为提高车窗电机异常噪声识别的准确性,提出一种以改进的谱减法为基础、以优化的梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)为特征值的电机异常噪声辨识方法。结合电机声音信号和工厂背景噪声信号特点,通过优化的谱减...为提高车窗电机异常噪声识别的准确性,提出一种以改进的谱减法为基础、以优化的梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)为特征值的电机异常噪声辨识方法。结合电机声音信号和工厂背景噪声信号特点,通过优化的谱减法进行消噪处理。针对频谱泄漏,用汉宁自卷积窗代替汉宁窗,获得优化的MFCC。实验结果表明,该方法能够有效判别电机是否存在异响,准确率达到91%。展开更多
文摘为提高车窗电机异常噪声识别的准确性,提出一种以改进的谱减法为基础、以优化的梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)为特征值的电机异常噪声辨识方法。结合电机声音信号和工厂背景噪声信号特点,通过优化的谱减法进行消噪处理。针对频谱泄漏,用汉宁自卷积窗代替汉宁窗,获得优化的MFCC。实验结果表明,该方法能够有效判别电机是否存在异响,准确率达到91%。
