在扬声器生产过程中,产品质量检验的首道工序是“纯音”检测,即对扬声器施加额定功率下的扫频信号,检测它产生的响应信号是否合格,以满足用户对扬声器质量的要求。而当前扬声器“纯音”在线检测方法主要还是依靠人耳监听,这种主观性监听方法不但依赖于人的听觉和经验,而且与工作环境和人的状态也有很大的关系,不利于生产过程的自动化和产品的质量保证。本文根据电声行业的需求和天津市科技攻关项目的需要,研究了基于时频分析的扬声器故障检测方法,通过计算机采集和分析响应信号,判断扬声器的质量。为了满足检测方法的研究需要,本文利用扫频仪激励被测扬声器,同时用计算机采集并截取一个周期的扬声器响应信号作为样本进行分析,分别用短时傅立叶变换和小波包变换方法对信号进行时频分析,提取其特征,用支持向量机和人工神经网络的方法识别扬声器的质量差异。本课题的研究成果主要包括:(1)利用短时傅立叶变换的方法对扬声器响应信号进行分析,提出了有效的扬声器特征提取的方法。(2)利用小波包变换的方法对扬声器响应信号进行分析,并提出了基于能量的特征提取的方法。(3)建立了L-M BP神经网络模型,将特征能量作为输入向量,确定网络结构,完成了对扬声器样本的学习训练,并实现了扬声器故障的检测与识别。(4)针对小样本的情况,建立了基于支持向量机的扬声器故障检测与判别系统,并确定了支持向量机的各参数,实现了扬声器故障的检测与识别。(5)软件采用模块化设计,结合扬声器故障检测的功能进行设计,最终集成了整个系统。本文从理论和实验两方面对扬声器故障检测方法进行了研究,结果表明:基于时频分析的扬声器故障检测方法,能有效的检测出扬声器质量的好坏。