[發明專利]一種離線嵌入式異常聲音檢測系統和方法

有效

• 申請號: 202010135741.6
• 申請日: 2020-03-02
• 公開（公告）號: CN111370027B
• 公開（公告）日: 2023-04-07
• 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: G10L25/51
• 分類號: G10L25/51;G10L25/30;G10L25/18;G06F18/241;G06F18/21;G06N3/045;G06N3/0464;G06N3/049;G06N3/047;G06N3/0442;G06N3/08
• 代理公司: 上海滬慧律師事務所 31311
• 代理人: 朱九皋

1.一種離線嵌入式異常聲音檢測系統，其特征在于，包含嵌入端系統；所述嵌入端系統包含聲音采集模塊、聲音音頻特征提取模塊和神經網絡模塊；

所述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，然后傳輸給所述聲音音頻特征提取模塊；所述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；

所述神經網絡模塊由CNN特征提取層和全連接及分類層組成；所述CNN特征提取層的網絡層數動態可調；所述CNN特征提取層對所述音頻頻率采樣進行特征提取后，由所述全連接及分類層從異常種類中選出一個作為異常檢測結果，完成異常分類；

所述神經網絡模塊的工作參數由異常聲音檢測模型決定；所述異常種類的數量由所述異常聲音檢測模型決定；所述全連接及分類層的網絡結構根據所述異常種類的數量決定，動態可變，輸出的所述異常種類包含N種異常、未識別異常和無異常。

2.根據權利要求1所述的離線嵌入式異常聲音檢測系統，其特征在于，所述神經網絡模塊還包含LSTM長短期記憶層；所述LSTM長短期記憶層處理所述CNN特征提取層的輸出，完成時間維度信息的篩選，然后輸出到所述全連接及分類層。

3.根據權利要求2所述的離線嵌入式異常聲音檢測系統，其特征在于，所述神經網絡模塊還包含觸發判決層；所述觸發判決層對所述全連接及分類層的輸出做最后分類，排除泛化誤差。

4.根據權利要求3所述的離線嵌入式異常聲音檢測系統，其特征在于，所述觸發判決層的工作流程是：

步驟101、得到所述全連接及分類層的所述異常聲音檢測結果；如果所述異常聲音檢測結果是所述N種異常中的一種或者所述未識別異常時，進入步驟102，否則進入步驟105；

步驟102、計數器遞增，進入步驟103；

步驟103、如果在L幀內，所述異常聲音檢測結果為同一異常的次數大于等于閾值，進入步驟104，否則跳轉到步驟105；

步驟104、所述計數器清零，上報有異常，完成；

步驟105、所述計數器清零，無異常，不上報，完成。

5.根據權利要求1所述的離線嵌入式異常聲音檢測系統，其特征在于，所述神經網絡模塊的輸入，是將當前幀以及所述當前幀之前的連續N幀的所述音頻頻率采樣拼接后，形成的采樣信息。

6.根據權利要求1所述的離線嵌入式異常聲音檢測系統，其特征在于，所述聲音采集模塊采用數字麥克風作為采集器件。

7.根據權利要求6所述的離線嵌入式異常聲音檢測系統，其特征在于，所述數字麥克風的音頻采樣頻率為48KHz。

8.根據權利要求1所述的離線嵌入式異常聲音檢測系統，其特征在于，所述聲音音頻特征提取模塊采用快速傅里葉變換提取所述音頻頻率采樣。

9.根據權利要求8所述的離線嵌入式異常聲音檢測系統，其特征在于，所述快速傅里葉變換為512點快速傅里葉變換。

10.一種利用如權利要求3所述的離線嵌入式異常聲音檢測系統進行異常檢測的方法，其特征在于，包含步驟：

步驟201、使用所述聲音采集模塊收集所述待測音源發出的聲音，得到所述音頻數字信號；

步驟202、使用所述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，得到所述音頻數字信號的音頻頻率采樣；

步驟203.1、使用所述CNN特征提取層對所述音頻頻率采樣進行卷積操作，完成特征提取；

步驟203.2、使用所述LSTM長短期記憶層，對被提取的所述特征進行時間維度信息的篩選；

步驟203.2、使用所述全連接及分類層完成異常種類；

步驟204、利用所述觸發判決層做最后分類，排除泛化誤差，得到異常檢測結果。