CN112484234A - 一种基于数字特征的空调异响检测方法及系统 - Google Patents

Abstract

本申请提供了一种基于数字特征的空调异响检测方法，涉及信号处理领域，所述方法至少包括以下步骤：S1采集声音信号；S2对声音信号进行傅里叶变换；S3提取声音相关码数特征；S4采用支持向量机进行异响和无异响分类。本申请将录取到的声音信号用分帧加窗函数和短时傅里叶变换函数将时域信号变换到频域，然后提取信号的基频和倍频，再用支持向量机算法将各个样本点数据分类通过显示屏直观地将有异响和无异响结果显示出来，可以减少人耳判断时的误差，更好判断出待测空调是否存在异响。

Description

一种基于数字特征的空调异响检测方法及系统

技术领域

本发明涉及信号处理领域，具体地，涉及基于数字特征的空调异响检测方法及系统。

背景技术

空调即空气调节器(room air conditioner)，调节温度、湿度、挂式空调是一种用于给空间区域(一般为密闭)提供处理空气温度变化的机组。它的功能是对该房间(或封闭空间、区域)内空气的温度、湿度、洁净度和空气流速等参数进行调节，以满足人体舒适的要求。空调在工作过程中会产生声音。

利用人类的听力很难判断出与标准空调出声相似但不一样的响声。但随着科技时代的飞速发展，使用机器代替人耳检测异常声音可以给出更为客观的结果，可以在空调出现异响的早期就给出精准判断，延长空调的使用期限。

发明内容

本发明的目的在于提供一种基于数字特征的空调异响检测方法及系统，所述方法至少包括以下步骤：

S1采集声音信号；

S2对声音信号进行傅里叶变换；

S3提取声音相关码数特征；

S4采用支持向量机进行异响和无异响分类。

在一个可能的实现方式中，异响识别过程将声音信号进行短时傅里叶变换，并提取相关数码特征，采用支持向量机将提取到的数字特征进行分类，分成有异响和无异响两大类。

在一个可能的实现方式中，通过分帧加窗函数和傅里叶变换将经由A/D模数转换器和DSP处理后的信号转换为周期频域信号；提取信号的基频和倍频，其中基频是周期的倒数，傅里叶级数除去直流分量外的部分。

在一个可能的实现方式中，所述采用支持向量机将提取到的数字特征进行分类，包括：

使用分类与回归分析来分析数据的监督学习模型及其相关的学习算法，包括：确定一个分类超平面，在给定一组训练样本后，支持向量机模型将数字特征样本表示为在空间中的映射的点，从而使有异响和无异响的样本能尽可能明显的间隔分开出来，从而达到对数字特征的分类。

在一个可能的实现方式中，对离散时域采样信号h[k]，k＝0，1，...，N-1，其中n为时域采样点序号，N是信号长度，对信号h[k]进行分帧处理，设每一帧长度为N_F，表达式为：

对每帧信号经汉宁窗滤波，离散汉宁表达式为：

经过离散傅里叶变换，将加窗后的时域信号转换到频域，如式(3)所示：

F_f[k_f，n]＝FFT(h[k]*x_n[k，n]) (3)。

在一个可能的实现方式中，信号的傅里叶级数表示为：

其中

为直流分量，w₀＝2π/T为基频，T为周期，1倍频表示为A₁ sin(w₀t+θ₁)，2倍频表示为A₂ sin(2w₀t+θ₂)。

在一个可能的实现方式中，根据所述支持向量机确定各类样本点最大间隔超平面，任意超平面采用下面线性方程描述为：

ω^Tx+b＝0 (5)

其中，b为常数，ω和x都为向量；

n维空间点x＝(x₁，x₂...x_n)到直线ω^Tx+b＝0的距离公式为：

其中，

根据支持向量的定义，支持向量到超平面的距离为d，其他点到超平面的距离大于d，从而确定最大间隔超平面的上下两个超平面；

最大化支持向量到超平面的距离再优化，得到的最优化问题是：

另一方面，本申请还提供了一种基于数字特征的空调异响检测系统，包括如下模块：

信号采集和处理模块，采集到的声音信号通过DSP系统进行预处理，将待处理的信号经过型号为TLV320AIC10的A/D模数转换器，使得语音模拟信号转换成为为离散的数字信号存储在flash存储器中；

LCD显示模块，LCD显示采用HS12232型专用液晶驱动控制器将采集和处理声音信号过程中的执行状态显示出来，即系统的启动状态、采集状态、处理状态、对比状态和有异响、无异响结果显示出来，也将键盘的选择状态显示出来；

