麦克风异常检测方法、装置、设备及存储介质制造方法及图纸

本申请提供了一种麦克风异常检测方法、装置、设备及存储介质，其方法包括：获取麦克风采集的音频信号数据；根据所述麦克风采集的音频信号数据，采用预设的特征值计算算法计算出所述麦克风相对于麦克风阵列的时域特征值和频域特征值；分别将所述麦克风相对于麦克风阵列的时域特征值和频域特征值与对应预设的标准阈值进行比对，根据比对结果判断所述麦克风是否异常。该方法通过计算麦克风相对于麦克风阵列的时域特征值和频域特征值来判断麦克风阵列中的麦克风是否异常，此判断过程采用相对阈值，使得麦克风异常检测不受幅值大小和前端算法增益大小的影响，大大减少了漏检与虚警的现象，提高异常检测的可靠性和鲁棒性。

【技术实现步骤摘要】
麦克风异常检测方法、装置、设备及存储介质
本申请属于监控设备
，尤其涉及一种麦克风异常检测方法、装置、设备及存储介质。
技术介绍
随着麦克风阵列信号处理技术的快速发展，智能听觉装置在越来越多的领域得到广泛的应用，例如智能语音交互、机器听觉、智能交通、智能安防、智慧城市等领域。在实际应用中，麦克风通常长时间暴露在恶劣的室外环境中，受室外的风雨日晒、尘土、电磁等因素干扰，容易导致阵列中单个或多个麦克风出现暂时性能失常甚至永久损坏，严重影响听觉装置的功能。针对上述情况，现有技术提出了一些关于麦克风异常的检测方法，通常是设计或选择一种或多种音频信号的时域特征阈值，通过信号检测的方式来实现麦克风的异常检测，以此实现设备维护操作。然而，专利技术人研究发现，此类检测方法中设计或选择的时域特征阈值往往依赖于采集信号的幅值大小，如若前端的信号增益发生改变时，阈值则失效，难以实现阈值自适应，容易出现漏检和虚警现象。
技术实现思路
有鉴于此，本申请实施例提供了一种麦克风异常检测方法、装置、设备及存储介质，可以避免麦克风的异常检测受采集信号的幅值大小和前端信号的增益大小影响，有效提高麦克风异常检测的鲁棒性和可靠性。本申请实施例的第一方面提供了一种麦克风异常检测方法，所述麦克风异常检测方法包括：获取麦克风采集的音频信号数据；根据所述麦克风采集的音频信号数据，采用预设的特征值计算算法计算出所述麦克风相对于麦克风阵列的时域特征值和频域特征值；分别将所述麦克风相对于麦克风阵列的时域特征值和频域特征值与对应预设的标准阈值进行比对，根据比对结果判断所述麦克风是否异常。结合第一方面，在第一方面的第一种可能实现方式中，所述根据所述麦克风采集的音频信号数据，采用预设的特征值计算算法计算出所述麦克风相对于麦克风阵列的时域特征值和频域特征值的步骤，包括：按照特征值计算算法中预先配置的算法参数对麦克风采集的音频信号数据进行预处理，其中，所述预处理包括加窗分帧处理和傅里叶变换处理。结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，所述根据所述麦克风采集的音频信号数据，采用预设的特征值计算算法计算出所述麦克风相对于麦克风阵列的时域特征值和频域特征值的步骤，包括：计算所述麦克风相对于麦克风阵列的时域能量偏差百分比数值作为所述麦克风的时域特征值；及计算所述麦克风相对于麦克风阵列的频域子带归一化的相对能量和偏差百分比数值作为所述麦克风的第一频域特征值；及计算所述麦克风相对于麦克风阵列的频域归一化的对数频谱距离偏差百分比数值作为所述麦克风的第二频域特征值。结合第一方面的第二种可能实现方式，在第一方面的第三种可能实现方式中，所述计算所述麦克风相对于麦克风阵列的时域能量偏差百分比数值作为所述麦克风的时域特征值的步骤，包括：通过加窗分帧处理将所述麦克风采集的音频信号数据划分成多个数据帧，获取每个数据帧对应的幅值；根据所述麦克风采集的音频信号数据中每个数据帧对应的幅值数据，采用所述预设的特征值计算算法计算出所述麦克风阵列中每个麦克风对应的短时能量值；结合每个麦克风对应的短时能量值确定所述麦克风阵列的短时能量均值；将所述每个麦克风对应的短时能量值分别与所述麦克风阵列的短时能量均值进行比对，计算出所述每个麦克风对应的时域能量偏差百分比数值。