JPH0257924A - 音色検査装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は音を発生する機器の検査装置に係υ、特に音を
発生する機器が正常な時と異常な時とで音色に変化があ
る機器の検査に好適な音色検査装置に関する。

〔従来の技術〕

従来のこの種の音色検査装置は、特開昭５９−１７６６
２９号公報に記載のように機器が発生する音のうなり周
波数成分をあらかじめ別の装置で分析しておき、その基
本周波数成分を基にしたつな９周波数成分の乱れの大き
さにより良否判定を行っていた。

〔発明が解決しようとする課題〕

上記従来技術は音を発生する機器の良否判定しか行わな
いうえ、実際には機器が不良であっても該機器の発する
音のりなシ周波数成分の基本周波数以外の成分のパワー
合計が良品と同等であれば該機器を良品と判断していた
ほか、利用者は被試験機器のりなシ周波数成分の基本周
波数成分等を別の装置の測定により知らなければならな
い等の問題があった。

本発明の目的は音を発する機器の良否判定を正確に実行
し、かつ不良の種類を過去のデータを基に分類して、良
品・不良品のデータを自動的に果状することのできる音
色検査装置を提供するにある。

〔課題を解決するための手段〕

上記目的は、音を発する機器からの音響を集音して電気
信号に変換する手段と、該電気信号を周波数分析する手
段と、該周波数分析結果より特徴抽出アルゴリズムによ
り特徴を抽出する手段と、該特徴を記憶する手段と、該
手段により記憶されている過去の特徴と被測定機器から
新しく抽出した特徴とのパターンマツチング処理を行う
ことにより被測定機器の良否の判定ならびに不良の場合
には該不良の種類の分類を行う手段とから成る音色検査
装置により達成される。なお上記特徴抽出アルゴリズム
例としては特徴抽出処理（１）で周波数分析結果を累加
処理し、特徴抽出処理（２）で上記累加処理結果を周波
数方向およびレベル方向に分割してそのマクロな形状を
特徴とする特徴抽出処理（３）で上記累加処理結果にピ
ッチ抽出処理を行ってそのピッチを特徴とすることがで
き、また上記パターンマツチング処理による類似度の判
定には被測定機器の種類により上記特徴抽出結果に重み
を付けて総合的に判定することができる。

〔作用〕

上記音色検査装置は、まず音を発する機器の良品または
不良品の基準となる音を集音して電気信号に゛変換し、
その信号を周波数分析し、その周波数分析結果より特徴
抽出アルゴリズムにより特徴を抽出し、その特徴を標準
パターンとしてデータベースに発録しておき、つぎに被
測定機器の発する音を上記と同様に集音して電気信号に
変換し、その信号を周波数分析し、その分析結果よ）特
徴を抽出したのち、その特徴抽出結果と上記データベー
ス内の標準パターンとのパターンマツチングを行うこと
によって、良否判定ならびに不良の種類の分類ができる
。なお上記特徴抽出プログラム例の特徴抽出処理＋１１
は周波数分析結果のランダムノイズ成分を除去する作用
があって信号成分のみを抽出する機能をもち、特徴抽出
処理（２）は周波数分析結果をマクロな形状としてとら
える作用があって被測定機器の単体ごとのばらつきおよ
び周波数成分のゆらぎを相殺する機能があυ、特徴抽出
処理（３）は被測定機器の高調波成分の特徴を抽出する
作用があって高調波に特徴のある機器の検査精度を向上
する機能があるうえ、さらに上記パターンマツチング処
理では上記各特徴抽出結果に重みを付けることにより最
適な類似度判定結果を得ることができる。

〔実施例］ 以下に本発明の一実施例を第１図ないし第６図によ）説
明する。

第１図は本発明による音色検査装置の一実施例を示す全
体ブロック図である。第１図において、１は被測定機器
、２はマイクロホン、３はアンプ、４はローパスフィル
タ、５はＡ／ＤＫ換器、６は高速７−リエ変換（Ｆ）’
Ｔ）分析器、７は特徴抽出器、８はデータベース、９は
パターンマツチング器、１０は表示器である。上記の構
成で、測定対象となる音を発する被測定機器１からの音
響信号を測定帯域をカバーするマイクロホン２で集音し
て電気信号に変換する。このマイクロホン２の信号を周
波数特性の平たんなアンプ３で増幅したのち、信号の処
理帯域を通過させるアナログローパスフィルタ（２次な
いし４次程度）４でフィルタリングする。このフィルタ
４の出力信号を処理帯域の上限周波数の２倍以上のサン
プリング周波数ＯＡ／Ｄ変換器５でディジタ／ｌ／信号
に変換する。

このＡ／Ｄｉ換器５の出力の時間領域信号をＦＦ’Ｔ分
析器６で周波数分析して周波数領域信号に変換する。こ
のＦＦＴ分析器６の出力の周波数領域信号を特徴抽出器
７に入力して特徴データに変換し、必要に応じて該特徴
データを標準パターンとしてデータベース８に入力する
。一方のデータベース８に入力しない特徴データはパタ
ーンマツチング器９に入力して、データベース８に登録
されている過去の標準パターンとのパターンマツチング
を行い、被測定機器１の良否判定をして分類した結果の
良品または不良の種類を表示器１０に表示する。このさ
い良品および不良品のどのパターンとも類似していない
と判定された場合には、その被測定機器１は過去に登録
されていない新しい故障モードの可能性が高いので、詳
細を確認のうえデータベース８に登録する。

第２図は第１図の特徴抽出器７の詳細ブロック図である
。第２図において、７１は累加処理部、７２はメモリ、
７３は周波数・レベル分割部、７４はメモリ、７５はケ
プストラム分析部、７６はメモリである。上記の構成で
、ＦＦ’Ｔ分析器６で周波数分析された周波数領域の信
号ｋ（ｘ　、ｔ）が特徴抽出器７の累加処理部７１に入
力される。ここでｋ（ｘ、ｔ）のＸは周波数分解能Δｆ
の要素番号であり、ｔは分析時間である。いま累加処理
部７１で分析時間ｔ：０，１，２．・・・、ｎの各信号
ｋ　（ｘ　ｒ　ｔ　）を用いて平均素化処理したとする
と、累加出力Ｋ　（ｘ）は次式のようになる。

Ｋ（ｘｌ　＝　　（’Ｖ　ｋ（ｘ、ｔ、）　）／（ｎ＋
１）　　　（１１ｔ＝。

この累加出力Ｋ　（ｘ）がメモリ７２と周波数・レベル
分割部７３とケプストラム分析部７５に出力され、この
周波数・レベル分割部７３とケプストラム分析部７５は
次のアルゴリズムにより特徴データに変換して、それぞ
れメモリ７４とメモリ７６に出力される。

第３図は第２因の周波数・レベル分割部７６のアルゴリ
ズムの処理フローチャートである。なお各処理ステップ
の右に対応する説明図または演算式を付す。第３図にお
いて、まず周波数・レベル分割部７５は累加処理部７１
０ｆｉ１式による累加処理結果の累加出力Ｋ（ｘ）を読
み出しく処理７３１）、続いて累加出力Ｋ　（ｘ）のデ
ータを周波数方向およびレベル方向に分割する（処理７
５２　）、さらに分割データのピークを（Ｋ（ｘｌ−Ｋ
（Ｘ−１））Ｘ（Ｋ（ｘｉ　−Ｋ　（ｘｌ１　）　）が
０または負の時にＫ　（ｘｌがピークであるとして抽出
しく処Ｎ７３５　）、その各ピークを分割したレベルの
最も近い低レベルの方に正規化する（処理７３４）、さ
いごに上記正規化したピークレベルを各分割周波数内で
合計して特徴データとしメモリ７４に出力する（処理７
５５）。

第４図は第２図のケプストラム分析部７５のアルゴリズ
ムの処理フローチャートである。第４図において、まず
ケプストラム分析部７５は坐加処理部７１の累加処理結
果の累加出力Ｋ　（ｘ）を読み出しく処理７５１）、続
いて累加出力Ｋ（ｘｉのデータの絶対値の対数に’（ｘ
ｉ　＝鰭、。ＩＫ（ｘｌｌを求める（処理７５２）。さ
らに上記に’（ｘｉのデータを逆フーリエ変換（ＩＰＦ
Ｔ）Ｌ（処理７５５）、さいごにケフレンシの低い万の
部分をカットすることにより特徴データとしてメモリ７
６に出力する（処理７５４）。

第５図（ａ）〜（ｄｌは第２図の特徴抽出器７０入出力
データの概略説明図である。第５図（ａ）は特徴抽出器
７への入力データ例を示す、この入力データの周波数領
域信号ｋ（ｘ、ｔ）にはランダムノイズ成分によるレベ
ルのばらつきを含んでいる。第５図（ｂｌは入力データ
の信号ｋ（ｘ、ｔ）に累加処理部７１で累加処理を行っ
たデータ（メモリ７２の内容）を示す。このデータの累
加出力Ｋ（ｘ）の信号にはノイズ成分によるばらつきが
相殺されている。

第５１／（ｃ）は累加出力Ｋ（ｘｌのデータを周波数・
レベル分割部７５で周数数・レベル分割処理した特徴デ
ータ（メモリ７４の内容）を示す、第５図（ｄ）は累加
出力Ｋ　（ｘｉのデータをケプストラム分析部７５でケ
プストラム分析処理した特徴データ（メモリ７６の内容
）を示す。

第６図は第１図のデータベース８おヨヒパターンマッチ
ング器９の詳細ブロック図である。第６因において、９
１．９２．９３はパターンマツチング器９の各相関処理
器（ｔｌ　、　（２１ｔ　（３１，９４は類似度判定部
である。上記の構成で、データベース８には過去の機器
の良品および不良品１〜ｎの累加処理データと周波数・
レベル分割処理データとケプストラム分析処理データの
特徴データが標準パターンとして収納されている。一方
の特徴抽出器７より被試験データとして累加処理データ
と周波数・レベル分割処理データとケプストラム分析処
理データの特徴データが出力されてくる。これらの特徴
データをパターンマツチング器９により、各相関処理器
９１．９２．９５でアルゴリズムごとに相関処理を行い
、類似度判定部９４で被試験データがデータベース８内
の特徴データのどの標準パターンに類似しているかを判
定する。この判定には各特徴データごとに被測定機器の
種類に応じた重みを付加する。このとき類似度の絶対値
がどの特徴データに対しても低い値を示した場合には、
過去に観測された不良ではない新しい不良性が高いと判
定する。

以上のように本実施例によれば、被測定機器の良否判定
および不良の場合の故障モードまたは折檻の故障モード
の検出が可能となる。

〔発明の効果〕

本発明によれば、利用者が被測定機器の音響特性を意識
することなく、その音を発する機器の良品と不良品の正
確な判定ができるとともに、不良品の場合にはその故障
モードまで分類することができるうえ、良品・不良品の
特徴データを自動的に果状できる等の効果がある。

【図面の簡単な説明】

第１図は本発明による音色検査装置の一実施例を示す全
体ブロック図、第２図は第１図の特徴抽出器の詳細ブロ
ック図、第３図は第２図の周波数・レベル分割部の処理
フローチャート、第４図は第２図のケブヌトラム分析部
の処理フローチャート、第５図（ａ）〜（ｄ）は第２図
の入出力データの概略説明図、第６図は第１図のデータ
ベースおよびパターンマツチング器の詳細ブロック図で
ある。 １・・・・・・被測定機器、２・・・・・・マイクロホ
ン、３・・・・・・アンプ、４・・・・・・ローパスフ
ィルタ、５・・・・・・Ａ／Ｄ変換器、６・・・・・・
ＰＦＴ分析器、７・・・・・・特徴抽出器、８・・・・
・・データベース、９・・・・・・パターンマツチング
器、１０・・・・・・表示器。

Claims (1)

【特許請求の範囲】
1. １、音を発する機器からの音響を集音して電気信号に変
   換する手段と、該電気信号を周波数分析する手段と、該
   周波数分析結果より特徴を抽出する手段と、該特徴を記
   憶する手段と、該手段により記憶されている過去の特徴
   と被測定機器から新しく抽出した特徴とのパターンマッ
   チング処理を行うことにより被測定機器の良否の判定な
   らびに不良の場合には該不良の種類の分類を行う手段と
   から成る音色検査装置。