[发明专利]一种基于梅尔谱图和神经网络的设备噪音检测方法

权利要求书

1.一种基于梅尔谱图和神经网络的设备噪音检测方法，其特征在于,包括如下步骤：

S1、从噪音数据库中获取设备噪音数据，进行预处理得到梅尔谱图；

S2、对得到的每张梅尔谱图进行数据增强操作，得到梅尔谱图数据集；

S3、设定阈值范围，将梅尔谱图数据集中的每张梅尔谱图以频率维度进行分解，得到低频梅尔谱图、中频梅尔谱图、高频梅尔谱图；

S4、以低频梅尔谱图、中频梅尔谱图、高频梅尔谱图作为输入，分别构建并训练三个噪音检测神经网络子模型；

S5、将三个噪音检测神经网络子模型中最后一个卷积层输出的特征图组，以频率为维度重新拼接为全频段特征图组，以该全频段特征图组作为输入，构建并训练噪音检测神经网络融合模型；

S6、获取新音频数据，依次执行步骤S1进行预处理得到梅尔谱图，执行步骤S3进行分解得到低频梅尔谱图、中频梅尔谱图、高频梅尔谱图，并对应输入步骤S4训练好的噪音检测神经网络子模型中，提取三个噪音检测神经网络子模型最后一个卷积层输出的特征图，拼接为全频段特征图，输入步骤S5训练好的噪音检测神经网络融合模型中，得到新音频数据的噪音分类结果。

2.根据权利要求1所述的一种基于梅尔谱图和神经网络的设备噪音检测方法，其特征在于，所述步骤S1的实现进一步包括如下操作：

S1.1、噪音数据库中存储有设备正常、设备不稳定、设备不正常3种状态的噪音数据，对每条噪音数据进行预加重；

S1.2、对预加重噪音数据进行分帧；

S1.3、对分帧噪音数据采用汉明窗进行加窗处理，得到噪音数据的梅尔谱图。

3.根据权利要求2所述的一种基于梅尔谱图和神经网络的设备噪音检测方法，其特征在于，执行步骤S1.3得到噪音数据的梅尔谱图，具体操作为：

创建梅尔滤波器，梅尔滤波器函数H m(k)可表示为：

其中，m代表滤波器的序号，f(m-1)和f(m)、f(m+1)分别对应第m个滤波器的起始频率点、中间频率点和结束频率点，k为快速傅里叶变换(FTT)后的点数；

对每一帧加窗分帧噪音数据分别进行快速傅里叶变换，把每一帧快速傅里叶变换后的频域信号转换为频谱图，将加窗分帧噪音数据的频谱图在时间上堆叠起来，即将每帧的频谱图在时间维度上进行拼接，得到加窗分帧噪音数据的功率谱，也称为梅尔谱图。

4.根据权利要求1所述的一种基于梅尔谱图和神经网络的设备噪音检测方法，其特征在于，执行步骤S2，对每张梅尔谱图进行的数据增强操作包括：时间平移、频率遮蔽、时间遮蔽和时频遮蔽。

5.根据权利要求4所述的一种基于梅尔谱图和神经网络的设备噪音检测方法，其特征在于，对每张梅尔谱图进行时间平移、频率遮蔽、时间遮蔽和时频遮蔽的具体操作如下：

(a)时间平移，梅尔谱图随机向右移动一段距离，空出来的部分用高斯噪声填补，高斯噪声指概率密度函数服从高斯分布(即正态分布)的噪声；

(b)频率遮蔽，对f个连续的频率通道[f0，f0+f)应用遮蔽掩膜，f是从[0，F]均匀分布中选择得到，F为频率掩膜参数，F为设置在(0，v)之间的一个整数值，f0从[0，v-f)中选择得到，v代表梅尔频率通道的总数量；

(c)时间遮蔽，对t个连续的时间步长[t0，t0+t)应用掩膜，t从[0，T]的均匀分布中选择的数字，T为时间掩膜参数，T为设置在(0，τ)之间的一个数值，t0从[0，τ-t)中选择，τ代表时间步长的总数量；

(d)时频遮蔽，同时使用时蔽和频率掩蔽，对f个连续的频率通道[f0，f0+f)应用掩膜，f是从[0，F]均匀分布中选择得到，F为频率掩膜参数，f0从[0，v-f)中选择得到，v代表梅尔频率通道的数量。对t个连续的时间步长[t0，t0+t)应用掩膜，t从[0，T]的均匀分布中选择的数字，T为时间掩膜参数，t0从[0，τ-t)中选择。