[發明專利]復雜噪聲基底下短時特征聲信號時頻域辨識與檢測方法

無效

• 申請號: 200710046460.8
• 申請日: 2007-09-27
• 公開（公告）號: CN101173870A
• 公開（公告）日: 2008-05-07
• 發明（設計）人: 貢亮;劉成良;李彥明;苗玉彬;屠俊
• 申請（專利權）人: 上海交通大學
• 主分類號: G01H17/00
• 分類號: G01H17/00;G10L11/00
• 代理公司: 上海交達專利事務所
• 代理人: 王錫麟;王桂忠

技術領域

本發明是一種信號檢測技術領域的方法，特別涉及一種復雜噪聲基底下短時特征聲信號時頻域辨識與檢測方法，用于機器故障診斷、產品質量檢驗、語音識別場合。

背景技術

時短、微弱、聲強不定、背景噪聲非平穩但具備一定頻域特征的突發信號是信號檢測與數字信號處理領域的難點。由于實際生產現場中背景噪聲往往非常復雜，甚至是非平穩的，因而難以精確估計其概率分布參數，這就大大限制了經典信號檢測理論的應用。近年來提出的基于高階統計量的方法，雖然通過利用噪聲高階統計量的信息，改善了檢測的效果，但是也存在著計算方差較大，算法比較復雜的缺點，一般較難做到實時處理。

經對現有技術的文獻檢索發現，中國專利名稱為：復雜背景下微弱信號檢測和特征分析系統(專利公開號CN?1609570A)，該專利中公開了一種在復雜噪聲背景下通過同時檢測聲信號過零量和信號增益，結合Nyman-Pearson檢測標準完成特征信號的處理以及特征分析，該方法能夠在復雜背景下檢測到微弱信號，但是整個硬件系統和軟件處理方法缺乏對特征信號的辨識功能。

發明內容

本發明的目的在于針對現有技術的不足，提出了一種復雜噪聲基底下短時特征聲信號時頻域辨識與檢測方法，使其能夠高概率的檢測并辨識復雜背景噪聲基底下時短特征聲信號，為設備維護、生產線產品診斷提供系統的方法，從而克服了現有檢測方法不足。

本發明是通過以下技術方案實現的，本發明包括三個步驟：

第一步，似然幀檢測：采用信噪比閾值法檢測特征信號似然突變，對于檢測到的聲強高于背景10^θSNR/20倍的信號(θ_SNR為通過實驗得出的不同噪聲基地預設定的信噪比閾值)判定為似然信號，此步驟旨在檢測出聲強略高于背景噪聲的突發時短信號；

第二步，似然信號時域定位：在第一步檢測出的似然幀內，利用離散小波變換技術準確檢測短時特征聲信號的發生和突變點，并將其在時域定位，為后續步驟提供熱點鄰域內信號；

第三步，似然信號頻譜模板匹配檢測：在第二步檢測出的突變峰值熱點鄰域內以峰值點為軸對稱截取短時特征聲信號，利用位短時特征聲信號并利用頻譜包絡模板匹配對特征聲信號進行診斷和識別，以確定聲強高于背景噪聲的突發時短信號是隨機噪聲信號還是待檢測特征聲信號。

所述的似然幀檢測是指：根據特征聲信號對背景噪聲信號強度確定似然信號信噪比閾值，將特征聲信號樣本聲強與本地數據庫中不同等級基底噪聲對比，設定適用信噪比閾值參數θ_SNR，對短時音頻信號幀中信噪比大于θ_SNR的幀判定為特征信號似然幀，似然幀具有待檢測信號的時域突變特征；根據不同情況下(如電機突然啟動、金屬物撞擊)聲音信號樣本的波形、短時能量，經過統計計算獲得時域聲強信噪比閾值，以確保能夠區分本底噪聲和突變聲信號。因該方法計算簡便、便于實時在線處理與檢測信號，因此用以作為信號時域分析第一步驟，檢測出聲強略高于基底噪聲的突發時短信號。

所述的似然信號時域定位是指：在特征突變信號奇異性檢測與定位中，使用無限光滑、無窮次可微墨西哥草帽小波在不同尺度下分解與重構原始信號，從而精確檢測和定位復雜噪聲基底下似然信號發生的時域突變點。

所述的頻譜包絡模板匹配是指：在設定額定時限的突變信號峰值對稱鄰域內，分別采用諧波自相關算法和MFCC(Mel倒譜)計算聲信號基頻和突變信號頻譜包絡；根據頻譜包絡實時匹配算法將似然信號頻譜包絡與本地數據庫中特征聲信號頻譜包絡模板進行匹配運算，檢驗所測得突變信號是否為待檢測特征聲信號；系統使用前先在本地數據庫中通過試驗建立特征聲信號n階MFCC系數模型，待檢測到似然信號完成第一步和第二步得到實測似然聲信號n階MFCC系數后，將特征聲信號n階MFCC系數和實測似然聲信號n階MFCC系數按照余弦法則比對獲得頻譜包絡特征匹配度，按照匹配度設定閾值給出似然信號為特征聲信號的確認，還是為虛假報警的最終判定結果。