CN106653045A - 从音频信号提取诊断信号的方法及诊断装置 - Google Patents

从音频信号提取诊断信号的方法及诊断装置 Download PDF

Info

Publication number
CN106653045A
CN106653045A CN201510977516.6A CN201510977516A CN106653045A CN 106653045 A CN106653045 A CN 106653045A CN 201510977516 A CN201510977516 A CN 201510977516A CN 106653045 A CN106653045 A CN 106653045A
Authority
CN
China
Prior art keywords
signal
diagnostic
noise
unit
section
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.)
Granted
Application number
CN201510977516.6A
Other languages
English (en)
Other versions
CN106653045B (zh
Inventor
姜千模
金禹成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
IT MAGIC CO Ltd
Original Assignee
IT MAGIC CO Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by IT MAGIC CO Ltd filed Critical IT MAGIC CO Ltd
Publication of CN106653045A publication Critical patent/CN106653045A/zh
Application granted granted Critical
Publication of CN106653045B publication Critical patent/CN106653045B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208Noise filtering
    • G10L21/0264Noise filtering characterised by the type of parameter measurement, e.g. correlation techniques, zero crossing techniques or predictive techniques
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/18Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/21Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being power information

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Circuit For Audible Band Transducer (AREA)
  • General Physics & Mathematics (AREA)

Abstract

一种从音频信号提取诊断信号的诊断装置,包含:信号分离单元,所述信号分离单元将音频输入信号分离为诊断信号段和噪音信号段;噪音滤除参数设定单元,所述噪音滤除参数设定单元基于所述诊断信号段的第一信号和所述噪音信号段的第二信号的关联关系来设定用于调整噪音衰减程度的第一参数;以及信号提取单元,所述信号提取单元基于所述第一参数,将所述诊断信号段中所包含的噪音信号进行衰减,以提取诊断信号。

