)果明顯與其他測(cè)試結(jié)果不一致的樣品測(cè)試結(jié)果剔除掉而不進(jìn)行統(tǒng)計(jì)門限的生成。在本發(fā)明中采用了Chauvenet標(biāo)準(zhǔn)或Peirce標(biāo)準(zhǔn)。
所述的聽(tīng)覺(jué)心理模型處理模塊(22)根據(jù)人耳聽(tīng)覺(jué)心理模型對(duì)輸入的聲信號(hào)高階微弱信號(hào)做后處理，將人耳真正能敏感聽(tīng)到的異常音信號(hào)提取出來(lái)得到聲響應(yīng)異常音曲線。這里人耳聽(tīng)覺(jué)心理模型包括時(shí)域掩蔽效應(yīng)，頻域掩蔽效應(yīng)，人耳聽(tīng)覺(jué)響度模型等。具體來(lái)說(shuō)時(shí)域掩蔽效應(yīng)主要模擬發(fā)生在不同時(shí)刻的兩個(gè)或多個(gè)異音信號(hào)的相互掩蔽的效果，頻域掩蔽效應(yīng)主要模擬在同一時(shí)刻基頻和低次諧頻對(duì)異音信號(hào)的掩蔽效果，而人耳聽(tīng)覺(jué)響度模型主要模擬人耳在不同條件下對(duì)不同頻率響度的加權(quán)特性。
所述的聲信號(hào)門限檢測(cè)模塊(23)對(duì)聲響應(yīng)異常音曲線和設(shè)定的門限進(jìn)行比較，有超出門限的情況就輸出為0，表示在被測(cè)發(fā)聲體聲信號(hào)中有異常音，沒(méi)有超過(guò)門限就輸出1，表示被測(cè)發(fā)聲體聲信號(hào)中無(wú)異常音。
所述的聲信號(hào)門限生成模塊(26)根據(jù)輸入信息可以選擇設(shè)定一個(gè)絕對(duì)值，也可以將人工聽(tīng)測(cè)肯定沒(méi)有異常音的樣品先進(jìn)行一次或多次本發(fā)明的測(cè)試并把其得到的聲響應(yīng)高階微弱信號(hào)結(jié)果做一個(gè)統(tǒng)計(jì)平均，再參考適當(dāng)余量后設(shè)定出相應(yīng)的門限。計(jì)算公式如下 或LimitA＝Max{A(i)}+marginA 其中LimitA表示計(jì)算得到電響應(yīng)門限，N表示人耳聽(tīng)測(cè)肯定沒(méi)有異常音樣品的個(gè)數(shù)，A(i)表示人耳聽(tīng)測(cè)肯定沒(méi)有異常音樣品經(jīng)過(guò)本發(fā)明測(cè)試得到的聲響應(yīng)高階微弱信號(hào)結(jié)果，marginA表示考慮產(chǎn)品檢測(cè)冗余度而適當(dāng)增加的門限余量。兩個(gè)公式可以根據(jù)需要任意選擇，但是在設(shè)定時(shí)需要注意對(duì)設(shè)定門限的樣品要求嚴(yán)格，這就需要有一個(gè)剔除機(jī)制將測(cè)試結(jié)果明顯與其他測(cè)試結(jié)果不一致的樣品測(cè)試結(jié)果剔除掉而不進(jìn)行統(tǒng)計(jì)門限的生成。在本發(fā)明中采用了Chauvenet標(biāo)準(zhǔn)或Peirce標(biāo)準(zhǔn)。
所述的異常音綜合判斷模塊(24)對(duì)輸入的電信號(hào)門限檢測(cè)結(jié)果和聲信號(hào)門限檢測(cè)結(jié)果做一個(gè)綜合判斷，只有當(dāng)兩個(gè)檢測(cè)都通過(guò)時(shí)才給出發(fā)聲體無(wú)異常音的檢測(cè)判斷，當(dāng)有任意一個(gè)檢測(cè)不通過(guò)時(shí)給出被測(cè)發(fā)聲體有異常音的檢測(cè)判斷，實(shí)際使用中可以更加靈活的對(duì)檢測(cè)結(jié)果的邏輯組合進(jìn)行判斷，組合表如下 注此時(shí)可能是周圍聲環(huán)境對(duì)聲信號(hào)門限檢測(cè)結(jié)果有影響，可以考慮重新再檢測(cè)一次，以得到確定的結(jié)果。
上面所述的信號(hào)流程圖在實(shí)際使用中是可以考慮重新配置的，比如只檢測(cè)電信號(hào)或聲信號(hào)通道來(lái)對(duì)被測(cè)發(fā)聲體是否有異常音做判斷。
