CN104363554B - 一种扬声器异常音检测方法 - Google Patents
一种扬声器异常音检测方法 Download PDFInfo
- Publication number
- CN104363554B CN104363554B CN201410511623.5A CN201410511623A CN104363554B CN 104363554 B CN104363554 B CN 104363554B CN 201410511623 A CN201410511623 A CN 201410511623A CN 104363554 B CN104363554 B CN 104363554B
- Authority
- CN
- China
- Prior art keywords
- mrow
- loudspeaker
- abnormal sound
- msubsup
- msup
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提出了一种扬声器异常音检测方法。该方法只要激励信号等条件不改变,每次检测只需重复进行第三阶段即可,因此本算法的计算量非常低,可以实现实时处理。为了进一步提高估计精度可以定期执行第四阶段的更新操作,利用检测空闲时间进行更新操作或使用异步运算方式可以在保持实时处理的同时更新参数,从而提高本算法性能。本发明所述方法的主要优势是:一次性准确得到所有阶次谐波;抗噪声性能好,虚警率低,计算量小;可实时处理,实时发现问题;对激励信号形式和频率范围没有算法上的限制。由于有这些特点,采用本方法可以开发出性能良好的扬声器异常音自动检测设备,以快速准确检测发现扬声器的异常音故障,还可同时检测扬声器频率响应、阻抗曲线等常规参数。
Description
技术领域
本发明属于信号处理领域,涉及扬声器异常音故障的一种检测方法。
背景技术
扬声器是一种重要的电声器件。由于制造工艺问题,部分扬声器产品会出现音圈摩擦磁路部件、音圈碰撞磁路底部、振膜或纸盆由于粘接不牢固出现漏气、内部混入颗粒杂质,等等诸多问题,这些问题统称为异常音故障。相对于扬声器的线性和正常的非线性输出而言,扬声器异常音是十分微弱的,异常音的自动检测方法是一个世界性难题,目前对于异常音问题电声企业主要采用人工检听的方法。
经过多年研究也出现了一些异常音自动检测方法,例如基于对数扫频信号和Volterra模型的算法、基于短时傅里叶变换的算法、基于小波的方法、基于经验模态分解(EMF)的算法等。但是这些方法也有一些不足,例如:多数方法需要得到完整的响应信号才能开始计算,不能实时处理,不利于尽快发现问题;有些方法的计算量比较大;某些方法只适用于特定种类的激励信号;某些方法对激励和采样的频率范围有较高要求等。
发明内容
本发明的目的是针对上述问题,设计出一种扬声器异常音故障的一种检测方法。它采用信号处理方法根据激励信号和麦克风采集的声信号自动判定该扬声器是否存在异常音故障。本发明基于自适应Kalman滤波方法,实现准确、抗噪声、高效地检测异常音故障。
本发明中提及的一种扬声器异常音检测方法,具体步骤是:
第一阶段:参数设定
1)根据被测扬声器特点选定激励信号频率范围,这个范围应包括该扬声器容易产生异常音故障的主要频率点,选定任一种形式的连续扫频信号作为激励信号,写为AnsinΦn(1≤n≤N)的形式,其中An≥0是激励信号的幅值序列;Φn是激励信号的相位序列;激励信号的总采样点数为N。为了避免幅值跳变产生爆音的现象,一般通过加窗使初始幅值A1=0并逐步增大到异常音测试需要的水平;
2)根据激励信号形式得到在第n个采样点处激励信号的瞬时频率ωn,又根据声卡输出信号的采样频率fs得到每一采样时刻最高谐波次数Kn,和整个过程的最高谐波次数max{Kn}记为Kmax;
3)根据需要选择系统阶次M和平滑距离S,一般选择M=1或2,S≥M。S越大对谐波幅值估计越准确,同时计算量和所需存储空间增大;
4)根据被测扬声器类型和特点选择构成异常音曲线的高阶谐波阶次范围;一般可取所有高于7阶的谐波作为异常音曲线;
5)根据环境噪声和声信号本底噪声估计量测噪声方差R;根据扬声器特性估计2Kmax行2Kmax列的状态噪声协方差矩阵Q;
第二阶段:准备状态修正向量L
6)初始化状态协方差矩阵P:对i=0,...,M-1和j=0,...,S,P1 i,j赋值为边长2Kmax的0值方阵。
7)准备状态修正向量L。对从1到N的每个n顺序迭代进行:
a)测量向量
保存Hn
b)
c)对i=0,…,M-1、j=1,…,S:
(其中是组合数)
d)更新并保存L:
对j=0,…,S,
保存
e)更新P:
对i=0,...,M-1,
对i=0,...,M-1和j=1,...,S,
第三阶段:实时检测
