| CNN-GRU 和 SSA-VMD 在扬声器异常声分类中的应用 |
| |
| 引用本文： | 周静雷,贺家琛,崔 琳.CNN-GRU 和 SSA-VMD 在扬声器异常声分类中的应用[J].电子测量与仪器学报,2023,37(3):161-168. |
| |
| 作者姓名： | 周静雷 贺家琛 崔 琳 |
| |
| 作者单位： | 1.西安工程大学电子信息学院 |
| |
| 基金项目： | 国家自然科学基金青年项目(61901347)、陕西省教育厅科技计划项目(18JK0342)资助 |
| |
| 摘 要： | 为了提高扬声器异常声分类的平均准确率，提出用卷积神经网络加门控循环单元(convolutional neural network plus gated recurrent unit, CNN-GRU)和麻雀搜索算法优化变分模态分解(sparrow search algorithm optimization variational modal decomposition, SSA-VMD)模型进行扬声器异常声分类。在特征提取方面，用SSA-VMD模型，确定VMD中二次惩罚因子(α)和模态分解数(k)的最优取值问题，借此提高特征提取精度，减少提取时间，最后再利用VMD提取扬声器响应信号的特征；在分类网络方面，用CNN-GRU网络来进行扬声器异常声分类，以CNN为基础特征提取网络，再用GRU网络进行更深层特征提取，达到提高扬声器平均分类准确率的目标。试验结果表明，经SSA-VMD模型优化参数后，VMD可以更有效提取特征，且分解时间缩短59.8%;CNN-GRU模型具有更高和更稳定的识别率，其平均分类准确率为99.2%。
|
| 关 键 词： | 扬声器异常声 变分模态分解 卷积神经网络 门控循环单元 麻雀搜索算法 |
Application of CNN-GRU and SSA-VMD in loudspeaker abnormal sound classification |
| |
| Zhou Jinglei,He Jiachen,Cui Lin.Application of CNN-GRU and SSA-VMD in loudspeaker abnormal sound classification[J].Journal of Electronic Measurement and Instrument,2023,37(3):161-168. |
| |
| Authors: | Zhou Jinglei He Jiachen Cui Lin |
| |
| Abstract: | |
| |
| Keywords: | loudspeaker abnormal sound variational mode decomposition convolutional neural networks gated recurrent unit sparrow
search algorithm |
|
| 点击此处可从《电子测量与仪器学报》浏览原始摘要信息 |
|
点击此处可从《电子测量与仪器学报》下载全文 |
