CN112945376B - 车辆外后视镜镜片调节电机噪音检测方法、系统及介质 - Google Patents
车辆外后视镜镜片调节电机噪音检测方法、系统及介质 Download PDFInfo
- Publication number
- CN112945376B CN112945376B CN202110314206.1A CN202110314206A CN112945376B CN 112945376 B CN112945376 B CN 112945376B CN 202110314206 A CN202110314206 A CN 202110314206A CN 112945376 B CN112945376 B CN 112945376B
- Authority
- CN
- China
- Prior art keywords
- motor noise
- mel cepstrum
- motor
- noise
- cepstrum coefficient
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 238000001228 spectrum Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 210000005069 ears Anatomy 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 238000009432 framing Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000013707 sensory perception of sound Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Rear-View Mirror Devices That Are Mounted On The Exterior Of The Vehicle (AREA)
Abstract
本发明涉及一种车辆外后视镜镜片调节电机噪音检测方法、系统及介质。该检测方法包括如下步骤:采集车辆外后视镜镜片调节电机噪声信号,获取对应的电机噪声能量谱信号;对电机噪声能量谱信号进行Mel滤波处理,得到电机噪声Mel倒谱系数;根据得到的多个电机噪声Mel倒谱系数,获取电机噪声Mel倒谱系数的幅值的均值和方差值,并获取电机噪声Mel倒谱系数的余弦相似度的均值和方差值;根据电机噪声Mel倒谱系数的幅值的均值和方差值、电机噪声Mel倒谱系数的余弦相似度的均值和方差值、及对应的电机噪声规格值,对电机噪声进行检测判断。本发明可解决相关技术中人工判断效率低易疲劳、不利于自动化生产,而频谱分析错检率较高实用性较差的问题。
Description
技术领域
本发明涉及汽车噪音检测技术领域,特别涉及一种车辆外后视镜镜片调节电机噪音检测方法、系统及介质。
背景技术
对于汽车产品,尤其是轿车产品来说,车辆外后视镜镜片调节电机的噪声大小,通常是反映车辆品牌、档次的评价指标之一。为了防止不良产品流向市场,各大汽车厂商投入了大量的人力、物力、财力对外后视镜镜片调节电机噪进行检测。
在传统技术中,有两种检测车辆外后视镜镜片调节电机噪声的方法:第一种为主观评价法,依靠有经验的人员对电机噪声进行检查,判断有无异常。这种方式主观性强(对同一电机噪声,不同的人有不同的判断结果),工作效率低下,且人员长时间工作时易引起听觉疲劳从而导致错检、漏检等问题,不利于产品的自动化生产。第二种为频谱分析法,采集电机噪声信号,对噪声总体进行频谱分析,依据频谱结果判断电机噪声有无异常。这种方式有很大的局限性,只能甄别出总声压级过大的电机噪声,对于电机有瞬时异常噪声但总声压级不大的电机不能有效识别,造成很高的错检率,导致该方法实用性较差。
发明内容
本发明提供一种车辆外后视镜镜片调节电机噪音检测方法、系统及介质,可解决相关技术中人工判断效率低易疲劳、不利于自动化生产,而频谱分析错检率较高实用性较差的问题。
第一方面,本发明提供了一种车辆外后视镜镜片调节电机噪音检测方法,包括如下步骤:
采集车辆外后视镜镜片调节电机噪声信号,对所述镜片调节电机噪声信号进行频谱分析获取对应的电机噪声能量谱信号;
对所述电机噪声能量谱信号进行Mel滤波处理,得到电机噪声Mel倒谱系数;
根据得到的多个所述电机噪声Mel倒谱系数,获取电机噪声Mel倒谱系数的幅值的均值和方差值,并获取电机噪声Mel倒谱系数的余弦相似度的均值和方差值;
根据得到的所述电机噪声Mel倒谱系数的幅值的均值和方差值、所述电机噪声Mel倒谱系数的余弦相似度的均值和方差值、以及对应的电机噪声规格值,对电机噪声进行检测判断。
在一些实施例中,所述“根据得到的多个所述电机噪声Mel倒谱系数,获取电机噪声Mel倒谱系数的幅值的均值和方差值”步骤,具体包括如下步骤:
根据得到的多个所述镜片调节电机噪音信号的每帧数据的所述电机噪声Mel倒谱系数,拼接得到多个所述镜片调节电机噪音信号的多帧数据的所述电机噪声Mel倒谱系数;
获取每帧数据的所述电机噪声Mel倒谱系数的幅值;
根据获得的多帧数据的所述电机噪声Mel倒谱系数的幅值,获取多个所述电机噪声Mel倒谱系数的幅值的均值;
根据获得的多个所述电机噪声Mel倒谱系数的幅值和均值,获取多个所述电机噪声Mel倒谱系数的幅值的方差值。
在一些实施例中,所述“获取电机噪声Mel倒谱系数的余弦相似度的均值和方差值”步骤,具体包括如下步骤:
根据得到的多个所述镜片调节电机噪音信号的每帧数据的所述电机噪声Mel倒谱系数,获取每帧数据的所述电机噪声Mel倒谱系数的余弦相似度;
根据得到的多帧数据的所述电机噪声Mel倒谱系数的余弦相似度,获取所述电机噪声Mel倒谱系数的余弦相似度的均值;
根据得到的多帧数据的所述电机噪声Mel倒谱系数的余弦相似度、及余弦相似度的均值,获取余弦相似度的方差值。
在一些实施例中,所述“根据得到的所述电机噪声Mel倒谱系数的幅值的均值和方差值、所述电机噪声Mel倒谱系数的余弦相似度的均值和方差值、以及对应的电机噪声规格值,对电机噪声进行检测判断”步骤,具体包括如下步骤:
