基于VMD和CBAM-DRSN的扬声器异常声分类方法研究  

作　　者：李振业 周静雷[1] 路昌 LI Zhenye;ZHOU Jinglei;LU Chang

机构地区：[1]西安工程大学电子信息学院,陕西西安710600

出　　处：《信息技术与信息化》2025年第1期116-120,共5页Information Technology and Informatization

基　　金：陕西省科技厅重点研发计划项目(2024GX-YBXM-231)。

摘　　要：为解决扬声器异常声非平稳信号特征提取困难及分类识别问题,提出一种基于变分模态分解(variational mode decomposition,VMD)和空间-通道融合注意力机制深度残差收缩网络(convolutional block attention module-deep residual shrinkage networks,CBAM-DRSN)扬声器异常声分类方法。首先,采集扬声器异常声响应信号进行VMD分解获取其频域特征;其次,利用深度残差收缩网络提取深层次特征;然后采用通道-空间融合注意力机制对多尺度特征进行自适应加权并进一步提取深层抽象特征;最后,使用softmax分类器完成扬声器异常声分类任务。试验结果表明,所提方法具有更优的分类准确性和更稳定的抗噪性能,其平均分类准确率为99.23%,在不同噪声等级环境下的平均准确率为94.65%。

关 键 词：扬声器异常声 故障诊断 深度残差收缩网络 注意力机制 

分 类 号：TN9[电子电信—信息与通信工程]