Description

从音频信号提取诊断信号的方法及诊断装置
技术领域
本发明涉及一种从音频信号提取诊断信号的方法及诊断装置。
背景技术
诊断系统用于诊断机械设备的状态。大部分诊断系统通过检测诊断部位中产生的频带为10~1khz的颤动即振动来诊断械设备的状态。然而,实际上机械设备驱动时,即在Run-Time环境下,机械设备的所有构件整体上处于衔接状态,所以根据搬运物、操作流程、或者关节及直线动作,诊断部位的振动数据会受到影响,因而振动数据中不仅包含诊断部位的振动数据,还包含其他部位的振动数据,或者振动数据的特性可能会改变,可以说检测到的振动数据的可靠性非常低。因此,基于振动的诊断系统需要将机械设备停止后,只启动诊断部位以检测振动。如上所述,基于振动的诊断系统为了减少诊断部位之外的动作或环境因素的影响,必须停止机械设备,所以难以准确地诊断出驱动时发生的实际问题。
近来,正在开发一种基于音频的诊断系统。根据搬运物或者操作流程等,振动的特性可能会改变,但是机械设备的各关节、加速器/减速器、马达轴承等运行时产生的音频包含相应部位的固有特性。因此,基于音频的诊断系统在Run-Time环境下也可以诊断出正在驱动的机械设备中相应部位的状态。
然而,基于音频的诊断系统的诊断信号中不仅包含在检测部位产生的音频信号,还有可能包含周围的环境噪音。因此,对基于音频的诊断系统而言,从被输入的音频信号中准确地提取在诊断部位产生的信号非常重要。但是,目前的基于音频的诊断系统主要采用的是将输入信号利用低通滤波器或者高通滤波器简单滤波的噪音滤除技术。这种滤波方法在预先知道音频特性(如人的声音)或者提取特征明显的音频时可以使用。然而,这种滤波方法在准确地从非特定多个正在驱动的机械设备中产生的各种相似的音频中只提取产生于诊断部位的音频方面存在局限性。
另外,即使采用非简单滤波的现有噪音滤除方式,也是根本不会顾及实际环境因素或者数据中的实际特殊情况,因而对信号的不必要的滤除有可能导致信号的失真。因此,对目前的基于音频的诊断系统而言,从音频信号中提取的诊断信号的可靠性低,最终难以准确地诊断出诊断部位的状态。
发明内容
技术问题
本发明要解决的技术问题是提供一种基于音频输入信号中所包含的信号的关联关系,从音频输入信号按实际情况可变动地滤除噪音信号,以准确地提取诊断信号的方法及装置。
技术方案
根据本发明的一个示例性实施方案的从音频信号提取诊断信号的诊断装置,包含:信号分离单元,所述信号分离单元将音频输入信号分离为诊断信号段和噪音信号段;噪音滤除参数设定单元,所述噪音滤除参数设定单元基于所述诊断信号段的第一信号和所述噪音信号段的第二信号的关联关系来设定用于调整噪音衰减程度的第一参数;以及信号提取单元,所述信号提取单元基于所述第一参数,将所述诊断信号段中所包含的噪音信号进行衰减,以提取诊断信号。
所述噪音滤除参数设定单元计算所述第一信号和所述第二信号的关联系数,并基于所述关联系数可以设定用于调整所述第一信号中所述第二信号的衰减程度的所述第一参数。
所述噪音滤除参数设定单元将所述第一信号按频率进行分离,并按所述第一信号的频率提取基于时间的能量变化模式,而且将所述第二信号按频率进行分离,并按所述第二信号的频率提取基于时间的能量变化模式,再基于按所述第一信号和所述第二信号的频率提取的能量变化模式可以计算所述第一信号和所述第二信号的各频率关联系数。
所述噪音滤除参数设定单元可基于所述各频率关联系数按频率设定所述第一参数。
所述噪音滤除参数设定单元基于所述诊断信号段和所述噪音信号段中所包含的信号的能量值比率,可进一步设定用于调整所述音频输入信号的噪音衰减程度的第二参数。
所述信号提取单元可利用所述第一参数和所述第二参数,在所述诊断信号段将所述诊断信号段中所包含的噪音信号进行衰减,以提取所述诊断信号。
所述信号分离单元将所述音频输入信号以单位时间进行切分,计算各单位时间的特征值,并比较各单位时间的特征值和参考值,以将各单位时间的信号分离为所述噪音信号段和所述诊断信号段中的任何一个,所述特征值可为信号大小变化值、振幅变化值、强度变化值、能量值、以及频谱值中的任何一个。
所述信号分离单元将所述音频输入信号以单位时间进行切分,计算各单位时间的特征值,并基于任意单位时间和所述任意单位时间的前一个单位时间的特征值之差,将所述任意单位时间的信号分离为所述噪音信号段和所述诊断信号段中的任何一个,所述特征值可为信号大小变化值、振幅变化值、强度变化值、能量值、以及频谱值中的任何一个。
所述诊断装置,还可包含:音频信号输入单元,所述音频信号输入单元接收装在诊断点的至少两个麦克风所检测到的音频信号,并基于所检测到的音频信号的物理相位差进行噪音滤除,以生成所述音频输入信号。
根据本发明的另一个示例性实施方案的诊断装置从音频信号提取诊断信号的方法,包含以下步骤:将音频输入信号以单位时间进行切分,并计算各单位时间的能量值;将第一单位时间和第二单位时间的能量值之差与临界值进行比较,并基于比较结果将所述第一单位时间的信号储存到诊断信号段缓冲器和噪音信号段缓冲器中的任何一个;以及从储存于所述诊断信号段缓冲器的信号中将储存于噪音信号段缓冲器的噪音信号进行衰减以提取诊断信号,其中所述第二单位时间为所述第一单位时间的前一个单位时间。
在所述储存的步骤中,基于储存在所述诊断信号段缓冲器中的信号与储存在所述噪音信号段缓冲器中的信号的能量值之差来更新所述临界值,并基于所更新的临界值可将各单位时间的信号储存到所述诊断信号段缓冲器和所述噪音信号段缓冲器中的任何一个。
所述储存的步骤,可包含以下步骤:所述第一单位时间的能量值与所述第二单位时间的能量值相比小于所述临界值时,将所述第一单位时间的信号储存到所述噪音信号段缓冲器;所述第一单位时间的能量值与所述第二单位时间的能量值相比不小于所述临界值时,判断所述第一单位时间的能量值与所述第二单位时间的能量值相比是否大于所述临界值;所述第一单位时间的能量值与所述第二单位时间的能量值相比大于所述临界值时,将所述第一单位时间的信号储存到所述诊断信号段缓冲器;以及所述第一单位时间的能量值与所述第二单位时间的能量值相比不大于所述临界值时,将所述第一单位时间的信号储存到与所述第二单位时间的信号相同的缓冲器。
所述提取诊断信号的步骤,可包含以下步骤:基于储存在所述诊断信号段缓冲器中的第一信号和储存在所述噪音信号段缓冲器中的第二信号的关联关系来设定用于调整所述第一信号中的噪音衰减程度的参数;以及基于所述参数从所述第一信号中将所述第二信号进行衰减以提取诊断信号。
根据本发明的又一个示例性实施方案的诊断装置基于分离成诊断信号段和噪音信号段的音频信号来提取诊断信号的方法,包含以下步骤:计算所述诊断信号段和所述噪音信号段的关联系数;基于所述关联系数来设定用于调整所述诊断信号段的噪音衰减程度的第一参数;以及基于所述第一参数将所述诊断信号段中所包含的噪音信号进行衰减以提取诊断信号。
所述计算关联系数的步骤,可包含以下步骤:将所述诊断信号段的第一时段按频率进行分离,并按所述第一时段的频率提取基于时间的能量变化模式;将所述噪音信号段的第二时段按频率进行分离,并按所述第二时段的频率提取基于时间的能量变化模式;以及基于按所述第一时段和所述第二时段的频率提取的能量变化模式来计算所述第一时段和所述第二时段的各频率关联系数。
