CN116506787A - 扬声器谐振频率检测方法、装置、存储介质及电子设备 - Google Patents
扬声器谐振频率检测方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116506787A CN116506787A CN202310610336.9A CN202310610336A CN116506787A CN 116506787 A CN116506787 A CN 116506787A CN 202310610336 A CN202310610336 A CN 202310610336A CN 116506787 A CN116506787 A CN 116506787A
- Authority
- CN
- China
- Prior art keywords
- voltage value
- determining
- filter
- resonant frequency
- preset
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 10
- 238000003860 storage Methods 0.000 title abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims description 51
- 230000015654 memory Effects 0.000 claims description 33
- 238000005070 sampling Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 11
- 238000013459 approach Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 16
- 230000004044 response Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 5
- 238000011478 gradient descent method Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012804 iterative process Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012508 change request Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- 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
- H04R29/001—Monitoring arrangements; Testing arrangements for loudspeakers
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Otolaryngology (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Tone Control, Compression And Expansion, Limiting Amplitude (AREA)
Abstract
本申请提供一种扬声器谐振频率检测方法、装置、存储介质及电子设备，应用于包含处理器的装置，通过采集多个时刻扬声器的第一电流值和第一电压值，上述第一电流值和第一电压值在第一时刻采集得到；基于第一滤波器确定电流值和电压值之间的第一对应关系，根据第一对应关系和第一电流值确定第二电压值，上述第二电压值用于指示第一滤波器预测的第一时刻的扬声器电压值；使用预设迭代方式根据第一电压值和第二电压值确定更新后的滤波器系数；基于第一滤波器确定滤波器系数和谐振频率的第二对应关系，根据第二对应关系和更新后的滤波器系数确定目标谐振频率。从而减少计算量，节约电子设备运行资源，提升计算性能。
Description
技术领域
本申请涉及计算机技术领域，特别涉及一种扬声器谐振频率检测方法、装置、存储介质及电子设备。
背景技术
在扬声器的生产过程中，需要实时获知扬声器的质量，以便于筛查生产线上故障的扬声器。而在扬声器的使用过程中，需要实时获知扬声器的使用状态，以便于在使用过程中对扬声器进行维护处理。通常扬声器的谐振频率F0为确定扬声器的质量或使用状态的直接参数，因此需要实时确认扬声器的谐振频率F0。
为此，检测扬声器谐振频率的方案通常采用频域法对电压电流做FFT分析，或建立FIR滤波器传递函数进行阻抗曲线迭代计算来得到谐振频率F0。由于上述两种方案的计算量非常庞大，对电子设备性能要求较高，因此对用户来说是难以应用且难以实施的。
发明内容
本申请实施例提供了一种扬声器谐振频率检测方法、装置、存储介质及电子设备，解决了采用频域法或FIR滤波器计算谐振频率的计算量过高导致计算缓慢的问题。
第一方面，本申请实施例提供了一种扬声器谐振频率检测方法，应用于包含处理器的装置，该方法包括：采集多个时刻扬声器的第一电流值和第一电压值，其中，该第一电流值和第一电压值在第一时刻采集得到；基于第一滤波器确定电流值和电压值之间的第一对应关系，根据该第一对应关系和第一电流值确定第二电压值，其中，该第二电压值用于指示第一滤波器预测的第一时刻的扬声器电压值；使用预设迭代方式根据该第一电压值和该第二电压值确定更新后的滤波器系数；基于第一滤波器确定滤波器系数和谐振频率的第二对应关系，根据该第二对应关系和该更新后的滤波器系数确定目标谐振频率。