结合第一方面的第二可能实现方式，在第一方面的第四种可能实现方式中，所述计算所述麦克风相对于麦克风阵列的频域子带归一化的相对能量和偏差百分比数值作为所述麦克风的第一频域特征值的步骤，包括：通过对所述麦克风采集的音频信号数据进行傅里叶变换获取所述麦克风对应的频谱；按照特征值计算算法中预先配置的算法参数从所述频谱中选取对应的频段，并将所述频段平均分成若干个子带，获取各子带的幅值谱；获取所述各子带的幅值谱中幅值最大的频点，按照所述各子带的幅值谱中幅值最大的频点对各子带进行归一化处理，获取所述各子带对应的平均幅值；根据所述各子带对应的平均幅值计算出所述各子带归一化相对能量，将所述各子带归一化相对能量进行求和，以获得频域子带归一化相对能量和；结合每个麦克风对应的频域子带归一化相对能量和确定所述麦克风阵列的频域子带归一化相对能量和均值；将所述每个麦克风对应的频域子带归一化相对能量和分别与所述麦克风阵列的频域子带归一化相对能量和均值进行比对，计算出所述每个麦克风对应的频域子带归一化相对能量和偏差百分比数值。结合第一方面的第二可能实现方式，在第一方面的第五种可能实现方式中，所述计算所述麦克风相对于麦克风阵列的频域归一化的对数频谱距离偏差百分比数值作为所述麦克风的第二频域特征值的步骤，包括：通过对所述麦克风采集的音频信号数据进行傅里叶变换获取所述麦克风对应的频谱；按照特征值计算算法中预先配置的算法参数从所述频谱中选取对应的频段，并将所述频段平均分成若干个子带，获取各子带的幅值谱；获取所述各子带的幅值谱中幅值绝对值最大的频点，按照所述各子带的幅值谱中幅值绝对值最大的频点对各子带进行归一化处理，获取每个麦克风对应的幅值谱；结合所述每个麦克风对应的幅值谱确定所述麦克风阵列的幅值谱均值；根据所述每个麦克风对应的幅值谱和所述麦克风阵列的幅值谱均值，计算出所述每个麦克风对应的频域归一化对数频谱距离；结合所述每个麦克风对应的频域归一化对数频谱距离确定所述麦克风阵列的频域归一化对数频谱距离均值；将所述每个麦克风对应的频域归一化对数频谱距离分别与所述麦克风阵列的频域归一化对数频谱距离均值进行比对，计算出所述每个麦克风对应的频域归一化对数频谱距离偏差百分比数值。结合第一方面，在第一方面的第六种可能实现方式中，所述分别将所述麦克风相对于麦克风阵列的时域特征值和频域特征值与对应预设的标准阈值进行比对，根据比对结果判断所述麦克风是否异常的步骤，包括：基于麦克风阵列的预设数量个连续的检测数据帧，获取所述麦克风阵列中各麦克风对应的预设数量个连续的时域特征值和频域特征值；按检测数据帧分批次将所述各麦克风对应的预设数量个连续的时域特征值与预设的时域标准阈值进行比对，获得预设数量次时域特征比对结果；检测所述预设数量次时域特征比对结果中是否显示有相同的麦克风时域特征异常，若有，则将所述麦克风标记为时域异常并将所述麦克风信息反馈至异常检测系统，否则按检测数据帧分批次将所述各麦克风对应的预设数量个连续的频域特征值与预设的频域标准阈值进行比对，获得预设数量次频域特征比对结果；检测所述预设数量次频域特征比对结果中是否显示有相同的麦克频域特征异常，若有，则将所述麦克风标记为频域异常并将所述麦克风信息反馈至异常检测系统，否则判断所述麦克风阵列中的各麦克风正常。本申请实施例的第二方面提供了一种麦克风异常检测装置，所述麦克风异常检测装置包括：获取模块，用于获取麦克风采集的音频信号数据；计算模块，用于根据所述麦克风采集的本文档来自技高网...

