【技术实现步骤摘要】
本专利技术涉及声音检测，尤其涉及一种声音异常检测智能手环及检测方法。
技术介绍
1、锂电池或电子产品的线束在插接过程中，可能会出现接触不良、插接不到位、漏插等问题。当前主要是通过人工回拔画线的方式进行检测，这样不仅影响生产节拍、检测效果不稳定，增加了生产成本，也影响了生产线的自动化和信息化回溯。因此需要实现自动化的声音检测，替代人工检测。
技术实现思路
1、本专利技术提供了一种声音异常检测智能手环及检测方法，实现声音异常自动检测和报警。
2、为了实现本专利技术的目的，所采用的技术方案是：声音异常检测方法，用于声音异常检测的智能手环配合分析主机和声学检测软件，基于频谱分析和机器学习的声学检测算法，实现声音异常自动检测和报警。
3、作为本专利技术的优化方案，声学检测软件包括声音采集模块、声学分析算法模块、可视化展示模块、报警输出模块和通讯联动模块，所述声学分析算法模块执行基于频谱分析和机器学习的声学检测算法，基于频谱分析和机器学习的声学检测算法包括：
4、s...
【技术保护点】
1.声音异常检测方法，其特征在于：通过用于声音异常检测的智能手环配合分析主机和声学检测软件，基于频谱分析和机器学习的声学检测算法，实现声音异常自动检测和报警。
2.根据权利要求1所述的声音异常检测方法，其特征在于：所述声学检测软件包括声音采集模块、声学分析算法模块、可视化展示模块、报警输出模块和通讯联动模块，所述声学分析算法模块执行基于频谱分析和机器学习的声学检测算法，基于频谱分析和机器学习的声学检测算法包括：
3.根据权利要求2所述的声音异常检测方法，其特征在于：在步骤S11中，对于离散信号x[n]，离散傅里叶变换可以表示为：
4...
【技术特征摘要】
1.声音异常检测方法，其特征在于：通过用于声音异常检测的智能手环配合分析主机和声学检测软件，基于频谱分析和机器学习的声学检测算法，实现声音异常自动检测和报警。
2.根据权利要求1所述的声音异常检测方法，其特征在于：所述声学检测软件包括声音采集模块、声学分析算法模块、可视化展示模块、报警输出模块和通讯联动模块，所述声学分析算法模块执行基于频谱分析和机器学习的声学检测算法，基于频谱分析和机器学习的声学检测算法包括：
3.根据权利要求2所述的声音异常检测方法，其特征在于：在步骤s11中，对于离散信号x[n]，离散傅里叶变换可以表示为：
4.根据权利要求3所述的声音异常检测方法，其特征在于：在步骤s12中，使用带通滤波器增强目标频段的信号，带通滤波器的传递函数为：
5.根据权利要求4所述的声音异常检测方法，其特征在于：在步骤s14中，局部峰值p[i]满足条件：
6.根据权利要求5所述的声音异常检测方法，其特征在于：在步骤s15中，使用梅尔倒谱系数提取特征，具体包括：
【专利技术属性】
技术研发人员：骞森，马东阳，
申请(专利权)人：南京帝感智能科技有限公司，
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。