一种声品质参数提取方法

本发明涉及信号处理和声品质的，具体涉及一种声品质参数提取方法。

背景技术：

1、随着经济的发展，机械设备在社会生活中占据了越来越重要的位置。然而，机械设备运行过程中引发的噪声问题也日益严重，其噪声对操作人员身心健康的影响是巨大的，可能会引起神经系统受损、听力下降等多方面的改变。因此，人们对机械设备的声学特性也有了更高的要求，不仅要求其噪声大小满足基本的法规，而且还要求其具有良好的噪声品质。

2、目前噪声品质评价已在很多行业有着较为良好的应用。其中，声品质参数是噪声品质评价过程中非常关键的部分。对于结构复杂的机械设备来说，其运行噪声往往来自于内部结构的多个噪声源，因此这类噪声既包含宽带噪声成分，又包含分散的噪声成分，这也使得现有的传统声品质参数在一定程度上不能全面准确地反映噪声信号的本质特点。因此，使用传统声品质参数对机械设备进行噪声品质的描述存在很大的局限性。

3、因此，如果能够从原始的噪声信号中准确的提取出具有更优表达能力的声品质参数来替代传统声品质参数在噪声品质问题中的应用，这将能够更好的反映噪声信号的特性，提高对机械设备噪声品质描述的精度，并且对机械设备的声学设计及噪声控制都将具有实际的意义。

技术实现思路

1、鉴于以上所述，本发明提供了一种声品质参数提取方法，通过该方法提取的声品质参数可以更全面准确地反映噪声信号的本质特点。

2、本发明所述的一种声品质参数提取方法，包括以下步骤：

3、步骤1：利用传声器采集机械设备运转时的音频，采集的音频时长为5s～10s(进一步优选为5s)，采样频率为40000hz～48000hz(进一步优选为44100hz)；

4、步骤2：利用ivmd(改进的变分模态分解)方法对步骤1的音频进行处理，得到每条音频对应的imf(固有模态函数)分量。具体步骤如下：

5、步骤2.1：将步骤1中的音频标记为声信号g(t)，然后对声信号g(t)进行gmc(广义极小极大凹)罚函数的稀疏表示来实现去噪，因此可以得到去噪信号gopt(t)；

6、步骤2.2：利用aro(人工兔优化)算法对去噪信号gopt(t)在搜索区间[αlow,αup]内进行最优惩罚因子αbest的搜索；

7、步骤2.3：将步骤2.2的最优惩罚因子αbest输入到vmd(变分模态分解)方法中，利用vmd(变分模态分解)方法从步骤2.1的去噪信号gopt(t)中提取到1个imf(固有模态函数)分量；

8、步骤2.4：利用步骤2.1中的声信号g(t)减去步骤2.3中的imf(固有模态函数)分量得到残差信号r(t)；

9、步骤2.5：对步骤2.1的声信号g(t)和步骤2.4的残差信号r(t)进行tanimoto系数τa的计算，

10、tanimoto系数τa为：

11、

12、其中：t＝t0,…,tm-1为对时间进行离散采样；m为信号的长度。

13、步骤2.6：当步骤2.5的tanimoto系数τa的结果小于等于相似度阈值τend，或者已经提取的imf(固有模态函数)分量个数know达到最大可提取imf(固有模态函数)分量个数kend，则判定为提取过程结束，并且输出所提取的所有imf(固有模态函数)分量结果，若提取过程没有结束就进入步骤2.7；

14、步骤2.7：令步骤2.4的残差信号r(t)代替步骤2.1的声信号g(t)重复上述步骤2.1至步骤2.6，直至imf(固有模态函数)分量的提取过程结束，并输出所提取的所有imf(固有模态函数)分量结果。

15、对于具有驱动、齿轮和连杆等复杂结构的机械设备来说，其噪声信号往往由内部的多个噪声源组成，从噪声信号中全面准确的获得有效信息则变得十分困难，因此本发明提出的ivmd(改进的变分模态分解)方法能够自适应的从噪声信号中提取出包含其声学特性的imf(固有模态函数)分量。

16、步骤3：对步骤2的imf(固有模态函数)分量进行线性相加合成获得对应的重构音频；

17、步骤4：将步骤3的重构音频标记为重构信号gre(t)，并对重构信号gre(t)进行声品质参数sqap的提取，

18、声品质参数sqap为：

19、

20、其中：a,b,c为常数；s(z)和s(z')均为重构信号gre(t)的频谱幅值；n为谱线数；fz为谱线对应的频率值；

21、传统声品质参数虽然已经在声品质问题上有着较为良好的应用，但是其表现力仍然有限。传统声品质参数只能描述噪声的总体水平和特定感知特性，无法对噪声信号的细节特性进行描述，也无法精确描述所有个体的感知偏好。因此，本发明基于ivmd(改进的变分模态分解)方法所提取的声品质参数sqap可以更加充分的反映噪声信号的细节特性，并且还有利于提升对噪声品质的表达。

22、步骤5：将得到的声品质参数sqap用于模型训练，之后将训练好的模型用于机械设备的声品质预测。

23、与现有技术相比，本发明具有以下优点：

24、针对具有驱动、齿轮和连杆等复杂结构的机械设备来说，其运转噪声来源较为丰富，这类噪声既包含宽带噪声成分又包含分散的噪声成分，本发明提出的方法能够有效的从此类噪声信号中提取出包含关键声学特性的信号成分，能够有效的降低环境噪声的干扰，实现对此类信号的声学描述；另外，在噪声品质评估方面，本发明提取的声品质参数sqap包含更多的噪声细节特性，相比于传统声品质来说对噪声信号有着更加细致的描述，更有利于机械设备噪声品质问题的改善。

技术特征：

1.一种声品质参数提取方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种声品质参数提取方法，其特征在于，步骤1中，采集的音频时长为5s～10s，采样频率为40000hz～48000hz。

3.根据权利要求1所述的一种声品质参数提取方法，其特征在于，步骤2中，利用ivmd方法对步骤1的音频进行处理，得到每条音频对应的imf分量，具体包括：

4.根据权利要求1所述的一种声品质参数提取方法，其特征在于，步骤2.5中，tanimoto系数τa的计算公式为：

5.根据权利要求1所述的一种声品质参数提取方法，其特征在于，步骤4中，对步骤3的重构音频进行声品质参数sqap的提取，具体包括：

技术总结本发明公开了一种声品质参数提取方法，包括：1、利用传声器采集机械设备运转时的音频；2、利用IVMD方法对采集的音频进行处理，得到每条音频对应的IMF分量；3、对获取的IMF分量进行线性相加合成获得对应的重构音频；4、对重构音频进行声品质参数SQAP的提取；5、将声品质参数SQAP用于模型训练，之后将训练好的模型用于机械设备的声品质预测。本发明提出的方法能够有效的从机械设备噪声信号中提取出包含关键声学特性的信号成分，能够有效的降低环境噪声的干扰，实现对此类信号的声学描述；另外，在噪声品质评估方面，本发明提取的声品质参数SQAP包含更多的噪声细节特性，相比于传统声品质来说对噪声信号有着更加细致的描述，更有利于机械设备噪声品质问题的改善。技术研发人员：刘祖斌,许则鹏受保护的技术使用者：浙江工业大学技术研发日：技术公布日：2024/4/22