【技术实现步骤摘要】
基于时频域峰谷特征学习的扬声器质量检测方法
[0001]本专利技术涉及基于时频域峰谷特征学习的扬声器质量检测方法
,特别涉及一种基于时频域峰谷特征学习的扬声器质量检测方法。
技术介绍
[0002]随着手机、iPAD、笔电等产业的蓬勃发展,电声器件如扬声器作为关键的组成部分也具有很大的需求,因此提高扬声器的生产效率和质量具有重要的意义。对于扬声器产品而言,其较为重要的生产环节是成品质检,目前大多数是采用人工试听扬声器播放标准音频,通过判断其声音是否有噪声进行质检。一方面该方法由于工人长时间工作会产生听觉疲劳,影响质检的准确性;另一方面,该质检工序由于较为枯燥,较难招到合适的质检员。
[0003]因此,本专利技术提供一种基于时频域峰谷特征学习的扬声器质量检测方法,以解决上述问题。
技术实现思路
[0004]本专利技术的目的在于研发关于扬声器的智能产品质量检测技术,以代替人工检测方式,一方面能够保障产品长时间质量检测的可靠性,避免因人工疲劳引起的错误检测;另一方面,可以解决该工序招工难的问题且能降低成
【技术保护点】
【技术特征摘要】
1.一种基于时频域峰谷特征学习的扬声器质量检测方法,其特征在于:所述基于时频域峰谷特征学习的扬声器质量检测方法包括下列步骤:S100:采集样本声波数据;S200:从所述样本声波数据中提取出声波时域波形图的峰谷特征和声波频域特征,基于声波时频域特征阈值的学习方法建立声波质检特征数据库;S300:获取待检测扬声器的声波数据,从所述待检测扬声器的声波数据中提取声波峰谷及幅频特征,将提取到的声波峰谷及幅频特征输入至所述声波质检特征数据库进行匹配,当特征匹配时,检验为合格产品,当特征不匹配时,检验为不合格产品。2.根据权利要求1所述的基于时频域峰谷特征学习的扬声器质量检测方法,其特征在于:在步骤S200中,从所述样本声波数据中提取出声波时域波形图的峰谷特征包括如下步骤:S210:设声波曲线各离散正数点的坐标为(n,f(n)),其中n=1,2,3,...,N,N为总点数,当第m个点为顶点时应满足条件:最终得到的顶点表示为(m,p(m)),其中m=1,2,3,...,M,M为定点数总和;S220:将相邻顶点间距离最大的点记为两个周期波形的分割点s,提取的分割点总数为h,设相邻顶点的距离为w,第m个点的相邻两点间距定义为w
m
=p(m)
‑
p(m
‑
1)。3.根据权利要求2所述的基于时频域峰谷特征学习的扬声器质量检测方法,其特征在于:在步骤S220中,设定阈值ω,当w>ω时才被提取为分割点s,设定分割点幅值阈值λ,当y<λ时,提取为分割点s,其中,y为样本波形幅值,样本提取的分割点总数h>2;设定一个幅值阈值ψ,当幅值y>ψ时为正样本,当y<ψ时,为负样本。4.根据权利要求2所述的基于时频域峰谷特征学习的扬声器质量检测方法,其特征在于:在步骤S220中,分割点s的提取方法如下:S2...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。