[發明專利]一種基于信號時頻分解的聲音數據分類方法

在審

• 申請號: 201810443175.8
• 申請日: 2018-05-10
• 公開（公告）號: CN108899048A
• 公開（公告）日: 2018-11-27
• 發明（設計）人: 韓威;周松斌;劉憶森;李昌;劉偉鑫
• 申請（專利權）人: 廣東省智能制造研究所
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/30;G10L25/18;G01N29/04;G01N29/12
• 代理公司: 廣州容大專利代理事務所(普通合伙) 44326
• 代理人: 劉新年;潘素云

1.一種基于信號時頻分解的聲音數據分類方法，其特征在于，包括以下步驟：

S1、對于產品質量已確定的金屬罐裝產品，從中選取多個合格產品對產品質量計算網絡G進行訓練，建立產品質量計算模型M；

S2、利用由步驟S1建立的產品質量計算模型M，對被檢金屬罐裝產品進行質量檢測，將被檢金屬罐裝產品分為合格品或不合格品；

所述S1中的建立產品質量計算模型M的方法包括：

S101、從產品質量已確定的金屬罐裝產品中選取N個合格產品，對第k個產品(1≤k≤N)施加激勵，使其產生振動；

S102、收集第k個合格產品振動產生的聲音信號，并進行采樣處理得到數字化的聲信號S；

S103、處理聲信號S，得到其頻譜信號X；

S104、對聲信號S和頻譜信號X分別按公式(1)和公式(3)進行信號分解，獲得特征矩陣P₁、H₁和H₂，并分別根據公式(2)和公式(3)得到第k個合格產品的聲音信號的時域特征矩陣W₁和頻域特征矩陣W₂；

S≈S*P₁*H₁ (1)

W₁＝S*P₁ (2)

X≈W₂*H₂ (3)

S105、將時域特征矩陣W₁和頻域特征矩陣W₂進行組合，得到第k個合格產品的質量特征數據F＝{W₁,W₂}；

S106、對選取的所有N個合格產品按上述步驟S101～S105進行操作，得到N個合格產品的質量特征數據集{F_i}(1≤i≤N)，以質量特征數據集中的每組質量特征數據F_i分別作為輸入參數，以合格產品質量標準值δ作為輸出參數，對產品質量計算網絡G進行訓練，得到產品質量計算模型M；

所述S2中對被檢金屬罐裝產品進行質量檢測的方法包括：

S201、對被檢金屬罐裝產品施加激勵信號，使其產生振動；

S202、收集被檢產品振動產生的聲音信號，并進行采樣處理得到數字化的聲信號S；

S203、處理聲信號S，得到其頻譜信號X；

S204、對聲信號S和頻譜信號X分別按公式(1)和公式(3)進行信號分解，并分別根據公式(2)和公式(3)得到被檢產品的聲音信號的時域特征矩陣W₁和頻域特征矩陣W₂；

S205、將時域特征矩陣W₁和頻域特征矩陣W₂進行組合，得到被檢產品的質量特征數據F，將質量特征數據F作為步驟S1中建立的產品質量計算模型M的輸入參數，通過模型M運算得到被檢產品的產品質量參數R；

S206、計算被檢產品的產品質量參數R與合格產品質量標準值δ的差值的絕對值D；

S207、比較D與設定閾值T，若D小于T，則被檢產品合格；反之，則被檢產品不合格。

2.根據權利要求1所述的基于信號時頻分解的聲音數據分類方法，其特征在于，所述激勵信號為高能電磁脈沖。

3.根據權利要求1所述的基于信號時頻分解的聲音數據分類方法，其特征在于，用于對聲信號進行信號分解的公式(1)，其分解約束條件為公式(4)所示：

即要求矩陣P₁和矩陣H₁的所有元素均為非負數，并且公式(S-S*P₁*H₁)的二范數的值應小于閾值λ；

用于對頻譜信號進行信號分解的公式(2)，其分解約束條件為公式(5)所示：

即要求矩陣W₂和矩陣H₂的所有元素均為非負數，公式(X-W₂*H₂)的二范數的值應小于閾值ε。

4.根據權利要求3所述的基于信號時頻分解的聲音數據分類方法，其特征在于，λ取值為0.0001～0.001。