CN110307994A - 异声检测装置以及异声检测方法 - Google Patents
异声检测装置以及异声检测方法 Download PDFInfo
- Publication number
- CN110307994A CN110307994A CN201910207616.9A CN201910207616A CN110307994A CN 110307994 A CN110307994 A CN 110307994A CN 201910207616 A CN201910207616 A CN 201910207616A CN 110307994 A CN110307994 A CN 110307994A
- Authority
- CN
- China
- Prior art keywords
- allophone
- data
- examined
- sound
- characteristic sounds
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- 230000013016 learning Effects 0.000 claims description 9
- 238000003825 pressing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 8
- 239000004615 ingredient Substances 0.000 description 7
- 230000015654 memory Effects 0.000 description 7
- 238000007689 inspection Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 230000001629 suppression Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005096 rolling process Methods 0.000 description 4
- 208000037656 Respiratory Sounds Diseases 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
- G01H3/10—Amplitude; Power
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/18—Speech 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R29/00—Monitoring arrangements; Testing arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Discrete Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)
Abstract
本发明提供一种异声检测装置以及异声检测方法,将与检查对象相同种类的对象中未产生异声的状态下的基准声音作为基准声音数据记录(S10至S14),该基准声音数据具有按多个频带的相位和振幅;从在检查对象中产生的被检查声音取得被检查声音数据(S16至S20),该被检查声音数据具有按多个频带的相位和振幅;在与多个频带相同的频带中比较被检查声音数据和基准声音数据,并保持被检查声音数据的相位而基于基准声音数据的振幅来变更被检查声音数据的振幅,由此取得特征声音数据(S22至S24);基于取得的特征声音数据而检测异声(S26至S32)。据此,能够抑制通常行驶时的车内噪声而以较好的精度检测异声。
Description
技术领域
本发明涉及检测装置以及检测方法,更具体地说,涉及以完成时的车辆作为检查对象来检测其异声的装置及方法。
背景技术
完成时的车辆的异声,惯常是检查员通过在比利时路(石子路)之类的差路上行驶而使车身强制振动时听取有无产生通常行驶时的车内噪音以外的异声来进行检测(检查)。
在此,如上所述,“异声”是表示通常行驶时的车内噪声,即发动机声、风哮声、路面噪音等行驶时的车内噪声以外的如果适当制造的话本不应该产生的杂音,例如掉落螺栓等的滚动声、摩擦声、未结合的连接器的振动声等。
由于这种经由检查员的试验受检查员听力差异的影响,并且人员的工作量也大,所以提出了不经由人工而自动检测异声的技术方案,作为其示例,可以举出例如专利文件1所记载的技术。
专利文件1所记载的技术是,由对从检查对象的车辆取得的车内声音按频带范围平均化而得到的声压水平形成基准值,在产生了基准值超过一定阈值的突发声的情况下,抽出其声压水平并算出特征量,当算出的特征量对应于预定的某些异声时,判定为检测到异声。
【现有技术文件】
【专利文件1】JP特开2012-242214号公报
发明内容
【发明要解决的问题】
虽然专利文献1通过上述结构来自动检测异声,因FFT处理的时间平均的影响导致突发声的位置也被平滑化,从而难以出现与路面噪音等的差异,并且FFT数据彼此的差量中不保持相位,难以实现精度良好的异声检测。
因此,本发明的课题的目的是提供一种异声检测装置以及异声检测方法,以消除上述缺陷,抑制通常行驶时的车内噪声而以较好的精度检测异声。
【用于解决课题的方案】
为完成上述课题,本发明的检测检查对象的异声的异声检测装置如下构成,其具备:基准声音数据记录部,其将与所述检查对象相同种类的对象中未产生所述异声的状态下的基准声音作为基准声音数据记录,所述基准声音数据具有按多个频带的相位和振幅;被检查声音数据取得部,其从在所述检查对象中产生的被检查声音取得被检查声音数据,所述被检查声音数据具有按所述多个频带的相位和振幅;特征声音数据取得部,其在与所述多个频带相同的频带中比较所述被检查声音数据和所述基准声音数据,并保持所述被检查声音数据的相位而基于所述基准声音数据的振幅来变更所述被检查声音数据的振幅,由此取得特征声音数据;以及异声检测部,其基于取得的所述特征声音数据而检测所述异声。
