本发明涉及扬声器纯音检测，具体涉及一种扬声器纯音检测方法及系统。
背景技术：
1、扬声器纯音检测是利用纯音信号来检测扬声器的各项性能指标，如频率响应、失真度、声压级等；其目的在于确保扬声器能够准确、清晰地再现音频信号，满足听音需求。
2、现有技术中，扬声器纯音检测多依赖于人工听音或传统信号处理方法，存在主观性强、检测效率低、精度不足等问题。近年来，虽有部分研究尝试利用小波变换、分形维数等现代信号处理技术进行扬声器检测，但多局限于单一维度分析，未能充分利用信号的多维特征。
技术实现思路
1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种扬声器纯音检测方法，包括：
2、利用预设频率范围的正弦扫频信号激励扬声器，采集扬声器的响应信号，并对该信号进行时频分析，得到时频图像；
3、对时频图像进行二值化和边缘提取处理；
4、利用图像分形方法计算时频图像的计盒维数；将计盒维数作为特征输入深度学习模型进行训练与识别，以判断扬声器的纯音性能，其中，纯音性能的计算公式如下：
5、信号生成与激励：利用公式s(t) = sin(2πft +φ)在预设频率范围[f_min， f_max]内进行扫频，其中f是随时间线性变化的频率，φ是初始相位，将此信号作为激励施加到扬声器上；
6、响应信号采集：记录扬声器的输出信号r(t)，该信号是输入信号s(t)与扬声器系统传递函数h(f)的响应；
7、时频分析：对采集到的信号r(t)进行时频变换，得到时频分布tfr(t，ω)，其中ω是角频率；
8、图像预处理：将时频分布tfr转换为灰度图像，并进行二值化处理得到二值图像b(x，y)，其中(x，y)对应时间和频率轴上的像素位置，应用边缘检测算法提取图像边缘，生成边缘图像e(x，y)；
9、分形维数计算：采用计盒维数（box-counting dimension）方法，对边缘图像e(x，y) 进行分形分析，计算其维数dbox；
10、深度学习模型应用：将计算得到的计盒维数dbox作为特征输入到深度学习模型m中进行训练与识别，模型输出为扬声器的纯音性能评估结果。
11、优选的，所述预设频率范围的正弦扫频信号为20hz-15khz的线性或对数扫频信号。
12、优选的，所述时频分析采用小波包变换，将响应信号转化为二维图像信号。
13、优选的，所述图像分形方法还包括：
14、对时频图像进行灰度值反色预处理，将能量值大的部分呈现为深色，能量值小的部分呈现为浅色。
15、优选的，所述深度学习模型为卷积神经网络或循环神经网络，用于提取并学习时频图像的复杂特征。
16、优选的，所述深度学习模型还包括训练过程，所述训练过程包括使用大量已知纯音性能的扬声器样本数据进行模型训练，以优化模型参数。
17、一种检测系统，包括：信号采集模块、时频分析模块、图像分形处理模块和深度学习识别模块，且所述信号采集模块、所述时频分析模块、所述图像分形处理模块和所述深度学习识别模块依次通过预设的方式连接。
18、优选的，所述信号采集模块包括：声卡、麦克风和隔离测试箱，用于输出正弦扫频信号并采集扬声器的响应信号。
19、优选的，所述深度学习模块包括：结果输出单元，用于显示扬声器的纯音检测结果及相应的故障信息。
20、优选的，还包括用户交互界面，用于设置检测参数、显示检测过程及结果，并提供用户操作指令的输入接口。
21、本发明的上述方案至少包括以下有益效果：
22、利用预设频率范围的正弦扫频信号激励待检测的扬声器，采集扬声器的响应信号，对响应信号进行时频分析，得到时频图像；对时频图像进行二值化处理，以突出图像中的特征信息，对二值化后的图像进行边缘提取处理，以进一步明确图像中的特征边界，利用图像分形方法计算时频图像的计盒维数，计盒维数反映了图像的复杂程度和粗糙程度，将计盒维数作为特征输入深度学习模型中，利用深度学习模型对特征进行训练与识别，以判断扬声器的纯音性能是否符合预定标准。
23、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
1.一种扬声器纯音检测方法，其特征在于，包括：
2.根据权利要求1所述的一种扬声器纯音检测方法，其特征在于，所述预设频率范围的正弦扫频信号为20hz-15khz的线性或对数扫频信号。
3.根据权利要求2所述的一种扬声器纯音检测方法，其特征在于，所述时频分析采用小波包变换，将响应信号转化为二维图像信号。
4.根据权利要求3所述的一种扬声器纯音检测方法，其特征在于，所述图像分形方法还包括：
5.根据权利要求4所述的一种扬声器纯音检测方法，其特征在于，所述深度学习模型为卷积神经网络或循环神经网络，用于提取并学习时频图像的复杂特征。
6.根据权利要求5所述的一种扬声器纯音检测方法，其特征在于，所述深度学习模型还包括训练过程，所述训练过程包括使用大量已知纯音性能的扬声器样本数据进行模型训练，以优化模型参数。
7.一种检测系统，应用于如权利要求6所述的一种扬声器纯音检测方法，其特征在于，包括：信号采集模块、时频分析模块、图像分形处理模块和深度学习识别模块，且所述信号采集模块、所述时频分析模块、所述图像分形处理模块和所述深度学习识别模块依次通过预设的方式连接。
8.根据权利要求7所述的一种检测系统，其特征在于，所述信号采集模块包括：声卡、麦克风和隔离测试箱，用于输出正弦扫频信号并采集扬声器的响应信号。
9.根据权利要求8所述的一种检测系统，其特征在于，所述深度学习模块包括：结果输出单元，用于显示扬声器的纯音检测结果及相应的故障信息。
10.根据权利要求9所述的一种检测系统，其特征在于，还包括用户交互界面，用于设置检测参数、显示检测过程及结果，并提供用户操作指令的输入接口。