即采用时域法，使用第一滤波器(即预设滤波器)拟合计算出电流值和电压值之间的第一对应关系，根据该第一对应关系和第一时刻(即当前时刻)采集得到的第一电流值(即当前电流值)确定第二电压值(即第一时刻的预测电压值)。接着，通过预测电压值结合第一电压值(即当前电压值)和第二电压值(即当前时刻的预测电压值)倒推迭代出更新的滤波器系数，并基于该滤波器系数得到目标谐振频率。从而基于第一滤波器与扬声器的阻抗曲线的相似性，可以直接根据更新后的第一滤波器系数确定扬声器的谐振频率，有效简化了迭代过程，计算量较低，避免占用大量电子设备运算资源。
在上述第一方面的一些实现方式中，根据该第二对应关系和该更新后的滤波器系数确定目标谐振频率，包括：根据该第二对应关系计算出该更新后的滤波器系数，确定目标谐振频率，其中，更新后的滤波器系数的计算过程不包含计算扬声器的阻抗曲线和第一滤波器对应的曲线。
在上述第一方面的一些实现方式中，采集多个时刻扬声器的第一电流值和第一电压值，包括：以预设信号采样率采集多个时刻扬声器的第一电流值和第一电压值。
在上述第一方面的一些实现方式中，根据该第二对应关系计算出该更新后的滤波器系数，确定目标谐振频率，包括：以预设频率根据该第二对应关系计算出该更新后的滤波器系数，确定目标谐振频率，其中，该预设频率小于该预设信号采样率。
在上述第一方面的一些实现方式中，第一滤波器包括峰值滤波器。
在上述第一方面的一些实现方式中，使用预设迭代方式根据该第一电压值和该第二电压值确定更新后的滤波器系数包括：根据该第一电压值和该第二电压值确定误差电压值；使用预设迭代方式根据该误差电压值确定更新后的滤波器系数。
在上述第一方面的一些实现方式中，根据该第一电压值和该第二电压值确定误差电压值，包括：基于预设计算方式根据该第一电压值和该第二电压值确定误差电压值，其中，该预设计算方式包括以下任意一项：该第一电压值减去该第二电压值；或该第二电压值减去该第一电压值；或该第一电压值加权减去该第二电压值；或该第二电压值加权减去该第一电压值。
在上述第一方面的一些实现方式中，使用预设迭代方式根据该误差电压值确定更新后的滤波器系数，包括：使用梯度下降算法的方式迭代计算该误差电压值，确定更新后的滤波器系数。
在上述第一方面的一些实现方式中，使用预设迭代方式根据该误差电压值确定更新后的滤波器系数，包括：使用最小均方算法的方式迭代计算该误差电压值，确定更新后的滤波器系数。
第二方面，本申请实施例还提供了一种扬声器谐振频率检测装置，该装置包括采集模块和至少一个处理器，其中，该采集模块用于采集多个时刻扬声器的第一电流值和第一电压值，其中，该第一电流值和第一电压值在第一时刻采集得到；该处理器用于基于第一滤波器确定电流值和电压值之间的第一对应关系，根据该第一对应关系和第一电流值确定第二电压值，其中，该第二电压值用于指示第一滤波器预测的第一时刻的扬声器电压值，使用预设迭代方式根据该第一电压值和该第二电压值确定更新后的滤波器系数，基于第一滤波器确定滤波器系数和谐振频率的第二对应关系，根据该第二对应关系和该更新后的滤波器系数确定目标谐振频率。
第三方面，本申请实施例还提供了一种机器可读介质，其特征在于，该机器可读介质上存储有指令，该指令在机器上执行时使机器执行如上述第一方面的任一实现方式的扬声器谐振频率检测方法。
第四方面，本申请实施例还提供了一种扬声器谐振频率检测的电子设备，包括：存储器，用于存储由电子设备的一个或多个处理器执行的指令，以及处理器，是电子设备的处理器之一，用于执行如上述第一方面的任一实现方式的指令执行的扬声器谐振频率检测方法。
附图说明
图1示出根据本申请一些实施例提供的一种扬声器阻抗曲线示意图；
图2A根据本申请实施例示出了检测扬声器谐振频率的装置200的框架示意图；
图2B根据本申请实施例示出了一种扬声器谐振频率检测方法的交互流程示意图；
图3根据本申请实施例示出了一种更新峰值滤波器系数的业务逻辑示意图；
图4根据本申请实施例示出了一种确定目标谐振频率的具体实施方式示意图；
图5根据本申请实施例示出了一种电子设备100的结构示意图。
具体实施方式
为了便于理解本申请实施例提供的技术方案，下面相对本申请实施例涉及的一些相关领域术语的含义进行释明。
(1)谐振频率：指的是在含有电容和电感的电路中，如果电容和电感并联，可能出现于某个很小的时间段内：电容的电压逐渐升高，而电流却逐渐减少；电感的电流却逐渐增加，电感的电压却逐渐降低。而在另一个很小的时间段内：电容的电压逐渐降低，而电流却逐渐增加；电感的电流却逐渐减少，电感的电压却逐渐升高。电压的增加可以达到一个正的最大值，电压的降低也可达到一个负的最大值，同样电流的方向在这个过程中也会发生正负方向的变化，称为电路发生电的振荡,当谐振电路外部输入电压的正弦频率达到某一特定频率(即该电路的谐振频率)时，谐振电路的感抗与容抗相等，Z＝R，谐振电路对外呈纯电阻性质，即为谐振。发生谐振时，谐振电路将输入放大Q倍，Q为品质因数。
(2)快速傅里叶变换(fast fourier transform,FFT)：是利用计算机计算离散傅里叶变换(discrete fourier transform,DFT)的高效、快速计算方法的统称。傅里叶分析方法是信号分析的最基本方法，傅里叶变换是傅里叶分析的核心，通过它把信号从时间域变换到频率域，进而研究信号的频谱结构和变化规律。傅里叶变换在时域和频域上都呈现离散的形式即为离散傅里叶变换，将时域信号的采样变换为在离散时间傅里叶变换(DTFT)频域的采样。
(3)有限长单位冲激响应滤波器(finite impulse response,FIR)：又称为非递归型滤波器，是数字信号处理系统中最基本的元件，它可以在保证任意幅频特性的同时具有严格的线性相频特性，同时其单位抽样响应是有限长的，因而滤波器是稳定的系统。因此，FIR滤波器在通信、图像处理、模式识别等领域都有着广泛的应用。
(4)品质因子Q：品质因子也被称为Q因子，是物理及工程中的无量纲参数，是表示振子阻尼性质的物理量，也可表示振子的共振频率相对于带宽的大小，高Q因子表示振子能量损失的速率较慢，振动可持续较长的时间，例如一个单摆在空气中运动，其Q因子较高，而在油中运动的单摆Q因子较低。高Q因子的振子一般其阻尼也较小。
