论文部分内容阅读
为更准确地实现扬声器异常声分类以及促进其分类的自动化,提出一种基于变分模态分解(Variational Mode Decom-position,VMD)能量熵和遗传算法优化的支持向量机(Genetic Algorithm-Support Vector Machines,GA-SVM)的扬声器异常声分类方法.首先对测得的扬声器单元声响应信号进行VMD,然后提取每个变分模态函数(Variational Mode Function,VMF)的能量熵并进行统计分析,最后利用GA-SVM进行异常声判断.实验结果表明,与VMD时频熵、经验模态分解(Empirical Mode Decomposition,EMD)能量熵、EMD时频熵这3种特征提取方法相比,VMD能量熵能更准确地表征扬声器单元异常声特征,具有更高的平均识别率,其平均识别率为96.3％,较以上3种方法分别提高了18.3％,24.0％,54.3％.