扬声器的杂音检测方法、装置、电子设备和存储介质制造方法及图纸

本申请涉及人工智能技术领域，提供了一种扬声器的杂音检测方法、装置、电子设备和存储介质。所述方法包括：采集扬声器中的音频信号；将所述音频信号分别在多个尺度上进行卷积，生成与多个尺度对应的多个特征；根据所述多个特征生成融合特征，并根据预训练的分类模型确定所述融合特征的概率；若所述概率大于等于阈值，则确定所述音频信号包含杂音；若所述概率小于所述阈值，则确定所述音频信号不包含杂音。采用本方法能够提高杂音检测准确率和处理效率。效率。效率。

【技术实现步骤摘要】
扬声器的杂音检测方法、装置、电子设备和存储介质


[0001]本申请涉及人工智能
，尤其涉及一种扬声器的杂音检测方法、装置、电子设备和存储介质。

技术介绍

[0002]微型扬声器作为电子设备中的音频输出关键器件，随着智能音箱、平板电脑、手机等智能硬件的应用得到广泛使用。在微型扬声器生产过程中，杂音检测技术成为决定生产质量的关键因素，杂音检测方法的准确性及高效性要求也越来越严格。
[0003]相关技术中，通过硬件检测系统进行杂音检测，具体运用音频信号发生器激励微型扬声器，通过仿真耳获取声压信号，声压信号经过A/D转换、数据采集卡传至计算机，进而计算各个频率点上的Rub值、提取特征并通过经验阈值裁决进行检测识别。该方案中，由测试人员根据测试多个信号人为选取各个频率点上杂音存在判决阈值，对于精度要求较高的杂音检测场景，该判决阈值难以设定，检测准确度有待提高。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高杂音检测准确率和处理效率的扬声器的杂音检测方法、装置、电子设备和存储介质。
[0005]本申请实施例提供了一种扬声器的杂音检测方法，所述方法包括：
[0006]采集扬声器中的音频信号；
[0007]将所述音频信号分别在多个尺度上进行卷积，生成与多个尺度对应的多个特征；
[0008]根据所述多个特征生成融合特征，并根据预训练的分类模型确定所述融合特征的概率；
[0009]若所述概率大于等于阈值，则确定所述音频信号包含杂音；
>[0010]若所述概率小于所述阈值，则确定所述音频信号不包含杂音。
[0011]在一个实施例中，所述方法还包括：
[0012]获取包含杂音的扫频信号和不包含杂音的扫频信号；
[0013]将扫频信号分别在多个尺度上进行卷积，生成与多个尺度对应的多个样本特征；
[0014]将所述多个样本特征融合生成样本融合特征，并确定所述样本融合特征的预测概率；
[0015]根据所述预测概率和扫频信号的标注值训练分类模型。
[0016]在一个实施例中，所述多个尺度包括第一尺度、第二尺度和第三尺度，且所述第一尺度小于所述第二尺度，所述第二尺度小于所述第三尺度，所述将所述音频信号分别在多个尺度上进行卷积，生成与多个尺度对应的多个特征包括：
[0017]将所述音频信号分别在所述第一尺度、所述第二尺度和所述第三尺度上进行卷积，以提取所述音频信号在时域上与所述第一尺度、所述第二尺度和所述第三尺度对应的第一特征、第二特征和第三特征。
[0018]在一个实施例中，所述方法还包括：
[0019]对所述扬声器中的音频信号进行归一化处理；
[0020]确定音频信号采样率的原始值和目标值，并将归一化处理后的音频信号的采样率由所述原始值降低至所述目标值。
[0021]在一个实施例中，所述融合特征的概率通过如下方式计算得到：
[0022][0023]其中，z
k
表示全连接层的第k个值，表示含有杂音的音频样本向量，表示不含杂音的音频样本向量。
[0024]在一个实施例中，卷积层的计算公式如下：
[0025][0026]其中，i表示第i层卷积层，δ为激活函数，X表示音频信号，w表示卷积层权重，b表示卷积层偏置。
[0027]在一个实施例中，所述方法还包括：
[0028]采用最邻近算法，对每一包含杂音的扫频信号计算得到多个近邻；
[0029]对所述多个近邻中的任意两个进行随机线性插值，以生成包含杂音的仿真扫频信号；
[0030]重复上述步骤，直至所述包含杂音的扫频信号的数量与所述包含杂音的仿真扫频信号的数量之和，与所述不包含杂音的扫频信号的数量相等。
[0031]本申请实施例提供了一种扬声器的杂音检测装置，所述装置包括：
[0032]采集模块，用于采集扬声器中的音频信号；