(5)带宽：也称为频带宽度。由信号频谱图可以观察到一个信号所包含的频率成分。把一个信号所包含谐波的最高频率与最低频率之差，即该信号所拥有的频率范围，定义为该信号的带宽。因此可以说，信号的频率变化范围越大，信号的带宽就越宽。
(6)归一化：归一化是一种无量纲处理手段，使物理系统数值的绝对值变成某种相对值关系。简化计算，缩小量值的有效办法。例如，滤波器中各个频率值以截止频率作归一化后，频率都是截止频率的相对值，没有了量纲。阻抗以电源内阻作归一化后，各个阻抗都成了一种相对阻抗值，“欧姆”这个量纲也没有了。等各种运算都结束后，反归一化一切都复原了。
(7)递归滤波器(infinite impulse response,IIR)：又名无限脉冲响应数字滤波器，IIR数字滤波器采用递归型结构，即结构上带有反馈环路。IIR滤波器运算结构通常由延时、乘以系数和相加等基本运算组成，可以组合成直接型、正准型、级联型、并联型四种结构形式，都具有反馈回路。
(8)梯度下降(Gradient Descent)：梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降是最常采用的方法之一。在求解损失函数的最小值时，可以通过梯度下降法来一步步的迭代求解，得到最小化的损失函数和模型参数值。在机器学习中，基于基本的梯度下降法发展了两种梯度下降方法，分别为随机梯度下降法和批量梯度下降法。
(9)最小均方算法(least mean square,LMS)：是一种自适应滤波算法，是在维纳滤波理论上运用速下降法后的优化延伸。该算法不需要已知输入信号和期望信号的统计特征，“当前时刻”的权系数是通过“上一时刻”权系数再加上一个负均方误差梯度的比例项求得。该算法是一种特殊的梯度下降算法，不必重复使用数据，也不必对相关矩阵和互相关矩阵进行运算，只需要在每次迭代时利用输入向量和期望响应，其具有原理简单、参数少、收敛速度较快而且易于实现等优点。
为了使本申请实施例的目的、技术方案和优点更加清楚，下面将结合说明书附图以及具体的实施方式对本申请实施例所提供的技术方案进行详细的说明。
在一些计算谐振频率F0的方案中，可以经过下述公式(1)完成FFT分析，确定频域电流信号I(i)：
其中，N为FFT点数，用于表征采集的电流信号的个数。
频域电压信号V(i)：
V(i)＝{V1,V2,……,VN} (2)
根据得到的电流信号I(i)和电压信号V(i)。
接着基于上述获取到的电流信号I(i)和电压信号V(i)，通过频域LMS方式进行迭代计算，即可得到预测电压：Vp(i)。而计算第k频率处的误差电压值Ek(i)则可以为实际测量得到的第k频率处的Vk(i)与第k个预测电压值Vpk(i)的差值，计算过程如下述公式(3)所示：
Ek(i)＝Vk(i)-Vpk(i) (3)
根据上述误差电压值Ek(i)即可得到更新后的阻抗Zk(i+1)：
其中,为共轭阻抗，Zk(i+1)为更新后的阻抗，Ek(i)为误差电压值，μk(i)为迭代步长。
可以理解，通过上述采用频域法的方案，其应用FFT分析出电流信号值和电压信号值，并基于上述电流信号值和电压信号值确定更新的阻抗值，进而，可以根据上述不断更新的阻抗值来构建相应的阻抗曲线，并基于斜率法确定该阻抗曲线的峰值点，进而确认谐振频率F0。
而在该采用频域法的方案中，为了能够得到更精确的谐振频率，则需要更准确的阻抗曲线。该方案中FFT点数N是影响精度的影响参数，N越大则计算精度越高。为了能够得到较为精确的谐振频率F0，N的数值将会非常大，由公式(1)可知，这会使得计算量非常庞大，并需要大量的电子设备运行资源，依赖较高的计算性能。
在另一些计算谐振频率F0的方案中，可以建立FIR滤波器传递函数模型。由于FIR滤波器为了实现对阻抗曲线的迭代计算，需要用一系列的抽头系数乘以一系列最新的n个数据采样，而FIR滤波器往往需要大量的抽头系数来拟合阻抗曲线，例如数百个抽头系数。而每一个抽头系数需要消耗逻辑资源的乘法器累加器单元。由此，通过FIR滤波器建立阻抗曲线的迭代，迭代计算中对抽头系数的计算量非常庞大，依赖较高的电子设备计算性能。
综上所述，现有的谐振频率F0计算方案中，通过频域法或FIR滤波器建立阻抗曲线迭代均产生大量计算，依赖较高的电子设备计算性能，占用大量电子设备运行资源。
为了解决上述问题，本申请提出了一种扬声器谐振频率检测方法及装置，采用时域法，使用第一滤波器拟合计算出电流值和电压值之间的第一对应关系，根据该第一对应关系和第一电流值确定对应的电压值(即第一时刻的预测电压值)。接着，根据预设迭代方式通过预测电压值倒推迭代出更新的滤波器系数，并基于该滤波器系数得到目标谐振频率。从而基于第一滤波器与扬声器的阻抗曲线的相似性，可以直接根据更新后的第一滤波器系数确定扬声器的谐振频率，有效简化了迭代过程，计算量较低，避免占用大量电子设备运行资源。
可以理解的是，预设滤波器需要与扬声器的阻抗曲线具有一定的相似性，根据预设滤波器可以确定电流值和电压值之间的数值映射关系，即第一对应关系。使得根据当前电流值结合第一对应关系可以推测得到预测电压值。进而便于使用当前电压值和预测电压值之间的损失来不断迭代预设滤波器，使得预设滤波器可以拟合出扬声器的阻抗曲线，便于得到目标谐振频率。
可以理解，上述预设滤波器可以为任意与扬声器的阻抗曲线具有相似性的滤波器。
可以理解，上述预设迭代方式在此不做限制，可以实现对预设滤波器的滤波器系数的迭代更新即可。
图1示出根据本申请一些实施例提供的一种扬声器阻抗曲线示意图。
可以理解的是，参考图1，许多滤波器的频响曲线与扬声器的阻抗曲线具有相似性，滤波器的频响曲线由中心频率fc、增益gain和品质因数Q来确定。
下面结合相关附图对本申请的实施例作进一步地详细描述。
可以理解的是，参考图1，峰值滤波器的频响曲线与扬声器的阻抗曲线具有相似性，peak滤波器的频响曲线由中心频率fc，增益gain，品质因数Q来确定。
为了便于确定扬声器的谐振频率，图2A根据本申请实施例示出了检测扬声器谐振频率的装置200的框架示意图。
参考图2A，装置200包括采集模块01和处理器02。