根据得到的所述电机噪声Mel倒谱系数的幅值的均值和方差值,获取所述电机噪声Mel倒谱系数的幅值的规格值;
根据得到的所述电机噪声Mel倒谱系数的余弦相似度的均值和方差值,获取所述电机噪声Mel倒谱系数的余弦相似度的规格值;
根据得到的所述电机噪声Mel倒谱系数的幅值的规格值和所述电机噪声Mel倒谱系数的余弦相似度的规格值,形成对应的所述电机噪声规格值;
根据得到的所述电机噪声规格值,对采集到的镜片调节电机噪声进行检测判断。
在一些实施例中,所述“根据得到的所述电机噪声规格值,对采集到的电机噪声进行检测判断”步骤,具体包括如下步骤:
根据得到的所述电机噪声规格值,对采集到的镜片调节电机噪声的所述电机噪声Mel倒谱系数的幅值和所述电机噪声Mel倒谱系数的余弦相似度进行判断;
当检测到所述电机噪声Mel倒谱系数的幅值符合所述电机噪声Mel倒谱系数的幅值的规格值,并检测到所述电机噪声Mel倒谱系数的余弦相似度符合所述电机噪声Mel倒谱系数的余弦相似度的规格值时,判断对镜片调节电机噪声的检测合格。
在一些实施例中,所述“根据得到的所述电机噪声规格值,对采集到的镜片调节电机噪声的所述电机噪声Mel倒谱系数的幅值和所述电机噪声Mel倒谱系数的余弦相似度进行判断”步骤之后,具体包括如下步骤:
当检测到所述电机噪声Mel倒谱系数的幅值符合所述电机噪声Mel倒谱系数的幅值的规格值,判断对镜片调节电机噪声的检测合格;
当检测到所述电机噪声Mel倒谱系数的余弦相似度符合所述电机噪声Mel倒谱系数的余弦相似度的规格值时,判断对镜片调节电机噪声的检测合格。
在一些实施例中,所述“采集车辆外后视镜镜片调节电机噪声信号,对所述镜片调节电机噪声信号进行频谱分析获取对应的电机噪声能量谱信号”步骤,具体包括如下步骤:
采集车辆外后视镜镜片调节电机噪声信号;
对所述镜片调节电机噪声信号进行加窗处理,获取电机噪声加窗信号;
对所述电机噪声加窗信号进行频谱分析,获取电机噪声能量谱信号。
在一些实施例中,所述“对所述电机噪声能量谱信号进行Mel滤波处理,得到电机噪声Mel倒谱系数”步骤,具体包括如下步骤:
获取Mel三角滤波器组数据;
根据所述Mel三角滤波器组数据,对所述电机噪声能量谱信号进行Mel滤波处理和离散处理,得到电机噪声Mel倒谱系数。
第二方面,本发明提供了一种车辆外后视镜镜片调节电机噪音检测系统,包括:
能量谱获取模块,用于采集车辆外后视镜镜片调节电机噪声信号,对所述镜片调节电机噪声信号进行频谱分析获取对应的电机噪声能量谱信号;
Mel倒谱系数获取模块,与所述能量谱获取模块通信连接,用于对所述电机噪声能量谱信号进行Mel滤波处理,得到电机噪声Mel倒谱系数;
Mel倒谱系数处理模块,与所述Mel倒谱系数获取模块通信连接,用于根据得到的多个所述电机噪声Mel倒谱系数,获取电机噪声Mel倒谱系数的幅值的均值和方差值,并获取电机噪声Mel倒谱系数的余弦相似度的均值和方差值;
电机噪声判断模块,与所述Mel倒谱系数处理模块通信连接,用于根据得到的所述电机噪声Mel倒谱系数的幅值的均值和方差值、所述电机噪声Mel倒谱系数的余弦相似度的均值和方差值、以及对应的电机噪声规格值,对电机噪声进行检测判断。
第三方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上所述车辆外后视镜镜片调节电机噪音检测方法的所有方法步骤或部分方法步骤。
本发明提供的技术方案带来的有益效果包括:
本发明实施例提供了一种车辆外后视镜镜片调节电机噪音检测方法,相比传统的电机噪声检测方法,本发明提出的电机噪声检测方法由于考虑了人耳的听觉特性,同时对噪声进行了细致深入的分析,得到其Mel倒谱系数,更加深刻地描述其音色特征。而且,通过运用统计方法确定Mel倒谱系数的幅值和余弦相似度的规格值,并通过这些规格值对电机噪音进行检测,能自动对电机噪声合格与否做出快速、有效的判断,使得对电机异常噪声识别率高,工作效率高,不易出现错检、漏检等问题。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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为本发明实施例所述车辆外后视镜镜片调节电机噪音检测方法的步骤流程示意图;
图2为本发明实施例所述Mel刻度和频率(Hz)的关系曲线;
图3为本发明实施例所述名义Mel三角滤波器组图形;
图4为本发明实施例所述实际运算Mel三角滤波器组图形;
图5为本发明实施例所述车辆外后视镜镜片调节电机噪音检测系统的结构示意框图。
具体实施方式
现在将详细参照本发明的具体实施例,在附图中例示了本发明的例子。尽管将结合具体实施例描述本发明,但将理解,不是想要将本发明限于所述的实施例。相反,想要覆盖由所附权利要求限定的在本发明的精神和范围内包括的变更、修改和等价物。应注意,这里描述的方法步骤都可以由任何功能块或功能布置来实现,且任何功能块或功能布置可被实现为物理实体或逻辑实体、或者两者的组合。
为了使本领域技术人员更好地理解本发明,下面结合附图和具体实施方式对本发明作进一步详细说明。
注意:接下来要介绍的示例仅是一个具体的例子,而不作为限制本发明的实施例必须为如下具体的步骤、数值、条件、数据、顺序等等。本领域技术人员可以通过阅读本说明书来运用本发明的构思来构造本说明书中未提到的更多实施例。
在传统技术中,有两种检测车辆外后视镜镜片调节电机噪声的方法:第一种为主观评价法,依靠有经验的人员对电机噪声进行检查,判断有无异常。这种方式主观性强(对同一电机噪声,不同的人有不同的判断结果),工作效率低下,且人员长时间工作时易引起听觉疲劳从而导致错检、漏检等问题,不利于产品的自动化生产。第二种为频谱分析法,采集电机噪声信号,对噪声总体进行频谱分析,依据频谱结果判断电机噪声有无异常。这种方式有很大的局限性,只能甄别出总声压级过大的电机噪声,对于电机有瞬时异常噪声但总声压级不大的电机不能有效识别,造成很高的错检率,导致该方法实用性较差。为了解决上述技术问题,本发明提出一种车辆外后视镜镜片调节电机噪音检测方法及系统。