另外,为完成上述课题,本发明的检测检查对象的异声的异声检测方法如下构成,其具备:基准声音数据记录步骤,其将与所述检查对象相同种类的对象中未产生所述异声的状态下的基准声音作为基准声音数据记录,所述基准声音数据具有按多个频带的相位和振幅;被检查声音数据取得步骤,其从在所述检查对象中产生的被检查声音取得被检查声音数据,所述被检查声音数据具有按所述多个频带的相位和振幅;特征声音数据取得步骤,其在与所述多个频带相同的频带中比较所述被检查声音数据和所述基准声音数据,并保持所述被检查声音数据的相位而基于所述基准声音数据的振幅来变更所述被检查声音数据的振幅,由此取得特征声音数据;以及异声检测步骤,其基于取得的所述特征声音数据而检测所述异声。
附图说明
图1是整体表示本发明的实施方式的异声检测装置的概略图。
图2是表示图1的异声检测装置的操作的流程图。
图3是表示图1的异声检测装置要检测的异声的说明图。
图4是表示关于图3中所示的异声中的框架上的掉落螺栓的正常车辆与异声车辆的时间-声压测定数据等的说明图。
图5是表示差路行驶中的行驶声音(车内噪声)的说明图。
图6是表示异声检测中使用的FFT的转换式、相位及振幅的说明、以及某振幅和相位时的复数表现值的说明图。
图7是将正常车辆和异声车辆的时间序列数据、FFT映射、以及复数表现值进行对比表示的说明图。
图8是抽出图7的一部分来表示的说明图。
图9是表示该实施方式的差量的求解方法的说明图。
图10是表示图2的被检查声音数据等的说明图。
图11是表示图2的特征声音数据等的说明图。
【符号说明】
10 车辆
12 麦克风
14 A/D转换电路
16 电子控制单元
16a 处理器
16a1 基准声音数据记录部
16a2 被检查声音数据取得部
16a3 特征声音数据取得部
16a4 异声检测部
16a41 转换部
16a42 学习部
16b 存储器
20 比利时路
22 行驶路
具体实施方式
下面,根据附图说明本发明的实施方式的用于实施异声检测装置以及异声检测方法的方式。
图1是整体表示本实施方式的异声检测装置的概略图。
如图所示,异声检测装置具备:作为检查对象的车辆10、更具体地说是刚刚在制造工厂完成的车辆10的车室内配置的四个麦克风12;将从麦克风12输出的四个声音信号分别进行A/D转换而转换成数字信号的A/D转换电路14;以及A/D转换电路14的输出被输入的电子控制单元(Electronic Control Unit,以下称为“ECU”)16。
在本实施方式中,检查员驾驶车辆10在包括比利时路(石子路)等差路20在内的规定行驶道路22上行驶,用麦克风12收录在使车身强制振动时产生的车内噪声,并根据A/D转换后输入到ECU16的声音数据来自动检测(检查)是否产生通常行驶时的车内噪声以外的异声。另外,图1中的“异声产生位置”为例示而已。
另外,只要在异声检测时使车身强制振动就可以,所以也可以代替由检查员实际进行的行驶,而通过加振装置使车辆10振动。
A/D转换电路14和ECU16被配置在车辆10的车室内等适合位置处。ECU16由具备至少一个处理器(CPU)16a、和ROM、RAM等存储器16b的微型计算机构成。
如图1所示,处理器16a根据存储在存储器16中的程序来操作,并且以基准声音数据记录部16a1、被检查声音数据取得部16a2、特征声音数据取得部16a3、以及异声检测部16a4而发挥作用的方式构成。
基准声音数据记录部16a1将未产生异声的状态下的基准声音作为基准声音数据记录,其中,未产生异声的状态下的基准声音是在与检查对象(车辆10)相同种类的对象(同样的车辆10)中事先收录的,基准声音数据具有按多个频带的相位和振幅。
在此,“具有按多个频带的相位和振幅”的数据是指FFT(快速傅里叶转换)数据或者STFT(短时傅里叶转换)数据。
被检查声音数据取得部16a2从在行驶路22上行驶期间在检查对象(车辆10)中发生的被检查声音(车内噪声)取得同样具有按多个频带的相位和振幅的被检查声音数据。
特征声音数据取得部16a3同样在与多个频带相同的频带中比较被检查声音数据和基准声音数据,并保持被检查声音数据的相位而基于基准声音数据的振幅变更被检查声音数据的振幅,更具体地说,通过基于被检查声音数据与基准声音数据的振幅之比来变更被检查声音数据的振幅而取得特征声音数据。
异声检测部16a4基于取得的特征声音数据来检测异声。异声检测部16a4具备转换部16a41和学习部16a42,其中,转换部16a41把由特征声音数据取得部16a3取得的特征声音数据转换为特征声音的声音信号,学习部16a42对由转换部16a41转换过的特征声音的声音信号进行机械学习。
图2是表示本实施方式的异声检测装置的操作,即,ECU16的操作的流程图。
在说明该图之前,参照图3以后的图来对异声进行说明。
如前所述,“异声”是指通常行驶时的车内噪声,即发动机声、风哮声、路面噪音等行驶时的车内噪声以外的如果适当制造的话本不应该产生的各种各样的声音,例如掉落螺栓等的滚动声、摩擦声、未结合的连接器的振动声等。
像这样,异声因多种多样的原因产生。图3是四种异声的测定数据。其中,最上方是以框架上的掉落螺栓的滚动声为例、第二个是以树脂材料上的掉落螺栓的滚动声为例、第三个是以因连接器的结合遗漏而引起的振动声为例、第四个是以由车身等的摩擦声构成的异声为例来表示它们的频谱特性的测定数据。图中,实线表示基准声音(正常车辆行驶声音),虚线表示异声(异声车辆行驶声音,尖峰、异声成分)。
如图所示,这些异声不具有特定的峰值,并且因种类不同而波形不同,很难用特定的算法检测。
