[發明專利]一種用于異常聲音檢測的在線更新系統和方法

有效

• 申請號: 202010135422.5
• 申請日: 2020-03-02
• 公開（公告）號: CN111341343B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 王旺旺
• 申請（專利權）人: 樂鑫信息科技（上海）股份有限公司
• 主分類號: G10L25/03
• 分類號: G10L25/03;G10L25/30;G10L25/51
• 代理公司: 上海滬慧律師事務所 31311
• 代理人: 朱九皋

1.一種用于異常聲音檢測的在線更新系統的嵌入端系統，運行于待測音源端，其特征在于，包含設備聲音采集模塊、設備聲音音頻特征提取模塊、神經網絡模塊和未知異常上報模塊；

所述設備聲音采集模塊將待測音源發出的聲音轉換成音頻數字信號，然后傳輸給所述設備聲音音頻特征提取模塊；所述設備聲音音頻特征提取模塊在頻域上對所述音頻數字信號進行處理，得到音頻頻率采樣，作為所述神經網絡模塊的輸入：

所述神經網絡模塊對所述音頻頻率采樣進行處理，完成異常聲音分類，輸出的異常種類包含N種異常、未識別異常和無異常；所述異常種類的數量由異常聲音檢測模型決定；所述神經網絡模塊的網絡結構根據所述異常種類的數量決定，動態可變；所述異常聲音檢測模型還決定所述神經網絡模塊的工作參數；

當所述神經網絡模塊診斷的異常聲音檢測結果為所述未識別異常時，所述未知異常上報模塊收集所述待測音源的MAC地址和型號，構成頭信息，與對應的所述音頻數字信號合并成異常音頻后，通過無線傳輸方式上報。

2.根據權利要求1所述的在線更新系統的嵌入端系統，其特征在于，還適于接收訓練后異常聲音檢測模型，完成所述異常聲音檢測模型的更新。

3.一種用于異常聲音檢測的在線更新系統的服務器端系統，其特征在于，所述服務器端系統包含在線學習模塊、模型訓練模塊和模型更新模塊；

所述在線學習模塊接收上報的異常音頻，并對所述異常音頻進行數據處理，調整異常聲音檢測模型對應的神經網絡模塊的網絡結構，將所述異常音頻劃分為訓練集和驗證集；所述異常音頻包括待測音源的MAC地址和型號，以及未識別異常對應的音頻數字信號；

所述模型訓練模塊對所述異常聲音檢測模型進行模型訓練，得到訓練后異常聲音檢測模型；

所述模型更新模塊將所述訓練后異常聲音檢測模型下發到嵌入端系統，更新嵌入式端系統中的所述異常聲音檢測模型。

4.根據權利要求3所述的在線更新系統的服務器端系統，其特征在于，所述在線學習模塊按所述待測音源的所述型號，對所述異常音頻進行分類，得到設備關聯異常音頻，然后針對每一種所述待測音源，利用所述設備關聯異常音頻建立所述訓練集和所述驗證集。

5.根據權利要求4所述的在線更新系統的服務器端系統，其特征在于，所述在線學習模塊對所述設備關聯異常音頻進行的所述數據處理，包含數據清洗和異常種類聚類；所述數據處理得到M個聚類類別，作為M個新異常種類；

根據所述M個新異常種類和N個已知異常種類，所述在線學習模塊調整所述異常聲音檢測模型的分類維度為N+M+2，包含：N+M種異常、未識別異常和無異常。

6.根據權利要求5所述的在線更新系統的服務器端系統，其特征在于，所述數據清洗和異常種類聚類的過程，具體包含：

步驟101、將所述設備關聯異常音頻經過VAD判決，刪除靜音音頻，得到異常音頻集合；

步驟102、將所述異常音頻集合劃分成J秒一幀的異常聲音采樣片段；

步驟103、使用DBSCAN算法對所述異常聲音采樣片段進行聚類，丟棄對應噪聲的所述異常聲音采樣片段，得到所述M個聚類類別，作為所述M個新異常種類。

7.根據權利要求6所述的在線更新系統的服務器端系統，其特征在于，所述在線學習模塊從所述異常聲音采樣片段中抽取L分鐘的音頻作為所述訓練后異常聲音檢測模型的驗證集，加入到原始驗證集中，構成擴展驗證集，并將除去所述驗證集后的所述異常聲音采樣片段，加入到原始訓練集中，構成擴展訓練集。