在所述设定第一参数的步骤中,可基于所述各频率关联系数按频率设定所述第一参数。
所述第二时段可为与所述第一时段相邻的时段。
根据本发明的又一个示例性实施方案的方法,还可包含以下步骤:基于所述诊断信号段和所述噪音信号段中所包含的信号的能量值比率来设定用于调整所述音频输入信号的噪音衰减程度的第二参数。
所述能量值比率可为所述音频输入信号的信噪比。
在所述提取诊断信号的步骤中,可利用所述第一参数和所述第二参数,在所述诊断信号段将所述诊断信号段中所包含的噪音信号进行衰减,以提取所述诊断信号。
有益效果
根据本发明的示例性实施方案,可从音频输入信号准确地检测出诊断信号段。根据本发明的示例性实施方案,基于包含在音频输入信号中的信号的关联关系,从音频输入信号适当地滤除噪音信号,从而可以减少所提取的诊断信号的失真。根据本发明的示例性实施方案,在待诊断设备驱动的状态下,基于音频信号可以诊断出待诊断设备的状态。
附图说明
图1为结构示意图,示出根据本发明的一个示例性实施方案的诊断装置。
图2和图3为流程图,示出根据本发明的一个示例性实施方案的信号分离方法。
图4为示例性视图,示出根据本发明的一个示例性实施方案的音频输入信号。
图5为示例性视图,示出根据本发明的一个示例性实施方案的被分离的噪音信号段。
图6为示例性视图,示出根据本发明的一个示例性实施方案的被分离的诊断信号段。
图7为流程图,用于说明根据本发明的一个示例性实施方案的环境相关参数计算方法。
图8为流程图,用于说明根据本发明的一个示例性实施方案的关联参数计算方法。
图9为示例性视图,示出根据本发明的一个示例性实施方案的在时间-频率域的噪音信号段。
图10为示例性视图,示出根据本发明的一个示例性实施方案的在时间-频率域的诊断信号段。
图11为流程图,用于说明根据本发明的一个示例性实施方案的诊断信号提取方法。
图12为示例性视图,示出根据本发明的一个示例性实施方案的噪音被衰减的诊断信号的时间-频率域。
具体实施方式
下面,参照附图详细说明本发明的示例性实施方案,以使所属领域的技术人员可以容易实施本发明。本发明能够以各种不同方式变形实施,并不局限于本文所述的示例性实施方案。附图中省略了与说明无关的部分,以便清楚地说明本发明,通篇说明书中采用相同的附图标记来表示相同或相似的部分。
在通篇说明书中,某一部分“包含”某一构件时,除非有特别相反的记载,否则表示还可以包含其他构件而非排除其他构件。
图1为结构示意图,示出根据本发明的一个示例性实施方案的诊断装置。
参照图1,诊断装置100从带有噪音信号(noise)的音频信号中提取诊断信号,并基于诊断信号诊断出诊断点(诊断部位)的状态。诊断点为机械设备的任意位置,例如可以是关节、发动机、马达、引擎、轴承等。诊断点上装有麦克风或者诊断点周围设有麦克风。诊断信号是在诊断点产生的声音。
诊断装置100从各种频率的音频信号中可以提取各种信号,本文以提取在机械设备的诊断点产生的信号为例进行说明。即,诊断装置100从产生于工业自动化机械、汽车、飞行器、船舶等各种机械设备的声音中提取诊断点发出的声音。
诊断装置100包含音频信号输入单元110、信号分离单元130、噪音滤除参数设定单元150、信号提取单元170、及判断单元190。信号分离单元130包含噪音信号段缓冲器200和诊断信号段缓冲器300。
音频信号输入单元110接收装在诊断点上的麦克风所检测到的音频信号。音频信号输入单元110将模拟音频信号转换为数字音频信号并传送给信号分离单元130。音频信号输入单元110和麦克风可以无线连接。音频信号输入单元110可利用无线通讯将音频信号传送给信号分离单元130。因为,如果利用有线通讯来传送音频信号,则由于线路交缠或者被卷入机械设备而有可能妨碍机械设备的运行。
音频信号输入单元110根据音频输入信号的特性或者环境可以进行初始噪音滤除。诊断信号不是人的声音而是机械音,因此音频信号输入单元110不能利用人的声音特征来滤除噪音。因为,提取人的声音的现有噪音滤除方法会将马达音或者关节音等视为噪音。
音频信号输入单元110利用通过至少两个麦克风被输入的音频信号的物理相位差可以进行初始噪音滤除。具体地,两个麦克风设置在诊断点上。两个麦克风靠近地设置在基准距离以内。考虑到常温下的声音的速度,在诊断点产生的声音到达各麦克风时,输入到两个麦克风的声音几乎不会有相位差。然而,由于环境因素或者基于距离的声音的折射、衍射、反射等,在远离诊断点处产生的声音到达各麦克风时,输入到两个麦克风的声音会发生相位差。音频信号输入单元110将输入到两个麦克风的音频中相位差不同的输入信号视为噪音进行滤除。如此经初始噪音滤除的音频信号携带有在离诊断点一定半径以内产生的音频信息。
信号分离单元130将由音频信号输入单元110传送的音频输入信号分离为诊断信号段和噪音信号段。信号分离单元130基于音频输入信号的振幅变化、能量值等,可以将音频输入信号分离为诊断信号段和噪音信号段。信号分离单元130可以将被分离的信号储存到噪音信号段缓冲器200和诊断信号段缓冲器300。
噪音滤除参数设定单元150基于诊断信号段和噪音信号段各自的数据来设定信号提取单元170中要使用的各种参数。从诊断信号段彻底滤除噪音信号时,信号会严重失真,有可能无法顺利地提取显示出异常征兆的信号。因此,噪音滤除参数设定单元150会设定在滤除噪音时用于确定将噪音信号衰减至何种程度的参数。噪音滤除参数可包含环境相关参数及关联参数。这种噪音滤除参数可称为衰减系数(smoothing factor)。
环境相关参数是根据检测环境调整噪音信号衰减程度的参数。环境相关参数可基于信噪比(Sound to Noise Ratio,SNR)予以设定。环境相关参数是基于信噪比计算噪音滤除执行比率的。即,诊断装置100确定是直接适用所设定的衰减系数,还是不适用或者仅适用所设定的衰减系数的一定比率。环境相关参数可基于诊断信号段缓冲器300所储存的诊断信号段的能量值和噪音信号段缓冲器200所储存的噪音信号段的能量值之比来确定。噪音滤除是为了准确地提取诊断信号,当信噪比低于参考值时(例如在大型扬声器前低声通话),如果进行噪音滤除,反而连诊断信号也被滤除,因此还不如不进行噪音滤除或者将噪音衰减至低水平(例如低于10%)。再者,当噪音信号段的能量值相当低时(例如安静时),也不如不进行噪音滤除或者将噪音衰减至低水平。因此,环境相关参数表示与信噪比相关的噪音衰减率。例如,噪音衰减率0可以表示不进行噪音滤除(噪音滤除off),而衰减率100%可以表示将噪音全部滤除(噪音滤除on)。
关联参数是用于调整包含在诊断信号段的噪音信号的衰减程度的参数。关联参数可基于显示诊断信号段530中重叠有多少噪音信号的关联系数予以设定。噪音滤除参数设定单元150基于诊断信号段的能量变化模式和与诊断信号段相邻的噪音信号段的能量变化模式计算关联关系。诊断信号段中包含噪音信号,而从诊断信号段彻底滤除噪音信号时,提取的信号会严重失真。因此,噪音滤除参数设定单元150基于关联参数确定在诊断信号段噪音信号的衰减程度。