如图1所示,本发明提供的车辆外后视镜镜片调节电机噪音检测方法,包括如下步骤:
S100、采集车辆外后视镜镜片调节电机噪声信号,对所述镜片调节电机噪声信号进行频谱分析获取对应的电机噪声能量谱信号;
S200、对所述电机噪声能量谱信号进行Mel滤波处理,得到电机噪声Mel倒谱系数;
S300、根据得到的多个所述电机噪声Mel倒谱系数,获取电机噪声Mel倒谱系数的幅值的均值和方差值,并获取电机噪声Mel倒谱系数的余弦相似度的均值和方差值;
S400、根据得到的所述电机噪声Mel倒谱系数的幅值的均值和方差值、所述电机噪声Mel倒谱系数的余弦相似度的均值和方差值、以及对应的电机噪声规格值,对电机噪声进行检测判断。
本发明通过采集多个车辆外后视镜镜片调节电机噪声信号,并对其进行分析处理得到考虑人耳的听觉特性的Mel倒谱系数,并根据这些Mel倒谱系数得到电机噪声Mel倒谱系数的幅值的均值和方差值、电机噪声Mel倒谱系数的余弦相似度的均值和方差值,并得到对应的电机噪声规格值,以此判断镜片调节电机噪声信号是否合格。
相比传统的电机噪声检测方法,本发明提出的电机噪声检测方法由于考虑了人耳的听觉特性,同时对噪声进行了细致深入的分析,得到其Mel倒谱系数,更加深刻地描述其音色特征。而且,通过运用统计方法确定Mel倒谱系数的幅值和余弦相似度的规格值,并通过这些规格值对电机噪音进行检测,能自动对电机噪声合格与否做出快速、有效的判断,使得对电机异常噪声识别率高,工作效率高,不易出现错检、漏检等问题。
具体地,上述步骤S100即所述“采集车辆外后视镜镜片调节电机噪声信号,对所述镜片调节电机噪声信号进行频谱分析获取对应的电机噪声能量谱信号”步骤,具体包括如下步骤:
S110、采集车辆外后视镜镜片调节电机噪声信号;
具体地,可采集车辆外后视镜镜片调节电机左右翻转(或上下翻转)的噪声信号,即车辆外后视镜镜片调节电机噪声信号,并可设定该镜片调节电机噪声信号为{s0(q)}(1≤q≤Ns0,Ns0为信号{s0(q)}的长度)。而且,采样频率可为8000Hz,采样时间可为外后视镜镜片从最左端翻转到最右端的时长(或从最上端翻转到最下端的时长)。
S120、对所述镜片调节电机噪声信号进行加窗处理,获取电机噪声加窗信号;
在对镜片调节电机噪声信号进行加窗处理前,先对其进行分帧处理。对镜片调节电机噪声信号进行分帧处理,可保证电机噪声分析有足够高的时间分辨率。而且,具体的分帧处理方式如下:
可将镜片调节电机噪声信号中的N个连续采样点集合成一个数据分析单位,称为帧,并可设置帧长为N。其中,N须为2的指数次幂,即N=2z(z为一自然数),以便后续对数据进行频谱分析。而且,分帧处理后,镜片调节电机噪声信号的第i帧数据可记为x0(i)。
而且,在完成对镜片调节电机噪声信号的分帧处理后,再对其进行加窗(施加窗函数)处理。对镜片调节电机噪声信号进行加窗处理,可减少频谱泄露,有利于后续的频谱分析。而且,具体的加窗处理过程如下:
在本实施例中,加窗处理所采用的窗函数为汉宁窗(hanning),其表达式如下:
w(p)=0.5*(1-cos(2*π*p/P)),0≤p≤P 式(1);
其中,p、P均为整数;p为自变量,w(p)为因变量、为窗函数的幅度;P为常数(窗函数的总长度L=P+1,L须等于帧长N)。
对镜片调节电机噪声信号的各帧数据进行加窗,公式如下:
x(i)=x0(i).*w(p) 式(2);
其中,x(i)为加窗后的第i帧数据;.*为数量乘积,即数列中各对应元素相乘;w(p)为加窗函数;x0(i)为镜片调节电机噪声信号的第i帧数据。
S130、对所述电机噪声加窗信号进行频谱分析,获取电机噪声能量谱信号。
首先,对镜片调节电机噪声信号的各帧数据进行FFT(fast Fourier transform,快速傅里叶变换),得到各帧的频谱如下:
X(i,k)=fft[x(i)] 式(3);
其中,x(i)表示加窗处理后的镜片调节电机噪声信号的第i帧数据;X(i,k)表示第i帧频谱数据中第k条谱线的频谱。
然后,对获得的频谱取模,得到幅值谱如下:
A(i,k)=|X(i,k)| 式(4);
其中,A(i,k)表示第i帧频谱数据中第k条谱线的幅值。
然后,对第i帧频谱数据中第k条谱线的幅值A(i,k)取平方,得到数据的能量谱如下:
E(i,k)=|X(i,k)|2 式(5);
其中,E(i,k)表示第i帧频谱数据中第k条谱线的能量,即电机噪声能量谱信号。
而且,上述步骤S200即所述“对所述电机噪声能量谱信号进行Mel滤波处理,得到电机噪声Mel倒谱系数”步骤,具体包括如下步骤:
S210、获取Mel三角滤波器组数据;
在对电机噪声能量谱信号进行Mel滤波处理前,需要先获取Mel三角滤波器组数据。人耳对声音的感知程度,与频率(Hz)不成线性关系,但在Mel刻度上,人对音调的主观感知与Mel刻度则为线性关系。
可知,Mel刻度和频率(Hz)的关系如下:
mel=2595*log10(1+f/700) 式(6);
其中,f为频率(Hz),mel为Mel值。
由Mel刻度和频率(Hz)的关系式和附图图2可知,Mel刻度在低频(Hz)部分的分辨率高,在高频(Hz)的分辨率低,与人耳的听觉特性相符,即可知Mel刻度模拟了人耳的听觉特性。同时,结合人耳的掩蔽效应,设计了Mel三角滤波器组,这些滤波器在低频段较密集,在高频段较稀疏。具体地,第m个三角滤波器的传递函数如下所示:
其中,1≤m≤M,M为滤波器个数;H(k)为第k条谱线的幅值;f(m)为第m个滤波器的中心频率。
而且,Mel三角滤波器组各滤波器的端点频率及中心频率f(m)可依照如下方式进行计算:
首先,对于外后视镜镜片调节电机噪声信号,其采样频率为8000Hz,依据香农采样定理,其分析频率上限可为8000/2=4000Hz,可求出其mel值,并记为mel_max。
其次,可选定外后视镜镜片调节电机噪声信号的频率下限,如20Hz,可求出其mel值,并记为mel_min。
然后,运用下式计算Mel三角滤波器组各滤波器的中心频率(端点频率):
