论文部分内容阅读
近几年,随着数字技术和计算机技术的发展,以计算机系统为基础的数字检测系统发展迅速,它能够完成许多模拟仪器所不能完成的功能。国外出现了较多的扬声器辅助检测设备,但在使用中,存在检测速度慢、价格昂贵等不足,不适用于企业在线生产检测和推广,导致目前大多电声企业使用的在线检测方法,仍是以模拟仪器检测或传统的人耳检测为主。针对目前数字检测仪器速度慢、精度不高、效率低等问题,本文提出了一种高效的扬声器异常声检测方法,该方法基于计算机强大的分析与处理功能,从检测系统的算法上进行改进并提高检测速度,不仅检测速度快、精度高、操作简单,而且非常适合以扬声器为代表的电声器件在线检测。本文主要从电流信号(电信号)和声压信号(声信号)两方面检测扬声器是否存在异常声,具体包括信号的预处理、高阶微弱信号的提取、心理声学模型以及模式识别四部分内容。文中首先给出了信号的预处理,首次将矩形卷积窗应用于声频检测系统的高精度谐波失真分析和互调失真分析中,并将其与多种常用的标准窗函数进行对比,使用MATLAB对该算法进行仿真,结果表明在条件相同的情况下,此窗的算法精度更高、速度更快,可以在2秒钟内判断出是否存在异常声;在其基础上,详细讲述了高阶微弱信号的提取,具体是通过Hilbert-Huang变换(HHT)算法实现的,对提取的信号做经验模态分解(EMD),将信号分解成固有模态函数(IMF)的和,并对每个IMF进行变换;对信号提取之后,文中分别进行电信号的检测和声信号的检测;其中声信号的检测之前,创新性的使用了心理声学模型进行处理,在此章节中重点论述了心理声学模型的原理,标准及算法流程,并给出了仿真图形;最后运用模式识别对电信号和声信号进行综合判断,只有两路信号检测结果都显示没有异常声时,才能给出扬声器无异常声的结论;当有任一路检测结果显示有异常声时,都将给出扬声器存在异常声的结论,在此基础之上再进一步识别异常声的故障类型和故障程度。本文中提出的改进算法,从检测速度和检测精度上做了改善,使二者的配合程度达到了最佳。并经过理论分析与MATLAB仿真,已验证了该方法的准确性、快速性和可行性。