[发明专利]一种喇叭的智能化生产方法及其系统

权利要求书

1.一种喇叭的智能化生产方法，其特征在于，包括：

获取待测试喇叭的声效探测信号以及参考喇叭的声效探测信号，所述参考喇叭为测试音质合格的喇叭；

对所述待测试喇叭的声效探测信号和所述参考喇叭的声效探测信号进行傅里叶变换以得到多个声效探测频域统计特征值和多个声效参考频域统计特征值；

将所述待测试喇叭的声效探测信号的波形图和所述多个声效探测频域统计特征值通过包含图像编码器和序列编码器的第一Clip模型以得到探测声效特征矩阵；

将所述参考喇叭的声效探测信号的波形图和所述多个声效参考频域统计特征值通过包含图像编码器和序列编码器的第二Clip模型以得到参考声效特征矩阵；

计算所述探测声效特征矩阵和所述参考声效特征矩阵之间的差分特征矩阵；

对所述差分特征矩阵中的沿着行向量方向的各个差分特征向量进行特征聚合度优化以得到优化差分特征矩阵；以及

将所述优化差分特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待测试喇叭的音质是否符合预定标准。

2.根据权利要求1所述的喇叭的智能化生产方法，其特征在于，所述将所述待测试喇叭的声效探测信号的波形图和所述多个声效探测频域统计特征值通过包含图像编码器和序列编码器的第一Clip模型以得到探测声效特征矩阵，包括：

将所述待测试喇叭的声效探测信号的波形图输入所述第一Clip模型的图像编码器以得到探测声效波形特征向量；

将所述多个声效探测频域统计特征值输入所述第一Clip模型的序列编码器以得到探测声效频域特征向量；以及

使用所述第一Clip模型的联合编码器来基于所述探测声效频域特征向量对所述探测声效波形特征向量进行特征属性编码优化以得到所述探测声效特征矩阵。

3.根据权利要求2所述的喇叭的智能化生产方法，其特征在于，所述第一Clip模型的图像编码器为作为过滤器的卷积神经网络模型。

4.根据权利要求3所述的喇叭的智能化生产方法，其特征在于，所述将所述待测试喇叭的声效探测信号的波形图输入所述第一Clip模型的图像编码器以得到探测声效波形特征向量，包括：使用所述卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：

基于卷积核对所述输入数据进行基于二维卷积核的卷积处理以得到卷积特征图；

对所述卷积特征图进行基于特征矩阵的全局池化处理以得到池化特征图；以及

对所述池化特征图进行非线性激活以得到激活特征图；

其中，所述卷积神经网络模型的第一层的输入为所述待测试喇叭的声效探测信号的波形图，所述卷积神经网络模型的第二层至最后一层的输入为上一层的输出，所述卷积神经网络模型的最后一层的输出为所述探测声效波形特征向量。

5.根据权利要求4所述的喇叭的智能化生产方法，其特征在于，所述第一Clip模型的序列编码器由交替排列的一维卷积层和全连接层组成。

6.根据权利要求5所述的喇叭的智能化生产方法，其特征在于，所述将所述多个声效探测频域统计特征值输入所述第一Clip模型的序列编码器以得到探测声效频域特征向量，包括：

将所述多个声效探测频域统计特征值排列为输入向量；

使用所述序列编码器的全连接层以如下公式对所述输入向量进行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：其中X是所述输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，表示矩阵乘法；以及

使用序列编码器的一维卷积层以如下公式对所述输入向量进行一维卷积编码以提取出所述输入向量中各个位置的特征值间的关联的高维隐含关联特征，其中，所述公式为：

其中，a为第一卷积核在x方向上的宽度、F(a)为第一卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为第一卷积核的尺寸，X表示所述输入向量，Cov(X)表示对所述输入向量进行一维卷积编码。