[发明专利]一种基于声音识别的消防声光报警器故障检测方法

说明书

本发明公开一种基于声音识别的消防声光报警器故障检测方法，首先将采集到的声光报警器报警声音进行量化，然后，对量化后的声音数据进行特征选择、特征归一化并编码，最后，从编码后的声音数据中提取需要校验的信息进而获取声音检测结果。从而实现替代人工检测，在提高检测效率的同时降低检测过程对人体的危害。

技术领域

本发明涉及消防安全技术领域，尤其涉及消防电子设备中的声光报警器。

背景技术

消防安全是国家公共安全的重要组成部分，消防行业的发展水平成为国民经济和社会发达程度的重要标志。近年来，随着消防行业的发展，消防电子设备的需求量逐渐增加，其中消防电子设备中的声光报警器作为常用消防设备，其需求量显著加大。

然而，在实际生产中声光报警器的故障检测仍然采用人工检测方法，通过人工试听报警声音状态来判断声光报警器是否存在故障。该检测方法不仅存在检测效率低，误判率高的问题，而且长时间会对检测人员听力造成一定损伤。

发明内容

本发明的目的在于提供一种基于声音识别的消防声光报警器故障检测方法，首先将采集到的声光报警器报警声音进行量化，然后，对量化后的声音数据进行特征选择、特征归一化并编码，最后，从编码后的声音数据中提取需要校验的信息进而获取声音检测结果。

本发明所要解决的技术问题采用以下技术方案来实现：

一种基于声音识别的消防声光报警器故障检测方法,方法为:首先将采集到的声光报警器报警声音进行量化，然后，对量化后的声音数据进行特征选择、特征归一化并编码，最后，声音编码识别，从编码后的声音数据中提取需要校验的信息进而获取声音检测结果。

本发明的进一步技术：

优选的，所述特征选择：首先将声光报警器报警声音以音频幅频曲线形式进行量化与可视化，并选择各幅频曲线中峰值的频率a及幅值b，(1000Hz,9000Hz)范围内信号的幅度均值c和最小值d作为特征，且每帧幅频曲线只取前6个峰值信息作为特征，当峰值数量不足时补零。由上述特征值构成的特征向量可公式化如下：

其中t表示特征向量，a表示声音处于峰值时对应的频率，b表示声音处于峰值时对应的幅值，c表示幅度均值，d表示幅度最小值。

优选的，所述特征归一化：首先计算特征向量中所有峰值的幅度最大值B，将各峰值的幅度b及幅度均值c除以B,然后再将特征向量中所有峰值的频率a除以9000Hz以使得特征向量中各元素数量级相近。归一化后的特征向量t'可公式化如所示：

其中t'表示归一化后的特征向量，a₀＝9000。

优选的，所述声音编码：通过对声音频率的分析，可以将声音频率分为n个部分，每个部分对应编码为0或1这样形成一段由声音频率组成的编码数据。然后，在该段编码中加入自制的校验编码形成新的编码数据，其中校验编码主要用于定位判断声音是否有异常和异常出现在某个回路。

优选的，所述声音编码识别：通过对本公司声光报警器标准报警声音分析，编码，可以形成一条标准声音编码数据。通过将待检测声音编码数据与标准编码声音数据进行对比分析，即可获取故障检测结果。

本发明的有益效果是：

本发明利用首先将采集到的声光报警器报警声音进行量化，然后，对量化后的声音数据进行特征选择、特征归一化并编码，最后，从编码后的声音数据中提取需要校验的信息进而获取声音检测结果。从而实现替代人工检测，在提高检测效率的同时降低检测过程对人体的危害。

附图说明：

图1是本发明的检测流程示意图；

图2是本发明的检测结构示意图。

具体实施方式