中国是扬声器生产的第一大国，扬声器的年产量可达到几亿只。扬声器由于设计和生产过程中无法预知的一些情况，造成扬声器故障。所以，在扬声器被生产出来后，进行的第一道产品质量检测工序是“纯音”检测。“纯音”检测就是检测扬声器的纯音性能，即将额定功率的扫频信号施加给扬声器，检测扬声器产生的响应信号是否满足用户的质量要求。目前，扬声器“纯音”性能在线检测方法主要还是依靠人耳监听待测扬声器是否含有影响人耳听觉感受的声音，这种依赖主观特性很强的检测方法，不利于生产质量的保证和生产效率的提升，因为这种方法很大程度依赖于人的经验和听觉，况且工作环境中的噪声以及个体的工作状态同样会对检测结果有着很大的影响。且这种检测方式会对人耳朵的听力造成损害，所以，各种检测扬声器性能的仪器应运而生。在扬声器的异常声中，影响人们听音的是人耳可闻的那一部分，所以，这部分异常声对判断扬声器的好坏有着重要的作用。但是，在常用的扬声器异常声检测仪器中，大多数都是对所有的异常缺陷进行检测，这种方法对于一些制造商来说是必要的，可对生产线缺陷进行纠正。但是，对于有高产量要求的生产企业，特别是一些小型廉价扬声器，比如手机、笔记本扬声器生产商，更倾向于检测扬声器是否含有人耳可感知的异常声，这就刺激了对可感知异常音检测研究的需求。心理声学模型可以将人耳可闻的异常声提取出来，作为在线检测的判断依据。本文就将心理声学模型应用于扬声器异常声检测技术中，为扬声器生产商纠正生产线缺陷提供良好技术指标。本课题源自陕西省教育厅项目，结合电声行业的需求，研究了心理声学模型在扬声器异常声检测中的应用。本文利用信号源激励被测扬声器，对扬声器的声响应用传声器传输至计算机中，进行模数转换后，运用希尔伯特黄算法对声响应进行分析，提取扬声器的高阶微弱信号，将此信号送入心理声学模型算法中，提取人耳可闻的异常音，为接下来的模式识别模块准备数据，判断扬声器故障类型。本课题的研究成果主要包括：（1）运用希尔伯特黄算法分析扬声器的声响应，提取声响应中的异常声。（2）针对希尔伯特黄算法出现的模态混叠现象，选用集合经验模态分解算法改进不足。（3）运用心理声学模型I，处理希尔伯特黄算法提取的异常声，最终输出真正影响人耳听觉感受的可闻异常音。（4）针对心理声学模型I中的时频分辨率不足的问题，选用小波包分解进行改进。（5）将希尔伯特黄算法和心理声学模型I算法Matlab程序移植到C++环境中，实现和扬声器异音检测系统其它模块的衔接。本文从理论和实践两方面对心理声学模型在扬声器异音检测系统中的应用进行了研究，通过播放心理声学模型模块提取出的人耳可闻异常音，以及和去除人耳可闻异常音后的声响应进行对比，得出结论：将心理声学模型应用在扬声器异音检测系统中，能够有效的提取影响人耳听觉感受的异常音，为扬声器生产的在线检测提供简洁、准确、高效的方法。