本發(fā)明對(duì)發(fā)聲體線性參數(shù)測(cè)量的具體過(guò)程為 測(cè)試系統(tǒng)由PC機(jī)或?qū)僭O(shè)備(6)根據(jù)用戶設(shè)定產(chǎn)生一個(gè)激勵(lì)測(cè)試信號(hào)(7)，該激勵(lì)測(cè)試信號(hào)(7)是連續(xù)對(duì)數(shù)掃頻信號(hào)，定義如下式 其中U是測(cè)試信號(hào)幅度，T是測(cè)試信號(hào)時(shí)間，ω1是測(cè)試信號(hào)的起始頻率，ω2是測(cè)試信號(hào)(7)的終止頻率，時(shí)域波形如圖2所示，時(shí)頻圖如圖3所示。該測(cè)試信號(hào)(7)，具有頻率連續(xù)變化、測(cè)試時(shí)間可控等特點(diǎn)，選擇這種激勵(lì)信號(hào)的好處是1、該掃頻形式將激勵(lì)設(shè)定頻率段中的所有頻率而不是對(duì)數(shù)跳變的選擇一些離散頻率，這樣就能在整個(gè)頻段內(nèi)檢測(cè)被測(cè)發(fā)聲體是否有異常音而不會(huì)因?yàn)榧?lì)的信號(hào)的問(wèn)題導(dǎo)致一些潛在的異常音沒(méi)有被激勵(lì)出來(lái)。2、可以在保證測(cè)試精度和準(zhǔn)確度的條件下，最大限度的加快測(cè)試速度。
通過(guò)數(shù)據(jù)采集卡(5)將測(cè)試信號(hào)(7)輸入到功率放大器(4)中并將輸出的放大電壓信號(hào)(8)同時(shí)輸入到被測(cè)發(fā)聲體(1)和數(shù)據(jù)采集卡(5)，并將流經(jīng)被測(cè)發(fā)聲體(1)的電流信號(hào)(9)輸入到數(shù)據(jù)采集卡(5)中，將被測(cè)發(fā)聲體(1)在消音箱或仿真耳(3)中發(fā)射的聲信號(hào)，用測(cè)量麥克風(fēng)或麥克風(fēng)陣列(2)采集聲信號(hào)(10)并輸入到數(shù)據(jù)采集卡(5)中。
在測(cè)得所需信號(hào)(8)、(9)、(10)后，將這些信號(hào)進(jìn)行如圖4所示的信號(hào)處理，檢測(cè)被測(cè)發(fā)聲體的是否有異常音，具體如下首先將測(cè)得的電壓信號(hào)(8)、電流信號(hào)(9)和聲壓信號(hào)(10)輸入到信噪比檢測(cè)模塊(19)中判斷測(cè)試的所得的信號(hào)的信噪比是否滿足要求，如果小于10dB(此值根據(jù)選擇的不同被測(cè)發(fā)聲體類型有所不同)，輸出警告信號(hào)(17)，提示測(cè)試信號(hào)信噪比不足，此時(shí)需要采取增加測(cè)試信號(hào)幅度、降低噪聲等措施；如果檢測(cè)信噪比大于10dB，將電壓信號(hào)(8)、電流信號(hào)(9)和聲壓信號(hào)(10)輸入到高階微弱信號(hào)提取模塊(20)中。本例中測(cè)得的電流信號(hào)(9)如圖6所示，聲壓信號(hào)(10)如圖7所示 高階微弱信號(hào)提取模塊(20)將根據(jù)輸入的算法控制信息(18)選擇兩種不同算法之一對(duì)檢測(cè)得到的電流信號(hào)和聲壓信號(hào)做高階微弱信號(hào)的提取。
一種算法是采用時(shí)域跟蹤高通濾波器，按照設(shè)定的階數(shù)對(duì)輸入的電信號(hào)或聲信號(hào)做跟蹤基頻的時(shí)域高通濾波，只保留高階微弱信號(hào)部分，并將處理完的結(jié)果分別輸入到電信號(hào)門限檢測(cè)模塊(21)和聽(tīng)覺(jué)心理模型處理模塊(22)。本例中該算法處理電流信號(hào)(9)得到的電信號(hào)高階微弱信號(hào)(即電信號(hào)異常音曲線)(11)如圖8所示，處理的聲壓信號(hào)(10)得到的聲信號(hào)高階微弱信號(hào)(13)如圖9所示。
