基于小波分析的三角钢琴踏板机械故障检测方法

针对采集的三角钢琴踏板机械信号故障检测准确率低的问题，提出基于小波分析的三角钢琴踏板机械信号故障检测方法。采用频谱感知算法构建一个三角钢琴音频信号的多源信息采集模型，获取三角钢琴踏板机械音频信号；为提高钢琴踏板机械信号获取的准确率，通过频谱特征分离方法对采集信号进行降噪处理，采用小波包变换中的Mel倒谱系数MFCC对处理后的信号进行频谱特征分解；最后基于分解频谱特征进行三角钢琴音频信号的特征识别优化。实验表明，在相同的数据量下，对比于12维的MFCC频谱特征分解方法，提出的小波包分解的MFCC方法可分解出更多的钢琴频谱特征峰值，为后续三角钢琴踏板机械信号故障检测提供了有效的数据。实验发现，对比于传统卷积神经网络的音频特征识别方法，本方法的识别精度最高可达95.6%,且均保持在90及以上。综合分析可知，本方法可实现三角钢琴踏板机械信号故障准确识别。