【声信号的振声周期检测和检测方法概述2000字】.docxVIP

1

声信号的振声周期检测和检测方法概述

目录

声信号的振声周期检测和检测方法概述 1

1声信号的振声周期检测 1

1.1振声周期的基本概念 1

1.2振声周期检测的意义 1

1.3声信号检测现阶段存在的问题 2

2振声周期的检测方法 2

2.1自相关法 2

2.2平均幅度差函数法 3

2.3并行处理法 3

2.4倒谱法 3

2.5简化逆滤波法 4

2.6小波变换法 4

1声信号的振声周期检测

1.1振声周期的基本概念

发电机振声的实质为周期性，其主要为发电机工作通过循环振动所产生的，而振声周期为其倒数。

具体而言，发电机通过振动，就一定要产生流动的气流，气流为脉冲状，进而使得声带产生振动，这种振动一定会存在一个频率，发电机工作时所产生的振动频率也叫做振声频率。若气流的变化过于明显，显现在波形中则是一个跳变，其被当作信号的奇异点，可以认为是发电机内部出现一定的裂纹或损毁。

1.2振声周期检测的意义

上文所述，声信号参数在声信号分析时具有着重大的作用，而这些参数中，最为重要的一个参数便是声信号的周期了。因此，任何一个研究中，声信号的周期都作为首要的研究对象，只有找准声信号的周期，后续的分析和处理才能更加

2

完美地进行，其意义的重要性也可想而知了。因此，本文所进行的研究也是具有意义的研究。

1.3声信号检测现阶段存在的问题

当学者们发现了声信号检测的地位和意义后，大量学者和专家开始将研究方向集中于此，不断出现各类介绍和研究声信号检测的文章。不过，当前的文献中，存在着大量的问题，这些检测技术均无法做到尽善尽美。

虽然声信号检测技术出现了很多年，研究也不断深入，但是难以做到尽善尽美，声信号检测技术在取得成就的同时，还存在着很多问题，主要包括：

1)算法的适应性差。当前所现存且实际应用的算法对于环境的依存性过高，当条件或环境改变后，这些算法很大可能难以很好地完成任务。另外，声信号类型的不同也是算法难以具有很好适应性的原因之一，不同的声信号会让算法的表现大打折扣。

2)声信号周期的变化范围比较大。每种设备发出的振动声都不同，而跨领域的机械噪声也会扩大这种区别，这也就导致了检测很难很好地进行。至今，仍然未发现可以适合各种机械设备的检测方法。

3)噪声问题。噪声问题相对较为难以解决，无论是在本课题中，还是相关的问题中。一般的研究均认为在理想条件下，不过在真实的情景下，很难存在理想条件，噪声是一个重大的阻碍。

4)难以达到理想算法应具备的特点。这里的特点主要包括四种特点：第一种特点为可靠性；第二种特点为鲁棒性；第三种特点为稳定性；第四种特点为自适应性。

5)局限性。任何一种算法都存在其自身的局限性，因此局限性是一个需要克服的问题。

2振声周期的检测方法

振声周期检测至今仍无法达到完美，因此各类检测方式层出不穷，各具优点。

2.1自相关法

设定s(m)为发电机振动声信号，为其加上一段长为N的窗口，并对其进行截

3

取，设定截取后的振声信号为S,(m),定义S,(m)的自相关函数(ACF)R,(k)为：

(3.8)

R,(k)≠0,且其范围为k=(-N+1)~(N-1),是偶函数。

自相关函数区分信号种类，不同信号的峰值有所不同，发电机振声存在峰值，而噪声没有明显的峰值。由此，便可以分辨获取的发电机的振声，依照峰值位置便可以进行判断。自相关函数检测在使用时，窗是其考虑的重点问题，窗的种类以矩形窗为优，且高于两个振声周期。这种方法很容易同其他方法相结合。

2.2平均幅度差函数法

(AMDF)F,(k)被称为短时平均幅度差函数，可以由式(3.8)表示

(3.9)

周期性的发电机振声中，Fn(k)呈现出周期特性。但是F(k)在整数倍点上出现的是谷值特性，因此使用F(k)同样能够确定发电机振声周期。但噪声中，F,(k)缺乏周期特性。

ADMF在计算过程中不用乘法运算，所以具有较低复杂度。正因如此，其具有更尖锐的发电机振声周期点，具有更高的精度。不过其在声信号幅度过高的情况下表现较差。

2.3并行处理法

并行处理法(PPROC)的思路为：首先加入预处理操作，再进行初步检测。该方法为时域方法，具有较强的抗噪声能力。

2.4倒谱法

倒谱法(CEP)较为传统，其主要是通过倒频谱特征来完成检测。在此基础

上，可以对其进行改进：首先将原始发电机振声进行加窗操作，并且要分帧完成，随后开始LPC分析，用预测系数a;构成逆滤波器A(z);随后使用逆滤波器滤波，获取预测余量信号ε(n);再对ε(n)作DFT、取对数，高频分量置零