8)将待测扬声器和麦克风装在消声箱内指定位置,在待测扬声器两端加载激励信号,用声卡或数据采集卡接收麦克风采集信号,并采用一般的信号处理方法找到与激励信号时间对齐的部分,记为yn,即确保对每个整数1≤n≤N,yn是扬声器对AnsinΦn的响应;
9)初始化状态向量
对i=0,…,S,(向量总长度为2Kmax)
其中A*是幅值为A1频率为ω1的激励信号作用于该型扬声器测得的声信号幅值。特别是,当激励的A1=0时,初始化为2Kmax行1列的0向量;
10)对从1到N的每个n顺序迭代进行:
a)
b)更新状态向量
(其中是组合数);
对j=1,…,S,
c)当n≥S时,向量是根据接收信号采样点y1,y2,...,yn-1估计的n+1-S采样时刻的系统状态。
其中,第k阶谐波为幅值为根据预先确定的高阶谐波阶次范围,将范围内的谐波幅值求平方和得到异常音曲线的第n+1-S个样点;
11)如果待检测扬声器的异常音曲线超过预先确定的该型扬声器异常音曲线阈值则说明待检测扬声器存在异常音故障,反之说明待检测扬声器合格;
异常音曲线阈值可按上述方法预先处理多个同型号无异常音的扬声器,根据这些扬声器的异常音曲线包络的最大值加一定余量构成;
第四阶段:更新统计量
12)基于上述处理结果可以利用统计方法估计R、Q、和P1 0,0等参数更准确的初始值。例如,统计无信号时的噪声方差作为R的初始值、系统方程的误差方差作为Q的初始值、作为的初始值等。定期利用这些参数重新进行第二阶段的计算,可得到更符合测试条件的Ln序列,从而在之后的检测中进一步提高检测性能。
13)第二阶段所述更新Pn、计算状态修正向量Ln和第三阶段所述新状态估计向量xn的方法是在两种公开技术:“自适应Vold-Kalman阶次跟踪方法”和“固定延迟平滑Kalman滤波方法”的基础上改进结合形成的。
从上述步骤中可以知道,只要激励信号等条件不改变,每次检测只需重复进行第三阶段即可,因此本算法的计算量非常低,可以实现实时处理。为了进一步提高估计精度可以定期执行第四阶段的更新操作,利用检测空闲时间进行更新操作或使用异步运算方式可以在保持实时处理的同时更新参数,从而提高本算法性能。
本发明所述方法的主要优势是:1)一次性准确得到所有阶次谐波;2)抗噪声性能好,虚警率低,3)计算量小;4)可实时处理,实时发现问题;5)对激励信号形式和频率范围没有算法上的限制。由于有这些特点,采用本方法可以开发出性能良好的扬声器异常音自动检测设备,以快速准确检测发现扬声器的异常音故障,还可同时检测扬声器频率响应、阻抗曲线等常规参数。
说明书附图
图1为本发明检测流程框图。
具体实施方式
下面以某款微型扬声器异常音故障检测过程为例说明本发明的具体实施方式:
1)扬声器异常音故障往往体现在共振频率附近。该微型扬声器共振频率约700Hz,经验表明,选择300Hz到2000Hz频率的激励信号可以激励出有故障的扬声器的异常音现象。本例使用对数扫频信号,激励时间0.5秒,采用参数为0.03的Tukey窗,声卡采样频率为48000Hz,因此激励信号长度N=48000×0.5=24000,激励信号可写为:
Un=wnsinΦn
其中
2)根据对数扫频信号性质,上述激励信号的频率序列可写作:
每个采样点处谐波次数(为下取整运算),最大谐波次数Kmax=80。
3)本例使用2阶系统模型(M=2),平滑距离S=30。
4)取高于7阶的谐波组成异常音曲线。
5)估计R=10-8,Q=10-9×I160,其中I160是边长为160的单位矩阵。
6)初始化P:
对j=0,...,30,所有和都赋值为边长160的0值方阵。
7)准备Ln。
对从1到N=24000的每个n顺序迭代进行:
a)
保存Hn
b)
c)对j=1,…,30:
d)更新并保存L:
对j=0,…,30,
保存
e)更新P:
对j=1,...,30,
以上是进行具体检测前的准备工作。针对某一个扬声器的检测在以上工作保存的内容的基础上进行以下操作步骤:
8)将待测扬声器和麦克风装在消声箱内指定位置,在待测扬声器两端加载激励信号,用声卡或数据采集卡接收麦克风采集信号,并采用一般的信号处理方法找到与激励信号时间对齐的部分,记为yn(即确保对每个整数1≤n≤N,yn是扬声器对AnsinΦn的响应)。
9)初始化
由于加窗使激励信号幅值从0开始,因此,对i=0,…,30,全部初始化为2Kmax行1列的0向量。
10)对从1到N的每个n顺序迭代进行:
a)
b)更新
对j=1,…,30,
c)当n≥30时,向量是根据接收信号采样点y1,y2,...,yn-1估计的n-29采样时刻的系统状态。
其中,第k阶谐波为幅值为因为是采用所有高于7阶的谐波组成异常音曲线,因此异常音曲线对应y序列第n-29个样点处的值为