其中,0≤j≤(M+1),M为滤波器个数;N为数据帧的长度;fs为电机噪声采样频率。本实施例中,可设置N=256,fs=8000Hz。
则第一个滤波器的中心频率为f(1),左端点频率为f(0),右端点频率为f(2);第j个滤波器的中心频率为f(j),左端点频率为f(j-1),右端点频率为f(j+1);则最后一个滤波器M的中心频率为f(M),左端点频率为f(M-1),右端点频率为f(M+1)。
例如,如图3所示,为一种名义Mel三角滤波器组图形,其为N=256,fs=8000Hz,M=24的Mel三角滤波器组图形。
而且,如图4所示,实际运算时的滤波器组图形是对名义滤波器组图形在能量谱E(i,k)各频谱处采样得到的,其为N=256,fs=8000Hz,M=24的实际运算Mel三角滤波器组图形。
S220、根据所述Mel三角滤波器组数据,对所述电机噪声能量谱信号进行Mel滤波处理和离散处理,得到电机噪声Mel倒谱系数。
先根据所述Mel三角滤波器组数据,对电机噪声能量谱信号进行Mel滤波处理。每一帧频谱数据通过Mel滤波器后的频谱能量为数据能量谱E(i,k)与Mel三角滤波器组传递函数Hm(k)的乘积和;
其中,M为滤波器个数,典型值为24。
至此,每帧的数据长度由N个变为M个,数据维数大幅缩减。
然后,对滤波后的电机噪声能量谱信号求对数,进行离散余弦变换,具体过程如下:
t=1,2……M 式(10);
而且,上述步骤S300中所述“根据得到的多个所述电机噪声Mel倒谱系数,获取电机噪声Mel倒谱系数的幅值的均值和方差值”步骤,具体包括如下步骤:
S310、根据得到的多个所述镜片调节电机噪音信号的每帧数据的所述电机噪声Mel倒谱系数,拼接得到多个所述镜片调节电机噪音信号的多帧数据的所述电机噪声Mel倒谱系数;
本实施例涉及对Mel倒谱系数的统计分析,为保证Mel倒谱系数足够的样本量及体现其代表性,需要按照上述步骤,采集S(S为电机样本量,必须足够大;一般来说,S为大于等于30的正整数)个电机噪声信号,得到各个镜片调节电机噪音信号的各帧数据的Mel倒谱系数。然后,将各镜片调节电机噪音信号的各帧Mel倒谱系数拼接起来,得到R帧Mel倒谱系数,R为S个镜片调节电机噪音信号的所有帧数之和。
S320、获取每帧数据的所述电机噪声Mel倒谱系数的幅值;
具体地,计算每帧数据的电机噪声Mel倒谱系数的幅值,公式如下:
其中,C(i,t)为第i帧的电机噪声Mel倒谱系数的第t个系数,t=1,2……M;CA(i)为第i帧的电机噪声Mel倒谱系数的幅值。
S330、根据获得的多帧数据的所述电机噪声Mel倒谱系数的幅值,获取多个所述电机噪声Mel倒谱系数的幅值的均值;
具体地,计算多个电机噪声Mel倒谱系数的幅值的均值,公式如下:
其中,R为S个镜片调节电机噪音信号的总帧数。
S340、根据获得的多个所述电机噪声Mel倒谱系数的幅值和均值,获取多个所述电机噪声Mel倒谱系数的幅值的方差值。
根据获得的多个电机噪声Mel倒谱系数的幅值CA(i)和对应的电机噪声Mel倒谱系数的幅值的均值CA_mean,计算电机噪声Mel倒谱系数的幅值的方差值,公式如下:
而且,上述步骤S300中所述“获取电机噪声Mel倒谱系数的余弦相似度的均值和方差值”步骤,具体包括如下步骤:
S350、根据得到的多个所述镜片调节电机噪音的每帧数据的所述电机噪声Mel倒谱系数,获取每帧数据的所述电机噪声Mel倒谱系数的余弦相似度;
余弦相似度是描述向量间靠近程度的参数,而在本实施例中,可通过余弦相似度描述各帧数据的电机噪声Mel倒谱系数向量的贴近程度,即各帧音色(Mel倒谱系数可理解为音色)的贴近程度,其计算公式如下:
其中,similarity(i)为第i帧数据的电机噪声Mel倒谱系数的的余弦相似度,其值范围为[-1,1];而且,similarity(i)其值越大,表示两向量越贴近;其值越小,表示两向量越不相似。
S360、根据得到的多帧数据的所述电机噪声Mel倒谱系数的余弦相似度,获取所述电机噪声Mel倒谱系数的余弦相似度的均值;
可知,平均Mel倒谱系数C_mean的计算公式如下:
其中,C_mean(t)为平均Mel倒谱系数的第t个参数;C(i,t)为第i帧的电机噪声Mel倒谱系数的第t个系数,t=1,2……M。
根据得到的多帧数据的电机噪声Mel倒谱系数的余弦相似度similarity(i),可获取电机噪声Mel倒谱系数的余弦相似度的均值similarity_mean如下:
S370、根据得到的多帧数据的所述电机噪声Mel倒谱系数的余弦相似度、及余弦相似度的均值,获取余弦相似度的方差值。
根据得到的多帧数据的电机噪声Mel倒谱系数的余弦相似度similarity(i)、及余弦相似度的均值similarity_mean,可余弦相似度的方差值(标准差值)similarity_std如下:
式(17);
而且,上述步骤S400即所述“根据得到的所述电机噪声Mel倒谱系数的幅值的均值和方差值、所述电机噪声Mel倒谱系数的余弦相似度的均值和方差值、以及对应的电机噪声规格值,对电机噪声进行检测判断”步骤,具体包括如下步骤:
S410、根据得到的所述电机噪声Mel倒谱系数的幅值的均值和方差值,获取所述电机噪声Mel倒谱系数的幅值的规格值;
具体地,可通过上述步骤中得到的电机噪声Mel倒谱系数的幅值的均值CA_mean,电机噪声Mel倒谱系数的幅值的方差值值CA_std,设定电机噪声Mel倒谱系数的幅值的规格值为[CA_mean-CA_coff*CA_std,CA_mean+CA_coff*CA_std];其中,CA_coff为一常数;而且,在一般情况下,CA_coff可取值为3;如需要进行加严管理时,可将CA_coff设为较小的数值,如2.5、或2等。
S420、根据得到的所述电机噪声Mel倒谱系数的余弦相似度的均值和方差值,获取所述电机噪声Mel倒谱系数的余弦相似度的规格值;