所述的電信號(hào)門限生成模塊(25)可以選擇直接設(shè)定一個(gè)絕對(duì)值，也可以將人工聽(tīng)測(cè)肯定沒(méi)有異常音的樣品先進(jìn)行一次或多次本發(fā)明的測(cè)試并把其得到的電響應(yīng)高階微弱信號(hào)結(jié)果做一個(gè)統(tǒng)計(jì)平均，再參考適當(dāng)余量后設(shè)定出相應(yīng)的門限。計(jì)算公式如下 或Limitc＝Max{C(i)}+marginc 其中Limitc表示計(jì)算得到電響應(yīng)門限，N表示人耳聽(tīng)測(cè)肯定沒(méi)有異常音樣品的個(gè)數(shù)，C(i)表示人耳聽(tīng)測(cè)肯定沒(méi)有異常音樣品經(jīng)過(guò)本發(fā)明測(cè)試得到的電響應(yīng)高階微弱信號(hào)結(jié)果，marginc表示考慮產(chǎn)品檢測(cè)冗余度而適當(dāng)增加的門限余量。兩個(gè)公式可以根據(jù)需要任意選擇，但是在設(shè)定時(shí)需要注意對(duì)設(shè)定門限的樣品要求嚴(yán)格，這就需要有一個(gè)剔除機(jī)制將測(cè)試結(jié)果明顯與其他測(cè)試結(jié)果不一致的樣品測(cè)試結(jié)果剔除掉而不進(jìn)行統(tǒng)計(jì)門限的生成。在本例中對(duì)輸入樣品電信號(hào)(19)采用了Chauvenet標(biāo)準(zhǔn)采用以上公式生成了電信號(hào)異音曲線門限(22)(如圖8所示)，并將其輸入到電信號(hào)門限檢測(cè)模塊(21)。
電信號(hào)門限檢測(cè)模塊(21)對(duì)已經(jīng)計(jì)算得到的電信號(hào)高階微弱信號(hào)(即電信號(hào)異常音曲線)(11)和設(shè)定的電信號(hào)異音曲線門限(22)進(jìn)行比較，輸出電信號(hào)判斷結(jié)果(12)到異常音綜合判斷模塊(24)。有超出門限的情況就輸出為0，表示在被測(cè)發(fā)聲體電信號(hào)中有異常音，沒(méi)有超過(guò)門限就輸出1，表示被測(cè)發(fā)聲體電信號(hào)中沒(méi)有異常音。本例中測(cè)試結(jié)果如圖8所示，輸出的結(jié)果為1，被測(cè)發(fā)生體的電信號(hào)中沒(méi)有異常音。
聽(tīng)覺(jué)心理模型處理模塊(22)依據(jù)輸入的模型控制信息(27)根據(jù)人耳聽(tīng)覺(jué)心理模型對(duì)輸入的聲信號(hào)高階微弱信號(hào)(13)做后處理，將人耳真正能敏感聽(tīng)到的異常音信號(hào)提取出來(lái)得到聲響應(yīng)異常音曲線(14)。這里人耳聽(tīng)覺(jué)心理模型包括時(shí)域掩蔽效應(yīng)，頻域掩蔽效應(yīng)，人耳聽(tīng)覺(jué)響度模型等。具體來(lái)說(shuō)時(shí)域掩蔽效應(yīng)主要模擬發(fā)生在不同時(shí)刻的兩個(gè)或多個(gè)異音信號(hào)的相互掩蔽的效果，頻域掩蔽效應(yīng)主要模擬在同一時(shí)刻基頻和低次諧頻對(duì)異音信號(hào)的掩蔽效果，而人耳聽(tīng)覺(jué)響度模型主要模擬人耳在不同條件下對(duì)不同頻率響度的加權(quán)特性。本例處理前聲信號(hào)高階微弱信號(hào)(13)結(jié)果如圖9所示，經(jīng)過(guò)聽(tīng)覺(jué)心理模型處理模塊(22)處理后得到聲響應(yīng)異音曲線(14)結(jié)果如圖10所示。
聲信號(hào)門限生成模塊(26)可以選擇直接設(shè)定一個(gè)絕對(duì)值，也可以將人工聽(tīng)測(cè)肯定沒(méi)有異常音的樣品先進(jìn)行一次或多次本發(fā)明的測(cè)試并把其得到的聲響應(yīng)高階微弱信號(hào)結(jié)果做一個(gè)統(tǒng)計(jì)平均，再參考適當(dāng)余量后設(shè)定出相應(yīng)的門限。計(jì)算公式如下 或LimitA＝Max{A(i)}+marginA 其中LimitA表示計(jì)算得到電響應(yīng)門限，N表示人耳聽(tīng)測(cè)肯定沒(méi)有異常音樣品的個(gè)數(shù)，A(i)表示人耳聽(tīng)測(cè)肯定沒(méi)有異常音樣品經(jīng)過(guò)本發(fā)明測(cè)試得到的聲響應(yīng)高階微弱信號(hào)結(jié)果，marginA表示考慮產(chǎn)品檢測(cè)冗余度而適當(dāng)增加的門限余量。