信号提取单元170基于噪音滤除参数从诊断信号段将噪音信号衰减,以提取诊断信号。信号提取单元170可基于环境相关参数从噪音信号段将噪音信号衰减,而且可基于环境相关参数和关联参数从诊断信号段将噪音信号衰减。即,信号提取单元170通过从诊断信号段适当地滤除噪音信号来提取失真较少的诊断信号。
判断单元190基于由信号提取单元170提取的信号对诊断部位的状态进行诊断。
图2和图3为流程图,示出根据本发明的一个示例性实施方案的信号分离方法;图4为示例性视图,示出根据本发明的一个示例性实施方案的音频输入信号;图5为示例性视图,示出根据本发明的一个示例性实施方案的被分离的噪音信号段;图6为示例性视图,示出根据本发明的一个示例性实施方案的被分离的诊断信号段。
参照图2至图6,信号分离单元130将音频输入信号分离为诊断信号段和噪音信号段。参照图4的音频输入信号400,噪音信号410和诊断信号430基于时间的信号大小不同。信号大小可用振幅、强度或者信号所具有的能量值来表示。音频输入信号中包含的噪音信号是经初始噪音滤除的信号或者是在远离诊断点的地点产生的信号,因此信号大小如噪音信号410较小。相反,诊断信号是在诊断点的附近产生的信号,因此如诊断信号430相对于噪音信号振幅变化大。这与在安静的环境而非噪音环境下将具有相同能量值的音频数据输入到麦克风时根据距离能量值衰减的特性相似。
信号分离单元130基于这些信号段的振幅变化或者能量值将音频输入信号分离为诊断信号段和噪音信号段。在噪音信号段缓冲器200中,例如可以储存音频输入信号的一定区段作为噪音信号段510,如图5所示。在诊断信号段缓冲器300中,例如可以储存音频输入信号的剩下区段作为诊断信号段530,如图6所示。
参照图2,信号分离单元130从音频信号输入单元110接收音频输入信号(S110)。以如图3所示信号分离单元130接收音频信号的情形为例进行说明。
信号分离单元130将音频输入信号以一定时间单位进行切分,并计算单位时间内的特征值(S120)。特征值是表示单位时间所含信号的特征(feature)的指标,特征值根据时域、频域等信号处理域可能会改变。例如,特征值可以是多种多样,如信号大小变化值(振幅变化值)、强度变化值、能量值、频谱值等,本文中以信号的能量值为特征值进行说明。
信号分离单元130比较各单位时间的能量值和参考值并将各单位时间的信号储存到噪音信号段缓冲器或者诊断信号段缓冲器中(S130)。例如,当某一单位时间的能量值大于参考值时,信号分离单元130可将该单位时间的信号储存到诊断信号段缓冲器中,当某一单位时间的能量值小于参考值时,信号分离单元130可将该单位时间的信号储存到噪音信号段缓冲器中。参考值可通过各种方法予以设定。例如,对于大部分音频输入信号,初始阶段只会输入噪音信号,随后输入诊断信号。因此,信号分离单元130将音频输入信号的初始信号视为噪音信号,基于初始信号的能量值可以设定参考值。
信号分离单元130基于储存在噪音信号段缓冲器中的信号的总能量值来更新参考值(S140)。信号分离单元130基于所更新的参考值可以重复将音频信号储存到噪音信号段缓冲器或者诊断信号段缓冲器中的步骤(S130)。
参照图3,对于大部分音频输入信号,初始阶段只会输入噪音信号,随后输入诊断信号。然而,在机械设备的动作难以预测的状态下,根据情况在音频输入信号的初始阶段可能会输入诊断信号。此时,诊断信号也是噪音之一,因此诊断装置100从初始信号无法知道是噪音信号还是诊断信号。信号分离单元130鉴于音频输入信号的各种情况,可以将信号如下分离。
信号分离单元130将音频输入信号以一定时间单位进行切分,并计算各单位时间内的能量值(S210)。
信号分离单元130设定参考值E[t(0)]和临界值A(S220)。参考值E[t(0)]是用于比较初始信号的值。参考值E[t(0)]和临界值A作为初始值,可以设定为以各种方式计算的值。例如,参考值E[t(0)]可以是音频输入信号的平均能量值或者初始音频输入信号的平均能量值。参考值E[t(0)]经信号分离过程可被更新。
信号分离单元130判断单位时间[t(k)]的能量值E[t(k)]与前一个单位时间[t(k-1)]的能量值E[t(k-1)]相比是否更小于临界值A(式1,E[t(k)]<E[t(k-1)]-A)(S230)。
当式1(E[t(k)]<E[t(k-1)]-A)为“是”时,信号分离单元130将单位时间[t(k)]的信号储存到噪音信号段缓冲器中(S240)。
当式1(E[t(k)]<E[t(k-1)]-A)为“否”时,信号分离单元130判断单位时间[t(k)]的能量值(E[t(k)])与前一个单位时间[t(k-1)]的能量值(E[t(k-1)])相比是否更大于临界值A(式2,E[t(k)]>E[t(k-1)]+A)(S250)。
当式2(E[t(k)]>E[t(k-1)]+A)为“是”时,信号分离单元130将单位时间[t(k)]的信号储存到诊断信号段缓冲器中(S260)。
当式2(E[t(k)]>E[t(k-1)]+A)为“否”是,信号分离单元130将单位时间[t(k)]的信号储存到与前一个单位时间[t(k-1)]的信号相同的缓冲器中(S270)。信号分离单元130按顺序分离n个单位时间的信号。
信号分离单元130计算储存在噪音信号段缓冲器中的信号的总能量值(噪音区段能量值)和储存在诊断信号段缓冲器中的信号的总能量值(诊断区段能量值)(S280)。
信号分离单元130基于诊断区段能量值和噪音区段能量值之差来更新临界值A(S290)。信号分离单元130可基于噪音区段能量值更新参考值E[t(0)]。
信号分离单元130基于所更新的参考值及临界值可以重复将音频信号储存到噪音信号段缓冲器或者诊断信号段缓冲器中的步骤。
更新临界值的周期可以设定为多种多样。例如,临界值可以每隔单位时间予以更新。临界值每隔单位时间予以更新时,即使是能量值不恒定的噪音源,通过每隔单位时间予以更新的临界值也可以区分噪音信号和诊断信号。再者,临界值可在对整个单位时间的分离结束后予以更新。
如上所述,信号分离单元130将初始参考值及临界值设定为任意值,并基于被分离的信号段更新参考值或者临界值,可以越来越准确地分离噪音信号段和诊断信号段。
图7为流程图,用于说明根据本发明的一个示例性实施方案的环境相关参数计算方法。
参照图7,噪音滤除参数设定单元150计算储存在噪音信号段缓冲器200中的信号的总能量值(噪音区段能量值)(S310)。
噪音滤除参数设定单元150计算储存在诊断信号段缓冲器300中的信号的总能量值(诊断区段能量值)(S320)。
噪音滤除参数设定单元150基于噪音区段能量值和诊断区段能量值计算信噪比(S330)。
噪音滤除参数设定单元150基于信噪比来确定相当于噪音信号衰减率的环境相关参数(S340)。
图8为流程图,用于说明根据本发明的一个示例性实施方案的关联参数计算方法;图9为示例性视图,示出根据本发明的一个示例性实施方案的在时间-频率域的噪音信号段;图10为示例性视图,示出根据本发明的一个示例性实施方案的在时间-频率域的诊断信号段。