具体地,根据上述步骤中得到的电机噪声Mel倒谱系数的余弦相似度的均值similarity_mean、电机噪声Mel倒谱系数的余弦相似度的方差值similarity_std,可设定电机噪声Mel倒谱系数的余弦相似度的规格值[similarity_mean-similarity_coff*similarity_std,similarity_mean+similarity_coff*similarity_std];其中,similarity_coff为一常数;而且,在一般情况下,similarity_coff可取值为3;如需要进行加严管理时,可将similarity_coff设为较小的数值,如2.5、或2等。
S430、根据得到的所述电机噪声Mel倒谱系数的幅值的规格值和所述电机噪声Mel倒谱系数的余弦相似度的规格值,形成对应的所述电机噪声规格值;
即将电机噪声Mel倒谱系数的幅值的规格值[CA_mean-CA_coff*CA_std,CA_mean+CA_coff*CA_std],和电机噪声Mel倒谱系数的余弦相似度的规格值[similarity_mean-similarity_coff*similarity_std,similarity_mean+similarity_coff*similarity_std],作为对应的电机噪声规格值以对电机噪音进行检测。
S440、根据得到的所述电机噪声规格值,对采集到的镜片调节电机噪声进行检测判断。
进一步地,在一些实施例中,上述步骤S440即所述“根据得到的所述电机噪声规格值,对采集到的电机噪声进行检测判断”步骤,具体包括如下步骤:
S442、根据得到的所述电机噪声规格值,对采集到的镜片调节电机噪声的所述电机噪声Mel倒谱系数的幅值和所述电机噪声Mel倒谱系数的余弦相似度进行判断;
首先,在检测镜片调节电机噪声时,先按照上述步骤采集待测镜片调节电机的噪声数据,得到镜片调节电机噪声信号的各帧数据的电机噪声Mel倒谱系数。
然后,再按照上述步骤,计算每帧数据的电机噪声Mel倒谱系数的幅值,可记为CA(j),表示第j帧数据的电机噪声Mel倒谱系数的幅值。
然后判断,若电机噪声Mel倒谱系数的幅值CA(j)均在规格值[CA_mean-CA_coff*CA_std,CA_mean+CA_coff*CA_std]范围内(j=1,2……F,其中F为待测镜片调节电机噪声信号的帧数,即待测镜片调节电机噪声信号的所有帧的Mel倒谱系数的幅值均在规格值内),则待测电机的电机噪声Mel倒谱系数的幅值合格;否则,待测电机的电机噪声Mel倒谱系数的幅值不合格。
然后,按照上述步骤,依据下式计算每帧电机噪声Mel倒谱系数的余弦相似度,可记为similarity(j),表示第j帧的电机噪声Mel倒谱系数的余弦相似度:
其中,C(j,t)表示第j帧的电机噪声Mel倒谱系数的第t个参数;C_mean(t)为上述步骤中得到的平均电机噪声Mel倒谱系数。
S444、当检测到所述电机噪声Mel倒谱系数的幅值符合所述电机噪声Mel倒谱系数的幅值的规格值,并检测到所述电机噪声Mel倒谱系数的余弦相似度符合所述电机噪声Mel倒谱系数的余弦相似度的规格值时,判断对镜片调节电机噪声的检测合格。
若上述待测电机的第j帧的电机噪声Mel倒谱系数的余弦相似度similarity(j)均在电机噪声Mel倒谱系数的余弦相似度的规格值[similarity_mean-similarity_coff*similarity_std,similarity_mean+
similarity_coff*similarity_std]范围内(j=1,2……F,其中F为待测镜片调节电机噪声信号的帧数,即待测镜片调节电机噪声信号的所有帧的Mel倒谱系数的余弦相似度均在规格值内),则待测电机的电机噪声Mel倒谱系数的余弦相似度合格;否则,待测电机的电机噪声Mel倒谱系数的余弦相似度不合格。
而且,上述步骤S444即所述“根据得到的所述电机噪声规格值,对采集到的镜片调节电机噪声的所述电机噪声Mel倒谱系数的幅值和所述电机噪声Mel倒谱系数的余弦相似度进行判断”步骤之后,具体包括如下步骤:
S446、当检测到所述电机噪声Mel倒谱系数的幅值符合所述电机噪声Mel倒谱系数的幅值的规格值,判断对镜片调节电机噪声的检测合格;
S448、当检测到所述电机噪声Mel倒谱系数的余弦相似度符合所述电机噪声Mel倒谱系数的余弦相似度的规格值时,判断对镜片调节电机噪声的检测合格。
在判断待测镜片调节电机噪声是否合格时,要对待测镜片调节电机噪声的电机噪声Mel倒谱系数的幅值和余弦相似度进行“与”运算,即若待测电机的电机噪声Mel倒谱系数的幅值和余弦相似度均合格,则待测镜片调节电机噪声合格;若待测电机的电机噪声Mel倒谱系数的幅值和余弦相似度中只有一个合格,或两者均不合格,则待测镜片调节电机噪声不合格。
此外,如图5所示,针对上述的车辆外后视镜镜片调节电机噪音检测方法,本发明提供了一种车辆外后视镜镜片调节电机噪音检测系统,包括:
能量谱获取模块101,用于采集车辆外后视镜镜片调节电机噪声信号,对所述镜片调节电机噪声信号进行频谱分析获取对应的电机噪声能量谱信号;
Mel倒谱系数获取模块102,与所述能量谱获取模块101通信连接,用于对所述电机噪声能量谱信号进行Mel滤波处理,得到电机噪声Mel倒谱系数;
Mel倒谱系数处理模块103,与所述Mel倒谱系数获取模块102通信连接,用于根据得到的多个所述电机噪声Mel倒谱系数,获取电机噪声Mel倒谱系数的幅值的均值和方差值,并获取电机噪声Mel倒谱系数的余弦相似度的均值和方差值;
电机噪声判断模块104,与所述Mel倒谱系数处理模块103通信连接,用于根据得到的所述电机噪声Mel倒谱系数的幅值的均值和方差值、所述电机噪声Mel倒谱系数的余弦相似度的均值和方差值、以及对应的电机噪声规格值,对电机噪声进行检测判断。
本实施例所述的车辆外后视镜镜片调节电机噪音检测系统与上述的车辆外后视镜镜片调节电机噪音检测方法相互对应,本实施例中车辆外后视镜镜片调节电机噪音检测系统中各个模块的功能在相应的方法实施例中详细阐述,在此不再一一说明。
本发明实施例提供的车辆外后视镜镜片调节电机噪音检测方法及系统,相比传统的电机噪声检测方案,本发明提出的检测方案由于考虑了人耳的听觉特性,同时对噪声进行了细致深入的分析,得到其Mel倒谱系数,可更加深刻地描述其音色特征;而且,通过运用统计方法确定Mel倒谱系数的幅值和余弦相似度的规格值,对电机异常噪声识别率高,工作效率高,能对电机噪声合格与否做出快速、有效的判断,有利于实现电机噪声的自动化检测。