图4是表示图3所示的异声中的框架上的掉落螺栓(最上方)的正常车辆和异声车辆的时间-声压测定数据及其时间-频率的FFT(映射)数据的说明图。FFT(映射)数据中,点表示频谱,表示在整个低频区域中都存在路面噪音,并且正常车辆和异声车辆的路面噪音的能量都较大。异声车辆的FFT(映射)数据中,在频率轴方向上点成为多个条状的地方是产生异声的地方,表示相对于低频区域的路面噪音的能量而言,异声的能量相对较小。
图5是图3的框架上的掉落螺栓的频谱特性图,如图5所示,正常车辆行驶声音和异常车辆行驶声音在发生异声的频率以外是重叠的,在前面所述的FFT的特性上,异声位置也被平滑化,表示难以辨别正常车辆行驶声音与异声车辆行驶声音的差异。
这样一来,需要在检测异声时抑制正常车辆也会产生的路面噪音等杂音。因此,本实施方式以尽可能抑制异声检测中不需要的杂音,从而提高异声的检测精度的方式构成。
下面返回图2说明实施方式的异声检测装置的操作。
首先,在S10中,从存储器16b的ROM读出正常车辆的行驶声音(基准声音,用符号a表示),该正常车辆的行驶声音是在规定时间(例如大约30[s](秒))内事先收录的检查对象的车辆10中确认为未产生异声的行驶声音,进入S12,将读出的收录声音分割为每2[s]的帧,进入S14,将分割过的收录声音按每个帧转换为FFT数据并存储在存储器16c的RAM的数据库中(S:処理步骤)。
另一方面,在S16中,检查员在与上述规定时间相同的时间内收录(取得)使检查对象(车辆10)在行驶路22上行驶时的检查行驶声音(被检查声音,与用符号a表示的行驶声音种类相同)。接下来进入S18,以用符号b表示收录的检查行驶声音的方式,同样分割为每2[s]的帧,进入S20,按每个帧转换为用符号c表示的FFT数据。
接下来进入S22,制作与基准声音(正常车辆行驶声音)FFT数据的差量比较相应的滤波器(进行过滤),进入S24,如符号d所示,在FFT数据区域按每个频率加工振幅,从而取得特征声音数据。
接下来进入S26,进行逆FFT从特征声音数据复原特征声音。即,使用公知的傅里叶逆转换式将FFT数据复原为原来的时间序列信号(声音信号,用符号e表示)。在此情况下,由逆转换得到的信号抑制了异声检测中不需要并且干扰的杂音,因而准确地说,相当于重新生成与原来的时间序列信号类似的信号。
接下来进入S28,对取得的原来的时间序列信号使用高通滤波器来去除低频成分,从而进一步消减噪音。需要说明的是,S28的处理不是必须的,可以去掉。而且也可以替代高通滤波器而适当地使用低通滤波器或带通滤波器。
接下来进入S30,从进行公知的MFCC(Mel Frequency Cepstral Coefficient,梅尔频率倒谱系数)分析而得到的声音信号提取异声分类所需的特征量。在S26中进行逆FFT是因为MFCC也与FFT相同进行频率解析。需要说明的是,也可以替代MFCC而使用其他分析方法。
接下来进入S32,进行深度学习等的机械学习来检测异声(判定有无异声)。
参照图6以后的图说明上述处理。
图6是表示FFT的转换式、相位及振幅的说明、以及某振幅和相位(例如振幅为10、相位为55°)时的复数表现值的说明图。FFT的转换式是将时间序列数据分解为各种频率的正弦波的式子。
图7是将正常车辆和异声车辆的时间序列数据、FFT映射、以及复数表现值进行对比表示的说明图。在图7中附记于帧的n(n=1,2,...,N)是表示帧的顺序。FFT按每个帧(2[s])进行。图8是抽出图7的一部分来表示的说明图。图9是表示该实施方式的差量的求解方法的说明图。
如前所述,为了提高异声的检测精度,需要尽可能抑制在正常车辆中也会产生的杂音。发明人深入了解后,考虑如果在正常车辆的数据(基准声音数据)和异声车辆的数据(被检查声音数据)中可观察到异声成分的帧中恰当地取得两者的差量,就能够有效抑制杂音,而形成了本发明。
如图7和图8所示,以在帧2中观察到了异声成分为例。此时,如图9中①所示,仅利用振幅信息的情况下,可取得差量但丢弃了相位信息,所以不能有效抑制杂音。
另外,如图9中②所示,单纯使用差量的情况下,如右侧的复平面所示,不能消除相位的偏移,不能有效抑制杂音,导致特征声音的音质变化。
为此,在本实施方式中,如图9中③所示,保持被检查声音数据(异声车辆)的相位,而将被检查声音数据的振幅根据与基准声音数据(正常车辆)的差量来缩小,换言之,基于基准声音数据的振幅来变更。更具体地说,基于被检查声音数据的振幅与基准声音数据的振幅的差量和被检查声音数据的振幅之比来变更被检查声音数据的振幅。
这样一来,如右侧的复平面中所示,由于未改变相位信息,所以不会使复原的特征声音的音质发生变化,因而能够有效抑制杂音。即,由于能够从特征声音去除杂音成分,所以能有效抑制杂音,并且能够从杂音中有效检测异声。
在本实施方式中,按各个帧的每个频率成分分别保持被检查声音数据(异声车辆)的相位,而根据与基准声音数据(正常车辆)的差量来缩小被检查声音数据的振幅。需要说明的是,规定频率(例如500[Hz])以下的低频带范围基本上由发动机声等占据,因而可以省略。即,也可以在与超过规定频率的频带相同的频带中比较被检查声音数据和基准声音数据。
图10中表示原来的被检查声音数据(原来数据)和增强了通过上述处理得到的异声成分的特征声音数据。可以看出,原来的检查声音数据中杂音(路面噪音成分)较大,但在通过上述处理得到的特征声音数据中,杂音得到消减。
图11中以频谱表示图2的被检查声音数据等。图中实线表示基准声音FFT数据,虚线表示被检查声音FFT数据,单点划线表示特征声音数据。
再次回到图2的流程图的说明,在S28中对图11的特征声音数据进行高通滤波器処理,在S30中进行MFCC分析处理,并且在S32中基于MFCC分析处理过的特征声音数据进行深度学习等机械学习来检测异声。
需要说明的是,异声的检测(判定有无异声)的方法不止于此,也可以与参照图11所述的基准声音数据进行比较,或者也可以在此基础上,每当检测到异声时将特征声音数据(或者复原的特征声音)依次存储于数据库中,并将收录的被检查声音数据与存储的特征声音数据(或者特征声音)进行比较,当相同或类似时,判定为有异声。
