[發明專利]一種基于數字特征的空調異響檢測方法及系統在審
| 申請號: | 202011424763.0 | 申請日: | 2020-12-08 |
| 公開(公告)號: | CN112484234A | 公開(公告)日: | 2021-03-12 |
| 發明(設計)人: | 沈希忠;陳菱 | 申請(專利權)人: | 上海應用技術大學;上海曦息檢測技術有限公司 |
| 主分類號: | F24F11/38 | 分類號: | F24F11/38;F24F11/64;F24F11/52 |
| 代理公司: | 上海漢聲知識產權代理有限公司 31236 | 代理人: | 胡晶 |
| 地址: | 200235 上海*** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 數字 特征 空調 檢測 方法 系統 | ||
1.一種基于數字特征的空調異響檢測方法,其特征在于,所述方法至少包括以下步驟:
S1采集聲音信號;
S2對聲音信號進行傅里葉變換;
S3提取聲音相關碼數特征;
S4采用支持向量機進行異響和無異響分類。
2.根據權利要求1所述的方法,其特征在于,異響識別過程將聲音信號進行短時傅里葉變換,并提取相關數碼特征,采用支持向量機將提取到的數字特征進行分類,分成有異響和無異響兩大類。
3.根據權利要求2所述的方法,其特征在于,通過分幀加窗函數和傅里葉變換將經由A/D模數轉換器和DSP處理后的信號轉換為周期頻域信號;提取信號的基頻和倍頻,其中基頻是周期的倒數,傅里葉級數除去直流分量外的部分。
4.根據權利要求2所述的方法,其特征在于,所述采用支持向量機將提取到的數字特征進行分類,包括:
使用分類與回歸分析來分析數據的監督學習模型及其相關的學習算法,包括:確定一個分類超平面,在給定一組訓練樣本后,支持向量機模型將數字特征樣本表示為在空間中的映射的點,從而使有異響和無異響的樣本能盡可能明顯的間隔分開出來,從而達到對數字特征的分類。
5.根據權利要求2所述的方法,其特征在于,對離散時域采樣信號h[k],k=0,1,...,N-1,其中n為時域采樣點序號,N是信號長度,對信號h[k]進行分幀處理,設每一幀長度為NF,表達式為:
對每幀信號經漢寧窗濾波,離散漢寧表達式為:
經過離散傅里葉變換,將加窗后的時域信號轉換到頻域,如式(3)所示:
Ff[kf,n]=FFT(h[k]*xn[k,n]) (3)。
6.根據權利要求5所述的方法,其特征在于,信號的傅里葉級數表示為:
其中為直流分量,w0=2π/T為基頻,T為周期,1倍頻表示為A1 sin(w0t+θ1),2倍頻表示為A2 sin(2w0t+θ2)。
7.根據權利要求6所述的方法,其特征在于,根據所述支持向量機確定各類樣本點最大間隔超平面,任意超平面采用下面線性方程描述為:
ωTx+b=0 (5)
其中,b為常數,ω和x都為向量;
n維空間點x=(x1,x2…xn)到直線ωTx+b=0的距離公式為:
其中,
根據支持向量的定義,支持向量到超平面的距離為d,其他點到超平面的距離大于d,從而確定最大間隔超平面的上下兩個超平面;
最大化支持向量到超平面的距離再優化,得到的最優化問題是:
8.一種基于數字特征的空調異響檢測系統,其特征在于,包括如下模塊:
信號采集和處理模塊,采集到的聲音信號通過DSP系統進行預處理,將待處理的信號經過型號為TLV320AIC10的A/D模數轉換器,使得語音模擬信號轉換成為為離散的數字信號存儲在flash存儲器中;
LCD顯示模塊,LCD顯示采用HS12232型專用液晶驅動控制器將采集和處理聲音信號過程中的執行狀態顯示出來,即系統的啟動狀態、采集狀態、處理狀態、對比狀態和有異響、無異響結果顯示出來,也將鍵盤的選擇狀態顯示出來;
鍵盤模塊,通過鍵盤實現系統的啟動和關閉,也通過鍵盤上不同的按鍵控制系統執行過程,包含顯示正在進行的步驟、暫停當前系統運行、重新采集信號等。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于上海應用技術大學;上海曦息檢測技術有限公司,未經上海應用技術大學;上海曦息檢測技術有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011424763.0/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種動物養殖用可視化智慧教學平臺
- 下一篇:高速電池串排版機