兩個(gè)公式可以根據(jù)需要任意選擇，但是在設(shè)定時(shí)需要注意對(duì)設(shè)定門限的樣品要求嚴(yán)格，這就需要有一個(gè)剔除機(jī)制將測(cè)試結(jié)果明顯與其他測(cè)試結(jié)果不一致的樣品測(cè)試結(jié)果剔除掉而不進(jìn)行統(tǒng)計(jì)門限的生成。在本例中對(duì)輸入樣品聲信號(hào)(21)采用了Chauvenet標(biāo)準(zhǔn)依據(jù)以上公式生成了聲信號(hào)異音曲線門限(22)(如圖10所示)，并將其輸入到聲信號(hào)門限檢測(cè)模塊(23)。
聲信號(hào)門限檢測(cè)模塊(23)對(duì)聲響應(yīng)異音曲線(14)和輸入的聲信號(hào)異音曲線門限(23)進(jìn)行比較，輸出聲信號(hào)判斷結(jié)果(15)到異常音綜合判斷模塊(24)。有超出門限的情況就輸出為0，表示在被測(cè)發(fā)聲體聲信號(hào)中有異常音，沒(méi)有超過(guò)門限就輸出1，表示被測(cè)發(fā)聲體聲信號(hào)中無(wú)異常音。本例中測(cè)試結(jié)果如圖10所示，輸出的結(jié)果為0，被測(cè)發(fā)生體的聲信號(hào)中有異常音。
所述的異常音綜合判斷模塊(24)對(duì)輸入的電信號(hào)門限檢測(cè)結(jié)果(12)和聲信號(hào)門限檢測(cè)結(jié)果(15)做一個(gè)綜合判斷，只有當(dāng)兩個(gè)檢測(cè)都通過(guò)時(shí)才給出發(fā)聲體有異常音的檢測(cè)判斷，當(dāng)有任意一個(gè)檢測(cè)不通過(guò)是給出被測(cè)發(fā)聲體有異常音的檢測(cè)判斷，實(shí)際使用中可以更加靈活的對(duì)檢測(cè)結(jié)果的邏輯組合進(jìn)行判斷，組合表如下 注此時(shí)可能是周圍聲環(huán)境對(duì)聲信號(hào)門限檢測(cè)結(jié)果有影響，可以考慮重新再檢測(cè)一次，以得到確定的結(jié)果。
本例中再次測(cè)量情況依舊，說(shuō)明被測(cè)發(fā)聲體確實(shí)有異常音。
高階微弱信號(hào)提取模塊(20)中的另一種算法采用改良的HHT快速算法，對(duì)輸入的電信號(hào)和聲信號(hào)做經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)，分離出相對(duì)與激勵(lì)測(cè)試信號(hào)的各種經(jīng)驗(yàn)?zāi)B(tài)，并輸出指定階數(shù)以上的經(jīng)驗(yàn)?zāi)B(tài)總和。
所述的高階微弱信號(hào)提取模塊(20)中改良的HHT快速算法得到信號(hào)的經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)算法流程如下，流程圖如圖5所示 (1)初始化r0＝x(t)，i＝1； (2)如果i<＝N(N表示需要分析的階數(shù))，進(jìn)行(3)處理，否則算法結(jié)束，輸出當(dāng)前計(jì)算結(jié)果。
(3)篩選第i個(gè)本征模函數(shù)(IMF)函數(shù)，具體步驟是 (a)初始化h0(t)＝ri(t)，k＝1； (b)抽取hk-1(t)的局部極大值與極小值； (c)對(duì)局部極大值與局部極小值分別進(jìn)行3次樣條插值，得到hk-1(t)的上下包絡(luò)線； (d)計(jì)算hk-1(t)的上下包絡(luò)線的均值mk-1(t)； (e)計(jì)算hk(t)＝hk-1(t)-mk-1(t)； (f)若滿足停止條件，即連續(xù)兩次篩選結(jié)果的標(biāo)準(zhǔn)差在典型值0.2至0.3之間時(shí)，則令Ci(t)＝hk(t)，否則令k＝k+1，繼續(xù)第(b)步。
(4)定義ri(t)＝ri-1(t)-Ci(t)。
(5)如果ri(t)仍有兩個(gè)以上的極值點(diǎn)，有i＝i+1，轉(zhuǎn)至第(3)步。否則，分解過(guò)程完成，ri(t)即為所需N次分解后得到的高階諧波分量。