11)异常音曲线阈值可按上述方法预先处理多个同型号无异常音的扬声器,根据这些扬声器的异常音曲线包络的最大值加一定余量构成。
如果待检测扬声器的异常音曲线超过预先确定的该型扬声器异常音曲线阈值则说明待检测扬声器存在异常音故障,反之说明待检测扬声器合格。从以上步骤可以看到本方法在发送激励信号的同时得到声压采样序列,随着声压采样序列的取得可以同步地(仅有S-1个样点的延迟)计算得到异常音曲线并与阈值进行比较。因此本方法可以实现实时判定异常音故障。
在经过一段时间检测后,在已有数据的基础上可以进行以下步骤的更新操作。根据所使用电脑的性能调整进行更新操作的频率,实现在不影响实时检测的同时提高检测性能。
12)基于上述处理结果可以用统计方法改善对R、Q、和等的估计值:
a)每个样点处的β值(步骤10.a)构成余量序列,通过统计方法估计这个序列的协方差作为R的值。
b)在M=2的情况下,对每一个i满足S+2≤i≤N,向量是状态噪声,通过统计方法估计这个向量的协方差矩阵作为Q的值。
c)对本例而言,由于初始状态输入谐波幅值为0,输出的各次谐波必然为0,因此和是准确的,不需要调整估计。
对于初始时刻输入幅值不为0的情况,可以统计各次检测中的值,这些向量的均值是对更好的估计,协方差矩阵是对更好的估计。
在得到这些初始参数更好的估计值后,可以在空闲时段或在后台线程中进行第二阶段操作,从而得到更新的Ln序列。在更新的Ln序列基础上进行的第三阶段检测工作将更适应实际检测环境和当前扬声器产品的特点,因此会有更好的检测性能。
以上实施实例及实施步骤仅用以说明本发明而并非限制本发明所描述的技术方案。尽管本说明书参照上述实施实例对本发明进行了详细的说明,但本领域的普通技术人员应该理解,在不脱离所附权利要求的所限定的精神和范围的情况下,可做出许多修改、变化或等效替换;而一切不脱离本发明的精神和范围的技术方案及其改进,其均应涵盖于本发明的权利保护范围中。
Claims (3)
1.一种扬声器异常音检测方法,其特征在于所述的该方法包含以下阶段:
第一阶段:根据被测扬声器特点确定激励信号,进一步得到每个采样点处激励信号的瞬时频率、瞬时相位Φn、当前最高谐波次数Kn和整个过程的最高谐波次数Kmax;根据需要选择系统阶次M、平滑距离S、组成异常音曲线的高阶谐波阶次范围;确定量测噪声方差R和状态噪声协方差矩阵Q的估计值;
第二阶段:首先准备状态向量协方差矩阵的初始值,对应激励信号的每一个采样点顺序按算法迭代构造Hn和更新Pn,并在此基础上算出并保存状态修正向量Ln,具体操作步骤为:
1)初始化状态协方差矩阵P:对整数i=0,...,M-1和整数j=0,...,S,P1 i,j赋值为边长2Kmax的0值方阵;
2)准备状态修正向量L,对从1到N的每个n顺序迭代进行:
a)测量向量
保存Hn
b)
c)对i=0,…,M-1、j=1,…,S:
其中是组合数
<mrow>
<msup>
<mi>T</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msup>
<mo>=</mo>
<msubsup>
<mi>P</mi>
<mi>n</mi>
<mrow>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msubsup>
</mrow>
d)更新并保存状态修正向量L:
对j=0,…,S,
保存
e)更新状态协方差矩阵P:
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>k</mi>
</msup>
<msubsup>
<mi>C</mi>
<mi>M</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msup>
<mi>T</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msup>
<mo>-</mo>
<msubsup>
<mi>&alpha;L</mi>
<mi>n</mi>
<mn>0</mn>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>L</mi>
<mi>n</mi>
<mn>0</mn>
</msubsup>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<mo>+</mo>
<mi>Q</mi>
<mo>;</mo>
</mrow>
对i=1,...,M-1,
对i=0,...,M-1和j=1,...,S,
第三阶段:对每个待测扬声器,将待测扬声器和麦克风装在消声箱内指定位置,在待测扬声器两输入端加载激励信号,用声卡或数据采集卡接收麦克风采集信号,确保接收信号与激励信号时间对齐;从初始值开始,对应每个接收信号采样点顺序迭代更新状态估计向量并根据估计结果得到异常音曲线;将异常音曲线与根据经验确定的阈值比较得出是否存在异常音故障的判断;
