基于声音识别汽车座椅记忆盒检测系统研究与实现

摘要

汽车座椅记忆盒作为自动可调节座椅的核心部件，出厂前需进行合格性检测，目前生产线上工人根据记忆盒内部蜂鸣器发声的不同来判别产品的合格情况。若产品合格，蜂鸣器会依次发出3声鸣响；若未发出3声鸣响，则检测结果不合格。由于外部环境干扰，现场工人通过人耳识别经常出现错判漏判的情况，本文利用声音识别技术设计了一套能用计算机对记忆盒合格性进行检测的系统。
　　首先，为了解决目标信号与背景噪声区分度这一难点问题，在15~30dB信噪比环境下，利用噪声信号与蜂鸣声短时平均幅度和过零率的差异进行检测，并将窗长设置为自动可变，有效提高了检测精度和速度。在0~15dB信噪比环境下利用噪声信号和蜂鸣声谱熵值的差异进行检测，使目标信号与噪声信号在低信噪比环境下仍然能得到准确区分。
　　其次，深入分析蜂鸣声特点后，对传统 Mel滤波器组的分布进行了改进，新Mid-Mel滤波器组提高了目标信号所在中频段的分辨率。接着提取MFCC系数及其差分谱并融合TEO能量作为目标信号的特征矢量，通过Fisher比准则挑选出区分度大的矢量，优化重组后形成三种混合特征参数。在特征提取时，准确把握蜂鸣声特征对提高识别率有重要意义。
　　最后，本文选取运算速度快，适合目标信号的DTW算法进行匹配，改进DTW的搜索路径来缩短识别时间。针对传统算法对端点检测精度敏感的缺陷，进行松弛始末端点处理，增强算法噪声条件下的鲁棒性。用改进算法对蜂鸣声进行识别，将结果同人工听音进行对比验证，发现机器识别在稳定性与准确度方面存在优越性。

目录

声明

第1章 绪 论

1.1 课题研究背景及意义

1.2 声音识别发展概述

1.3 论文研究的主要内容

第2章 检测系统硬件方案设计

2.1 座椅记忆盒工作原理

2.2 检测系统整体设计方案

2.3 检测系统硬件设计

2.4 干扰的类型与防护

2.5 本章小结

第3章 声音识别系统预处理

3.1 声音识别系统基本结构

3.2 声音信号的数字化处理

3.3 声音信号端点检测

3.4 声音识别系统性能评价

3.5 本章小结

第4章 基于混合特征参数的改进DTW模型算法

4.1 声音信号特征提取

4.2 声音信号模板匹配

4.3 本章小结

第5章 检测系统运行结果与分析

5.1 声音库的建立

5.3 改进MFCC参数对比实验

5.4 不同特征参数对比实验

5.5 改进动态时间规整对比实验

5.6 与传统人工识别对比实验

5.7 本章小结

结论

参考文献

附录A 硬件系统电路图

附录B 算法对应源程序

攻读硕士学位期间承担的科研任务与主要成果

致谢