基于短時(shí)傅立葉變換的揚(yáng)聲器模塊檢測(cè)方法

鄭桃

摘要：在揚(yáng)聲器模塊的檢測(cè)中，采用基于短時(shí)傅立葉變換的方法，分析揚(yáng)聲器的掃頻激勵(lì)響應(yīng)信號(hào)。根據(jù)基頻能量占比選擇特征值，從大量樣本的分布中統(tǒng)計(jì)出閾值，然后通過(guò)比較待測(cè)產(chǎn)品的特征值與閾值，檢測(cè)揚(yáng)聲器是否合格品。經(jīng)過(guò)實(shí)驗(yàn)和實(shí)際生產(chǎn)過(guò)程檢驗(yàn)，該方法可以有效檢測(cè)出揚(yáng)聲器模塊不合格品，節(jié)省了大量人力成本。

關(guān)鍵詞：短時(shí)傅立葉變換；語(yǔ)譜圖；揚(yáng)聲器

中圖分類(lèi)號(hào)：TN643 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2018）05-0057-02

1 引言

隨著手機(jī)、平板等消費(fèi)電子產(chǎn)品的不斷普及，消費(fèi)者對(duì)于其品質(zhì)也不斷提升，因此對(duì)于產(chǎn)品的音質(zhì)也提出了越來(lái)越高的要求。當(dāng)前多數(shù)廠商對(duì)于揚(yáng)聲器模塊的檢測(cè)主要通過(guò)人耳主觀判斷，或者分析其在幾個(gè)在固定幾個(gè)頻率上的總諧波失真值來(lái)判斷是否合格品。本文提出一種新的基于短時(shí)傅立葉變換的新的特征分析方法。在語(yǔ)譜圖上，根據(jù)基頻能量占比選擇特征值，確定相應(yīng)閾值，通過(guò)比較待測(cè)揚(yáng)聲器模塊的特征值和閾值，確定揚(yáng)聲器模塊是否合格。

2 揚(yáng)聲器模塊故障檢測(cè)原理與方法

2.1 短時(shí)傅立葉變換

短時(shí)傅里葉變換是利用適當(dāng)寬度的窗函數(shù)，在時(shí)間上把信號(hào)劃分成若干小段，對(duì)每一段數(shù)據(jù)進(jìn)行傅里葉變換，得到其局部頻譜特性，局部頻譜的綜合組成短時(shí)傅里葉變換譜[1]。因此，其結(jié)果能反映出頻率隨時(shí)間變換的規(guī)律。

對(duì)于連續(xù)信號(hào)x，其短時(shí)傅立葉變換定義[2]為：

設(shè)X與W分別是連續(xù)信號(hào)x與窗函數(shù)ω的離散形式，則離散短時(shí)傅立葉變換定義為：

對(duì)音頻信號(hào)做短時(shí)傅里葉變換[3]，其結(jié)果即為語(yǔ)譜圖，如圖1所示。通常，把語(yǔ)譜圖畫(huà)成一個(gè)二維灰度平面圖，其橫坐標(biāo)代表時(shí)間，縱坐標(biāo)代表頻率，而圖上的每一個(gè)點(diǎn)的灰度值表示對(duì)應(yīng)時(shí)間、頻率下的能量大小。

2.2 特征值選擇與計(jì)算

2.2.1 基頻能量占比均值序列

大量的實(shí)驗(yàn)研究結(jié)果表明，有別于合格揚(yáng)聲器，產(chǎn)生異常音的揚(yáng)聲器的聲響應(yīng)中往往包含能量較高的高階次諧波失真成分，這是揚(yáng)聲器異常音的一個(gè)重要特征[4]。因此，在語(yǔ)譜圖的每個(gè)時(shí)間點(diǎn)上，把基頻能量（）與該時(shí)間段上的總能量（）的比值作為區(qū)分合格揚(yáng)聲器和故障揚(yáng)聲器的重要特征。

語(yǔ)譜圖上時(shí)刻的基頻能量計(jì)算公式為：

其中，為語(yǔ)譜圖在時(shí)間軸上的序列長(zhǎng)度，其對(duì)應(yīng)于原始信號(hào)被劃分出的小段數(shù)量。

語(yǔ)譜圖上時(shí)刻的基頻能量占比計(jì)算公式為：

最后，取L個(gè)合格的揚(yáng)聲器，分別計(jì)算其SEBR，然后可以得出基頻能量占比均值序列，其計(jì)算公式為：

2.2.2 計(jì)算特征距離

首先計(jì)算出待測(cè)揚(yáng)聲器的基頻能量占比序列SEBR，然后計(jì)算它與均值序列SA_EBR的差值，作為特征距離ERD（Energy Rate Distance），其計(jì)算公式為：