参照图8,诊断信号段重叠有诊断信号和噪音信号。噪音滤除参数设定单元150计算显示诊断信号段中重叠有多少诊断信号和噪音信号的关联系数,并基于关联系数来确定在诊断信号段噪音信号的衰减程度。
噪音滤除参数设定单元150将储存在噪音信号段缓冲器200中的信号转换为时间-频率域(S410)。储存在噪音信号段缓冲器200中的信号510被转换为图9的时间-频率域610。
噪音滤除参数设定单元150将时间-频率域的噪音区段信号按频率进行分离,并按频率提取基于时间的能量变化模式(S420)。噪音滤除参数设定单元150在被分离的每个时段(时间带)按频率储存基于时间的能量变化模式。参照图9,时间-频率域610中横轴为时间,纵轴为频率。即,在某一时段输入的音频信号包含各种频率的信号,因此噪音滤除参数设定单元150将信号按频率进行分离。例如,参照图9,噪音滤除参数设定单元150在某一时段可以提取第N个频率的基于时间的能量变化模式710。此时,能量变化模式710有可能与只有噪音的第N个频率的频带中的基于时间的噪音模式相似。
噪音滤除参数设定单元150将储存在诊断信号段缓冲器300中的信号转换为时间-频率域(S430)。储存在诊断信号段缓冲器300中的信号530被转换为图10的时间-频率域630。
噪音滤除参数设定单元150将时间-频率域的诊断信号段按频率进行分离,并按频率提取基于时间的能量变化模式(S440)。噪音滤除参数设定单元150在被分离的每个时段(时间带)按频率储存基于时间的能量变化模式。参照图10,噪音滤除参数设定单元150在某一时段可以提取第N个频率的基于时间的能量变化模式720,并且可以提取第K个频率的基于时间的能量变化模式730。
噪音滤除参数设定单元150将诊断信号段和噪音信号段的各频率基于时间的能量变化模式进行比较,并按频率计算噪音信号和诊断信号的关联关系(S450)。具体地,噪音滤除参数设定单元150利用与诊断信号段相邻的噪音信号段的基于时间的能量变化模式来推导出存在于诊断信号段的诊断信号与噪音信号之间的关联系数。例如,某一诊断信号段的第N个频率的模式720与相邻的噪音信号段的第N个频率的模式710相似,而诊断信号段的第K个频率的模式730可能不同于相邻的噪音信号段的第K个频率的模式(未图示)。因此,某一诊断信号段的第N个频率信号与相邻的噪音信号段的第N个频率信号的关联关系被计算为高,以此判断为诊断信号段的第N个频率信号接近噪音信号。相反地,某一诊断信号段的第K个频率带有诊断信号和噪音信号,根据这些的重叠率来计算某一诊断信号段的第K个频率中所包含的诊断信号和噪音信号的关联系数。
噪音滤除参数设定单元150基于按频率计算的噪音信号和诊断信号的关联关系,按诊断信号段的频率计算关联参数(S460)。各频率关联参数是按频率调整诊断信号段中所包含的噪音信号衰减程度的参数。例如,某一噪音信号段的第N个频率和诊断信号段的第N个频率的模式一致时,这几乎就是噪音信号,所以第N个频率的关联参数被计算为与噪音信号几乎接近的关联系数值A,由此将第N个频率的能量值按照所计算的关联系数的比率设定衰减率为A左右。即使不是接近100%的关联系数值,也从第N个频率的能量值以基于所计算的关联系数值的比率设定能量值的衰减率。
图11为流程图,用于说明根据本发明的一个示例性实施方案的诊断信号提取方法;图12为示例性视图,示出根据本发明的一个示例性实施方案的噪音被衰减的诊断信号的时间-频率域。
本发明是通过对检测部位的区段的声音进行检测来诊断状态的装置,而不是通过滤除通话时噪音以向对方只传递讲话人声音的装置,因此不会将噪音被衰减的诊断信号段另外再转换为时域的音频数据,而是获取噪音被衰减的诊断信号段的频谱数据。在获取之后,不会另行利用噪音信号段,只提取诊断信号段的频谱数据。
参照图11,信号提取单元170基于噪音滤除参数设定单元所设定或者计算的噪音滤除参数,将诊断信号段中所包含的噪音信号进行衰减,只提取诊断信号。
信号提取单元170基于环境相关参数和各频率关联参数,从诊断信号段将噪音信号的能量进行衰减(S510)。即,信号提取单元170从诊断信号段将噪音信号衰减时,按各频率根据噪音信号段和诊断信号段的关联关系比率使相应频率的能量值衰减。如果关联关系很大,即接近100%,则与噪音信号几乎相似,因此视为噪音信号进行大幅衰减,如果关联关系很小,即接近0%,就可以视为不同于噪音信号,因此进行小幅衰减。
然而,由于整个系统的运行环境即麦克风的种类及输入音量等不相同,理论上计算的信号的关联关系实际上有可能不适合于许多环境,所以即使关联系数被计算为100%,也不会进行100%的衰减,而是通过另外的常数参数来设定最大衰减率,以此使能量值衰减。此时,适用噪音滤除参数设定单元所设定的环境参数来计算最终各频率能量衰减率。
即使适用通过关联关系设定的衰减率并按各频率求出适用衰减率的能量值,也可以称为在诊断区段内噪音信号被衰减的能量值,但是诊断信号段和噪音信号段之比,即信噪比(SNR,在此称为环境相关参数C)低的,可以认为这是诊断信号的能量值相当小或者只有诊断信号被输入的情形。在这种情况下,直接使用基于关联关系的衰减率时,信号会全部消失或失真、或者就连剩下的诊断信号也可能衰减掉。因此,环境参数作为可以弥补这种情况的手段,将环境相关参数C适用于通过关联系数所计算的各频率的能量值的衰减率上。SNR越高环境相关参数C越接近1,而SNR越低导出的环境相关参数C越接近0。利用这一点,将环境相关参数适用于根据关联关系所计算的对各频率的衰减率上,因为SNR越是高且好,环境相关参数越接近1,所以直接使用根据关联关系所计算的频带衰减率,将能量值进行衰减。相反地,SNR越是低且差,环境相关参数越接近0,因此将环境相关参数适用于根据关联关系所计算的频带衰减率上,所算出的衰减率会接近0%。衰减率0%可以认为是根本不进行衰减,因此SNR低且差时衰减率为0%,即成为Bypass状态,从而可以完整地保全被输入的信号。
信号提取单元170输出噪音被衰减的诊断信号(S520)。
在诊断信号段根据基于关联关系和环境参数设定的衰减率并按各频率将能量值进行衰减时,最终如图12所示在诊断区段信号会得到噪音信号被滤除的频谱数据,并且为了后续数据的状态诊断以数据文件形式储存。参照图12,将诊断信号的时间-频率域650和噪音衰减前的时间-频率域630进行比较的话,就可以知道时间-频率域650稍微更准确地显示诊断信号的特征。
如上所述,根据本发明的示例性实施方案,从音频输入信号可以准确地检测出发生诊断部位动作的诊断信号段,尤其信噪比得到显著改善,可以准确地检测出动作的开始与结束。根据本发明的示例性实施方案,基于音频输入信号中所包含的信号的关联关系,从音频输入信号适当地滤除噪音信号,从而可以减少所提取的诊断信号的失真。根据本发明的示例性实施方案,在待诊断设备驱动的状态下,基于音频信号可以诊断出待诊断设备的状态。
以上对本发明的示例性实施方案进行了详细说明,但是本发明的权利要求范围并不局限于此,所属领域的技术人员利用权利要求书中所定义的本发明的基本概念来进行的各种形式的变更及改进,也属于本发明的权利要求范围。