基于同一发明构思,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法的所有方法步骤或部分方法步骤。
本发明实现上述方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
基于同一发明构思,本申请实施例还提供一种电子设备,包括存储器和处理器,存储器上储存有在处理器上运行的计算机程序,处理器执行计算机程序时实现上述方法中的所有方法步骤或部分方法步骤。
所称处理器可以是中央处理单元(Central Processing Unit,CP U),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Ci rcuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,处理器是计算机装置的控制中心,利用各种接口和线路连接整个计算机装置的各个部分。
存储器可用于存储计算机程序和/或模型,处理器通过运行或执行存储在存储器内的计算机程序和/或模型,以及调用存储在存储器内的数据,实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(例如声音播放功能、图像播放功能等);存储数据区可存储根据手机的使用所创建的数据(例如音频数据、视频数据等)。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、服务器或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、服务器和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种车辆外后视镜镜片调节电机噪音检测方法,其特征在于,包括如下步骤:
采集车辆外后视镜镜片调节电机噪声信号,对所述镜片调节电机噪声信号进行频谱分析获取对应的电机噪声能量谱信号;
对所述电机噪声能量谱信号进行Mel滤波处理,得到电机噪声Mel倒谱系数;
根据得到的多个所述电机噪声Mel倒谱系数,获取电机噪声Mel倒谱系数的幅值的均值和方差值,并获取电机噪声Mel倒谱系数的余弦相似度的均值和方差值;
根据得到的所述电机噪声Mel倒谱系数的幅值的均值和方差值、所述电机噪声Mel倒谱系数的余弦相似度的均值和方差值、以及对应的电机噪声规格值,对电机噪声进行检测判断;
所述“根据得到的所述电机噪声Mel倒谱系数的幅值的均值和方差值、所述电机噪声Mel倒谱系数的余弦相似度的均值和方差值、以及对应的电机噪声规格值,对电机噪声进行检测判断”步骤,具体包括如下步骤:
根据得到的所述电机噪声Mel倒谱系数的幅值的均值和方差值,获取所述电机噪声Mel倒谱系数的幅值的规格值;
根据得到的所述电机噪声Mel倒谱系数的余弦相似度的均值和方差值,获取所述电机噪声Mel倒谱系数的余弦相似度的规格值;
根据得到的所述电机噪声Mel倒谱系数的幅值的规格值和所述电机噪声Mel倒谱系数的余弦相似度的规格值,形成对应的所述电机噪声规格值;
根据得到的所述电机噪声规格值,对采集到的镜片调节电机噪声进行检测判断;
所述“根据得到的所述电机噪声规格值,对采集到的电机噪声进行检测判断”步骤,具体包括如下步骤:
根据得到的所述电机噪声规格值,对采集到的镜片调节电机噪声的所述电机噪声Mel倒谱系数的幅值和所述电机噪声Mel倒谱系数的余弦相似度进行判断;
当检测到所述电机噪声Mel倒谱系数的幅值符合所述电机噪声Mel倒谱系数的幅值的规格值,并检测到所述电机噪声Mel倒谱系数的余弦相似度符合所述电机噪声Mel倒谱系数的余弦相似度的规格值时,判断对镜片调节电机噪声的检测合格;
计算每帧数据的电机噪声Mel倒谱系数的幅值,公式如下:
其中,C(i,t)为第i帧的电机噪声Mel倒谱系数的第t个系数,t=1,2……M;CA(i)为第i帧的电机噪声Mel倒谱系数的幅值;
通过余弦相似度描述各帧数据的电机噪声Mel倒谱系数向量的贴近程度,其计算公式如下:
其中,similarity(i)为第i帧数据的电机噪声Mel倒谱系数的的余弦相似度,其值范围为[-1,1];而且,similarity(i)其值越大,表示两向量越贴近;其值越小,表示两向量越不相似。
2.根据权利要求1所述的车辆外后视镜镜片调节电机噪音检测方法,其特征在于,所述“根据得到的多个所述电机噪声Mel倒谱系数,获取电机噪声Mel倒谱系数的幅值的均值和方差值”步骤,具体包括如下步骤:
根据得到的多个所述镜片调节电机噪音信号的每帧数据的所述电机噪声Mel倒谱系数,拼接得到多个所述镜片调节电机噪音信号的多帧数据的所述电机噪声Mel倒谱系数;
获取每帧数据的所述电机噪声Mel倒谱系数的幅值;
根据获得的多帧数据的所述电机噪声Mel倒谱系数的幅值,获取多个所述电机噪声Mel倒谱系数的幅值的均值;
根据获得的多个所述电机噪声Mel倒谱系数的幅值和均值,获取多个所述电机噪声Mel倒谱系数的幅值的方差值。
3.根据权利要求2所述的车辆外后视镜镜片调节电机噪音检测方法,其特征在于,所述“获取电机噪声Mel倒谱系数的余弦相似度的均值和方差值”步骤,具体包括如下步骤:
根据得到的多个所述镜片调节电机噪音信号的每帧数据的所述电机噪声Mel倒谱系数,获取每帧数据的所述电机噪声Mel倒谱系数的余弦相似度;
根据得到的多帧数据的所述电机噪声Mel倒谱系数的余弦相似度,获取所述电机噪声Mel倒谱系数的余弦相似度的均值;
根据得到的多帧数据的所述电机噪声Mel倒谱系数的余弦相似度、及余弦相似度的均值,获取余弦相似度的方差值。
4.根据权利要求1所述的车辆外后视镜镜片调节电机噪音检测方法,其特征在于,所述“根据得到的所述电机噪声规格值,对采集到的镜片调节电机噪声的所述电机噪声Mel倒谱系数的幅值和所述电机噪声Mel倒谱系数的余弦相似度进行判断”步骤之后,具体包括如下步骤:
当检测到所述电机噪声Mel倒谱系数的幅值符合所述电机噪声Mel倒谱系数的幅值的规格值,判断对镜片调节电机噪声的检测合格;
当检测到所述电机噪声Mel倒谱系数的余弦相似度符合所述电机噪声Mel倒谱系数的余弦相似度的规格值时,判断对镜片调节电机噪声的检测合格。
5.根据权利要求1所述的车辆外后视镜镜片调节电机噪音检测方法,其特征在于,所述“采集车辆外后视镜镜片调节电机噪声信号,对所述镜片调节电机噪声信号进行频谱分析获取对应的电机噪声能量谱信号”步骤,具体包括如下步骤:
采集车辆外后视镜镜片调节电机噪声信号;
对所述镜片调节电机噪声信号进行加窗处理,获取电机噪声加窗信号;
对所述电机噪声加窗信号进行频谱分析,获取电机噪声能量谱信号。
6.根据权利要求5所述的车辆外后视镜镜片调节电机噪音检测方法,其特征在于,所述“对所述电机噪声能量谱信号进行Mel滤波处理,得到电机噪声Mel倒谱系数”步骤,具体包括如下步骤:
获取Mel三角滤波器组数据;
根据所述Mel三角滤波器组数据,对所述电机噪声能量谱信号进行Mel滤波处理和离散处理,得到电机噪声Mel倒谱系数。
7.一种车辆外后视镜镜片调节电机噪音检测系统,其特征在于,包括:
能量谱获取模块,用于采集车辆外后视镜镜片调节电机噪声信号,对所述镜片调节电机噪声信号进行频谱分析获取对应的电机噪声能量谱信号;
Mel倒谱系数获取模块,与所述能量谱获取模块通信连接,用于对所述电机噪声能量谱信号进行Mel滤波处理,得到电机噪声Mel倒谱系数;
Mel倒谱系数处理模块,与所述Mel倒谱系数获取模块通信连接,用于根据得到的多个所述电机噪声Mel倒谱系数,获取电机噪声Mel倒谱系数的幅值的均值和方差值,并获取电机噪声Mel倒谱系数的余弦相似度的均值和方差值;
电机噪声判断模块,与所述Mel倒谱系数处理模块通信连接,用于根据得到的所述电机噪声Mel倒谱系数的幅值的均值和方差值、所述电机噪声Mel倒谱系数的余弦相似度的均值和方差值、以及对应的电机噪声规格值,对电机噪声进行检测判断;
根据得到的所述电机噪声Mel倒谱系数的幅值的均值和方差值,获取所述电机噪声Mel倒谱系数的幅值的规格值;
根据得到的所述电机噪声Mel倒谱系数的余弦相似度的均值和方差值,获取所述电机噪声Mel倒谱系数的余弦相似度的规格值;
根据得到的所述电机噪声Mel倒谱系数的幅值的规格值和所述电机噪声Mel倒谱系数的余弦相似度的规格值,形成对应的所述电机噪声规格值;
根据得到的所述电机噪声规格值,对采集到的镜片调节电机噪声进行检测判断;
根据得到的所述电机噪声规格值,对采集到的镜片调节电机噪声的所述电机噪声Mel倒谱系数的幅值和所述电机噪声Mel倒谱系数的余弦相似度进行判断;
当检测到所述电机噪声Mel倒谱系数的幅值符合所述电机噪声Mel倒谱系数的幅值的规格值,并检测到所述电机噪声Mel倒谱系数的余弦相似度符合所述电机噪声Mel倒谱系数的余弦相似度的规格值时,判断对镜片调节电机噪声的检测合格;
计算每帧数据的电机噪声Mel倒谱系数的幅值,公式如下:
其中,C(i,t)为第i帧的电机噪声Mel倒谱系数的第t个系数,t=1,2……M;CA(i)为第i帧的电机噪声Mel倒谱系数的幅值;
通过余弦相似度描述各帧数据的电机噪声Mel倒谱系数向量的贴近程度,其计算公式如下:
其中,similarity(i)为第i帧数据的电机噪声Mel倒谱系数的的余弦相似度,其值范围为[-1,1];而且,similarity(i)其值越大,表示两向量越贴近;其值越小,表示两向量越不相似。
8.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,计算机程序被处理器执行时实现如权利要求1至6中任一项所述车辆外后视镜镜片调节电机噪音检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110314206.1A CN112945376B (zh) | 2021-03-24 | 2021-03-24 | 车辆外后视镜镜片调节电机噪音检测方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110314206.1A CN112945376B (zh) | 2021-03-24 | 2021-03-24 | 车辆外后视镜镜片调节电机噪音检测方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112945376A CN112945376A (zh) | 2021-06-11 |
CN112945376B true CN112945376B (zh) | 2023-05-16 |
Family
ID=76228158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110314206.1A Active CN112945376B (zh) | 2021-03-24 | 2021-03-24 | 车辆外后视镜镜片调节电机噪音检测方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112945376B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103390403A (zh) * | 2013-06-19 | 2013-11-13 | 北京百度网讯科技有限公司 | Mfcc特征的提取方法及装置 |
CN109410977A (zh) * | 2018-12-19 | 2019-03-01 | 东南大学 | 一种基于EMD-Wavelet的MFCC相似度的语音段检测方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105841797B (zh) * | 2016-03-15 | 2019-07-02 | 中南大学 | 一种基于mfcc和svm的车窗电机异常噪声检测方法及装置 |