如上所述,本实施方法的检测检查对象(车辆10)的异声的异声检测装置(或者异声检测方法)如下构成,(所述异声检测装置)具备:基准声音数据记录部(16a1)或者基准声音数据记录步骤(S10至S14),其将与所述检查对象相同种类的对象(车辆10)中未产生所述异声的状态下的基准声音作为基准声音数据记录,所述基准声音数据具有按多个频带的相位和振幅;被检查声音数据取得部(16a2)或者被检查声音数据取得步骤(S16至S20),其从在所述检查对象中产生的被检查声音取得被检查声音数据,所述被检查声音数据具有按所述多个频带的相位和振幅;特征声音数据取得部(16a3)或者特征声音数据取得步骤(S22至S24),其在与所述多个频带相同的频带中比较所述被检查声音数据和所述基准声音数据,并保持所述被检查声音数据的相位而基于所述基准声音数据的振幅来变更所述被检查声音数据的振幅,由此取得特征声音数据;以及异声检测部(16a4)或者异声检测步骤(S26至S32),其基于取得的所述特征声音数据而检测所述异声。
这样构成为在与多个频带相同的频带中比较被检查声音数据和基准声音数据,并保持被检查声音数据的相位而基于基准声音数据的振幅变更被检查声音数据的振幅来取得特征声音数据,并且基于取得的特征声音数据来检测异声,因此,能够从特征声音去除杂音成分,因而能够有效抑制杂音,还能从通常行驶时的车内噪声中以较好的精度检测异声。
另外,所述异声检测部(16a4)或者异声检测步骤(S24至S30)具备将通过所述特征声音数据取得部(16a3)取得的特征声音数据转换为特征声音的声音信号的转换部(16a41)或者转换步骤(S26至S32),并基于所述转换过的特征声音的声音信号检测所述异声,因而在上述效果的基础上,还能够对特征声音进行MFCC分析处理,从而能够以更好的精度检测异声。
另外,所述特征声音数据取得部(16a3)或者特征声音数据取得步骤(S22至S24)通过基于所述被检查声音数据和所述基准声音数据的振幅之比来变更所述被检查声音数据的振幅而取得所述特征声音数据,因而在上述效果的基础上,还能够以更好的精度检测异声。
另外,所述异声检测部(16a4)或者特征声音检测步骤(S26至S32)具备学习部(16a42,S32),所述学习部机械学习由所述转换部(16a41)或者转换步骤(S26至S32)转换过的特征声音的声音信号,因而在上述效果的基础上,还能够通过深度学习等机械学习而以更好的精度检测异声。
另外,所述特征声音数据取得部(16a3)或者特征声音数据取得步骤(S22至S24)在与超过所述多个规定频率的频带相同的频带中比较所述被检查声音数据和所述基准声音数据,因而在上述效果的基础上,还能够降低运算量。
另外,所述异声检测装置如下构成:具有由微型计算机构成的电子控制单元(ECU),微型计算机具备至少一个处理器(CPU)16a和由ROM、RAM等构成的存储器16b,处理器16a根据存储在存储器16b中的程序进行如下操作:将与所述检查对象相同种类的对象(车辆10)中未产生所述异声的状态下的基准声音作为基准声音数据记录(S10至S14),所述基准声音数据具有按多个频带的相位和振幅;从在所述检查对象中产生的被检查声音取得被检查声音数据(S16至S20),所述被检查声音数据具有按所述多个频带的相位和振幅;在与所述多个频带相同的频带中比较所述被检查声音数据和所述基准声音数据,并保持所述被检查声音数据的相位而基于所述基准声音数据的振幅来变更所述被检查声音数据的振幅,由此取得特征声音数据(S22至S24);基于取得的所述特征声音数据而检测所述异声(S26至S32)。
需要说明的是,虽然在上述实施方式中使用了FFT作为时间频率特性数据,但是并不局限于此,也可以使用小波转换等。另外,图1中所示的麦克风12的个数也不限于图中的例示。
以上结合优选的实施方式对本发明进行了说明,但是,本领域的技术人员应理解,可以在不脱离本发明技术方案所记载的范围的情况下进行各种各样的修改和变更。
Claims (12)
1.一种异声检测装置,其检测检查对象的异声,
所述异声检测装置的特征在于,具备:
基准声音数据记录部,其将与所述检查对象相同种类的对象中未产生所述异声的状态下的基准声音作为基准声音数据记录,所述基准声音数据具有按多个频带的相位和振幅;
被检查声音数据取得部,其从在所述检查对象中产生的被检查声音取得被检查声音数据,所述被检查声音数据具有按所述多个频带的相位和振幅;
特征声音数据取得部,其在与所述多个频带相同的频带中比较所述被检查声音数据和所述基准声音数据,并保持所述被检查声音数据的相位而基于所述基准声音数据的振幅来变更所述被检查声音数据的振幅,由此取得特征声音数据;以及
异声检测部,其基于取得的所述特征声音数据而检测所述异声。
2.根据权利要求1所述的异声检测装置,其特征在于,
所述异声检测部具备将通过所述特征声音数据取得部取得的特征声音数据转换为特征声音的声音信号的转换部,并基于转换过的所述特征声音的声音信号检测所述异声。
3.根据权利要求1或2所述的异声检测装置,其特征在于,
所述特征声音数据取得部通过基于所述被检查声音数据和所述基准声音数据的振幅之比来变更所述被检查声音数据的振幅而取得所述特征声音数据。
4.根据权利要求2或3所述的异声检测装置,其特征在于,
所述异声检测部具备学习部,所述学习部机械学习由所述转换部转换过的特征声音的声音信号。
5.根据权利要求1至4中任一项所述的异声检测装置,其特征在于,
所述特征声音数据取得部在与超过规定频率的所述多个频带相同的频带中比较所述被检查声音数据和所述基准声音数据。
6.根据权利要求1或2所述的异声检测装置,其特征在于,
所述检查对象是车辆。
7.一种异声检测方法,其检测检查对象的异声,
