扬声器的杂音检测方法、装置、电子设备和存储介质与流程

技术特征：
1.一种扬声器的杂音检测方法，其特征在于，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。2.如权利要求1所述的方法，其特征在于，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。3.如权利要求1或2所述的方法，其特征在于，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。4.如权利要求1或2所述的方法，其特征在于，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。5.如权利要求1或2所述的方法，其特征在于，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。6.如权利要求3所述的方法，其特征在于，卷积层的计算公式如下：其中，i表示第i层卷积层，δ为激活函数，x表示音频信号，w表示卷积层权重，b表示卷积层偏置。7.如权利要求2所述的方法，其特征在于，还包括：采用最邻近算法，对每一包含杂音的扫频信号计算得到多个近邻；对所述多个近邻中的任意两个进行随机线性插值，以生成包含杂音的仿真扫频信号；重复上述步骤，直至所述包含杂音的扫频信号的数量与所述包含杂音的仿真扫频信号的数量之和，与所述不包含杂音的扫频信号的数量相等。8.一种扬声器的杂音检测装置，其特征在于，包括：
采集模块，用于采集扬声器中的音频信号；提取模块，用于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；生成模块，用于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；第一确定模块，用于若所述概率大于等于阈值，则确定所述音频信号包含杂音；第二确定模块，用于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。9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结
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。效率。效率。


技术研发人员：宋广伟
受保护的技术使用者：上海闻泰信息技术有限公司
技术研发日：2021.07.22
技术公布日：2021/12/6