這樣的分解過(guò)程最終將原始信號(hào)由這些分解出的IMF分量和一個(gè)均值或趨勢(shì)項(xiàng)(高階諧波分量)表示，具體表達(dá)式如下 本例中選擇一個(gè)沒(méi)有異常音的樣品和有異常音的樣品分別通過(guò)該算法做提取5次IMF分解，結(jié)果分別如圖11和圖12所示。
檢驗(yàn)這種檢測(cè)方法的是否有效的方法如下 可以采用對(duì)其中IMF分量先做HIilbert變換 再求得解析信號(hào)的相位函數(shù) 最后得到其瞬時(shí)頻率值 對(duì)Wj(t)做檢測(cè)就可以清晰的看出檢測(cè)結(jié)果是否準(zhǔn)確。
本例中對(duì)分解得到的1階IMF做瞬時(shí)頻率值處理，結(jié)果分別如圖13和圖14所示，確實(shí)能發(fā)現(xiàn)圖14中的有異常音樣品的檢測(cè)結(jié)果中低頻部分有大量的異常音頻率成分，而圖13中好樣品的檢測(cè)結(jié)果就沒(méi)有。
最后應(yīng)說(shuō)明的是以上實(shí)施例僅用以說(shuō)明本發(fā)明而并非限制本發(fā)明所描述的技術(shù)方案；因此，盡管本說(shuō)明書(shū)參照上述的各個(gè)實(shí)施例對(duì)本發(fā)明已進(jìn)行了詳細(xì)的說(shuō)明，但是，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，仍然可以對(duì)本發(fā)明進(jìn)行修改或等同替換；而一切不脫離發(fā)明的精神和范圍的技術(shù)方案及其改進(jìn)，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。
權(quán)利要求
1、一種發(fā)聲體異常音檢測(cè)方法，其特征在于建立測(cè)試系統(tǒng)，用特殊的測(cè)試信號(hào)激勵(lì)被測(cè)發(fā)聲體，在得到被測(cè)發(fā)聲體兩端電壓、流經(jīng)發(fā)聲體的電流、發(fā)聲體發(fā)出的聲壓信號(hào)后，首先用信噪比檢測(cè)模塊(19)對(duì)所得的三個(gè)信號(hào)做檢測(cè)，其次根據(jù)檢測(cè)后得到的信號(hào)通過(guò)高階微弱信號(hào)提取模塊(20)提取被測(cè)發(fā)聲體的電信號(hào)和聲信號(hào)中的高階微弱信號(hào)，再次電信號(hào)門限檢測(cè)模塊(21)利用電信號(hào)門限生成模塊(25)生成的門限對(duì)提取的電信號(hào)高次微弱信號(hào)做是否有異常音的判斷，而對(duì)聲信號(hào)的高次微弱信號(hào)先進(jìn)入聽(tīng)覺(jué)心理模型處理模塊(22)中根據(jù)人耳聽(tīng)覺(jué)心理模型將人耳真正能敏感聽(tīng)到的異常音信號(hào)提取出來(lái)后，再進(jìn)入聲信號(hào)門限檢測(cè)模塊(23)結(jié)合聲信號(hào)門限生成模塊(26)生成的門限對(duì)其聲響應(yīng)中是否包含異常音進(jìn)行判斷，最后將電信號(hào)門限檢測(cè)模塊(21)檢測(cè)結(jié)果和聲信號(hào)門限檢測(cè)模塊(23)的檢測(cè)結(jié)果輸入到異常音綜合判斷模塊(24)中進(jìn)行綜合判斷，給出被測(cè)發(fā)聲體是否有異常音的最后判斷并輸出判斷結(jié)果。
2、根據(jù)權(quán)利要求1所述的發(fā)聲體異常音檢測(cè)方法，其特征在于所述的被測(cè)發(fā)聲體至少包括動(dòng)圈發(fā)聲體單元、壓電發(fā)聲體單元、平板發(fā)聲體單元、發(fā)聲體閉箱系統(tǒng)、發(fā)聲體倒相箱系統(tǒng)、受話器、麥克風(fēng)及麥克風(fēng)系統(tǒng)和類似電聲換能裝置。
3、根據(jù)權(quán)利要求1所述的發(fā)聲體異常音檢測(cè)方法，其特征在于選擇特殊的測(cè)試信號(hào)是連續(xù)對(duì)數(shù)掃頻信號(hào)，定義如下式
其中U是測(cè)試信號(hào)幅度，T是測(cè)試信號(hào)時(shí)間，ω1是測(cè)試信號(hào)的起始頻率，ω2是測(cè)試信號(hào)的終止頻率。