所述异声检测方法的特征在于,具备:
基准声音数据记录步骤,其将与所述检查对象相同种类的对象中未产生所述异声的状态下的基准声音作为基准声音数据记录,所述基准声音数据具有按多个频带的相位和振幅;
被检查声音数据取得步骤,其从在所述检查对象中产生的被检查声音取得被检查声音数据,所述被检查声音数据具有按所述多个频带的相位和振幅;
特征声音数据取得步骤,其在与所述多个频带相同的频带中比较所述被检查声音数据和所述基准声音数据,并保持所述被检查声音数据的相位而基于所述基准声音数据的振幅来变更所述被检查声音数据的振幅,由此取得特征声音数据;以及
异声检测步骤,其基于取得的所述特征声音数据而检测所述异声。
8.根据权利要求7所述的异声检测方法,其特征在于,
所述异声检测步骤具备将通过所述特征声音数据取得步骤取得的特征声音数据转换为特征声音的声音信号的转换步骤,并基于转换过的所述特征声音的声音信号检测所述异声。
9.根据权利要求7或8所述的异声检测方法,其特征在于,
所述特征声音数据取得步骤通过基于所述被检查声音数据和所述基准声音数据的振幅之比来变更所述被检查声音数据的振幅而取得所述特征声音数据。
10.根据权利要求8或9所述的异声检测方法,其特征在于,
所述异声检测步骤具备学习步骤,所述学习步骤机械学习由所述转换步骤转换过的特征声音的声音信号。
11.根据权利要求7至10中任一项所述的异声检测方法,其特征在于,
所述特征声音数据取得步骤在与超过规定频率的所述多个频带相同的频带中比较所述被检查声音数据和所述基准声音数据。
12.根据权利要求7或8所述的异声检测方法,其特征在于,
所述检查对象是车辆。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018-053563 | 2018-03-20 | ||
JP2018053563A JP2019164106A (ja) | 2018-03-20 | 2018-03-20 | 異音検出装置および検出方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110307994A true CN110307994A (zh) | 2019-10-08 |
CN110307994B CN110307994B (zh) | 2021-08-31 |
Family
ID=67983888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910207616.9A Active CN110307994B (zh) | 2018-03-20 | 2019-03-18 | 异声检测装置以及异声检测方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10607632B2 (zh) |
JP (1) | JP2019164106A (zh) |
CN (1) | CN110307994B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113218497A (zh) * | 2020-02-05 | 2021-08-06 | 本田技研工业株式会社 | 车辆检查装置、车辆检查方法 |
CN113423052A (zh) * | 2021-05-24 | 2021-09-21 | 信维(深圳)声学科技有限公司 | 一种音频检测的方法及终端 |
CN113447274A (zh) * | 2020-03-24 | 2021-09-28 | 本田技研工业株式会社 | 异常声音判定装置以及异常声音判定方法 |
CN113532628A (zh) * | 2020-04-16 | 2021-10-22 | 丰田自动车株式会社 | 异响评价系统以及异响评价方法 |
CN113739905A (zh) * | 2020-05-27 | 2021-12-03 | 现代摩比斯株式会社 | 用于定位转向系统中发生的噪声的装置及方法 |
CN113938806A (zh) * | 2021-10-12 | 2022-01-14 | 台湾立讯精密有限公司 | 噪音检测装置及其方法 |
TWI802796B (zh) * | 2020-05-06 | 2023-05-21 | 中國鋼鐵股份有限公司 | 燒結台車漏風型態鑑別系統及燒結台車漏風型態鑑別方法 |
US12058498B2 (en) | 2021-10-12 | 2024-08-06 | Luxshare-Ict Co., Ltd. | Noise detection device and method thereof |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11565365B2 (en) * | 2017-11-13 | 2023-01-31 | Taiwan Semiconductor Manufacturing Co., Ltd. | System and method for monitoring chemical mechanical polishing |
KR102690304B1 (ko) * | 2018-10-24 | 2024-08-05 | 그레이스노트, 인코포레이티드 | 오디오 특성의 분석을 기반으로 오디오 재생 설정을 조정하는 방법 및 장치 |
CN113074968B (zh) * | 2020-01-06 | 2023-01-17 | 北京谛声科技有限责任公司 | 一种轨道车辆走行部异音检测设备、方法和装置 |
JP7452171B2 (ja) * | 2020-03-26 | 2024-03-19 | トヨタ自動車株式会社 | 異音の発生箇所特定方法 |
