一种基于杂音检测的键盘缺陷分析方法与流程

1.本发明涉及键盘缺陷分析技术领域，尤其涉及一种基于杂音检测的键盘缺陷分析方法。


背景技术：

2.目前，对于键盘外观的检验主要依靠图像识别和分析技术，而对于键盘内部结构的检验则主要依靠模拟按键动作，并对按键产生的声音进行检测。例如申请号为201811493079 .0的中国发明申请公开了一种模拟信号驱动电磁铁模拟手指敲击键盘按键的方法和装置，该装置包括嵌板，嵌板上安装有电磁铁，电磁铁包括套筒和沿套筒内部上下运动的金属杆，电磁铁通过导线与控制器连接，控制器控制电磁铁通电，发出半正弦波的模拟信号驱动金属杆撞击键盘，在键盘检测区域放置有声音接收装置，声音接收装置接收键盘发出的声音信号并传送到数据分析系统，数据分析系统根据声音信号的分贝值是否超出标准声压范围来判断键盘是否合格。
3.该类检验装置和方法需要依次按压键盘上所有按键，并采集和分析每次按键产生的声音，才能完成一个键盘的检验。一方面，该类检验方法的整体检验效率低下，检验成本过高；另一方面，大多数情况下，生产商并不需要关注具体是哪个按键存在缺陷，因为一旦认为键盘存在缺陷，而无法达到采购商的标准，则该键盘就会被淘汰，即该类检验方法的适用范围较窄。


技术实现要素：

4.本发明的目的是为了解决上述现有技术存在的问题，提供一种基于杂音检测的键盘缺陷分析方法，其大大提高了对于键盘缺陷分析的效率，降低了成本，具有更广的适用范围和推广应用价值。
5.本发明的目的是通过以下技术方案实现的：一种基于杂音检测的键盘缺陷分析方法，包括如下步骤：步骤1，在键盘背部通过喇叭播放激励，并在正面通过至少两个麦克风采集键盘震动过程中的声信号；步骤2，定位目标声源，区分目标声信号和干扰声信号；步骤3，根据目标声信号和干扰声信号的强度，分帧计算并统计被干扰时间与有效录音时间的比值，若所述比值超过配置预设容忍度，则返回步骤1；否则删除被干扰的部分，并进行步骤4；其中所述被干扰时间为干扰声信号的强度高于目标声信号的强度的时间，所述有效录音时间为目标声信号的强度高于干扰声信号的强度的时间；步骤4，根据激励音源的播放时间，截取录音中的有效部分；步骤5，使用金机模板录音抵消所述有效部分中的固有能量部分，提取杂音声信号；步骤6，对所述杂音声信号进行变换处理，得到所述杂音声信号的包络曲线；
步骤7，对所述杂音声信号的包络曲线进行分段求导，得到多个能量变化率；步骤8，当多个所述能量变化率中的最大值大于预设第一阈值时，判定键盘为缺陷品；否则判定键盘为合格品。
6.本发明通过播放激励来带动键盘震动，键盘部件之间相互摩擦碰撞会产生声信号，在排除了外部干扰声信号和金机模板固有能量之后，根据缺陷键盘产生的杂音声信号特征，快速判断键盘是否为缺陷品。即可一次性完成对键盘整体的缺陷检测，大大提高了检测效率和适用范围，降低检测成本。
7.作为本发明优选，所述步骤8还包括：当多个所述能量变化率中的最大值大于预设第一阈值时，计算多个所述能量变化率中最大的多个值的平均值，若所述平均值大于预设第一阈值，则判定键盘为缺陷品；否则返回步骤1。
8.作为本发明优选，包括步骤9，分析缺陷键盘的缺陷类型：步骤9.1，对多个所述能量变化率按大小重新排序，并得到杂音瞬态特征重构曲线；步骤9.2，根据所述杂音瞬态特征重构曲线与缺陷模板的瞬态特征重构曲线的相似度，分析键盘缺陷类型。作为本发明优选，电磁阀动作电流的采集方法为：以恒定的时间间隔采集电磁阀动作电流，采集间隔不超过电磁阀动作时间的1/100。