4、根據(jù)權(quán)利要求1所述的發(fā)聲體異常音檢測(cè)方法，其特征在于所有信號(hào)處理流程測(cè)試系統(tǒng)中的PC或?qū)僭O(shè)備(6)中進(jìn)行，利用PC或?qū)僭O(shè)備(6)內(nèi)的程序完成。
5、根據(jù)權(quán)利要求1所述的發(fā)聲體異常音檢測(cè)方法的測(cè)試系統(tǒng)，其特征在于該建立的測(cè)試系統(tǒng)包括PC機(jī)或?qū)僭O(shè)備(6)、數(shù)據(jù)采集卡(5)、帶電流檢測(cè)功能的恒壓功放(4)、消音箱或仿真耳(3)、測(cè)量麥克風(fēng)或麥克風(fēng)陣列(2)；PC機(jī)或?qū)僭O(shè)備(6)通過(guò)程序控制數(shù)據(jù)采集卡(5)發(fā)射激勵(lì)測(cè)試信號(hào)(7)，該測(cè)試信號(hào)(7)經(jīng)過(guò)帶電流檢測(cè)功能的恒壓功放(4)功率放大后加載在被測(cè)發(fā)聲體(1)兩端，同時(shí)將此放大電壓信號(hào)(8)和流經(jīng)發(fā)聲體的電流信號(hào)(9)輸入到數(shù)據(jù)采集卡(5)中，在消音箱或仿真耳(3)中使用測(cè)量麥克風(fēng)或麥克風(fēng)陣列(2)將被測(cè)發(fā)聲體(1)在激勵(lì)信號(hào)下發(fā)出的聲壓信號(hào)(10)采集并輸入到數(shù)據(jù)采集卡(5)，專屬設(shè)備(6)包括具有控制功能和顯示功能的工控機(jī)、獨(dú)立嵌入式設(shè)備，數(shù)據(jù)采集卡(5)用于完成模/數(shù)和數(shù)/模轉(zhuǎn)換。
6、根據(jù)權(quán)利要求5所述的發(fā)聲體異常音檢測(cè)方法的測(cè)試系統(tǒng)，其特征在于PC或?qū)僭O(shè)備(6)中設(shè)有信噪比檢測(cè)模塊(19)、高階微弱信號(hào)提取模塊(20)、電信號(hào)門限檢測(cè)模塊(21)、聽(tīng)覺(jué)心理模型處理模塊(22)、聲信號(hào)門限檢測(cè)模塊(23)、異常音綜合判斷模塊(24)、電信號(hào)門限生成模塊(25)和聲信號(hào)門限生成模塊(26)。
7、根據(jù)權(quán)利要求5所述的發(fā)聲體異常音檢測(cè)方法的測(cè)試系統(tǒng)，其特征在于
所述的信噪比檢測(cè)模塊(19)對(duì)輸入的電壓信號(hào)(8)、電流信號(hào)(9)、聲壓信號(hào)(10)的信噪比情況做檢測(cè)判斷，在信噪比小于10dB(此值根據(jù)選擇的不同被測(cè)發(fā)聲體類型有所不同)時(shí)將給出警告，表示此時(shí)采集信號(hào)不適合進(jìn)行后面的運(yùn)算，如果信噪比大于等于10dB，則可以進(jìn)行進(jìn)一步的計(jì)算；
所述的高階微弱信號(hào)提取模塊(20)將采用可選的兩種不同算法對(duì)檢測(cè)得到的電流信號(hào)(以下簡(jiǎn)稱電信號(hào))和聲壓信號(hào)(以下簡(jiǎn)稱聲信號(hào))做高階微弱信號(hào)的提取，一種算法采用時(shí)域跟蹤高通濾波器，按照設(shè)定的階數(shù)對(duì)輸入的電信號(hào)或聲信號(hào)做跟蹤基頻的時(shí)域高通濾波，只保留高階微弱信號(hào)部分；另一種算法采用改良的HHT快速算法，對(duì)輸入的電信號(hào)和聲信號(hào)做經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)，分離出相對(duì)與激勵(lì)測(cè)試信號(hào)的各種經(jīng)驗(yàn)?zāi)B(tài)，并輸出指定階數(shù)以上的經(jīng)驗(yàn)?zāi)B(tài)總和；
所述的高階微弱信號(hào)提取模塊(20)中改良的HHT快速算法得到信號(hào)的經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)算法流程如下
(1)初始化r0＝x(t)，i＝1；