CN112945376B (zh) * | 2021-03-24 | 2023-05-16 | 东风汽车集团股份有限公司 | 车辆外后视镜镜片调节电机噪音检测方法、系统及介质 |
CN113358211B (zh) * | 2021-05-28 | 2024-04-30 | 江苏徐工国重实验室科技有限公司 | 噪声测试方法及装置 |
CN113593251B (zh) * | 2021-07-22 | 2022-06-17 | 世邦通信股份有限公司 | 一种炸街车快速筛选方法及系统 |
CN113626936A (zh) * | 2021-08-16 | 2021-11-09 | 中国汽车工程研究院股份有限公司 | 一种汽车摩擦异响风险预测方法及装置 |
JP7459857B2 (ja) | 2021-12-10 | 2024-04-02 | トヨタ自動車株式会社 | 異音解析装置および方法 |
CN114299907B (zh) * | 2022-01-19 | 2024-07-05 | 东风汽车集团股份有限公司 | 一种减振器总成异响检测方法 |
CN114446326B (zh) * | 2022-01-27 | 2023-07-04 | 四川大学华西医院 | 基于时频分辨率的吞咽障碍患者识别方法及设备 |
CN115035913B (zh) * | 2022-08-11 | 2022-11-11 | 合肥中科类脑智能技术有限公司 | 一种声音异常检测方法 |
CN115356134A (zh) * | 2022-10-19 | 2022-11-18 | 成都盛锴科技有限公司 | 一种基于声学成像的列车走行部异音检测系统及方法 |
CN116412973B (zh) * | 2023-06-12 | 2023-08-29 | 江苏金旺智能科技有限公司 | 一种软包装封口密封性检测方法及系统和设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012242214A (ja) * | 2011-05-18 | 2012-12-10 | Honda Motor Co Ltd | 異音検査方法及び異音検査装置 |
CN102869961A (zh) * | 2010-04-30 | 2013-01-09 | 丰田自动车株式会社 | 车外声音检测装置 |
CN103323099A (zh) * | 2012-03-20 | 2013-09-25 | 三星电机株式会社 | 纯音测试装置以及用于控制纯音测试装置的方法 |
CN104807540A (zh) * | 2014-01-28 | 2015-07-29 | 致伸科技股份有限公司 | 噪声检验方法及系统 |
CN105473988A (zh) * | 2013-06-21 | 2016-04-06 | 布鲁尔及凯尔声音及振动测量公司 | 确定机动车辆的噪声源的噪声声音贡献的方法 |
US20170154481A1 (en) * | 2015-11-30 | 2017-06-01 | Inventec (Pudong) Technology Corp. | Vehicle abnormal sound identification system capable of identifying abnormal sound |
CN109443793A (zh) * | 2018-10-12 | 2019-03-08 | 东风汽车有限公司 | 一种汽车车外噪音的测试方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4549289A (en) * | 1983-06-20 | 1985-10-22 | Jack Schwartz | Method for correcting acoustic distortion |
GB2287536A (en) * | 1994-03-09 | 1995-09-20 | Ford Motor Co | Identification of vibration induced noises in vehicles |
US5537479A (en) * | 1994-04-29 | 1996-07-16 | Miller And Kreisel Sound Corp. | Dual-driver bass speaker with acoustic reduction of out-of-phase and electronic reduction of in-phase distortion harmonics |
US6168568B1 (en) * | 1996-10-04 | 2001-01-02 | Karmel Medical Acoustic Technologies Ltd. | Phonopneumograph system |
JP4438144B2 (ja) * | 1999-11-11 | 2010-03-24 | ソニー株式会社 | 信号分類方法及び装置、記述子生成方法及び装置、信号検索方法及び装置 |
US6101432A (en) * | 1999-11-18 | 2000-08-08 | Ford Global Technologies, Inc. | Vehicle rattle detection method and system |
US7136605B2 (en) * | 2002-12-24 | 2006-11-14 | Ricoh Company, Ltd. | Image forming apparatus, method of evaluating noise, and methods of manufacturing and modifying image forming apparatus |