Claims (20)

1.一种从音频信号提取诊断信号的诊断装置,包含:
信号分离单元,所述信号分离单元将音频输入信号分离为诊断信号段和噪音信号段;
噪音滤除参数设定单元,所述噪音滤除参数设定单元基于所述诊断信号段的第一信号和所述噪音信号段的第二信号的关联关系来设定用于调整噪音衰减程度的第一参数;以及
信号提取单元,所述信号提取单元基于所述第一参数,将所述诊断信号段中所包含的噪音信号进行衰减,以提取诊断信号。
2.根据权利要求1所述的诊断装置,其中,
所述噪音滤除参数设定单元计算所述第一信号和所述第二信号的关联系数,并基于所述关联系数来设定用于调整所述第一信号中所述第二信号的衰减程度的所述第一参数。
3.根据权利要求2所述的诊断装置,其中,
所述噪音滤除参数设定单元将所述第一信号按频率进行分离,并按所述第一信号的频率提取基于时间的能量变化模式,
而且,将所述第二信号按频率进行分离,并按所述第二信号的频率提取基于时间的能量变化模式,
再基于按所述第一信号和所述第二信号的频率提取的能量变化模式计算所述第一信号和所述第二信号的各频率关联系数。
4.根据权利要求3所述的诊断装置,其中,
所述噪音滤除参数设定单元基于所述各频率关联系数按频率设定所述第一参数。
5.根据权利要求2所述的诊断装置,其中,
所述噪音滤除参数设定单元基于所述诊断信号段和所述噪音信号段中所包含的信号的能量值比率,进一步设定用于调整所述音频输入信号的噪音衰减程度的第二参数。
6.根据权利要求5所述的诊断装置,其中,
所述信号提取单元利用所述第一参数和所述第二参数,在所述诊断信号段将所述诊断信号段中所包含的噪音信号进行衰减,以提取所述诊断信号。
7.根据权利要求1所述的诊断装置,其中,
所述信号分离单元将所述音频输入信号以单位时间进行切分,计算各单位时间的特征值,并比较各单位时间的特征值和参考值,以将各单位时间的信号分离为所述噪音信号段和所述诊断信号段中的任何一个,
所述特征值为信号大小变化值、振幅变化值、强度变化值、能量值、以及频谱值中的任何一个。
8.根据权利要求1所述的诊断装置,其中,
所述信号分离单元将所述音频输入信号以单位时间进行切分,计算各单位时间的特征值,并基于任意单位时间和所述任意单位时间的前一个单位时间的特征值之差,将所述任意单位时间的信号分离为所述噪音信号段和所述诊断信号段中的任何一个,
所述特征值为信号大小变化值、振幅变化值、强度变化值、能量值、以及频谱值中的任何一个。
9.根据权利要求1所述的诊断装置,还包含:
音频信号输入单元,所述音频信号输入单元接收装在诊断点的至少两个麦克风所检测到的音频信号,并基于所检测到的音频信号的物理相位差进行噪音滤除,以生成所述音频输入信号。
10.一种诊断装置从音频信号提取诊断信号的方法,包含以下步骤:
将音频输入信号以单位时间进行切分,并计算各单位时间的能量值;
将第一单位时间和第二单位时间的能量值之差与临界值进行比较,并基于比较结果将所述第一单位时间的信号储存到诊断信号段缓冲器和噪音信号段缓冲器中的任何一个;以及
从储存于所述诊断信号段缓冲器的信号中将储存于噪音信号段缓冲器的噪音信号进行衰减以提取诊断信号,
其中,所述第二单位时间为所述第一单位时间的前一个单位时间。
11.根据权利要求10所述的方法,其中,
在所述储存的步骤中,基于储存在所述诊断信号段缓冲器中的信号与储存在所述噪音信号段缓冲器中的信号的能量值之差来更新所述临界值,并基于所更新的临界值将各单位时间的信号储存到所述诊断信号段缓冲器和所述噪音信号段缓冲器中的任何一个。
12.根据权利要求10所述的方法,其中,
所述储存的步骤,包含以下步骤:
所述第一单位时间的能量值与所述第二单位时间的能量值相比小于所述临界值时,将所述第一单位时间的信号储存到所述噪音信号段缓冲器;
所述第一单位时间的能量值与所述第二单位时间的能量值相比不小于所述临界值时,判断所述第一单位时间的能量值与所述第二单位时间的能量值相比是否大于所述临界值;
所述第一单位时间的能量值与所述第二单位时间的能量值相比大于所述临界值时,将所述第一单位时间的信号储存到所述诊断信号段缓冲器;以及
所述第一单位时间的能量值与所述第二单位时间的能量值相比不大于所述临界值时,将所述第一单位时间的信号储存到与所述第二单位时间的信号相同的缓冲器。
13.根据权利要求10所述的方法,其中,
所述提取诊断信号的步骤,包含以下步骤:
基于储存在所述诊断信号段缓冲器中的第一信号和储存在所述噪音信号段缓冲器中的第二信号的关联关系来设定用于调整所述第一信号中的噪音衰减程度的参数;以及
基于所述参数从所述第一信号中将所述第二信号进行衰减以提取诊断信号。
14.一种诊断装置基于分离成诊断信号段和噪音信号段的音频信号来提取诊断信号的方法,包含以下步骤:
计算所述诊断信号段和所述噪音信号段的关联系数;
基于所述关联系数来设定用于调整所述诊断信号段的噪音衰减程度的第一参数;以及
基于所述第一参数将所述诊断信号段中所包含的噪音信号进行衰减以提取诊断信号。
15.根据权利要求14所述的方法,其中,
所述计算关联系数的步骤,包含以下步骤:
将所述诊断信号段的第一时段按频率进行分离,并按所述第一时段的频率提取基于时间的能量变化模式;
将所述噪音信号段的第二时段按频率进行分离,并按所述第二时段的频率提取基于时间的能量变化模式;以及
基于按所述第一时段和所述第二时段的频率提取的能量变化模式来计算所述第一时段和所述第二时段的各频率关联系数。
16.根据权利要求15所述的方法,其中,
在所述设定第一参数的步骤中,
基于所述各频率关联系数按频率设定所述第一参数。
17.根据权利要求15所述的方法,其中,
所述第二时段为与所述第一时段相邻的时段。
18.根据权利要求14所述的方法,还包含以下步骤:
基于所述诊断信号段和所述噪音信号段中所包含的信号的能量值比率来设定用于调整所述音频输入信号的噪音衰减程度的第二参数。
19.根据权利要求18所述的方法,其中,
所述能量值比率为所述音频输入信号的信噪比。
20.根据权利要求18所述的方法,其中,
在所述提取诊断信号的步骤中,
利用所述第一参数和所述第二参数,在所述诊断信号段将所述诊断信号段中所包含的噪音信号进行衰减,以提取所述诊断信号。
CN201510977516.6A 2015-11-02 2015-12-23 从音频信号提取诊断信号的方法及诊断装置 Active CN106653045B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2015-0153379 2015-11-02
KR1020150153379A KR20170051856A (ko) 2015-11-02 2015-11-02 사운드 신호에서 진단 신호를 추출하는 방법 및 진단 장치