其中，采集模块01用于以预设信号采样率采集扬声器当前电流值和当前电压值，并将采集到的扬声器当前电流值和当前电压值传输给处理器02进行进一步数据处理。
处理器02用于执行程序命令，以根据采集到的扬声器当前电流值和当前电压值确定扬声器谐振频率f0。处理器02的具体执行过程在后文中具体说明，在此不做赘述。
可以理解的是，上述程序命令可以以软件包、工具包等形式进行打包，以便于用户在相应的应用场景中进行使用，例如可以用于实时确定扬声器谐振频率f0的应用场景。
基于上述图2A所示装置200的结构，以下结合具体实施例以及相关附图对本申请提出的一种扬声器谐振频率检测方法的具体实现过程进行详细介绍。
图2B根据本申请实施例示出了一种扬声器谐振频率检测方法的交互流程示意图。可以理解，图2B所示流程各步骤的执行主体可以是上述装置200，或者其他电子设备，对于单一步骤的执行主体不再进行赘述。
如图2B所示，该交互流程包括以下步骤：
201：以预设信号采样率采集扬声器当前电流值和当前电压值。
示例性地，可以使用一些电子设备获取扬声器的当前电流值和当前电压值，例如，可以使用模数转换器(analog-to-digital converter,ADC)以预设信号采样率采集扬声器的当前电流值和当前电压值。
可以理解的是，上述电子设备包括但不限于模数转换器、移动终端、电脑、平板电脑等，其他实现采集扬声器当前的电流值和当前电压值的电子设备均包含在内，在此不做限制。
在一些实施例中，上述扬声器可以设置于手机中，用户可以使用手机播放一段白噪声，并以预设信号采样率采集该扬声器的当前电流值和当前电压值。
在一些实施例中，上述预设信号采样率包括但不限于16k、32k或48k，只要满足用户的采样需求即可，在此不做限制。
可以理解的是，可以由用户以预设信号采样率采集扬声器的当前电流值和当前电压值，上述用户可以为具有扬声器的管理权限的人员，在此不做限制。
202：基于预设滤波器确定电流值和电压值之间的第一对应关系，根据第一对应关系和当前电流值确定预测电压值。
可以理解的是，预设滤波器需要与扬声器的阻抗曲线具有一定的相似性，根据预设滤波器可以确定电流值和电压值之间的数值映射关系，即第一对应关系。使得根据当前电流值结合第一对应关系可以推测得到预测电压值。进而便于使用当前电压值和预测电压值之间的损失来不断迭代预设滤波器，使得预设滤波器可以拟合出扬声器的阻抗曲线，便于得到目标谐振频率。
可以理解，上述预设滤波器可以为任意与扬声器的阻抗曲线具有相似性的滤波器。
在一些实施例中，上述预设滤波器可以为峰值滤波器(peak filter,PF)。使用峰值滤波器拟合计算出扬声器的更新后的滤波器系数，可以有效简化迭代过程，计算量较低，避免占用大量电子设备运行资源。
可以理解的是，可将峰值滤波器的参数与扬声器的参数进行一一对应，对应如下：
(1)扬声器的谐振频率F0即为峰值滤波器的中心频率Fc；
(2)扬声器的品质因数Qms即为峰值滤波器的品质因数Q；
(3)扬声器的20*log10(Zmax/RDC)即为峰值滤波器的增益量gain，其中，Zmax为扬声器最大阻抗，RDC为扬声器直流电阻。
基于上述参数可知，峰值滤波器的频响曲线与扬声器的阻抗曲线具有相似性，因此可以以峰值滤波器为阻抗曲线的传递函数初始模型。
由于峰值滤波器的频响曲线与扬声器的阻抗曲线具有相似性，因此可以借由峰值滤波器确定电流值和电压值之间的第一对应关系，并根据第一对应关系和当前电流值确定预测电压值。
例如，由于扬声器的阻抗频响曲线可以近似为峰值滤波器，则扬声器两端反馈的第k个电压值v(k)和电流i(k)的关系可以为峰值滤波器的差分方程(5)：
其中，aj(k)为峰值滤波器的第一系数，bj(k)为峰值滤波器的第二系数。
可以理解，上述公式(5)中示例的是不限阶数的峰值滤波器，其阶数可以被M和N定义。
进一步地，在另一些实施例中，峰值滤波器为二阶IIR滤波器，则M＝N＝2。此时，将上述差分方程(5)进行归一化后可以表示如下公式(5.1)：
a0×v(k)＝b0×i(k)+b1×i(k-1)+b2×i(k-2)-a1×y(k-1)-a2×y(k-2) (5.1)
其中，a0＝1。
203：根据当前电压值和预测电压值确定误差电压值。
示例性地，可以基于预设运算方式根据当前电压值和预测电压值来确定误差电压值，例如，可以使用当前电压值减去预测电压值来确定误差电压值。在一些实施例中，还可以使用预测电压值减去当前电压值来确定误差电压值。
可以理解，上述预设运算方式包括但不限于减法或加权减法，在此不做限制。
204：基于预设迭代方式根据预设滤波器和误差电压值确定更新后的滤波器系数。
示例性地，可以使用预设迭代方式根据误差电压值确定更新后的预设滤波器的滤波器系数，其中，上述更新后的滤波器系数包括更新后的第一系数和更新后的第二系数。
示例性地，上述预设迭代方式包括但不限于梯度下降迭代方式或最小均方算法(least mean square,LMS)。
为了确定更新后的滤波器系数，可以应用峰值滤波器基于误差电压值进行迭代计算，来得到更新后的峰值滤波器。
为了更好地理解，图3根据本申请实施例示出了一种更新峰值滤波器系数的业务逻辑示意图。
参考图3，将当前k时刻采集到的当前时刻电流I[k]输入至峰值滤波器300中，得到当前k时刻对应的预测当前电压Vp[k]。接着，获取当前k时刻采集到的当前时刻电压V[k]，使用预设迭代方式302计算当前时刻电压V[k]与预测当前电压Vp[k]，确定当前误差电压e[k]。
可以理解，上述预设迭代方式302包括但不限于梯度下降迭代方式或最小均方算法(least mean square,LMS)。通过上述预设迭代方式302即可直接基于当前误差电压e[k]确定目标的权系数，即更新后的峰值滤波器系数。
上述计算更新后的滤波器系数的计算方式如下：
令峰值滤波器的参数中心频率为fc，增益gain，品质因数Q，信号采样率fs，则可以使用LMS计算下述公式(6)、(7)和(8)来确定更新后的峰值滤波器的第一系数a0、a1和a2以及更新后的峰值滤波器的第二系数b0、b1和b2：
