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。