利用源自机器特定滤波器组的谱时调制表征进行机器异常声检测
声音
2024-09-10 v1 人工智能
摘要
工厂机械故障的早期检测在工业应用中至关重要。在机器异常声检测 (ASD) 中，不同机器基于其物理特性表现出独特的振动频率范围。同时，人类听觉系统擅长跟踪机器声音的时间和频谱动态。因此，将人类听觉系统的计算听觉模型与机器特定特性相结合可以成为机器 ASD 的有效方法。我们首先使用 Fisher 比率 (F-ratio) 量化了四种类型机器的频率重要性。然后，量化的频率重要性被用于设计机器特定的非均匀滤波器组 (NUFBs)，以提取对数非均匀频谱 (LNS) 特征。所设计的 NUFBs 在具有相对较高 F-ratio 的频率区域具有更窄的带宽和更高的滤波器分布密度。最后，提出了源自 LNS 特征的频谱和时间调制表征。这些提出的 LNS 特征和调制表征被输入到基于自编码器神经网络的检测器中进行 ASD。在信噪比 (SNR) 为 6 dB 的 Malfunctioning Industrial Machine Investigation and Inspection 数据集训练集上的量化结果表明，不同机器正常与异常声音之间的区分信息在频域内是非均匀编码的。通过使用 NUFBs 突出这些重要频率区域，LNS 特征可以在各种 SNR 条件下使用 AUC（接收者操作特征曲线下面积）指标显著增强性能。此外，调制表征可以进一步提升性能。具体而言，时间调制对风扇、泵和滑轨有效，而频谱调制对阀门特别有效。
引用
@article{arxiv.2409.05319,
title = {Machine Anomalous Sound Detection Using Spectral-temporal Modulation Representations Derived from Machine-specific Filterbanks},
author = {Kai Li and Khalid Zaman and Xingfeng Li and Masato Akagi and Masashi Unoki},
journal= {arXiv preprint arXiv:2409.05319},
year = {2024}
}