其中，为了公式的简洁，V0作为中间变量用以表征不具有其他含义。
205：基于预设滤波器确定滤波器系数与谐振频率的第二对应关系，根据第二对应关系和更新后的滤波器系数确定目标谐振频率。
示例性地，上述预设滤波器可以为峰值滤波器。在一些实施例中，上述滤波器系数与谐振频率的第二对应关系可以为两者之间的数据映射关系。则基于更新后的滤波器系数结合上述第二对应关系可以直接确定目标谐振频率。
在一些实施例中，可以基于下述公式(9)至公式(12)来基于更新后的峰值滤波器的第一系数a0、a1和a2以及更新后的峰值滤波器的第二系数b0、b1和b2得到目标谐振频率f0：
其中，为了公式的简洁，wd为中间变量，并且，a＝-a2。
可以理解的是，可将峰值滤波器的参数与扬声器的参数进行一一对应，对应如下：
(1)扬声器的谐振频率F0即为峰值滤波器的中心频率Fc；
(2)扬声器的品质因数Qms即为峰值滤波器的品质因数Q；
(3)扬声器的20*log10(Zmax/RDC)即为峰值滤波器的增益量gain，其中，Zmax为扬声器最大阻抗，RDC为扬声器直流电阻。
因此，根据上述峰值滤波器参数与扬声器的参数对应关系，峰值滤波器的中心频率fc即为扬声器的目标谐振频率f0，峰值滤波器的带宽fb即为扬声器的带宽，峰值滤波器的质量因子Q为扬声器的质量因子Qms。由上述更新后的峰值滤波器参数就可直接确定扬声器的实时谐振频率和质量因子，无需从更新后的峰值滤波器波形中的阻抗最大值来确定实时谐振频率f0，从而简化迭代过程，减少了计算量，实现了实时获取扬声器状态，有效提升了用户体验。
可以理解，通过上述步骤201至205，本申请示出的一种扬声器谐振频率检测方法，通过采样扬声器的当前电流值和当前电压值，基于预设滤波器确定电流值和电压值之间的第一对应关系来确定预测电压值，通过当前电压值和预测电压值之间的差值进行迭代计算，从而不断迭代更新峰值滤波器对应的系数，进而基于更新后的峰值滤波器系数直接确定扬声器的质量因子和谐振频率，相较于使用FFT或建立FIR滤波器传递函数的方式，有效简化了迭代过程，减少了计算量，并可以实时获取扬声器的状态。
基于上述步骤205的实施过程，下面结合图4详细对上述步骤205的实施过程进行具体说明。
图4根据本申请实施例示出了一种确定目标谐振频率的具体实施方式示意图。
参考图4，其具体实施过程包括如下步骤：
205a：基于预设滤波器确定滤波器系数与谐振频率的第二对应关系。
可以理解的是，由于基于预设采样频率获取当前电流值和当前电压值，因此滤波器系数会以预设采样频率进行更新迭代。
205b：基于预设频率根据第二对应关系计算更新后的滤波器系数，确定目标谐振频率。
示例性地，基于预设频率根据第二对应关系计算更新后的滤波器系数，其中，该预设频率小于预设采样频率，由此可以减少对电子设备运行资源的占用，减少计算量，提升处理器02的计算性能。
可以理解，通过上述步骤205a至205b，本申请示出了一种确定扬声器谐振频率的实施方式，通过对滤波器系数的计算频率小于预设采样频率，进一步降低了计算量，减少了对电子设备运行资源的占用，进一步提升了处理器02的计算性能。
图5根据本申请实施例示出了一种电子设备100的结构示意图。如图5所示，电子设备100包括一个或多个处理器101、系统内存102、非易失性存储器(Non-Volatile Memory，NVM)103、通信接口104、输入/输出(I/O)设备105、以及用于耦接处理器101、系统内存102、非易失性存储器103、通信接口104和输入/输出(I/O)设备105的系统控制逻辑106。其中：
处理器101可以包括一个或多个处理单元，例如，可以包括中央处理器(centralprocessing unit,CPU)、图像处理器(graphics processing unit,GPU)、数字信号处理器(digital signal processor,DSP)、微处理器(micro-programmed control unit,MCU)、人工智能(artificial intelligence,AI)处理器或可编程逻辑器件(field programmablegate array,FPGA)、神经网络处理器(neural-network processing unit,NPU)等的数据处理单元或处理电路可以包括一个或多个单核或多核处理器。在一些实施例中，处理器101可以用于执行指令实现上述扬声器谐振频率检测方法。
系统内存102是易失性存储器，例如随机存取存储器(random-access memory，RAM)，双倍数据率同步动态随机存取存储器(double data rate synchronous dynamicrandom access memory,DDR SDRAM)等。系统内存用于临时存储数据和/或指令，例如，在一些实施例中，系统内存102可以用于存储指令，也可以用于存储原始数据对象和变更数据对象。
非易失性存储器103可以包括用于存储数据和/或指令的一个或多个有形的、非暂时性的计算机可读介质。在一些实施例中，非易失性存储器103可以包括闪存等任意合适的非易失性存储器和/或任意合适的非易失性存储设备，例如硬盘驱动器(hard disk drive,HDD)、光盘(compact disc,CD)、数字通用光盘(digital versatile disc,DVD)、固态硬盘(solid-state drive,SSD)等。在一些实施例中，非易失性存储器103也可以是可移动存储介质，例如安全数字(secure digital,SD)存储卡等。在另一些实施例中，非易失性存储器103可以用于存储指令，也可以用于存储原始数据对象和变更数据对象。
特别地，系统内存102和非易失性存储器103可以分别包括：指令107的临时副本和永久副本。指令107可以包括：由处理器101中的至少一个执行时使电子设备100实现本申请各实施例提供的扬声器谐振频率检测方法。