第四阶段:基于历史数据用统计方法估计R、Q、和P1 0,0更准确的值,利用这些参数重新进行第二阶段的计算,得到更符合测试条件的Ln序列,从而在之后的检测中进一步提高检测性能。
2.权利要求1所述的扬声器异常音检测方法,其特征在被测扬声器包括各种动圈式电动扬声器。
3.权利要求1所述的扬声器异常音检测方法,其特征在于在主要参数不改变的情况下对任一扬声器的检测只需进行第三阶段操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410511623.5A CN104363554B (zh) | 2014-09-29 | 2014-09-29 | 一种扬声器异常音检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410511623.5A CN104363554B (zh) | 2014-09-29 | 2014-09-29 | 一种扬声器异常音检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104363554A CN104363554A (zh) | 2015-02-18 |
CN104363554B true CN104363554B (zh) | 2018-04-17 |
Family
ID=52530769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410511623.5A Active CN104363554B (zh) | 2014-09-29 | 2014-09-29 | 一种扬声器异常音检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104363554B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106507263B (zh) * | 2016-12-29 | 2019-11-26 | 西安工程大学 | 基于自适应滤波的扬声器异常声检测电路装置及检测方法 |
WO2018133247A1 (zh) * | 2017-01-20 | 2018-07-26 | 华为技术有限公司 | 异音检测方法和装置 |
CN106937233A (zh) * | 2017-02-24 | 2017-07-07 | 上海与德信息技术有限公司 | 音频故障检测的方法及装置 |
CN114223218A (zh) * | 2019-08-14 | 2022-03-22 | 杜比实验室特许公司 | 用于监测和报告扬声器健康状况的方法和系统 |
CN111541975B (zh) * | 2020-04-27 | 2021-05-07 | 维沃移动通信有限公司 | 音频信号的调节方法及电子设备 |
CN113465724A (zh) * | 2021-06-22 | 2021-10-01 | 西安艾科特声学科技有限公司 | 一种用于有源降噪设备具有故障检测功能的次级声源及故障检测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101426168A (zh) * | 2008-11-27 | 2009-05-06 | 嘉兴中科声学科技有限公司 | 一种发声体异常音检测方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006254115A (ja) * | 2005-03-10 | 2006-09-21 | Matsushita Electric Ind Co Ltd | 放送システムおよびスピーカ故障検査方法 |
-
2014
- 2014-09-29 CN CN201410511623.5A patent/CN104363554B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101426168A (zh) * | 2008-11-27 | 2009-05-06 | 嘉兴中科声学科技有限公司 | 一种发声体异常音检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
一种扬声器异常音的时域特征检测方法;韦峻峰,杨益,温周斌等;《振动与冲击》;20111231;全文 * |