【技术保护点】
1.一种麦克风异常检测方法，其特征在于，包括：/n获取麦克风采集的音频信号数据；/n根据所述麦克风采集的音频信号数据，采用预设的特征值计算算法计算出所述麦克风相对于麦克风阵列的时域特征值和频域特征值；/n分别将所述麦克风相对于麦克风阵列的时域特征值和频域特征值与对应预设的标准阈值进行比对，根据比对结果判断所述麦克风是否异常。/n

【技术特征摘要】
1.一种麦克风异常检测方法，其特征在于，包括：
获取麦克风采集的音频信号数据；
根据所述麦克风采集的音频信号数据，采用预设的特征值计算算法计算出所述麦克风相对于麦克风阵列的时域特征值和频域特征值；
分别将所述麦克风相对于麦克风阵列的时域特征值和频域特征值与对应预设的标准阈值进行比对，根据比对结果判断所述麦克风是否异常。


2.根据权利要求1所述的麦克风异常检测方法，其特征在于，所述根据所述麦克风采集的音频信号数据，采用预设的特征值计算算法计算出所述麦克风相对于麦克风阵列的时域特征值和频域特征值的步骤，包括：
按照特征值计算算法中预先配置的算法参数对麦克风采集的音频信号数据进行预处理，其中，所述预处理包括加窗分帧处理和傅里叶变换处理。


3.根据权利要求2所述的麦克风异常检测方法，其特征在于，所述根据所述麦克风采集的音频信号数据，采用预设的特征值计算算法计算出所述麦克风相对于麦克风阵列的时域特征值和频域特征值的步骤，包括：
计算所述麦克风相对于麦克风阵列的时域能量偏差百分比数值作为所述麦克风的时域特征值；及
计算所述麦克风相对于麦克风阵列的频域子带归一化的相对能量和偏差百分比数值作为所述麦克风的第一频域特征值；及
计算所述麦克风相对于麦克风阵列的频域归一化的对数频谱距离偏差百分比数值作为所述麦克风的第二频域特征值。


4.根据权利要求3所述的麦克风异常检测方法，其特征在于，所述计算所述麦克风相对于麦克风阵列的时域能量偏差百分比数值作为所述麦克风的时域特征值的步骤，包括：
通过加窗分帧处理将所述麦克风采集的音频信号数据划分成多个数据帧，获取每个数据帧对应的幅值；
根据所述麦克风采集的音频信号数据中每个数据帧对应的幅值数据，采用所述预设的特征值计算算法计算出所述麦克风阵列中每个麦克风对应的短时能量值；
结合每个麦克风对应的短时能量值确定所述麦克风阵列的短时能量均值；
将所述每个麦克风对应的短时能量值分别与所述麦克风阵列的短时能量均值进行比对，计算出所述每个麦克风对应的时域能量偏差百分比数值。


5.根据权利要求3所述的麦克风异常检测方法，其特征在于，所述计算所述麦克风相对于麦克风阵列的频域子带归一化的相对能量和偏差百分比数值作为所述麦克风的第一频域特征值的步骤，包括：
通过对所述麦克风采集的音频信号数据进行傅里叶变换获取所述麦克风对应的频谱；
按照特征值计算算法中预先配置的算法参数从所述频谱中选取对应的频段，并将所述频段平均分成若干个子带，获取各子带的幅值谱；
获取所述各子带的幅值谱中幅值最大的频点，按照所述各子带的幅值谱中幅值最大的频点对各子带进行归一化处理，获取所述各子带对应的平均幅值；
根据所述各子带对应的平均幅值计算出所述各子带归一化相对能量，将所述各子带归一化相对能量进行求和，以获得频域子带归一化相对能量和；
结合每个麦克风对应的频域子带归一化相对能量和确定所述麦克风阵列的频域子带归一化相对能量和均值；
将所述每个麦克风对应的频域子带归一化相对能量和分别与所述麦克风阵列的频域子带归一化相对能量和均值进行比对，计算出所述每个麦克风对应的频域子带归一化相对能量和偏差百分比数值...

【专利技术属性】
技术研发人员：何志连，王丹，
申请(专利权)人：深圳市微纳感知计算技术有限公司，
类型：发明
国别省市：广东;44