2.2.3 確定閾值

分別選取合格與故障揚(yáng)聲器樣品各L個(gè)，計(jì)算出它們的特征距離。然后，根據(jù)這些特征距離統(tǒng)計(jì)出他們的分布圖。如圖2所示，橫坐標(biāo)為樣品特征距離，縱坐標(biāo)為樣品個(gè)數(shù)。合格揚(yáng)聲器與不合格揚(yáng)聲器的分布呈現(xiàn)出兩個(gè)波峰，兩個(gè)波峰之間有一個(gè)波谷。因此選取波谷的中間位置作為閾值，設(shè)為T(mén)，當(dāng)計(jì)算出的ERD小于T時(shí)，揚(yáng)聲器為合格品，否則為不合格品。

2.3 基于基頻能量比序列的揚(yáng)聲器故障檢測(cè)方法

整個(gè)測(cè)試過(guò)程分為：基準(zhǔn)數(shù)據(jù)獲取與待測(cè)產(chǎn)品測(cè)試兩個(gè)部分?；鶞?zhǔn)數(shù)據(jù)獲取部分主要包括確定基頻能量比均值序列SA_EBR與閾值T項(xiàng)數(shù)據(jù)，流程如圖3所示。待測(cè)產(chǎn)品的測(cè)試和結(jié)果確認(rèn)流程為：計(jì)算帶測(cè)試產(chǎn)品的特征距離ERD，比較ERD與閾值T，如果小于閾值，為合格品，否則為不合格品。

3 實(shí)驗(yàn)驗(yàn)證

首先選取100個(gè)合格品，分別計(jì)算出它們的基頻能量占比序列，如圖4所示為某個(gè)合格揚(yáng)聲器的基頻能量占比序列。同時(shí)，基于這些序列值，求出基頻能量占比均值序列以及這些合格品的特征距離。

然后，選取100個(gè)不合格品，分別計(jì)算出他們的基頻能量占比序列和特征距離，如圖5所示為某個(gè)不合格揚(yáng)聲器的基頻能量占比序列。

接著，統(tǒng)計(jì)這200個(gè)些特征距離的分布圖，然后確定出閾值T=0.5。最后，在生產(chǎn)線上重新選取人工檢測(cè)的合格品與不合格品各5臺(tái)，計(jì)算各自特征距離，分別與閾值T（T=0.5）進(jìn)行比較，以驗(yàn)證該檢測(cè)方法。實(shí)驗(yàn)數(shù)據(jù)與結(jié)果，如表1所示。

從表1的實(shí)驗(yàn)結(jié)果可以看出，本文采用的算法能夠有效的檢驗(yàn)出不合格品。

4 結(jié)語(yǔ)

本文提出了在短時(shí)傅里葉變換的結(jié)果上，把基頻能量比序列作為特征量的揚(yáng)聲器故障檢測(cè)方法。它通過(guò)統(tǒng)計(jì)大量樣品特征距離的分布，確定閾值。最后把待測(cè)樣品的特征距離與閾值進(jìn)行比較，得出檢測(cè)結(jié)果。在實(shí)驗(yàn)室及工廠生產(chǎn)線檢驗(yàn)結(jié)果表明，該方法基本可替代人工對(duì)揚(yáng)聲器進(jìn)行檢測(cè)。接下來(lái)的主要工作集中在算法的時(shí)間優(yōu)化上，以適應(yīng)在工廠產(chǎn)線的大規(guī)模應(yīng)用。

參考文獻(xiàn)

[1]科恩L.白居憲，譯.時(shí)-頻分析：理論與研究[M].西安交通大學(xué)出版社，1998.

[2]張賢達(dá)，保錚.非平穩(wěn)信號(hào)分析與處理[M].國(guó)防工業(yè)出版社，1998.

[3]PASCAL B， STEVE T. Enhancements for loose particle detection in loudspeakers[J].Audio Engineering Society，2004，（5）：4-11.

[4]楊益，韋峻峰，溫周斌，等.揚(yáng)聲器異常音的快速檢測(cè)方法及其實(shí)驗(yàn)研究[J].聲學(xué)學(xué)報(bào)，2010，（5）：562-570.