DE10250739A1 (de) * | 2002-10-31 | 2004-05-13 | Bayerische Motoren Werke Ag | Verfahren zur Bewertung von Störgeräuschen |
DE102005004482B3 (de) * | 2005-01-31 | 2006-08-17 | Carcoustics Tech Center Gmbh | Vorrichtung zur Messung der Schalldämmung oder Einfügungsdämmung eines Prüfobjekts, insbesondere Fahrgastzellenabschnittes eines Fahrzeuges |
US8275151B2 (en) * | 2007-12-19 | 2012-09-25 | Agere Systems Inc. | Speakerphone using adaptive phase rotation |
JP5609737B2 (ja) * | 2010-04-13 | 2014-10-22 | ソニー株式会社 | 信号処理装置および方法、符号化装置および方法、復号装置および方法、並びにプログラム |
JP5380362B2 (ja) * | 2010-05-17 | 2014-01-08 | パナソニック株式会社 | 品質検査方法および品質検査装置 |
US9277339B2 (en) * | 2011-11-24 | 2016-03-01 | Toyota Jidosha Kabushiki Kaisha | Sound source detection apparatus |
US9601131B2 (en) * | 2015-06-25 | 2017-03-21 | Htc Corporation | Sound processing device and method |
KR101744749B1 (ko) * | 2015-10-20 | 2017-06-08 | 현대자동차주식회사 | 소음 측정 장치, 및 소음 측정 방법 |
JP2019164107A (ja) * | 2018-03-20 | 2019-09-26 | 本田技研工業株式会社 | 異音判定装置および判定方法 |
-
2018
- 2018-03-20 JP JP2018053563A patent/JP2019164106A/ja active Pending
-
2019
- 2019-03-15 US US16/354,804 patent/US10607632B2/en active Active
- 2019-03-18 CN CN201910207616.9A patent/CN110307994B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102869961A (zh) * | 2010-04-30 | 2013-01-09 | 丰田自动车株式会社 | 车外声音检测装置 |
JP2012242214A (ja) * | 2011-05-18 | 2012-12-10 | Honda Motor Co Ltd | 異音検査方法及び異音検査装置 |
CN103323099A (zh) * | 2012-03-20 | 2013-09-25 | 三星电机株式会社 | 纯音测试装置以及用于控制纯音测试装置的方法 |
CN105473988A (zh) * | 2013-06-21 | 2016-04-06 | 布鲁尔及凯尔声音及振动测量公司 | 确定机动车辆的噪声源的噪声声音贡献的方法 |
CN104807540A (zh) * | 2014-01-28 | 2015-07-29 | 致伸科技股份有限公司 | 噪声检验方法及系统 |
US20170154481A1 (en) * | 2015-11-30 | 2017-06-01 | Inventec (Pudong) Technology Corp. | Vehicle abnormal sound identification system capable of identifying abnormal sound |
CN109443793A (zh) * | 2018-10-12 | 2019-03-08 | 东风汽车有限公司 | 一种汽车车外噪音的测试方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113218497A (zh) * | 2020-02-05 | 2021-08-06 | 本田技研工业株式会社 | 车辆检查装置、车辆检查方法 |
CN113447274A (zh) * | 2020-03-24 | 2021-09-28 | 本田技研工业株式会社 | 异常声音判定装置以及异常声音判定方法 |
CN113447274B (zh) * | 2020-03-24 | 2023-08-25 | 本田技研工业株式会社 | 异常声音判定装置以及异常声音判定方法 |
CN113532628A (zh) * | 2020-04-16 | 2021-10-22 | 丰田自动车株式会社 | 异响评价系统以及异响评价方法 |
CN113532628B (zh) * | 2020-04-16 | 2024-06-28 | 丰田自动车株式会社 | 异响评价系统以及异响评价方法 |
TWI802796B (zh) * | 2020-05-06 | 2023-05-21 | 中國鋼鐵股份有限公司 | 燒結台車漏風型態鑑別系統及燒結台車漏風型態鑑別方法 |
CN113739905A (zh) * | 2020-05-27 | 2021-12-03 | 现代摩比斯株式会社 | 用于定位转向系统中发生的噪声的装置及方法 |