(2)如果i<＝N(N表示需要分析的階數(shù))，進(jìn)行(3)處理，否則算法結(jié)束，輸出當(dāng)前計(jì)算結(jié)果；
(3)篩選第i個(gè)本征模函數(shù)(IMF)函數(shù)，具體步驟是
(a)初始化h0(t)＝ri(t)，k＝1；
(b)抽取hk-1(t)的局部極大值與極小值；
(c)對(duì)局部極大值與局部極小值分別進(jìn)行3次樣條插值，得到hk-1(t)的上下包絡(luò)線；
(d)計(jì)算hk-1(t)的上下包絡(luò)線的均值mk-1(t)；
(e)計(jì)算hk(t)＝hk-1(t)-mk-1(t)；
(f)若滿足停止條件，即連續(xù)兩次篩選結(jié)果的標(biāo)準(zhǔn)差在典型值0.2至0.3之間時(shí)，則令Ci(t)＝hk(t)，否則令k＝k+1，繼續(xù)第(b)步；
(4)定義ri(t)＝ri-1(t)-Ci(t)；
(5)如果ri(t)仍有兩個(gè)以上的極值點(diǎn)，有i＝i+1，轉(zhuǎn)至第(3)步；否則，分解過(guò)程完成，ri(t)即為所需N次分解后得到的高階諧波分量；
這樣的分解過(guò)程最終將原始信號(hào)由這些分解出的IMF分量和一個(gè)均值或趨勢(shì)項(xiàng)(高階諧波分量)表示，具體表達(dá)式如下
檢驗(yàn)這種檢測(cè)方法的是否有效的方法如下
可以采用對(duì)其中IMF分量先做HIilbert變換
再求得解析信號(hào)的相位函數(shù)
最后得到其瞬時(shí)頻率值
對(duì)wj(t)做檢測(cè)就可以清晰的看出檢測(cè)結(jié)果是否準(zhǔn)確；
所述的電信號(hào)門限檢測(cè)模塊(21)對(duì)已經(jīng)計(jì)算得到的電信號(hào)高階微弱信號(hào)(即電信號(hào)異常音曲線)和設(shè)定的門限進(jìn)行比較，有超出門限的情況就輸出為0，表示在被測(cè)發(fā)聲體電信號(hào)中有異常音，沒(méi)有超過(guò)門限就輸出1，表示被測(cè)發(fā)聲體電信號(hào)中無(wú)異常音；
所述的電信號(hào)門限生成模塊(25)根據(jù)輸入信息選擇設(shè)定一個(gè)絕對(duì)值，或是將人工聽(tīng)測(cè)肯定沒(méi)有異常音的樣品先進(jìn)行一次或多次本發(fā)明的測(cè)試并把其得到的電響應(yīng)高階微弱信號(hào)結(jié)果做一個(gè)統(tǒng)計(jì)平均，再參考適當(dāng)余量后設(shè)定出相應(yīng)的門限；計(jì)算公式如下
或Limitc＝Max{C(i)}+marginc。
其中Limitc表示計(jì)算得到電響應(yīng)門限，N表示人耳聽(tīng)測(cè)肯定沒(méi)有異常音樣品的個(gè)數(shù)，C(i)表示人耳聽(tīng)測(cè)肯定沒(méi)有異常音樣品經(jīng)過(guò)本發(fā)明測(cè)試得到的電響應(yīng)高階微弱信號(hào)結(jié)果，marginc表示考慮產(chǎn)品檢測(cè)冗余度而適當(dāng)增加的門限余量；兩個(gè)公式根據(jù)需要任意選擇，但是在設(shè)定時(shí)需要注意對(duì)設(shè)定門限的樣品要求嚴(yán)格，這就需要有一個(gè)剔除機(jī)制將測(cè)試結(jié)果明顯與其他測(cè)試結(jié)果不一致的樣品測(cè)試結(jié)果剔除掉而不進(jìn)行統(tǒng)計(jì)門限的生成；在本發(fā)明中采用了Chauvenet標(biāo)準(zhǔn)或Peirce標(biāo)準(zhǔn)；
所述的聽(tīng)覺(jué)心理模型處理模塊(22)根據(jù)人耳聽(tīng)覺(jué)心理模型對(duì)輸入的聲信號(hào)高階微弱信號(hào)做后處理，將人耳真正能敏感聽(tīng)到的異常音信號(hào)提取出來(lái)得到聲響應(yīng)異常音曲線；這里人耳聽(tīng)覺(jué)心理模型包括時(shí)域掩蔽效應(yīng)，頻域掩蔽效應(yīng)，人耳聽(tīng)覺(jué)響度模型；具體來(lái)說(shuō)時(shí)域掩蔽效應(yīng)主要模擬發(fā)生在不同時(shí)刻的兩個(gè)或多個(gè)異音信號(hào)的相互掩蔽的效果，頻域掩蔽效應(yīng)主要模擬在同一時(shí)刻基頻和低次諧頻對(duì)異常音信號(hào)的掩蔽效果，而人耳聽(tīng)覺(jué)響度模型主要模擬人耳在不同條件下對(duì)不同頻率響度的加權(quán)特性；