键盘模块，通过键盘实现系统的启动和关闭，也通过键盘上不同的按键控制系统执行过程，包含显示正在进行的步骤、暂停当前系统运行、重新采集信号等。

由于上述技术方案的运用，本发明与现有技术相比具有下列有益效果：将录取到的声音信号用分帧加窗函数和短时傅里叶变换函数将时域信号变换到频域，然后提取信号的基频和倍频，再用支持向量机算法将各个样本点数据分类通过显示屏直观地将有异响和无异响结果显示出来，可以减少人耳判断时的误差，更好判断出待测空调是否存在异响。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中空调安装上传感器的示意图；

图2为本发明实施例中基于数字特征空调异响检测方法的步骤流程图；

图3为本发明实施例中分帧加窗函数和短时傅里叶变换处理流程图；

图4为本发明实施例中支持向量机算法流程图；

图5为本发明实施例中基于数字特征空调异响检测系统的模块示意图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

以下结合图1至图5对本发明做进一步详细阐述。

图1为本发明实施例中空调安装上检测系统的示意图，如图1所示，在空调显示屏旁边安装检测系统S，包含键盘和显示屏等外围设备。

图2为本发明实施例中基于数字特征空调异响检测方法的步骤流程图，如图2所示，先采集空调的声音信号；再对声音信号进行短时傅里叶变换，并提取相关数码特征；应用支持向量机将提取到的数字特征进行分类，分成有异响和无异响两大类。

在本发明实施例中，通过分帧加窗函数和短时傅里叶变换将经由A/D模数转换器和DSP处理后的信号转换为周期频域信号。提取信号的基频和倍频，其中基频是周期的倒数，傅里叶级数除去直流分量外的部分是1倍频分量加上2倍频分量加上3倍频分量等。用支持向量机SVM算法找到一个分类超平面，将声音信号中有异响和无异响的样本点数据中分隔在两侧，从而达到对数字特征的分类。

在本发明示例性的实施例中，所述A/D模数转换器采用型号为TLV320AIC10的芯片，它采用∑-Δ技术在低成本下实现了高精度的A/D和D/A转换。整个芯片由一对16比特同步串行转换通道组成，内含抽取滤波器、插值滤波器，当使用FIR滤波时，最高采样频率为22K。

DSP主要通过外部存储器接口来访问片外存储器，在本发明实例中采用型号为TMS320VC5402的芯片对待处理的声音信号进行存储器的读写操作。所述TMS320VC5402芯片的PS和DS引脚通过逻辑开关来分别控制flash和sram的使能端，由RW和MSTRB来控制位通过逻辑电路分别控制读和写，通过编程来完成具体的功能。

图3为本发明实施例中分帧加窗函数和短时傅里叶变换处理流程图，如图3所示，对离散时域采样信号h[k]，k＝0，1，...，N-1，其中n为时域采样点序号，N是信号长度。然后对信号h[k]进行分帧处理，设每一帧长度为N_F，表达式为：

示例性的，设定N_F＝2048，后一帧的信号向后平移1024点，在采样频率F_s＝48kHz时，时域分辨率约为20ms。将信号按每一帧的长度为N_F截取后，将截取的信号保存以进行接下来的计算。

为防止频谱混叠，需要对每帧信号经所述汉宁窗滤波，离散汉宁表达式为：

经过离散傅里叶变换，将加窗后的时域信号转换到频域，如式(3)所示：

(3) F_f[k_f，n]＝FFT(h[k]*x_n[k，n])

声音信号的傅里叶级数表示为：

其中

为直流分量，w₀＝2π/T为基频，T为周期。

根据(4)式，1倍频表示为A₁sin(w₀t+θ₁)，2倍频表示为A₂sin(2w₀t+θ₂)。

图4为本发明实施例中支持向量机算法流程图，如图4所示，所述支持向量机想要的就是找到各类样本点到超平面的距离最远，也就是找到最大间隔超平面。任意超平面可以用下面这个线性方程来描述：

(5) ω^Tx+b＝0

其中，b为常数，ω和x都为向量。

n维空间点x＝(x₁，x₂...x_n)到直线ω^Tx+b＝0的距离公式为：

(6)

其中

根据支持向量的定义，支持向量到超平面的距离为d，其他点到超平面的距离大于d。则有：

(7) y(ω^Tx+b)≥1

至此，我们可以得到最大间隔超平面的上下两个超平面。每个支持支持向量到超平面的距离可以写为：

最大化这个距离：

将最大化距离进行转换，所以得到的最优化问题是：

图5为本发明实施例中基于数字特征空调异响检测系统的模块示意图，如图5所示，本发明提供的基于数字特征的空调异响检测系统，包括如下模块：

信号采集和处理模块，采集到的声音信号通过DSP系统进行预处理，将待处理的信号经过型号为TLV320AIC10的A/D模数转换器，使得语音模拟信号转换成为为离散的数字信号存储在flash存储器中。

LCD显示模块，LCD显示采用HS12232型专用液晶驱动控制器将采集和处理声音信号过程中的执行状态显示出来，即系统的启动状态、采集状态、处理状态、对比状态和有异响、无异响结果显示出来，也将键盘的选择状态显示出来。

