【技术实现步骤摘要】
本专利技术涉及音频信号处理，尤其是指基于机器学习的扬声器异音检测方法、系统及存储介质。
技术介绍
1、随着智能手机、智能音箱、车载音响及家庭影院等电子设备的普及，扬声器市场需求激增，我国已成为扬声器生产和出口大国。面对市场对高品质音频体验的不断提升，扬声器生产企业面临着在扩大产量的同时，还需提升产品质量的挑战。然而，在扬声器制造过程中，常出现影响音质的结构和机械故障，这些故障直接影响用户体验。
2、当前，扬声器异音检测主要依赖传统方法，即通过专业听音员在隔音环境中以人耳判断扬声器声音是否正常。此方法存在显著弊端：一是高度依赖听音员的主观感受，易受年龄、健康状况及疲劳程度等个体因素影响，导致检测结果的主观性和不确定性；二是缺乏统一的评价标准，难以被自动化装置替代；三是对于大规模生产而言，不仅劳动成本高，且长时间重复性工作易导致人员疲劳和误判，增加了产品不合格风险。
3、因此，探索一种更加精准高效、客观且标准化的扬声器异音检测方法显得尤为迫切，以满足市场对高质量扬声器的需求，同时降低生产成本，提高生产效率。
<...【技术保护点】
1.一种基于机器学习的扬声器异音检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习的扬声器异音检测方法，其特征在于：在S1中，所述得到多视图数据集的方法如下：
3.根据权利要求1所述的基于机器学习的扬声器异音检测方法，其特征在于：在S2中，所述得到特征选择后的数据集的方法如下：
4.根据权利要求3所述的基于机器学习的扬声器异音检测方法，其特征在于：所述无监督特征选择目标函数Floss包括伪标签学习的损失项Loss1和特征选择矩阵学习的损失项Loss2，其表达式如下：
5.根据权利要求4所述的基于机...
【技术特征摘要】
1.一种基于机器学习的扬声器异音检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习的扬声器异音检测方法，其特征在于：在s1中，所述得到多视图数据集的方法如下：
3.根据权利要求1所述的基于机器学习的扬声器异音检测方法，其特征在于：在s2中，所述得到特征选择后的数据集的方法如下：
4.根据权利要求3所述的基于机器学习的扬声器异音检测方法，其特征在于：所述无监督特征选择目标函数floss包括伪标签学习的损失项loss1和特征选择矩阵学习的损失项loss2，其表达式如下：
5.根据权利要求4所述的基于机器学习的扬声器异音检测方法，其特征在于：所述伪标签学习的损失项loss1基于非负约束条件下构造而成，其表达式为：
6.根据权...
【专利技术属性】
技术研发人员：王莲芝，金东方，
申请(专利权)人：苏州东原电子有限公司，
类型：发明
国别省市：
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。