所述的聲信號(hào)門限檢測(cè)模塊(23)對(duì)聲響應(yīng)異常音曲線和設(shè)定的門限進(jìn)行比較，有超出門限的情況就輸出為0，表示在被測(cè)發(fā)聲體聲信號(hào)中有異常音，沒(méi)有超過(guò)門限就輸出1，表示被測(cè)發(fā)聲體聲信號(hào)中無(wú)異常音；
所述的聲信號(hào)門限生成模塊(26)根據(jù)輸入信息選擇設(shè)定一個(gè)絕對(duì)值，或?qū)⑷斯ぢ?tīng)測(cè)肯定沒(méi)有異常音的樣品先進(jìn)行一次或多次本發(fā)明的測(cè)試并把其得到的聲響應(yīng)高階微弱信號(hào)結(jié)果做一個(gè)統(tǒng)計(jì)平均，再參考適當(dāng)余量后設(shè)定出相應(yīng)的門限；計(jì)算公式如下
或LimitA＝Max{A(i)}+marginA
其中LimitA表示計(jì)算得到電響應(yīng)門限，N表示人耳聽(tīng)測(cè)肯定沒(méi)有異常音樣品的個(gè)數(shù)，A(i)表示人耳聽(tīng)測(cè)肯定沒(méi)有異常音樣品經(jīng)過(guò)本發(fā)明測(cè)試得到的聲響應(yīng)高階微弱信號(hào)結(jié)果，marginA表示考慮產(chǎn)品檢測(cè)冗余度而適當(dāng)增加的門限余量；兩個(gè)公式可以根據(jù)需要任意選擇，但是在設(shè)定時(shí)需要注意對(duì)設(shè)定門限的樣品要求嚴(yán)格，這就需要有一個(gè)剔除機(jī)制將測(cè)試結(jié)果明顯與其他測(cè)試結(jié)果不一致的樣品測(cè)試結(jié)果剔除掉而不進(jìn)行統(tǒng)計(jì)門限的生成；在本發(fā)明中采用了Chauvenet標(biāo)準(zhǔn)或Peirce標(biāo)準(zhǔn)；
所述的異常音綜合判斷模塊(24)對(duì)輸入的電信號(hào)門限檢測(cè)結(jié)果和聲信號(hào)門限檢測(cè)結(jié)果做一個(gè)綜合判斷，只有當(dāng)兩個(gè)檢測(cè)都通過(guò)時(shí)才給出發(fā)聲體無(wú)異常音的檢測(cè)判斷，當(dāng)有任意一個(gè)檢測(cè)不通過(guò)時(shí)給出被測(cè)發(fā)聲體有異常音的檢測(cè)判斷，實(shí)際使用中可以更加靈活的對(duì)檢測(cè)結(jié)果的邏輯組合進(jìn)行判斷。
全文摘要
本發(fā)明提出了將高階微弱信號(hào)提取及人耳聽(tīng)覺(jué)心理模型等一系列技術(shù)綜合應(yīng)用于常規(guī)音頻測(cè)量?jī)x器，測(cè)量發(fā)聲體異常音的方法及系統(tǒng)。本發(fā)明采用特殊信號(hào)激勵(lì)被測(cè)發(fā)聲體，通過(guò)測(cè)量發(fā)聲體兩端電流信號(hào)和聲壓信號(hào)，并對(duì)這兩種信號(hào)做時(shí)域跟蹤高通濾波或EMD處理后得到異常音曲線，其后考慮人聽(tīng)覺(jué)心理模型對(duì)聲響應(yīng)的異常音曲線進(jìn)行后處理得到最后的聲響應(yīng)異常音曲線，結(jié)合電響應(yīng)異常音曲線和聲響應(yīng)異常音曲線就能綜合判斷發(fā)聲體是否有異常音。該方法可以快速準(zhǔn)確的檢測(cè)發(fā)聲體是否有異常音，適合產(chǎn)線使用。
文檔編號(hào)H04R29/00GK101426168SQ20081016224
公開(kāi)日2009年5月6日 申請(qǐng)日期2008年11月27日 優(yōu)先權(quán)日2008年11月27日
發(fā)明者益 楊, 溫周斌, 馮海泓, 韋峻峰, 軍 李, 嚴(yán)莎莎 申請(qǐng)人:嘉興中科聲學(xué)科技有限公司