[发明专利]扬声器的杂音检测方法、装置、电子设备和存储介质

说明书

本申请涉及人工智能技术领域，提供了一种扬声器的杂音检测方法、装置、电子设备和存储介质。所述方法包括：采集扬声器中的音频信号；将所述音频信号分别在多个尺度上进行卷积，生成与多个尺度对应的多个特征；根据所述多个特征生成融合特征，并根据预训练的分类模型确定所述融合特征的概率；若所述概率大于等于阈值，则确定所述音频信号包含杂音；若所述概率小于所述阈值，则确定所述音频信号不包含杂音。采用本方法能够提高杂音检测准确率和处理效率。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种扬声器的杂音检测方法、装置、电子设备和存储介质。

背景技术

微型扬声器作为电子设备中的音频输出关键器件，随着智能音箱、平板电脑、手机等智能硬件的应用得到广泛使用。在微型扬声器生产过程中，杂音检测技术成为决定生产质量的关键因素，杂音检测方法的准确性及高效性要求也越来越严格。

相关技术中，通过硬件检测系统进行杂音检测，具体运用音频信号发生器激励微型扬声器，通过仿真耳获取声压信号，声压信号经过A/D转换、数据采集卡传至计算机，进而计算各个频率点上的Rub值、提取特征并通过经验阈值裁决进行检测识别。该方案中，由测试人员根据测试多个信号人为选取各个频率点上杂音存在判决阈值，对于精度要求较高的杂音检测场景，该判决阈值难以设定，检测准确度有待提高。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高杂音检测准确率和处理效率的扬声器的杂音检测方法、装置、电子设备和存储介质。

本申请实施例提供了一种扬声器的杂音检测方法，所述方法包括：

采集扬声器中的音频信号；

将所述音频信号分别在多个尺度上进行卷积，生成与多个尺度对应的多个特征；

根据所述多个特征生成融合特征，并根据预训练的分类模型确定所述融合特征的概率；

若所述概率大于等于阈值，则确定所述音频信号包含杂音；

若所述概率小于所述阈值，则确定所述音频信号不包含杂音。

在一个实施例中，所述方法还包括：

获取包含杂音的扫频信号和不包含杂音的扫频信号；

将扫频信号分别在多个尺度上进行卷积，生成与多个尺度对应的多个样本特征；

将所述多个样本特征融合生成样本融合特征，并确定所述样本融合特征的预测概率；

根据所述预测概率和扫频信号的标注值训练分类模型。

在一个实施例中，所述多个尺度包括第一尺度、第二尺度和第三尺度，且所述第一尺度小于所述第二尺度，所述第二尺度小于所述第三尺度，所述将所述音频信号分别在多个尺度上进行卷积，生成与多个尺度对应的多个特征包括：

将所述音频信号分别在所述第一尺度、所述第二尺度和所述第三尺度上进行卷积，以提取所述音频信号在时域上与所述第一尺度、所述第二尺度和所述第三尺度对应的第一特征、第二特征和第三特征。

在一个实施例中，所述方法还包括：

对所述扬声器中的音频信号进行归一化处理；

确定音频信号采样率的原始值和目标值，并将归一化处理后的音频信号的采样率由所述原始值降低至所述目标值。

在一个实施例中，所述融合特征的概率通过如下方式计算得到：

其中，z_k表示全连接层的第k个值，表示含有杂音的音频样本向量，表示不含杂音的音频样本向量。

在一个实施例中，卷积层的计算公式如下：