Publications (2)

Publication Number Publication Date
CN106653045A true CN106653045A (zh) 2017-05-10
CN106653045B CN106653045B (zh) 2021-01-22

Family

ID=58740180

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510977516.6A Active CN106653045B (zh) 2015-11-02 2015-12-23 从音频信号提取诊断信号的方法及诊断装置

Country Status (3)

Country Link
JP (1) JP6643080B2 (zh)
KR (1) KR20170051856A (zh)
CN (1) CN106653045B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109673155A (zh) * 2017-08-17 2019-04-23 韩国输送机工业株式会社 利用摩擦音预测滚子链的链销磨损量的方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113074935B (zh) * 2021-04-01 2022-09-13 西华大学 一种用于齿轮箱冲击故障特征的声学分离和诊断方法
CN117894341B (zh) * 2024-03-15 2024-06-18 潍柴动力股份有限公司 一种发动机异常节奏噪声识别方法、装置、设备和介质

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0984425A2 (en) * 1998-08-31 2000-03-08 Canon Kabushiki Kaisha Speech synthesizing method and apparatus
JP2005172548A (ja) * 2003-12-10 2005-06-30 Nippon Sheet Glass Co Ltd 監視装置およびデータベース構築方法
US7257535B2 (en) * 1999-07-26 2007-08-14 Lucent Technologies Inc. Parametric speech codec for representing synthetic speech in the presence of background noise
CN102231280A (zh) * 2011-05-06 2011-11-02 山东大学 卷积语音信号的频域盲分离排序算法
CN102483926A (zh) * 2009-07-27 2012-05-30 Scti控股公司 在处理语音信号中通过把语音作为目标和忽略噪声以降噪的系统及方法
CN102551726A (zh) * 2010-12-15 2012-07-11 索尼公司 呼吸信号处理装置、呼吸信号处理方法和程序
CN102792373A (zh) * 2010-03-09 2012-11-21 三菱电机株式会社 噪音抑制装置
CN102884575A (zh) * 2010-04-22 2013-01-16 高通股份有限公司 话音活动检测
CN102906813A (zh) * 2010-05-24 2013-01-30 日本电气株式会社 信号处理方法、信息处理装置和信号处理程序
US20130166288A1 (en) * 2011-12-21 2013-06-27 Huawei Technologies Co., Ltd. Very Short Pitch Detection and Coding
CN103325387A (zh) * 2012-03-23 2013-09-25 三菱电机株式会社 异常声音诊断装置
CN103945062A (zh) * 2014-04-16 2014-07-23 华为技术有限公司 一种用户终端的音量调节方法、装置及终端
CN103959376A (zh) * 2011-12-06 2014-07-30 英特尔公司 低功率语音检测
CN104538041A (zh) * 2014-12-11 2015-04-22 深圳市智美达科技有限公司 异常声音检测方法及系统
CN104616662A (zh) * 2015-01-27 2015-05-13 中国科学院理化技术研究所 主动降噪方法及装置
US20150139445A1 (en) * 2013-11-15 2015-05-21 Canon Kabushiki Kaisha Information processing apparatus, information processing method, and computer-readable storage medium
CN104795076A (zh) * 2014-01-21 2015-07-22 红板凳科技股份有限公司 一种音频侦测方法
US20150248895A1 (en) * 2014-03-03 2015-09-03 Fujitsu Limited Voice processing device, noise suppression method, and computer-readable recording medium storing voice processing program
CN104934032A (zh) * 2014-03-17 2015-09-23 华为技术有限公司 根据频域能量对语音信号进行处理的方法和装置
CN106448700A (zh) * 2016-10-31 2017-02-22 济南中维世纪科技有限公司 一种尖锐声音检测方法和系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5764126A (en) * 1980-10-08 1982-04-19 Chugoku Electric Power Co Ltd:The Oscillation detecting apparatus
JPH06201452A (ja) * 1992-12-28 1994-07-19 Hitachi Ltd 機械の異常判定装置
JP3163980B2 (ja) * 1996-06-21 2001-05-08 ダイキン工業株式会社 回転機械の異音検査方法およびその装置
GB0902730D0 (en) * 2009-02-18 2009-04-01 Oxford Biosignals Ltd Method and apparatus for monitoring and analyzing vibrations in rotary machines