通信接口104可以包括收发器，用于为电子设备100提供有线或无线通信接口，进而通过一个或多个网络与任意其他合适的设备进行通信。在一些实施例中，通信接口104可以集成于电子设备100的其他组件，例如通信接口104可以集成于处理器101中。在一些实施例中，电子设备100可以通过通信接口104和其他设备通信，例如，电子设备100可以通过通信接口104和电子设备200建立通信连接，以通过该通信连接向电子设备200发送数据变更请求、获取原始数据对象和发送变更数据对象。
输入/输出(I/O)设备105可以包括输入设备如键盘、鼠标等，输出设备如显示器等，用户可以通过输入/输出(I/O)设备105与电子设备100进行交互，例如业务人员可以通过输入/输出(I/O)设备105输入/选择进行数据变更的内容。
系统控制逻辑106可以包括任意合适的接口控制器，以电子设备100的其他模块提供任意合适的接口。例如在一些实施例中，系统控制逻辑106可以包括一个或多个存储器控制器，以提供连接到系统内存102和非易失性存储器103的接口。
在一些实施例中，处理器101中的至少一个可以与用于系统控制逻辑106的一个或多个控制器的逻辑封装在一起，以形成系统封装(system in package,SiP)。在另一些实施例中，处理器101中的至少一个还可以与用于系统控制逻辑106的一个或多个控制器的逻辑集成在同一芯片上，以形成片上系统(system-on-chip,SoC)。
可以理解，图5所示的电子设备100的结构只是一种示例，在另一些实施例中，电子设备100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。
本申请实施例还提供了一种程序产品，用于实现上述各实施例提供的扬声器谐振频率检测方法。
本申请公开的机制的各实施例可以被实现在硬件、软件、固件或这些实现方法的组合中。本申请的实施例可实现为在可编程系统上执行的计算机模块或模块代码，该可编程系统包括至少一个处理器、存储系统(包括易失性和非易失性存储器和/或存储元件)、至少一个输入设备以及至少一个输出设备。
可将模块代码应用于输入指令，以执行本申请描述的各功能并生成输出信息。可以按已知方式将输出信息应用于一个或多个输出设备。为了本申请的目的，处理系统包括具有诸如例如数字信号处理器(digital signal processor,DSP)、微控制器、专用集成电路(application specific integrated circuit,ASIC)或微处理器之类的处理器的任何系统。
模块代码可以用高级模块化语言或面向对象的编程语言来实现，以便与处理系统通信。在需要时，也可用汇编语言或机器语言来实现模块代码。事实上，本申请中描述的机制不限于任何特定编程语言的范围。在任一情形下，该语言可以是编译语言或解释语言。
在一些情况下，所公开的实施例可以以硬件、固件、软件或其任何组合来实现。所公开的实施例还可以被实现为由一个或多个暂时或非暂时性机器可读(例如，计算机可读)存储介质承载或存储在其上的指令，其可以由一个或多个处理器读取和执行。例如，指令可以通过网络或通过其他计算机可读介质分发。因此，机器可读介质可以包括用于以机器(例如，计算机)可读的形式存储或传输信息的任何机制，包括但不限于，软盘、光盘、光碟、只读存储器(CD-ROMs)、磁光盘、只读存储器(read only memory,ROM)、随机存取存储器(randomaccess memory,RAM)、可擦除可编程只读存储器(erasable programmable read onlymemory,EPROM)、电可擦除可编程只读存储器(electrically erasable programmableread-only memory,EEPROM)、磁卡或光卡、闪存、或用于利用因特网以电、光、声或其他形式的传播信号来传输信息(例如，载波、红外信号数字信号等)的有形的机器可读存储器。因此，机器可读介质包括适合于以机器(例如计算机)可读的形式存储或传输电子指令或信息的任何类型的机器可读介质。
在附图中，可以以特定布置和/或顺序示出一些结构或方法特征。然而，应该理解，可能不需要这样的特定布置和/或排序。而是，在一些实施例中，这些特征可以以不同于说明性附图中所示的方式和/或顺序来布置。另外，在特定图中包括结构或方法特征并不意味着暗示在所有实施例中都需要这样的特征，并且在一些实施例中，可以不包括这些特征或者可以与其他特征组合。
需要说明的是，本申请各设备实施例中提到的各单元/模块都是逻辑单元/模块，在物理上，一个逻辑单元/模块可以是一个物理单元/模块，也可以是一个物理单元/模块的一部分，还可以以多个物理单元/模块的组合实现，这些逻辑单元/模块本身的物理实现方式并不是最重要的，这些逻辑单元/模块所实现的功能的组合才是解决本申请所提出的技术问题的关键。此外，为了突出本申请的创新部分，本申请上述各设备实施例并没有将与解决本申请所提出的技术问题关系不太密切的单元/模块引入，这并不表明上述设备实施例并不存在其它的单元/模块。
本申请公开的机制的各实施例可以被实现在硬件、软件、固件或这些实现方法的组合中。本申请的实施例可实现为在可编程系统上执行的计算机程序或程序代码，该可编程系统包括至少一个处理器、存储系统(包括易失性和非易失性存储器和/或存储元件)、至少一个输入设备以及至少一个输出设备。
可将程序代码应用于输入指令，以执行本申请描述的各功能并生成输出信息。可以按已知方式将输出信息应用于一个或多个输出设备。为了本申请的目的，处理系统包括具有诸如例如数字信号处理器(DSP)、微控制器、专用集成电路(ASIC)或微处理器之类的处理器的任何系统。
程序代码可以用高级程序化语言或面向对象的编程语言来实现，以便与处理系统通信。在需要时，也可用汇编语言或机器语言来实现程序代码。事实上，本申请中描述的机制不限于任何特定编程语言的范围。在任一情形下，该语言可以是编译语言或解释语言。