扬声器异常音的快速检测方法及其实验研究;杨益,韦峻峰,温周斌等;《声学学报》;20100930;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104363554A (zh) | 2015-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104363554B (zh) | 一种扬声器异常音检测方法 | |
RU2655703C2 (ru) | Определение оценки размера помещения | |
US9363599B2 (en) | Systems and methods for protecting a speaker | |
Rébillat et al. | Identification of cascade of Hammerstein models for the description of nonlinearities in vibrating devices | |
Eaton et al. | Noise-robust reverberation time estimation using spectral decay distributions with reduced computational cost | |
US9357300B2 (en) | Systems and methods for protecting a speaker | |
CN101442698B (zh) | 一种扬声器线性参数测量方法 | |
CN101426169B (zh) | 一种快速检测发声体声响应参数的时域跟踪滤波器及系统 | |
CN103067322A (zh) | 评估单通道音频信号中的音频帧的语音质量的方法 | |
CN104535647A (zh) | 一种多层材料吸隔声性能预测装置及方法 | |
CN102118678A (zh) | 一种使用电流传感器测量扬声器参数的方法及系统 | |
US9584939B2 (en) | Arrangement and method for measuring the direct sound radiated by acoustical sources | |
SE534531C2 (sv) | Metod för feldetektion av rullningslager genom förhöjning av statistisk asymmetri | |
CN105516876A (zh) | 一种基于谱熵的啸叫检测方法 | |
Novak et al. | Nonparametric identification of nonlinear systems in series | |
CN109074814B (zh) | 一种噪声检测方法及终端设备 | |
Ratnarajah et al. | Towards improved room impulse response estimation for speech recognition | |
CN104869519B (zh) | 一种测试麦克风本底噪声的方法和系统 | |
Xu et al. | Deep noise suppression with non-intrusive pesqnet supervision enabling the use of real training data | |
EP3182731A1 (en) | A method for diagnosing sealing properties of microphone and/or loudspeaker seals in an electronic device | |
CN111998934B (zh) | 一种声源声功率测试方法 | |
Ochiai et al. | Impulse response measurement with constant signal-to-noise ratio over a wide frequency range | |
Wang et al. | Dual Gaussian attenuation model of ultrasonic echo and its parameter estimation | |
Bunkheila et al. | Model order selection for estimation of common acoustical poles | |
US11785409B1 (en) | Multi-stage solver for acoustic wave decomposition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |