CN112908347A - 一种杂音检测方法及终端 - Google Patents
一种杂音检测方法及终端 Download PDFInfo
- Publication number
- CN112908347A CN112908347A CN202110214425.2A CN202110214425A CN112908347A CN 112908347 A CN112908347 A CN 112908347A CN 202110214425 A CN202110214425 A CN 202110214425A CN 112908347 A CN112908347 A CN 112908347A
- Authority
- CN
- China
- Prior art keywords
- frequency
- noise
- spectrum
- audio data
- frequency spectrum
- 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 54
- 238000001228 spectrum Methods 0.000 claims abstract description 279
- 230000005236 sound signal Effects 0.000 claims abstract description 35
- 238000004519 manufacturing process Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 8
- 230000001131 transforming effect Effects 0.000 claims 2
- 230000009466 transformation Effects 0.000 abstract 1
- 241001270131 Agaricus moelleri Species 0.000 description 12
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 210000000613 ear canal Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
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
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
- G10L19/0212—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using orthogonal transformation
-
- 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
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/26—Pre-filtering or post-filtering
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种杂音检测方法及终端,接收发声设备的声音信号,将声音信号转化成音频数据,并对音频数据进行加窗和傅里叶变换,得到音频数据对应的频谱;将滤波后不同频段的频谱与对应的标准频谱做对比,得到对应的频谱特征,将频谱特征与杂音特征库中的特征做相似性对比,若存在杂音,则确定杂音的类型;将不同频段的频谱进行比对和特征提取,能够针对不同频段的特征识别不同类型的杂音,针对不同频段进行杂音检测能够更加全面地对音频数据进行分析,通过与杂音特征库做相似性对比能够判断智能地判断杂音是否存在并确定杂音类型,能够提高检测速度并提高杂音检测的全面性和智能性。
Description
技术领域
本发明涉及音频检测技术领域,特别涉及一种杂音检测方法及终端。
背景技术
目前微型扬声器和受话器在移动终端使用时的一个常见问题是杂音,例如在播放音乐时,微型扬声器或受话器会发出杂音的问题。
杂音的产生大多是由扬声器或受话器的制造缺陷引起的,制造缺陷包含松散的音膜或音圈的摩擦等,这些缺陷造成短脉冲具有突然变化的瞬时能量,从而产生令人不悦的杂音。
杂音还具有随机性,即使相同批次的产品,工艺制程也会导致每个产品之间存在差异,因此对每个产品逐个进行杂音检测的工作量大,并且难以全面地对产品中杂音的类型进行判断。
发明内容
本发明所要解决的技术问题是:提供一种杂音检测方法及终端,能够检测杂音的类型,提高杂音检测的智能性。
为了解决上述技术问题,本发明采用的技术方案为:
一种杂音检测方法,包括步骤:
接收发声设备发出的声音信号,将所述声音信号转换成音频数据,对所述音频数据进行加窗和傅里叶变换,得到所述音频数据对应的频谱;
对所述频谱进行滤波,得到不同频段的频谱,将所述不同频段的频谱与对应的标准频谱对比,得到对应的频谱特征;
将所述频谱特征与杂音特征库中的特征做相似性对比,判断杂音是否存在,若是,则确定所述杂音的类型。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种杂音检测终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
接收发声设备发出的声音信号,将所述声音信号转换成音频数据,对所述音频数据进行加窗和傅里叶变换,得到所述音频数据对应的频谱;
对所述频谱进行滤波,得到不同频段的频谱,将所述不同频段的频谱与对应的标准频谱对比,得到对应的频谱特征;
将所述频谱特征与杂音特征库中的特征做相似性对比,判断杂音是否存在,若是,则确定所述杂音的类型。
本发明的有益效果在于:接收发声设备的声音信号,将声音信号转化成音频数据,并对音频数据进行加窗和傅里叶变换,得到音频数据对应的频谱;将滤波后不同频段的频谱与对应的标准频谱做对比,得到对应的频谱特征,将频谱特征与杂音特征库中的特征做相似性对比,若存在杂音,则确定杂音的类型;将不同频段的频谱进行比对和特征提取,能够针对不同频段的特征识别不同类型的杂音,针对不同频段进行杂音检测能够更加全面地对音频数据进行分析,通过与杂音特征库做相似性对比能够判断智能地判断杂音是否存在并确定杂音类型,针对存在杂音的数据进行杂音类型的判断,能够提高检测速度,并且使用杂音特征库确定杂音类型能够提高杂音检测的全面性和智能性。
附图说明
图1为本发明实施例的一种杂音检测方法的流程图;
图2为本发明实施例的一种杂音检测终端的示意图;
图3为本发明实施例的一种杂音检测方法的具体步骤流程图;
图4为本发明实施例的一种杂音检测方法的各模块关系图;
图5为本发明实施例的一种杂音检测方法的杂音检测设备的连接图;
图6为本发明实施例的一种杂音检测方法的平顶窗时域和频域的示意图;
图7为本发明实施例的一种杂音检测方法的音频信号折线图;
图8为本发明实施例的一种杂音检测方法的对图7中的音频信号加窗后的时域数据折线图;
图9为本发明实施例的一种杂音检测方法的音频信号1的频谱和标准频谱的折线图;
图10为本发明实施例的一种杂音检测方法的音频信号2的频谱和标准频谱的折线图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1,本发明实施例提供了一种杂音检测方法,包括步骤:
接收发声设备发出的声音信号,将所述声音信号转换成音频数据,对所述音频数据进行加窗和傅里叶变换,得到所述音频数据对应的频谱;
对所述频谱进行滤波,得到不同频段的频谱,将所述不同频段的频谱与对应的标准频谱对比,得到对应的频谱特征;
将所述频谱特征与杂音特征库中的特征做相似性对比,判断杂音是否存在,若是,则确定所述杂音的类型。
从上述描述可知,本发明的有益效果在于:接收发声设备的声音信号,将声音信号转化成音频数据,并对音频数据进行加窗和傅里叶变换,得到音频数据对应的频谱;将滤波后不同频段的频谱与对应的标准频谱做对比,得到对应的频谱特征,将频谱特征与杂音特征库中的特征做相似性对比,若存在杂音,则确定杂音的类型;将不同频段的频谱进行比对和特征提取,能够针对不同频段的特征识别不同类型的杂音,针对不同频段进行杂音检测能够更加全面地对音频数据进行分析,通过与杂音特征库做相似性对比能够判断智能地判断杂音是否存在并确定杂音类型,针对存在杂音的数据进行杂音类型的判断,能够提高检测速度,并且使用杂音特征库确定杂音类型能够提高杂音检测的全面性和智能性。
进一步地,对所述音频数据进行加窗和傅里叶变换,得到所述音频数据对应的频谱包括:
使用平顶窗对所述音频数据加窗,得到多个时域数据;
对每一所述时域数据进行傅里叶变换,得到每一所述时域数据对应的频谱。
由上述描述可知,使用平顶窗对音频数据加窗能够凸显音频数据的高频段频谱分布规律,有利于后续对杂音类型的确定。
进一步地,对所述频谱进行滤波,得到不同频段的频谱,将所述不同频段的频谱与对应的标准频谱对比,得到对应的频谱特征包括:
对所述频谱进行中低频滤波和高频滤波,将所述频谱划分为中低频段频谱和高频段频谱;
将每一频段频谱与对应标准频谱进行对比,判断每一频段频谱是否存在超出对应标准频谱的谐波峰,若是,则提取每一频段频谱中超出对应标准频谱的谐波峰,根据所述超出对应标准频谱的谐波峰提取杂音特征,得到每一频段频谱对应的频谱特征。
由上述描述可知,将频谱分为中低频段频谱和高频段频谱,并将每一频段频谱与对应的标准频谱进行对比,能够针对不同的频段进行杂音检测,提高杂音检测的全面性,提取每一频段频谱中超出对应标准频谱的谐波峰,并提取超出对应标准频谱的谐波峰的杂音特征,得到每一频段频谱对应的频谱特征,能够智能地对存在杂音的音频部分进行杂音特征提取,提高了杂音检测的智能性。
进一步地,将所述频谱特征与杂音特征库中的特征做相似性对比,判断杂音是否存在,若是,则确定所述杂音的类型包括:
将所述频谱特征与杂音特征库中的特征做相似性对比,得到对比结果;
根据所述对比结果,判断杂音是否存在,若是,则基于对所述音频数据进行加窗的时刻,确定杂音出现时间,根据所述杂音出现时间和所述对比结果,确定所述杂音的类型。
由上述描述可知,判断杂音存在后根据杂音出现时间和对比相似性的结果确定杂音类型,有利于分析杂音产生机理,能够提高杂音检测的准确性,并且有助于后续的产品优化。
进一步地,所述将所述不同频段的频谱与对应的标准频谱对比之前包括步骤:
获取多个合格发声设备的音频数据加窗后的频谱;
计算所有所述频谱中每一频率点的平均值和标准差,将所述每一频率点的平均值加六倍标准差设置为所述每一频率点的标准值;
根据所述每一频率点的标准值,得到每一所述频段对应的标准频谱。
由上述描述可知,通过计算多个合格品频谱中每一频率点的平均值和标准差,将所述每一频率点的平均值加六倍标准差设置为所述每一频率点的标准值,并根据每一频率点的标准值,得到对应的标准频谱,能够准确地得到发声设备在每一频率点的标准值,有利于后续判断杂音是否存在,提高了杂音检测的可靠性。
请参照图2,本发明实施例提供了一种杂音检测终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
接收发声设备发出的声音信号,将所述声音信号转换成音频数据,对所述音频数据进行加窗和傅里叶变换,得到所述音频数据对应的频谱;
对所述频谱进行滤波,得到不同频段的频谱,将所述不同频段的频谱与对应的标准频谱对比,得到对应的频谱特征;
将所述频谱特征与杂音特征库中的特征做相似性对比,判断杂音是否存在,若是,则确定所述杂音的类型。
由上述描述可知,接收发声设备的声音信号,将声音信号转化成音频数据,并对音频数据进行加窗和傅里叶变换,得到音频数据对应的频谱;将滤波后不同频段的频谱与对应的标准频谱做对比,得到对应的频谱特征,将频谱特征与杂音特征库中的特征做相似性对比,若存在杂音,则确定杂音的类型;将不同频段的频谱进行比对和特征提取,能够针对不同频段的特征识别不同类型的杂音,针对不同频段进行杂音检测能够更加全面地对音频数据进行分析,通过与杂音特征库做相似性对比能够判断智能地判断杂音是否存在并确定杂音类型,针对存在杂音的数据进行杂音类型的判断,能够提高检测速度,并且使用杂音特征库确定杂音类型能够提高杂音检测的全面性和智能性。
进一步地,对所述音频数据进行加窗和傅里叶变换,得到所述音频数据对应的频谱包括:
使用平顶窗对所述音频数据加窗,得到多个时域数据;
对每一所述时域数据进行傅里叶变换,得到每一所述时域数据对应的频谱。
由上述描述可知,使用平顶窗对音频数据加窗能够凸显音频数据的高频段频谱分布规律,有利于后续对杂音类型的确定。
进一步地,对所述频谱进行滤波,得到不同频段的频谱,将所述不同频段的频谱与对应的标准频谱对比,得到对应的频谱特征包括:
对所述频谱进行中低频滤波和高频滤波,将所述频谱划分为中低频段频谱和高频段频谱;
将每一频段频谱与对应标准频谱进行对比,判断每一频段频谱是否存在超出对应标准频谱的谐波峰,若是,则提取每一频段频谱中超出对应标准频谱的谐波峰,根据所述超出对应标准频谱的谐波峰提取杂音特征,得到每一频段频谱对应的频谱特征。
由上述描述可知,将频谱分为中低频段频谱和高频段频谱,并将每一频段频谱与对应的标准频谱进行对比,能够针对不同的频段进行杂音检测,提高杂音检测的全面性,提取每一频段频谱中超出对应标准频谱的谐波峰,并提取超出对应标准频谱的谐波峰的杂音特征,得到每一频段频谱对应的频谱特征,能够智能地对存在杂音的音频部分进行杂音特征提取,提高了杂音检测的智能性。
进一步地,将所述频谱特征与杂音特征库中的特征做相似性对比,判断杂音是否存在,若是,则确定所述杂音的类型包括:
将所述频谱特征与杂音特征库中的特征做相似性对比,得到对比结果;
根据所述对比结果,判断杂音是否存在,若是,则基于对所述音频数据进行加窗的时刻,确定杂音出现时间,根据所述杂音出现时间和所述对比结果,确定所述杂音的类型。
由上述描述可知,判断杂音存在后根据杂音出现时间和对比相似性的结果确定杂音类型,有利于分析杂音产生机理,能够提高杂音检测的准确性,并且有助于后续的产品优化。
进一步地,所述将所述不同频段的频谱与对应的标准频谱对比之前包括步骤:
获取多个合格发声设备的音频数据加窗后的频谱;
计算所有所述频谱中每一频率点的平均值和标准差,将所述每一频率点的平均值加六倍标准差设置为所述每一频率点的标准值;
根据所述每一频率点的标准值,得到每一所述频段对应的标准频谱。
由上述描述可知,通过计算多个合格品频谱中每一频率点的平均值和标准差,将所述每一频率点的平均值加六倍标准差设置为所述每一频率点的标准值,并根据每一频率点的标准值,得到对应的标准频谱,能够准确地得到发声设备在每一频率点的标准值,有利于后续判断杂音是否存在,提高了杂音检测的可靠性。
本发明上述一种杂音检测方法及终端,适用于各种发声设备的杂音检测,能够全面地、智能地进行杂音检测,以下通过具体实施方式进行说明:
实施例一
请参照图1、图3和图4,一种杂音检测方法,包括步骤:
S1、接收发声设备发出的声音信号,将所述声音信号转换成音频数据,对所述音频数据进行加窗和傅里叶变换,得到所述音频数据对应的频谱;
具体的,请参照图5,在本实施例中,通过连接信号发生器和扬声器或者受话器的工装,将信号发生器产生的信号输入扬声器或者受话器,激励扬声器或者受话器发声,并将扬声器或者受话器固定在测试设备上,测试设备模拟人耳的耳道声学特性;
在本实施例中还设置静音箱,用于降低环境噪声对测试设备采集扬声器或者受话器声音信号的干扰;设置录音麦克风,用于采集扬声器或者受话器发出的声音,并将声音信号转换成电信号的音频数据,将音频数据进行杂音检测;
其中,对所述音频数据进行加窗和傅里叶变换,得到所述音频数据对应的频谱包括:
使用平顶窗对所述音频数据加窗,得到多个时域数据;
将每一所述时域数据发送至FFT(fast Fourier transform,快速傅里叶转换)模块进行傅里叶变换,得到每一所述时域数据对应的频谱;
其中,平顶窗具有主瓣宽、幅度小以及旁瓣及高频衰减不随频率增加而显著变化的特点;
具体的,请参照图6,左图是平顶窗的时域波形,右图是平顶窗的频谱,将频率归一化后,频率在0-0.18之间的是主瓣的频段,频率在0.18-1之间的是旁瓣的频段。在对音频数据加窗后得到加窗后的时域数据,对加窗后的时域数据做傅里叶变换,会得到的频谱将受到平顶窗频谱特征的影响,能够更好地凸显原始接收信号的高频频谱分布规律;
请参照图7和图8,对音频数据进行加窗,得到加窗后的时域数据;
对每一组加窗后的时域数据做傅里叶变换,得到对应的频谱,由于在窗函数主瓣频段范围内,随着频率增加,频谱的幅度大幅衰减;主瓣以外的频段,窗函数对原信号频谱的衰减峰值基本保持一致,因此能够比较好地体现原信号频谱的规律;
S2、对所述频谱进行滤波,得到不同频段的频谱,将所述不同频段的频谱与对应的标准频谱对比,得到对应的频谱特征;
其中,对所述频谱进行中低频滤波和高频滤波,将所述频谱划分为中低频段频谱和高频段频谱;
将每一频段频谱与对应标准频谱进行对比,判断每一频段频谱是否存在超出对应标准频谱的谐波峰,若是,则提取每一频段频谱中超出对应标准频谱的谐波峰,根据所述超出对应标准频谱的谐波峰提取杂音特征,得到每一频段频谱对应的频谱特征;
具体的,在本实施例中,平顶窗函数中将主瓣频率范围设定为中低频段,将主瓣以外频段设定为高频段,并且根据实际需要中对谐波次数的关注程度,可进一步在中低频段内划分低频段和中频段,从而准确提取待检测音频数据的基频和低阶谐频,并且能够根据不同频段的特征识别不同类型的杂音;
其中,将足够数量的不合格发声设备的音频数据加窗后的频谱与标准频谱进行对比,提取杂音特征,建立杂音特征库;
对比并获取频谱特征的具体方法是在获得加窗后的频谱之后,将频谱的低频段、中频段、高频段与对应的标准频谱进行对比,从超出标准频谱的谐波峰中拾取杂音特征,将所拾取的杂音特征与杂音特征库进行相似度对比,从而确定杂音是否存在和杂音的类型;
请参照图9和图10,将频率在1000Hz-20000Hz之间的中高频段标准频谱与音频信号1的中高频段频谱和音频信号2的中高频段频谱进行对比,音频信号2的中高频段频谱都在标准频谱以内,因此音频信号2的中高频段音频中不存在杂音;音频信号1的中高频段频谱在4000Hz附近存在超出标准频谱的谐波峰,提取超出标准频谱部分的峰值,结合特定算法提取杂音特征;
通过频谱的对比,能够实现杂音的自动化检测,大幅降低生产线人工听音的工作量;
S3、将所述频谱特征与杂音特征库中的特征做相似性对比,判断杂音是否存在,若是,则确定所述杂音的类型;
其中,将所述频谱特征与杂音特征库中的特征做相似性对比,得到对比结果;
根据所述对比结果,判断杂音是否存在,若是,则基于对所述音频数据进行加窗的时刻,确定杂音出现时间,根据所述杂音出现时间和所述对比结果,确定所述杂音的类型;
其中,加窗时刻的选择可以用于判断杂音出现的时刻,能够得出是在音频数据的全部时间都存在杂音,或是只在某一时刻或者某一时间段存在杂音;通过确定杂音是否存在和杂音存在时间,从而确定杂音类型,这对后续分析杂音产生机理和指导产品优化和产品生产有着非常大的作用;
具体的,杂音发生的时刻与杂音类型是相关的,有的杂音类型只在低频激励时出现,有的杂音类型只在振膜位移响应大时出现,有的杂音类型则是在随机时刻出现且持续时间不定;本实施例中通过将音频数据加窗后的频谱与对应的标准频谱进行对比,拾取加窗后的频谱超出标准频谱的谐波峰,结合加窗所对应的时刻,与杂音特征库对比相似度,确定杂音类型;
在本实施例中,当音频数据加窗后的时域波形的频谱超出对应标准频谱时,如果是中低频段的谐波峰超出框线,则意味着待检测音频数据有着超出允许范围的谐波失真;如果是在高频段的谐波峰超出框线,则意味着音频数据中含有某种类型的滋滋音,其中,杂音类型复杂多样,谐波失真和滋滋音只是较为常见的两大杂音类型;
本实施例通过确定杂音类型,根据杂音产生原因,可以分析某类杂音在量产线不良品中的出现比例,从而指导产线优化策略与产品结构升级。
实施例二
本实施例与实施例一的不同在于,进一步限定了标准频谱的获取方法:
其中,将所述不同频段的频谱与对应的标准频谱对比之前包括步骤:
获取多个合格发声设备的音频数据加窗后的频谱;
计算所有所述频谱中每一频率点的平均值和标准差,将所述每一频率点的平均值加六倍标准差设置为所述每一频率点的标准值;
根据所述每一频率点的标准值,得到每一所述频段对应的标准频谱;
具体的,获取多个合格发声设备的音频数据加窗后的频谱,计算所有频谱中每一个频率点的平均值和标准差,根据每一频率点对应的平均值和标准差,计算每一频率点的标准值为每一频率点平均值乘以六倍每一频率点标准差,以每一频率点的标准值作为该频率点的上限值;
根据每一频率点的标准值的得到每一频段对应的标准频谱。
实施例三
请参照图2,一种杂音检测终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现实施例一或实施例二中的杂音检测方法的各个步骤。
综上所述,本发明提供的一种杂音检测方法及终端,接收发声设备的声音信号,将声音信号转化成音频数据,并对音频数据进行加窗和傅里叶变换,得到音频数据对应的频谱,其中,使用平顶窗函数进行加窗,有利于区分高低频率的数据,以便于后续对不同频段的数据进行分析;将滤波后不同频段的频谱与对应的标准频谱做对比,得到对应的频谱特征,将频谱特征与杂音特征库中的特征做相似性对比,若存在杂音,则确定杂音的类型,其中,将不同频段的频谱与对应的标准频谱进行对比,将不同频段的频谱进行比对和特征提取,能够针对不同频段的特征识别不同类型的杂音,针对不同频段进行杂音检测能够更加全面地对音频数据进行分析;杂音特征库是由不合格品的杂音特征整合得到的,能够适应性地匹配当前发声设备可能具有的杂音类型,能够更准确地对杂音进行识别;通过与杂音特征库做相似性对比能够判断智能地判断杂音是否存在并确定杂音类型,能够提高检测速度并提高杂音检测的全面性和智能性。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种杂音检测方法,其特征在于,包括步骤:
接收发声设备发出的声音信号,将所述声音信号转换成音频数据,对所述音频数据进行加窗和傅里叶变换,得到所述音频数据对应的频谱;
对所述频谱进行滤波,得到不同频段的频谱,将所述不同频段的频谱与对应的标准频谱对比,得到对应的频谱特征;
将所述频谱特征与杂音特征库中的特征做相似性对比,判断杂音是否存在,若是,则确定所述杂音的类型。
2.根据权利要求1所述的一种杂音检测方法,其特征在于,对所述音频数据进行加窗和傅里叶变换,得到所述音频数据对应的频谱包括:
使用平顶窗对所述音频数据加窗,得到多个时域数据;
对每一所述时域数据进行傅里叶变换,得到每一所述时域数据对应的频谱。
3.根据权利要求1所述的一种杂音检测方法,其特征在于,对所述频谱进行滤波,得到不同频段的频谱,将所述不同频段的频谱与对应的标准频谱对比,得到对应的频谱特征包括:
对所述频谱进行中低频滤波和高频滤波,将所述频谱划分为中低频段频谱和高频段频谱;
将每一频段频谱与对应标准频谱进行对比,判断每一频段频谱是否存在超出对应标准频谱的谐波峰,若是,则提取每一频段频谱中超出对应标准频谱的谐波峰,根据所述超出对应标准频谱的谐波峰提取杂音特征,得到每一频段频谱对应的频谱特征。
4.根据权利要求1所述的一种杂音检测方法,其特征在于,将所述频谱特征与杂音特征库中的特征做相似性对比,判断杂音是否存在,若是,则确定所述杂音的类型包括:
将所述频谱特征与杂音特征库中的特征做相似性对比,得到对比结果;
根据所述对比结果,判断杂音是否存在,若是,则基于对所述音频数据进行加窗的时刻,确定杂音出现时间,根据所述杂音出现时间和所述对比结果,确定所述杂音的类型。
5.根据权利要求1至4中任一项所述的一种杂音检测方法,其特征在于,所述将所述不同频段的频谱与对应的标准频谱对比之前包括步骤:
获取多个合格发声设备的音频数据加窗后的频谱;
计算所有所述频谱中每一频率点的平均值和标准差,将所述每一频率点的平均值加六倍标准差设置为所述每一频率点的标准值;
根据所述每一频率点的标准值,得到每一所述频段对应的标准频谱。
6.一种杂音检测终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
接收发声设备发出的声音信号,将所述声音信号转换成音频数据,对所述音频数据进行加窗和傅里叶变换,得到所述音频数据对应的频谱;
对所述频谱进行滤波,得到不同频段的频谱,将所述不同频段的频谱与对应的标准频谱对比,得到对应的频谱特征;
将所述频谱特征与杂音特征库中的特征做相似性对比,判断杂音是否存在,若是,则确定所述杂音的类型。
7.根据权利要求6所述的一种杂音检测终端,其特征在于,对所述音频数据进行加窗和傅里叶变换,得到所述音频数据对应的频谱包括:
使用平顶窗对所述音频数据加窗,得到多个时域数据;
对每一所述时域数据进行傅里叶变换,得到每一所述时域数据对应的频谱。
8.根据权利要求6所述的一种杂音检测终端,其特征在于,对所述频谱进行滤波,得到不同频段的频谱,将所述不同频段的频谱与对应的标准频谱对比,得到对应的频谱特征包括:
对所述频谱进行中低频滤波和高频滤波,将所述频谱划分为中低频段频谱和高频段频谱;
将每一频段频谱与对应标准频谱进行对比,判断每一频段频谱是否存在超出对应标准频谱的谐波峰,若是,则提取每一频段频谱中超出对应标准频谱的谐波峰,根据所述超出对应标准频谱的谐波峰提取杂音特征,得到每一频段频谱对应的频谱特征。
9.根据权利要求6所述的一种杂音检测终端,其特征在于,将所述频谱特征与杂音特征库中的特征做相似性对比,判断杂音是否存在,若是,则确定所述杂音的类型包括:
将所述频谱特征与杂音特征库中的特征做相似性对比,得到对比结果;
根据所述对比结果,判断杂音是否存在,若是,则基于对所述音频数据进行加窗的时刻,确定杂音出现时间,根据所述杂音出现时间和所述对比结果,确定所述杂音的类型。
10.根据权利要求6至9中任一项所述的一种杂音检测终端,其特征在于,所述将所述不同频段的频谱与对应的标准频谱对比之前包括步骤:
获取多个合格发声设备的音频数据加窗后的频谱;
计算所有所述频谱中每一频率点的平均值和标准差,将所述每一频率点的平均值加六倍标准差设置为所述每一频率点的标准值;
根据所述每一频率点的标准值,得到每一所述频段对应的标准频谱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110214425.2A CN112908347A (zh) | 2021-02-25 | 2021-02-25 | 一种杂音检测方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110214425.2A CN112908347A (zh) | 2021-02-25 | 2021-02-25 | 一种杂音检测方法及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112908347A true CN112908347A (zh) | 2021-06-04 |
Family
ID=76108404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110214425.2A Pending CN112908347A (zh) | 2021-02-25 | 2021-02-25 | 一种杂音检测方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112908347A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115602195A (zh) * | 2022-12-12 | 2023-01-13 | 杭州兆华电子股份有限公司(Cn) | 一种汽车后视镜电机转动异响测试的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101170843A (zh) * | 2007-11-30 | 2008-04-30 | 清华大学 | 扬声器在线纯音故障诊断方法 |
CN102870153A (zh) * | 2010-02-26 | 2013-01-09 | 弗兰霍菲尔运输应用研究公司 | 用于利用谐波锁定修改音频信号的装置和方法 |
CN105882572A (zh) * | 2015-02-16 | 2016-08-24 | 现代自动车株式会社 | 车辆及其控制方法 |
CN106847307A (zh) * | 2016-12-21 | 2017-06-13 | 广州酷狗计算机科技有限公司 | 信号检测方法及装置 |
CN110772713A (zh) * | 2018-07-31 | 2020-02-11 | 奥迪康医疗有限公司 | 具有改进的用于确定时间精细结构参数的方法的耳蜗刺激*** |
CN111573197A (zh) * | 2020-04-22 | 2020-08-25 | 北京华能新锐控制技术有限公司 | 一种分布式皮带机异常声音检测方法 |
CN111782861A (zh) * | 2020-06-12 | 2020-10-16 | Oppo广东移动通信有限公司 | 一种杂音检测方法及装置、存储介质 |
-
2021
- 2021-02-25 CN CN202110214425.2A patent/CN112908347A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101170843A (zh) * | 2007-11-30 | 2008-04-30 | 清华大学 | 扬声器在线纯音故障诊断方法 |
CN102870153A (zh) * | 2010-02-26 | 2013-01-09 | 弗兰霍菲尔运输应用研究公司 | 用于利用谐波锁定修改音频信号的装置和方法 |
CN105882572A (zh) * | 2015-02-16 | 2016-08-24 | 现代自动车株式会社 | 车辆及其控制方法 |
CN106847307A (zh) * | 2016-12-21 | 2017-06-13 | 广州酷狗计算机科技有限公司 | 信号检测方法及装置 |
CN110772713A (zh) * | 2018-07-31 | 2020-02-11 | 奥迪康医疗有限公司 | 具有改进的用于确定时间精细结构参数的方法的耳蜗刺激*** |
CN111573197A (zh) * | 2020-04-22 | 2020-08-25 | 北京华能新锐控制技术有限公司 | 一种分布式皮带机异常声音检测方法 |
CN111782861A (zh) * | 2020-06-12 | 2020-10-16 | Oppo广东移动通信有限公司 | 一种杂音检测方法及装置、存储介质 |
Non-Patent Citations (4)
Title |
---|
刘瑞芳等, 北京邮电大学出版社 * |
汪菲等: "《工程测试技术》", 28 February 2014, 天津大学出版社 * |
王红星等: "一种基于高阶频率能量均值的扬声器异音故障诊断方法", 《天津科技大学学报》 * |
韦峻峰等: "一种扬声器异常音的时域特征检测方法", 《振动与冲击》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115602195A (zh) * | 2022-12-12 | 2023-01-13 | 杭州兆华电子股份有限公司(Cn) | 一种汽车后视镜电机转动异响测试的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106878866B (zh) | 音频信号处理方法、装置及终端 | |
EP3166239B1 (en) | Method and system for scoring human sound voice quality | |
CN108615536B (zh) | 基于麦克风阵列的时频联合特征乐器音质评价***及方法 | |
US20140270209A1 (en) | System and method for producing a narrow band signal with controllable narrowband statistics for a use in testing a loudspeaker | |
CN113068100A (zh) | 闭环自动检测减振方法、***、终端及存储介质 | |
JP2021536596A (ja) | 正規化を介して音響信号をフィンガープリンティングするための方法及び装置 | |
CN116564332A (zh) | 频响分析方法、装置、设备及存储介质 | |
CN112908347A (zh) | 一种杂音检测方法及终端 | |
US9088857B2 (en) | Audio apparatus, control method for the audio apparatus, and storage medium for determining sudden noise | |
CN115620743A (zh) | 异音检测方法及装置 | |
CN104168532A (zh) | 扬声器异音检测方法及装置 | |
US20150124998A1 (en) | Multi-band harmonic discrimination for feedback supression | |
WO2011117028A1 (en) | Method and arrangement for audio signal processing | |
CN116684806A (zh) | 扬声器异音测试方法 | |
CN108810789B (zh) | 一种音箱音质优劣的判定方法、***及装置 | |
CN115002642A (zh) | 一种基于听觉掩蔽结合svd-mrmr的扬声器异常声的特征提取方法 | |
CN114974301A (zh) | 一种异音检测方法、计算机可读存储介质及电子设备 | |
TWI520131B (zh) | Speech Recognition System Based on Joint Time - Frequency Domain and Its Method | |
CN112461552A (zh) | 电子助力制动***的检测方法、***及可读存储介质 | |
CN111885474A (zh) | 麦克风测试方法及装置 | |
CN113423052B (zh) | 一种音频检测的方法及终端 | |
TWI792607B (zh) | 雜音偵測裝置及其方法 | |
CN117998254B (zh) | 破音修复方法、装置及存储介质 | |
TW201142820A (en) | Acoustical wave identification system and the method thereof | |
CN116312447B (zh) | 一种定向噪声消除方法及*** |
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 |