需要说明的是，本申请各设备实施例中提到的各单元/模块都是逻辑单元/模块，在物理上，一个逻辑单元/模块可以是一个物理单元/模块，也可以是一个物理单元/模块的一部分，还可以以多个物理单元/模块的组合实现，这些逻辑单元/模块本身的物理实现方式并不是最重要的，这些逻辑单元/模块所实现的功能的组合才是解决本申请所提出的技术问题的关键。此外，为了突出本申请的创新部分，本申请上述各设备实施例并没有将与解决本申请所提出的技术问题关系不太密切的单元/模块引入，这并不表明上述设备实施例并不存在其它的单元/模块。
需要说明的是，在本专利的示例和说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在说明书对“一个实施例”或“实施例”的引用意指结合实施例所描述的具体特征、结构或特性被包括在根据本申请实施例公开的至少一个范例实施方案或技术中。说明书中的各个地方的短语“在一个实施例中”的出现不一定全部指代同一个实施例。
另外，在本说明书所使用的语言已经主要被选择用于可读性和指导性的目的并且可能未被选择为描绘或限制所公开的主题。因此，本申请实施例公开旨在说明而非限制本文所讨论的概念的范围。
Claims (12)
1.一种扬声器谐振频率检测方法，应用于包含处理器的装置，其特征在于，所述方法包括：
采集多个时刻扬声器的第一电流值和第一电压值，其中，所述第一电流值和第一电压值在第一时刻采集得到；
基于第一滤波器确定电流值和电压值之间的第一对应关系，根据所述第一对应关系和第一电流值确定第二电压值，其中，所述第二电压值用于指示第一滤波器预测的第一时刻的扬声器电压值；
使用预设迭代方式根据所述第一电压值和所述第二电压值确定更新后的滤波器系数；
基于第一滤波器确定所述更新后的滤波器系数和谐振频率的第二对应关系，根据所述第二对应关系和所述更新后的滤波器系数确定目标谐振频率。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第二对应关系和所述更新后的滤波器系数确定目标谐振频率，包括：
根据所述第二对应关系计算出所述更新后的滤波器系数，确定目标谐振频率，其中，所述更新后的滤波器系数的计算过程不包含计算所述扬声器的阻抗曲线和所述第一滤波器对应的曲线。
3.根据权利要求2所述的方法，其特征在于，所述采集多个时刻扬声器的第一电流值和第一电压值，包括：
以预设信号采样率采集多个时刻扬声器的第一电流值和第一电压值。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第二对应关系计算出所述更新后的滤波器系数，确定目标谐振频率，包括：
以预设频率根据所述第二对应关系计算出所述更新后的滤波器系数，确定目标谐振频率，其中，所述预设频率小于所述预设信号采样率。
5.根据权利要求1所述的方法，其特征在于，所述第一滤波器包括峰值滤波器。
6.根据权利要求1所述的方法，其特征在于，所述使用预设迭代方式根据所述第一电压值和所述第二电压值确定更新后的滤波器系数包括：
根据所述第一电压值和所述第二电压值确定误差电压值；
使用预设迭代方式根据所述误差电压值确定更新后的滤波器系数。
7.根据权利要求6所述的方法，其特征在于，所述根据所述第一电压值和所述第二电压值确定误差电压值，包括：
基于预设计算方式根据所述第一电压值和所述第二电压值确定误差电压值，其中，所述预设计算方式包括以下任意一项：
所述第一电压值减去所述第二电压值；或
所述第二电压值减去所述第一电压值；或
所述第一电压值加权减去所述第二电压值；或
所述第二电压值加权减去所述第一电压值。
8.根据权利要求6所述的方法，其特征在于，所述使用预设迭代方式根据所述误差电压值确定更新后的滤波器系数，包括：
使用梯度下降算法的方式迭代计算所述误差电压值，确定更新后的滤波器系数。
9.根据权利要求6所述的方法，其特征在于，所述使用预设迭代方式根据所述误差电压值确定更新后的滤波器系数，包括：
使用最小均方算法的方式迭代计算所述误差电压值，确定更新后的滤波器系数。
10.一种扬声器谐振频率检测装置，其特征在于，所述装置包括采集模块和至少一个处理器，其中，
所述采集模块用于采集多个时刻扬声器的第一电流值和第一电压值，其中，所述第一电流值和第一电压值在第一时刻采集得到；
所述处理器用于基于第一滤波器确定电流值和电压值之间的第一对应关系，根据所述第一对应关系和第一电流值确定第二电压值，其中，所述第二电压值用于指示第一滤波器预测的第一时刻的扬声器电压值，使用预设迭代方式根据所述第一电压值和所述第二电压值确定更新后的滤波器系数，基于第一滤波器确定滤波器系数和谐振频率的第二对应关系，根据所述第二对应关系和所述更新后的滤波器系数确定目标谐振频率。
11.一种机器可读介质，其特征在于，所述机器可读介质上存储有指令，该指令在机器上执行时使机器执行权利要求1至9中任一项所述的扬声器谐振频率检测方法。
12.一种扬声器谐振频率检测的电子设备，包括：
存储器，用于存储由电子设备的一个或多个处理器执行的指令，以及
处理器，是电子设备的处理器之一，用于执行权利要求1至9中任一项所述的指令执行的扬声器谐振频率检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310610336.9A CN116506787A (zh) | 2023-05-26 | 2023-05-26 | 扬声器谐振频率检测方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310610336.9A CN116506787A (zh) | 2023-05-26 | 2023-05-26 | 扬声器谐振频率检测方法、装置、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116506787A true CN116506787A (zh) | 2023-07-28 |
Family
ID=87321582