CN108490349B (zh) * | 2018-01-23 | 2020-08-18 | 浙江大学山东工业技术研究院 | 基于Mel频率倒谱系数的电机异音检测方法 |
JP2019164106A (ja) * | 2018-03-20 | 2019-09-26 | 本田技研工業株式会社 | 異音検出装置および検出方法 |
DE102018210470A1 (de) * | 2018-06-27 | 2020-01-02 | Robert Bosch Gmbh | Verfahren zur Schadensfrüherkennung, sowie Programm und Steuergerät zum Ausführen des Verfahrens |
CN109030025A (zh) * | 2018-08-16 | 2018-12-18 | 杭州容大智造科技有限公司 | 一种检测车辆外后视镜的设备及方法 |
CN110082107B (zh) * | 2019-04-08 | 2021-03-02 | 四川安和精密电子电器股份有限公司 | 基于音频分析的微型振动马达缺陷诊断装置及缺陷识别方法 |
CN110197657B (zh) * | 2019-05-22 | 2022-03-11 | 大连海事大学 | 一种基于余弦相似度的动态音声特征提取方法 |
CN111985788A (zh) * | 2020-07-29 | 2020-11-24 | 中国第一汽车股份有限公司 | 汽车电器件声品质测试评价方法 |
CN112461543B (zh) * | 2020-10-28 | 2022-09-13 | 山东科技大学 | 一种基于多分类支持向量数据描述的旋转机械故障诊断方法 |
CN112530455A (zh) * | 2020-11-24 | 2021-03-19 | 东风汽车集团有限公司 | 基于mfcc的汽车关门声品质评价方法及评价系统 |
-
2021
- 2021-03-24 CN CN202110314206.1A patent/CN112945376B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103390403A (zh) * | 2013-06-19 | 2013-11-13 | 北京百度网讯科技有限公司 | Mfcc特征的提取方法及装置 |
CN109410977A (zh) * | 2018-12-19 | 2019-03-01 | 东南大学 | 一种基于EMD-Wavelet的MFCC相似度的语音段检测方法 |
Non-Patent Citations (1)
Title |
---|
基于改进梅尔倒谱系数的GIS机械故障诊断方法;徐明月;李喆;孙汉文;盛戈皞;江秀臣;高压电器(09);1-6 * |
Also Published As
Publication number | Publication date |
---|---|
CN112945376A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112560822B (zh) | 一种基于卷积神经网络的道路声信号分类方法 | |
EP0594480B1 (fr) | Procédé de détection de la parole | |
CN111739542B (zh) | 一种特征声音检测的方法、装置及设备 | |
CN110307895B (zh) | 异声判定装置以及异声判定方法 | |
CN110047519B (zh) | 一种语音端点检测方法、装置及设备 | |
CN112908344B (zh) | 一种鸟鸣声智能识别方法、装置、设备和介质 | |
CN109817227B (zh) | 一种养殖场的异常声音监测方法和系统 | |
CN109060371A (zh) | 一种汽车零部件异响检测装置 | |
CN111508517A (zh) | 一种基于噪声特征的微电机智能品控方法 | |
CN111031463A (zh) | 麦克风阵列性能评测方法、装置、设备和介质 | |
CN112530455A (zh) | 基于mfcc的汽车关门声品质评价方法及评价系统 | |
CN112380977A (zh) | 吸烟行为检测方法和装置 | |
CN112945376B (zh) | 车辆外后视镜镜片调节电机噪音检测方法、系统及介质 | |
CN111785298A (zh) | 声学性能测试方法及装置、电子设备、计算机可读介质 | |
CN112052712A (zh) | 一种电力设备状态监测与故障识别方法及系统 | |
US8583423B2 (en) | Method and arrangement for processing of speech quality estimate | |
CN113593604A (zh) | 检测音频质量方法、装置及存储介质 | |
CN115510265A (zh) | 一种输电线路中杆塔的动物危害分布判定方法和系统 | |
CN116386669A (zh) | 基于分组自动编码器的机器运行声学状态监测方法和系统 | |
US10013992B2 (en) | Fast computation of excitation pattern, auditory pattern and loudness | |
CN116364108A (zh) | 变压器声纹检测方法及装置、电子设备、存储介质 | |
CN116094597A (zh) | 基于语音多特征融合的光纤扰动行为的识别方法 | |
CN110796644B (zh) | 一种音频文件的缺陷检测方法及相关设备 | |
CN111083627B (zh) | 故障麦克风检测方法及装置 | |
CN112735468A (zh) | 一种基于mfcc的汽车座椅电机异常噪声检测方法 |
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 |