9.作为本发明优选，所述步骤9.2具体包括：分别计算所述杂音瞬态特征重构曲线与所有缺陷模板的瞬态特征重构曲线之间的相似度；若存在相似度高于或等于预设第二阈值的缺陷模板，则判定键盘属于其中相似度最高的缺陷模板的缺陷类型；若所有相似度均低于所述预设第二阈值，则将该缺陷键盘作为新的缺陷模板。
10.作为本发明优选，所述步骤9.1和步骤9.2之间还包括：截取所述杂音瞬态特征重构曲线中高于预设第三阈值的有效对比部分；所述步骤9.2根据所述杂音瞬态特征重构曲线与缺陷模板的瞬态特征重构曲线的有效对比部分之间的相似度，分析键盘缺陷类型。
11.作为本发明优选，所述步骤9.2中相似度的具体计算方法如下：其中，为皮尔逊积矩相关系数，当其为正数时正相关，且最相似时值为1；为对比数组的大小，与为被对比的两个数组，为对应数组均值。
12.作为本发明优选，所述步骤2中定位目标声源的具体方法为：针对目标所在平面切分区域，通过延迟求和波速成型算法计算不同麦克风采集到的声信号幅度互相关：
其中，为相应序号麦克风的时间信号，为时间差，为角度，为相关函数，为麦克风数量；将相关幅度对齐后，得到不同麦克风采集到相同声信号之间的延迟，从而定位目标声源。
13.作为本发明优选，所述步骤4中截取录音中有效部分的具体方法为：通过下列算法计算录音相对于激励的延迟，从而截取录音中与激励对齐的有效部分；其中，和为录音和激励的时间序列，为位移时间，为互相关数列。
14.作为本发明优选，所述步骤6具体包括：对所述杂音声信号进行希尔伯特计算，得到所述杂音声信号的解析信号；对所述杂音声信号的解析信号进行单边提取处理，得到所述杂音声信号的包络曲线。
15.作为本发明优选，所述步骤3中：当所述比值未超过配置预设容忍度时，检测所述干扰声信号中是否存在强度高于预设第四阈值的值，若是，返回步骤1；否则进行步骤4。
16.作为本发明优选，所述步骤3中，当所述比值超过配置预设容忍度时，检测所述干扰声信号的强度是否均低于预设第五阈值，若是，则进行步骤4；否则返回步骤1。
17.本发明的优点是：1、通过对键盘整体进行缺陷检测，大大提高检测效率，并降低检测成本，同时具有更佳的适用范围；2、通过排除外部干扰声信号和金机模板固有能量，得到杂音声信号部分，确保了判断的准确性；3、通过杂音瞬态特征重构曲线快速分析键盘的缺陷类型，满足更高的检测需求。
附图说明
18.图1为本发明一种基于杂音检测的键盘缺陷分析方法的流程图。
具体实施方式
19.下面将结合附图和具体实施方式对本发明做进一步的详细说明。如图1所示，本发明提供一种基于杂音检测的键盘缺陷分析方法，包括如下步骤：步骤s1，在键盘下方通过喇叭播放激励，播放激励为94dbspl粉噪；并在键盘正上方10厘米处，一般通过两个麦克风采集键盘震动过程中的声信号即可，当然根据具体的键盘规格或者精度要求，也可以采用三个或以上的麦克风数量；粉噪带动键盘震动，键盘部件之间就会相互摩擦碰撞产生声信号，然后通过麦克风采集并录取该声信号，以作为后续分析键盘缺陷的依据。
20.步骤s2，定位目标声源，区分目标声信号和干扰声信号；由于键盘部件互相摩擦产生的声信号的频带范围在3khz~12khz，而该频带范围广泛且不稳定，容易受到外部噪声的
影响，所以需要定位目标声源，即键盘震动声源。具体采用延迟求和波束成形的声源定位方法挑选无干扰的录音，多麦克风采集时波束成形输出为：其中，为相应序号麦克风的时间信号，为时间差，为角度，为相关函数，为麦克风数量。针对目标所在平面切分区域，计算幅度互相关，将相关幅度对齐后，相关的两个幅度之间的时间信号差即为相同声信号到达不同麦克风之间的延迟，由于键盘处于两个麦克风的正前方，所以两个麦克风接收到的声信号之间若没有延迟，或几乎没有延迟，则认为该声信号为目标声源发出的目标声信号。而干扰声信号从键盘的左侧或右侧传来，其到达两个麦克风的时间存在明显延迟，则认为是干扰声源发出的干扰声信号。同时，由于目标声信号到达两个麦克风的时间几乎没有延迟，所以经过互相关计算得到的幅值较大，即最大幅值如果出现在中部，则认为干扰对测试没有影响；而干扰声信号到达两个麦克风的时间存在明显延迟，所以经过互相关得到的幅值理应较小，若一旦出现最大幅值处于边缘区域，则认为干扰声信号过大，需要通过步骤s3来进一步考虑容忍度。
21.步骤s3，根据目标声信号和干扰声信号的强度，分帧计算并统计被干扰时间与有效录音时间的比值，干扰声信号的强度高于目标声信号的强度的时间认为是被干扰时间，而目标声信号的强度高于干扰声信号的强度的时间认为是有效录音时间；当被干扰时间的占比超过配置预设容忍度，比如5%或10%等，则返回步骤s1；否则认为供分析的样本足够，直接删除被干扰的部分，并进行步骤s4。
22.步骤4，根据激励音源的播放时间，截取录音中的有效部分；为了覆盖播放激励的时间，麦克风的采集时间会大于播放激励的时间，所以会存在一部分录音中没有键盘发出的声信号，该部分录音会影响后续分析的准确性，需要截掉。具体使用互相关算法对其测试录音与激励音源的起始点，从而截取其中的有效部分，丢弃静音部分。算法如下：其中，和为录音和激励的时间序列，为位移时间，为互相关数列。互相关数列中最大值处，两时间序列对齐，最大值的索引值τ为互相关求得的延时。
23.步骤s5，使用金机模板录音抵消所述有效部分中的固有能量部分，提取杂音声信号；其中，金机模板录音为采用客户指定的标准键盘，在无干扰环境中通过相同的激励测试得到的声信号，而抵消点该部分固有能量后，得到的即为杂音声信号，以排除固有能量对后续分析造成的影响。
24.步骤s6，对所述杂音声信号进行变换处理，得到所述杂音声信号的包络曲线；具体的，可先对所述杂音声信号进行希尔伯特计算，以得到解析信号。希尔伯特计算可理解为将一维的信号变成了二维复平面上的信号，其复数的模和幅角代表了信号的幅度和相位，即一个连续时间信号x(t)的希尔伯特变换等于该信号通过具有冲击响应h(t)=1/πt的线性系统后的输出，具体可通过如下公式进行表示：
接着，在得到所述解析信号后，可对该解析信号进行单边提取处理，以得到杂音声信号的包络曲线。其中，所述解析信号可理解为在平面直角坐标系中表示的曲线图，而单边提取处理可理解为在上述提到的平面直角坐标系中提取出处于y轴正向的所有解析信号，并根据该处于y轴正向的所有解析信号得到所对应的包络曲线。
25.一般的，在实际计算过程中，得到所述解析信号的目的在于把实信号变成复信号，由于一个信号既有幅度信息，也有相位信息，所可设置如下公式：并将上述公式带入解析信号中，得到：并将上述公式带入解析信号中，得到：可表示为副载波信号，可表示为复包络，为角频率，为幅度，为相位；通过对解析信号取绝对值也可得到杂音声信号的包络曲线。
26.步骤s7，对所述杂音声信号的包络曲线进行分段求导，得到多个能量变化率；所述杂音声信号的包络曲线具有多段斜率不同的曲线段，我们按照相同的时间间隔，将所述包络曲线分为多段，并分别对每段曲线段进行求导计算，得到每段曲线段的斜率，也即能量变化率。
27.步骤s8，当多个所述能量变化率中的最大值大于预设第一阈值时，判定键盘为缺陷品；否则判定键盘为合格品，所述预设第一阈值一般可取60%。由于我们只需要判断整个键盘中是否存在缺陷，而无需判断缺陷的具体位置或者类型，所以我们只需考虑最大的能量变化率，一旦其超过预设第一阈值，则认为键盘某处存在缺陷，即键盘为缺陷品。若所有的能量变化率均小于或等于预设第一阈值，则认为键盘不存在缺陷，为合格品。
28.进一步的，为了避免意外因素的干扰，即使当多个所述能量变化率中的最大值大于预设第一阈值时，计算多个所述能量变化率中最大的多个值的平均值，比如3个，若所述平均值大于预设第一阈值，则判定键盘为缺陷品；否则返回步骤1重新测试。
29.如此，我们已经完成了键盘是否存在缺陷的判断，合格品继续进行供货流程，而缺陷品则被废弃。
30.当然，有时候我们不仅需要判断键盘是否存在缺陷，还需要了解键盘的具体缺陷类型，以对缺陷键盘进行分类或者分级，有些缺陷是容易维护的，比如键帽存在缺陷的，更换一个键帽即可令键盘成为合格品。或者我们需要分析缺陷键盘的产生原因时，需要从具体的缺陷类型出发。
31.为此，在上述步骤s1~s8的基础上，本方法还可以包括步骤s9，分析缺陷键盘的缺陷类型：步骤s9.1，对多个所述能量变化率按大小重新排序，并得到杂音瞬态特征重构曲
线；由于键盘具有很多的键位，且键位的大小及相互之间的位置关系存在差异，当相同的缺陷发生在不同的键位处时，可能会造成所述能量变化率在采集时间上的差异，所以为了克服该差异对判断效率的影响，我们对能量变化率进行重新排序。具体的，可按能量变化率由大到小进行重新排序，并以坐标形式设置在平面直角坐标系中，再通过平滑处理的方式将每个能量变化率的坐标点进行连接，y轴为能量变化率，x轴为时间，得到杂音瞬态特征重构曲线。
32.步骤s9.2，根据所述杂音瞬态特征重构曲线与缺陷模板的瞬态特征重构曲线的相似度，分析键盘缺陷类型。其中，相似度计算可以采用皮尔逊积矩相关系数，计算公式如下：式中：为皮尔逊积矩相关系数，当其为正数时正相关，且最相似时值为1；为对比数组的大小，与为被对比的两个数组，为对应数组均值。
33.具体的：可分别计算所述杂音瞬态特征重构曲线与所有缺陷模板的瞬态特征重构曲线之间的相似度；其中，缺陷模板为事先测得并存储于缺陷模板库中的数据，包括自定义的缺陷类型或等级，以及包括瞬态特征重构曲线在内的缺陷参数。
34.若存在相似度高于或等于预设第二阈值的缺陷模板，则判定键盘属于其中相似度最高的缺陷模板的缺陷类型，所述预设第二阈值一般可根据缺陷模板的成熟度，取90%-95%。一般情况下，仅会出现一个相似度高于或等于预设第二阈值的缺陷模板，一旦出现两个或以上的缺陷模板，则需要考虑测试数据的准确性，模板设置的合理性，或者预设第二阈值设置的合理性。
35.若所有相似度均低于所述预设第二阈值，则在确认数据准确性的前提下，采用其他精细测试的方法来确定该键盘的缺陷类型，并将该缺陷键盘作为新的缺陷模板加入缺陷模板库。
36.另外，为了简化相似度计算的工作量，同时避免无关因素的干扰，所述步骤s9.1和步骤s9.2之间还包括：截取所述杂音瞬态特征重构曲线中高于预设第三阈值的有效对比部分；所述预设第三阈值一般取10%-15%，因为能量变化率较低的部分对于键盘是否存在缺陷的判断没有帮助，而该部分的波动也会对最终的相似度产生影响，所以将该部分数据截去。相应的，所述步骤s9.2根据所述杂音瞬态特征重构曲线与缺陷模板的瞬态特征重构曲线的有效对比部分之间的相似度，并以此来分析键盘缺陷类型。
37.以上所述，仅为本发明较佳的具体实施方式，该具体实施方式是基于本发明整体构思下的一种实现方式，而且本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。