VMD多尺度熵和GWO-SVM在扬声器异常声分类中的应用

来源：电子测量技术杂志2022年第8期北京时间：

作者：周静雷，丁芳，崔琳

单位：西安工程大学电子信息学院 西安，710600

摘要：针对扬声器异常声分类中异常声特征提取以及分类识别两个关键环节，提出一种基于变分模态分解( Variational Mode Decomposition, VMD )多尺度熵( Multi-scale entropy, MSE )与灰狼算法优化支持向量机( Grey Wolf Optimizer-Support Vector Machines, GWO-SVM )结合的扬声器异常声分类方法。首先，对扬声器声响应信号进行VMD分解得到一系列本征模态函数( Intrinsic Mode Function, IMF )，计算各阶IMF与原始信号的相关系数，然后选择相关系数高的IMF提取该IMF的MSE作为特征向量，最后利用灰狼算法优化支持向量机模型识别故障类型。实验结果表明，在五种状态下扬声器单元分类的识别中，较EMD ( Empirical Mode Decomposition, EMD )多尺度熵、VMD多尺度散布熵(Multiscale Dispersion Entropy，MDE)、EMD多尺度散布熵的特征提取方法，VMD多尺度熵呈现出更高的识别准确率，其识别准确率为99.3%。能更好地表征异常声特征。

关键词：异常声分类;变分模态分解;多尺度熵;灰狼算法

基金资助：国家自然科学基金青年项（61901347）；陕西省教育厅科技计划项目（18JK0342）