CN113423052A (zh) * | 2021-05-24 | 2021-09-21 | 信维(深圳)声学科技有限公司 | 一种音频检测的方法及终端 |
CN113423052B (zh) * | 2021-05-24 | 2023-03-14 | 深圳市维仕声学有限公司 | 一种音频检测的方法及终端 |
CN113938806A (zh) * | 2021-10-12 | 2022-01-14 | 台湾立讯精密有限公司 | 噪音检测装置及其方法 |
US12058498B2 (en) | 2021-10-12 | 2024-08-06 | Luxshare-Ict Co., Ltd. | Noise detection device and method thereof |
Also Published As
Publication number | Publication date |
---|---|
US20190295567A1 (en) | 2019-09-26 |
JP2019164106A (ja) | 2019-09-26 |
US10607632B2 (en) | 2020-03-31 |
CN110307994B (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110307994A (zh) | 异声检测装置以及异声检测方法 | |
US8949118B2 (en) | System and method for robust estimation and tracking the fundamental frequency of pseudo periodic signals in the presence of noise | |
CN106052849B (zh) | 一种汽车车内非平稳异常噪声源识别方法 | |
CN107209512B (zh) | 用于机器的声学或振动分析的学习阶段的方法、系统及计算机程序 | |
JP7053705B2 (ja) | 異音判定装置および異音判定方法 | |
Cong et al. | Spectral kurtosis based on AR model for fault diagnosis and condition monitoring of rolling bearing | |
CN102317770B (zh) | 用于对发声过程进行分类的方法和装置 | |
CN110307895A (zh) | 异声判定装置以及异声判定方法 | |
Barbini et al. | Phase editing as a signal pre-processing step for automated bearing fault detection | |
KR20070078784A (ko) | 이음(異音) 추출 방법, 이음 추출 장치 및 이음 검사 장치 | |
CN111736222A (zh) | 单炮数据信噪比确定方法及装置 | |
US9772368B2 (en) | Detection of an abnormal signal in a compound sampled signal | |
Patil et al. | Effectiveness of Teager energy operator for epoch detection from speech signals | |
EP1605437B1 (en) | Determination of the common origin of two harmonic components | |
JPH1123411A (ja) | 異音判定装置及び異音判定方法 | |
CN115655719A (zh) | 一种轴承振动信号分阶段降噪方法及轴承故障识别方法 | |
JP3101017B2 (ja) | 故障診断方法 | |
RU2331893C1 (ru) | Способ выделения дискретных составляющих в спектре сигнала и устройство для его осуществления | |
WO2006007673A1 (en) | Movement detection system and method | |
CN114764049A (zh) | 用于车辆声学包nvh性能的评价系统和方法 | |
Sottek | Modeling engine roughness | |
Camacho et al. | Exploring roughness perception in car engine noises through complex cepstrum analysis | |
Duan et al. | Study of Rattle Noise in Vehicle Seat System under Different Excitation Signals and Loading Conditions | |
Fodor et al. | Comparison of autoregressive and multitaper spectral analysis for long time series | |
Lakshmi et al. | Vehicle scanning-based enhanced modal identification of a bridge using singular value decomposition |
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 |