键盘模块，采用4×4键盘模块，通过键盘实现系统的启动和关闭，也通过键盘上不同的按键控制系统执行过程，包含显示正在进行的步骤、暂停当前系统运行、重新采集信号等。

本发明实施案例中，采用分帧加窗函数，将整个声音信号进行帧处理，将其分割成多个局部稳定的信号；对成帧后的信号加窗，使得信号连续并且每一帧都会出现周期信号的特性。通过支持向量机算法，将待检测空调声音信号和标准空调声音信号进行计算和数值比较，然后进行有异响和无异响的分类，再将分类结果在硬件显示屏上直观显示出来，确定待检测空调正常工作时是否出现异响。

本发明实施例中，DSP微处理器用TI公司的16位TMS320VC5402芯片，这款芯片在声音处理上有很高的性价比；Flash存储器选用SST39VF400芯片，他是一款CMOS多功能器件，采用逐字写入方式编程；音频采集芯片选择TI公司的TLV320AIC1O，可实现与微处理器更好的兼容性；显示屏选择HS12232型专用液晶驱动控制器，他自带显示缓存，只需将要显示的内容送到显示缓存中就可以实现内容的显示；键盘采用4×4键盘，可以方便更多功能的实现。

本文中应用了具体个例对发明构思进行了详细阐述，以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离该发明构思的前提下，所做的任何显而易见的修改、等同替换或其他改进，均应包含在本发明的保护范围之内。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性地，本申请的真正范围和精神由上述的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种基于数字特征的空调异响检测方法，其特征在于，所述方法至少包括以下步骤：

S1采集声音信号；

S2对声音信号进行傅里叶变换；

S3提取声音相关码数特征；

S4采用支持向量机进行异响和无异响分类。

2.根据权利要求1所述的方法，其特征在于，异响识别过程将声音信号进行短时傅里叶变换，并提取相关数码特征，采用支持向量机将提取到的数字特征进行分类，分成有异响和无异响两大类。

3.根据权利要求2所述的方法，其特征在于，通过分帧加窗函数和傅里叶变换将经由A/D模数转换器和DSP处理后的信号转换为周期频域信号；提取信号的基频和倍频，其中基频是周期的倒数，傅里叶级数除去直流分量外的部分。

4.根据权利要求2所述的方法，其特征在于，所述采用支持向量机将提取到的数字特征进行分类，包括：

使用分类与回归分析来分析数据的监督学习模型及其相关的学习算法，包括：确定一个分类超平面，在给定一组训练样本后，支持向量机模型将数字特征样本表示为在空间中的映射的点，从而使有异响和无异响的样本能尽可能明显的间隔分开出来，从而达到对数字特征的分类。

5.根据权利要求2所述的方法，其特征在于，对离散时域采样信号h[k]，k＝0，1，...，N-1，其中n为时域采样点序号，N是信号长度，对信号h[k]进行分帧处理，设每一帧长度为N_F，表达式为：

对每帧信号经汉宁窗滤波，离散汉宁表达式为：

经过离散傅里叶变换，将加窗后的时域信号转换到频域，如式(3)所示：

F_f[k_f，n]＝FFT(h[k]*x_n[k，n]) (3)。

6.根据权利要求5所述的方法，其特征在于，信号的傅里叶级数表示为：

其中

为直流分量，w₀＝2π/T为基频，T为周期，1倍频表示为A₁ sin(w₀t+θ₁)，2倍频表示为A₂ sin(2w₀t+θ₂)。

7.根据权利要求6所述的方法，其特征在于，根据所述支持向量机确定各类样本点最大间隔超平面，任意超平面采用下面线性方程描述为：

ω^Tx+b＝0 (5)

其中，b为常数，ω和x都为向量；

n维空间点x＝(x₁，x₂…x_n)到直线ω^Tx+b＝0的距离公式为：

其中，

根据支持向量的定义，支持向量到超平面的距离为d，其他点到超平面的距离大于d，从而确定最大间隔超平面的上下两个超平面；

最大化支持向量到超平面的距离再优化，得到的最优化问题是：

8.一种基于数字特征的空调异响检测系统，其特征在于，包括如下模块：

信号采集和处理模块，采集到的声音信号通过DSP系统进行预处理，将待处理的信号经过型号为TLV320AIC10的A/D模数转换器，使得语音模拟信号转换成为为离散的数字信号存储在flash存储器中；

LCD显示模块，LCD显示采用HS12232型专用液晶驱动控制器将采集和处理声音信号过程中的执行状态显示出来，即系统的启动状态、采集状态、处理状态、对比状态和有异响、无异响结果显示出来，也将键盘的选择状态显示出来；

键盘模块，通过键盘实现系统的启动和关闭，也通过键盘上不同的按键控制系统执行过程，包含显示正在进行的步骤、暂停当前系统运行、重新采集信号等。

Images