[0033]提取模块，用于将所述音频信号分别在多个尺度上进行卷积，生成与多个尺度对应的多个特征；
[0034]生成模块，用于根据所述多个特征生成融合特征，并根据预训练的分类模型确定所述融合特征的概率；
[0035]第一确定模块，用于若所述概率大于等于阈值，则确定所述音频信号包含杂音；
[0036]第二确定模块，用于若所述概率小于所述阈值，则确定所述音频信号不包含杂音。
[0037]本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本申请任意实施例所提供的扬声器的杂音检测方法的步骤。
[0038]本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本申请任意实施例所提供的扬声器的杂音检测方法的步骤。
[0039]本申请实施例提供的技术方案与现有技术相比具有如下优点：
[0040]通过将扬声器中的音频信号分别在多个尺度上进行卷积，生成与多个尺度对应的多个特征，进而，根据多个特征生成融合特征，并根据预训练的分类模型确定融合特征的概率，根据概率确定音频信号是否包含杂音，由此，能够挖掘音频信号在时域上不同尺度上的融合特征信息，并通过计算概率判断是否含有杂音，提升特征信息检测准确率，在测试端减小了计算的复杂度，提高了杂音检测处理效率和检测准确率。
附图说明
[0041]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0042]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0043]图1为本申请实施例所提供的一种扬声器的杂音检测方法的流程示意图；
[0044]图2为本申请实施例所提供的一种模型训练的流程示意图；
[0045]图3为本申请实施例所提供的一种杂音检测流程图；
[0046]图4为本申请实施例所提供的一种扬声器的杂音检测装置的结构示意图；
[0047]图5为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
[0048]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0049]在一个实施例中，如图1所示，提供了一种扬声器的杂音检测方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
[0050]步骤102，采集扬声器中的音频信号。
[0051]本申请实施例的方法，可以用于检测扬声器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种扬声器的杂音检测方法，其特征在于，包括：采集扬声器中的音频信号；将所述音频信号分别在多个尺度上进行卷积，生成与多个尺度对应的多个特征；根据所述多个特征生成融合特征，并根据预训练的分类模型确定所述融合特征的概率；若所述概率大于等于阈值，则确定所述音频信号包含杂音；若所述概率小于所述阈值，则确定所述音频信号不包含杂音。2.如权利要求1所述的方法，其特征在于，还包括：获取包含杂音的扫频信号和不包含杂音的扫频信号；将扫频信号分别在多个尺度上进行卷积，生成与多个尺度对应的多个样本特征；将所述多个样本特征融合生成样本融合特征，并确定所述样本融合特征的预测概率；根据所述预测概率和扫频信号的标注值训练分类模型。3.如权利要求1或2所述的方法，其特征在于，所述多个尺度包括第一尺度、第二尺度和第三尺度，且所述第一尺度小于所述第二尺度，所述第二尺度小于所述第三尺度，所述将所述音频信号分别在多个尺度上进行卷积，生成与多个尺度对应的多个特征包括：将所述音频信号分别在所述第一尺度、所述第二尺度和所述第三尺度上进行卷积，以提取所述音频信号在时域上与所述第一尺度、所述第二尺度和所述第三尺度对应的第一特征、第二特征和第三特征。4.如权利要求1或2所述的方法，其特征在于，还包括：对所述扬声器中的音频信号进行归一化处理；确定音频信号采样率的原始值和目标值，并将归一化处理后的音频信号的采样率由所述原始值降低至所述目标值。5.如权利要求1或2所述的方法，其特征在于，所述融合特征的概率通过如下方式计算得到：...

【专利技术属性】
技术研发人员：宋广伟，
申请(专利权)人：上海闻泰信息技术有限公司，
类型：发明
国别省市：