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0984425A2 (en) * 1998-08-31 2000-03-08 Canon Kabushiki Kaisha Speech synthesizing method and apparatus
US7257535B2 (en) * 1999-07-26 2007-08-14 Lucent Technologies Inc. Parametric speech codec for representing synthetic speech in the presence of background noise
JP2005172548A (ja) * 2003-12-10 2005-06-30 Nippon Sheet Glass Co Ltd 監視装置およびデータベース構築方法
CN102483926A (zh) * 2009-07-27 2012-05-30 Scti控股公司 在处理语音信号中通过把语音作为目标和忽略噪声以降噪的系统及方法
CN102792373A (zh) * 2010-03-09 2012-11-21 三菱电机株式会社 噪音抑制装置
CN102884575A (zh) * 2010-04-22 2013-01-16 高通股份有限公司 话音活动检测
CN102906813A (zh) * 2010-05-24 2013-01-30 日本电气株式会社 信号处理方法、信息处理装置和信号处理程序
CN102551726A (zh) * 2010-12-15 2012-07-11 索尼公司 呼吸信号处理装置、呼吸信号处理方法和程序
CN102231280A (zh) * 2011-05-06 2011-11-02 山东大学 卷积语音信号的频域盲分离排序算法
CN103959376A (zh) * 2011-12-06 2014-07-30 英特尔公司 低功率语音检测
US20130166288A1 (en) * 2011-12-21 2013-06-27 Huawei Technologies Co., Ltd. Very Short Pitch Detection and Coding
CN103325387A (zh) * 2012-03-23 2013-09-25 三菱电机株式会社 异常声音诊断装置
US20150139445A1 (en) * 2013-11-15 2015-05-21 Canon Kabushiki Kaisha Information processing apparatus, information processing method, and computer-readable storage medium
CN104795076A (zh) * 2014-01-21 2015-07-22 红板凳科技股份有限公司 一种音频侦测方法
US20150248895A1 (en) * 2014-03-03 2015-09-03 Fujitsu Limited Voice processing device, noise suppression method, and computer-readable recording medium storing voice processing program
CN104934032A (zh) * 2014-03-17 2015-09-23 华为技术有限公司 根据频域能量对语音信号进行处理的方法和装置
CN103945062A (zh) * 2014-04-16 2014-07-23 华为技术有限公司 一种用户终端的音量调节方法、装置及终端
CN104538041A (zh) * 2014-12-11 2015-04-22 深圳市智美达科技有限公司 异常声音检测方法及系统
CN104616662A (zh) * 2015-01-27 2015-05-13 中国科学院理化技术研究所 主动降噪方法及装置
CN106448700A (zh) * 2016-10-31 2017-02-22 济南中维世纪科技有限公司 一种尖锐声音检测方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
XIANXIAN ZHANG ET AL.: "Noise Estimation Based on an Adaptive Smoothing Factor for Improving Speech Quality in a Dual-Microphone Noise Suppression System", 《IEEE 2011》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109673155A (zh) * 2017-08-17 2019-04-23 韩国输送机工业株式会社 利用摩擦音预测滚子链的链销磨损量的方法
CN109673155B (zh) * 2017-08-17 2020-11-06 韩国输送机工业株式会社 利用摩擦音预测滚子链的链销磨损量的方法

Also Published As

Publication number Publication date
JP2017090428A (ja) 2017-05-25
CN106653045B (zh) 2021-01-22
KR20170051856A (ko) 2017-05-12
JP6643080B2 (ja) 2020-02-12

Similar Documents

Publication Publication Date Title
CN109616140B (zh) 一种异常声音分析系统
KR102324776B1 (ko) 차량의 소음원인 진단방법
JP5537757B2 (ja) リーン・ブローアウトを予測しかつ/又は回避するための方法及び装置
EP3998557B1 (en) Audio signal processing method and related apparatus
US20210011457A1 (en) Online monitoring device and system for a 3D printing device
KR101797402B1 (ko) 기계 결함 진단 방법 및 장치
CN103871419B (zh) 一种信息处理方法及电子设备
CN106328151B (zh) 一种环噪消除系统及其应用方法
CN106653045A (zh) 从音频信号提取诊断信号的方法及诊断装置
CN110044472A (zh) 一种线上产品异音异响智能检测系统
CN111239597A (zh) 一种基于音频信号特征来表征交流接触器电寿命的方法
CN109063668A (zh) 一种基于峰值保留降采样的冲击信号包络解调方法
CN105741841B (zh) 语音控制方法及电子设备
JP4760614B2 (ja) 信号識別装置の学習データの選択方法
CN112750426B (zh) 移动终端语音分析系统
CN109741762B (zh) 声音活动检测方法及装置和计算机可读存储介质
CN112484980B (zh) 基于声音与图像分析的机械故障检测系统及方法
CN112116917B (zh) 基于相位跃变度的电抗器本体与风机声信号分离方法
TWI520131B (zh) Speech Recognition System Based on Joint Time - Frequency Domain and Its Method
CN113599052A (zh) 一种基于深度学习算法的鼾声监测方法与系统以及相应的电动床控制方法和系统
CN104309578B (zh) 一种恶意敲击汽车玻璃的判断方法及判断装置
JP7294422B2 (ja) 音モデル生成装置、音信号処理システム、音モデル生成方法、およびプログラム
KR101637027B1 (ko) 사운드 신호에서 진단 신호를 추출하는 방법 및 진단 장치
CN115132173A (zh) 语音交互系统的测试方法、音频识别方法及相关设备
CN107017006B (zh) 基于无限冲击响应滤波器的模拟亚音尾音检测方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant