公开(公告)号：CN115022790B

公开(公告)日：2024-11-01

申请号：CN202210561514.9

申请日：2022-05-23

Applicant: 桂林电子科技大学

Inventor： 苏海涛 ,  李嘉伦 ,  陈佳轩 ,  古洁鹏 ,  吴景 ,  徐翠锋 ,  胡鸿志 ,  许金 ,  郭庆

IPC: H04R29/00 ,  G06F18/214 ,  G06F18/2135 ,  G06F18/2411

Abstract: 本发明涉及扬声器的质量检测技术领域，具体涉及基于听觉感知结合主成分分析的扬声器异常声分类方法，本发明首先对采集到的声音按照德国DIN 45631/A1标准计算时变特征响度，得到特征响度随时间变化的数据；接下来求取时变特征响度频带能量信息熵，并将权重系数和时变特征响度图进行运算得到权重下的时变特征响度谱；接着通过二维主成分分析方法，提取时变特征响度谱的主要信息量，消除冗余信息，得到降维后的样本特征；并划分为训练集和测试集，并将样本特征作为支持向量机的输入，建立支持向量机模型进行训练，实现扬声器异常声分类。本发明基于听觉感知模拟人耳听音过程，消除了主观感受对分类结果的影响。

公开(公告)号：CN115022790A

公开(公告)日：2022-09-06

申请号：CN202210561514.9

申请日：2022-05-23

Applicant: 桂林电子科技大学

Inventor： 苏海涛 ,  李嘉伦 ,  陈佳轩 ,  古洁鹏 ,  吴景 ,  徐翠锋 ,  胡鸿志 ,  许金 ,  郭庆

IPC: H04R29/00 ,  G06K9/62

Abstract: 本发明涉及扬声器的质量检测技术领域，具体涉及基于听觉感知结合主成分分析的扬声器异常声分类方法，本发明首先对采集到的声音按照德国DIN 45631/A1标准计算时变特征响度，得到特征响度随时间变化的数据；接下来求取时变特征响度频带能量信息熵，并将权重系数和时变特征响度图进行运算得到权重下的时变特征响度谱；接着通过二维主成分分析方法，提取时变特征响度谱的主要信息量，消除冗余信息，得到降维后的样本特征；并划分为训练集和测试集，并将样本特征作为支持向量机的输入，建立支持向量机模型进行训练，实现扬声器异常声分类。本发明基于听觉感知模拟人耳听音过程，消除了主观感受对分类结果的影响。

公开(公告)号：CN118734029A

公开(公告)日：2024-10-01

申请号：CN202410027815.2

申请日：2024-01-08

Applicant: 桂林电子科技大学

Inventor： 苏海涛 ,  张文杰 ,  古洁鹏 ,  魏玉龙 ,  黄静 ,  卢远宁 ,  徐翠锋 ,  胡鸿志

IPC: G06F18/213 ,  G01M13/021 ,  G01M13/028 ,  G06F18/24

Abstract: 本发明涉及齿轮故障诊断技术领域，具体涉及一种基于声信号Bark带响度变化特征频率的齿轮故障特征提取方法。本发明首先对采集到的齿轮运行的声音信号按照ISO 532‑1：2017标准计算时变特征响度；接着计算各Bark带在时间上对应的响度和，并将各Bark带按照响度和从大到小进行排序，选取出响度和较大的一部分Bark带；接着对所选取的各Bark带的时变响度去直流并进行傅里叶变换，选取出变换结果中幅度值最大的频率分量作为该Bark带的响度变化特征频率。将所选取出的Bark带以及对应的Bark带响度变化特征频率作为该声音信号的特征。本发明中按照Bark带对应的响度和以及变化特征频率来表征人对声音信号的感受，便于故障信息的特征提取，并可有效提高齿轮故障的诊断效果。