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310610336.9A Pending CN116506787A (zh) | 2023-05-26 | 2023-05-26 | 扬声器谐振频率检测方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116506787A (zh) |
-
2023
- 2023-05-26 CN CN202310610336.9A patent/CN116506787A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bai | Frequency domain identification of Hammerstein models | |
| Chaudhary et al. | Identification of Hammerstein nonlinear ARMAX systems using nonlinear adaptive algorithms | |
| Liu et al. | Online convolutional dictionary learning | |
| CN111551848B (zh) | 马达体验失真指标的测试方法、电子设备及存储介质 | |
| Zhou et al. | A new active noise control algorithm that requires no secondary path identification based on the SPR property | |
| Yazici et al. | A class of second-order stationary self-similar processes for 1/f phenomena | |
| Jovanovski et al. | Signal adaptive pipelined hardware design of time-varying optimal filter for highly nonstationary FM signal estimation | |
| US5808915A (en) | Method for reducing the memory required to simulating a circuit on a digital computer | |
| US20200412288A1 (en) | Motor parameter tracking method and motor parameter tracking system | |
| CN115795282B (zh) | 激波管动态压力重构方法、装置、电子设备及存储介质 | |
| Grabowski et al. | Time-invariant and time-varying filters versus neural approach applied to DC component estimation in control algorithms of active power filters | |
| CN112309426A (zh) | 语音处理模型训练方法及装置和语音处理方法及装置 | |
| Waezi et al. | Stochastic non-stationary model for ground motion simulation based on higher-order crossing of linear time variant systems | |
| CN112055284B (zh) | 回声消除方法及神经网络的训练方法、装置、介质、设备 | |
| Mahata et al. | Optimized fractional-order Butterworth filter design in complex F-plane | |
| Li et al. | Analog VLSI implementation of wavelet transform using switched-current circuits | |
| CN116506787A (zh) | 扬声器谐振频率检测方法、装置、存储介质及电子设备 | |
| CN115878963B (zh) | 电容式电压互感器计量误差预测方法、系统、终端及介质 | |
| CN114171043B (zh) | 回声的确定方法、装置、设备以及存储介质 | |
| Li et al. | Analog wavelet transform using multiple-loop feedback switched-current filters and simulated annealing algorithms | |
| Okoniewski et al. | A concept of IIR filters with time-varying coefficients and equalised group delay response | |
| Back et al. | Nonlinear system identification using discrete Laguerre functions | |
| Cheng et al. | A novel approach for identification of cascade of Hammerstein model | |
| CN113301673B (zh) | 无线传感网络的分布式滤波方法、装置、设备及存储介质 | |
| CN114897032A (zh) | 一种基于宽度学习的电流互感器故障诊断方法、装置 |
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 |