Page 67 - 《应用声学》2023年第1期

第 42 卷 第 1 期 刘利平等： 基于时频分帧能量熵的陶瓷制品敲击声波信号特征识别 63

ኄ1ᓬགᄊ࠵ฉӊጇ஝ 0.5 ኄ1ᓬགᄊ࠵ฉӊጇ஝
ࣨϙ/V -0.5 0 ࣨϙ/V -0.5 0
0.5
0 0.05 0.10 0.15 0.20 0.25 0.30 -1.0 0 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16
௑ᫎ/s ௑ᫎ/s
ኄ2ᓬགᄊ࠵ฉӊጇ஝
ኄ2ᓬགᄊ࠵ฉӊጇ஝ 0.2
ࣨϙ/V 0 ࣨϙ/V -0.2 0
1
-1
0 0.05 0.10 0.15 0.20 0.25 0.30 0 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16
௑ᫎ/s ௑ᫎ/s
ኄ3ᓬགᄊ࠵ฉӊጇ஝ 0.2 ኄ3ᓬགᄊ࠵ฉӊጇ஝
ࣨϙ/V -0.2 0 ࣨϙ/V 0
0.2
0 0.05 0.10 0.15 0.20 0.25 0.30 -0.2 0 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16
௑ᫎ/s ௑ᫎ/s
ኄ4ᓬགᄊ࠵ฉӊጇ஝ 0.2 ኄ4ᓬགᄊ࠵ฉӊጇ஝
ࣨϙ/V -0.2 0 ࣨϙ/V -0.2 0
0.2
0 0.05 0.10 0.15 0.20 0.25 0.30 0 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16
௑ᫎ/s ௑ᫎ/s
ኄ5ᓬགᄊ࠵ฉӊጇ஝ 0.2 ኄ5ᓬགᄊ࠵ฉӊጇ஝
ࣨϙ/V -0.2 0 ࣨϙ/V 0
0.2
0 0.05 0.10 0.15 0.20 0.25 0.30 -0.2 0 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16
௑ᫎ/s ௑ᫎ/s
ኄ6ᓬགᄊ࠵ฉӊጇ஝ ኄ6ᓬགᄊ࠵ฉӊጇ஝
ࣨϙ/V 0 ࣨϙ/V 0.05 0
0.1
-0.1
0 0.05 0.10 0.15 0.20 0.25 0.30 -0.05 0 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16
௑ᫎ/s ௑ᫎ/s
(a) ௄Ꭵᬞᬝၬֶ҄ (b) Ꭵᬞᬝၬֶ҄
图 6 敲击声波信号 MODWPT 分解结果
Fig. 6 The result of coin-tap sound signal decomposition by MODWPT
2.3 时频分帧能量熵特征提取 位为采样点数)，起始参数设置为 1 采样点，以 30 采

为验证本文提出的 MODWPT 时频分帧能量 样点为步长，故终止参数为 7471采样点。对每个参
熵特征提取方法对陶瓷制品敲击声波信号特征 数的每种参数设置，分别计算每个样本分解的前 6
识别的效果，本节计算各个信号的 MODWPT 时 个节点的子信号的 MODWPT 时频分段能量熵特
频分帧能量熵，并与 MODWPT 时频分段能量熵、 征向量和 MODWPT时频分帧能量熵特征向量，将
MODWPT归一化能量特征进行比较。 两种特征的特征向量集分别输入随机森林，采用 10
对 于 MODWPT 时 频 分 段 能 量 熵 和 MOD- 折交叉验证，首先计算第 M 次交叉验证的敲击缺
WPT 时频分帧能量熵，前者的参数为分段数，后者 陷陶瓷制品信号样本 (后文简称 “缺陷样本”) 精确
的参数为帧长。对于 MODWPT 时频分段能量熵， M M M M
率P
、召回率R 、F
1 ，再将10次交叉验证的F 1
共测试了 258 次不同的参数设置对应的分类结果； 求平均得到最终的 F 1 值。计算精确率 P M 、召回率
对于 MODWPT 时频分帧能量熵，共测试了 250 次 M M
R 、F 1 、F 1 的公式如下：
不同的参数设置对应的分类结果。对于时频分段能
量熵中分段数这一参数 (单位为段)，起始参数设置 P M = TC M , (11)
1
为 2 段 (当分段数为 1，计算一个信号样本的各子信 TC M + FC M
1
1
号的时频分段能量熵时，得到的特征向量为零向量， R M = TC M , (12)
1
因为子信号的分段能量占比均为 100%。此时，所有 TC M + FC M
1
0
样本的时频分段能量熵特征向量均为零向量，无法 F 1 M = 2P M R M , (13)
进行识别)，前 9 次实验以 1 段为步长；当分段数为 P M + R M
10
10 时，后面的实验以 30 段为步长，故终止参数为 F 1 = 1 ∑ F 1 M , (14)
7480 段。对于时频分帧能量熵中帧长这一参数 (单 10 M=1