电机异音异响检测新方法:突破梅尔频谱局限,提升小电机与NVH异音异响检测精度

在工业 4.0 的浪潮下，工厂里的老师傅正在逐渐“隐退”，取而代之的是 24 小时在线的智能监控系统。其中，机器异常声音检测（Anomalous Sound Detection, ASD） 技术，就是给工厂装上“AI 耳朵”，通过听声音来判断机器是否生病。

然而，长期以来，这只“AI 耳朵”一直存在一个尴尬的缺陷：它太像“人耳”了。

目前主流的检测模型，大多沿用了模仿人类听觉系统的 梅尔频谱（Mel Spectrogram） 。但这带来了一个问题：人类对低频说话声敏感，而机器故障往往发出高频噪音。用听人的耳朵去听机器，难免会漏掉关键的“求救信号” 。

近日，发表在音频处理顶级期刊 IEEE Transactions on Audio, Speech, and Language Processing (Vol. 33, 2025) 上的一项研究，提出了一种颠覆性的解决方案：抛弃通用滤泼器，为每种机器设计“专属定制”的听觉系统 。

这项由 JAIST（日本北陆先端科学技术大学院大学） 的 Kai Li 博士及其团队带来的研究，通过统计学方法挖掘声音的“黄金频段”，并结合仿生的“谱-时调制分析”，成功让 AI 听懂了机器的“心跳”。

今天，我们就来深度拆解这项硬核技术。

1、痛点：机器不是人，为什么要用“人耳”？

在声音信号处理领域，特征提取（Acoustic Front-end） 是第一步，也是最关键的一步。

长期以来，工程师们习惯直接使用 梅尔滤波器组（Mel Filterbank, MFB） 或 Gammatone 滤波器组（GFB） 。这两种设计都基于人类听觉感知——在低频区分布密集，分辨率高；在高频区分布稀疏，分辨率低 。

这在语音识别中非常有效，但在工业场景下却成了短板。

为什么？ 因为不同类型的机器（风扇、泵、滑轨、阀门）有着完全不同的物理属性和振动模式 。

  • 风扇可能在低频有规律的嗡嗡声。
  • 泵和阀门的故障信号，往往隐藏在中高频的啸叫或瞬态冲击中 。

如果直接套用“重低频、轻高频”的梅尔滤波器，那些隐藏在高频的关键故障特征，很可能在预处理阶段就被“平滑”掉了，导致后续的深度学习模型根本学不到东西 。

研究团队敏锐地指出了这一点：既然机器的发声机理各不相同，我们就不应该用一把尺子量到底，而应该为它们量身定制“非均匀滤波器组”（Non-Uniform Filterbanks, NUFBs） 。

Fig. 1 人类听觉机制及其建模

2、第一招：F-ratio —— 寻找声音的“黄金频段”

如何定制？难道要靠人工去听吗？当然不是。研究团队引入了统计学中的 Fisher Ratio（F-ratio，费希尔比率） 。

什么是 F-ratio？

F-ratio 是一个衡量特征区分度的指标。在 ASD 任务中，如果某个频率段上， “正常声音”和“异常声音”的能量差异巨大（类间方差大），且同类声音内部非常稳定（类内方差小），那么这个频率段的 F-ratio 就会很高 。

F-ratio 就像一个探雷器，它能扫描整个频段，告诉我们：这台机器的故障信号，到底藏在哪个频率里？

数据说了算

研究人员利用 MIMII 数据集（包含风扇、泵、滑轨、阀门）计算了 F-ratio，结果证实了他们的猜想：

Fig. 2

图注：利用 F-ratio 量化出的不同机器频率重要性。横轴为频率，纵轴为重要性得分。可以看到，不同机器的“敏感区”完全不同 。

从 Fig. 2 中我们可以清晰地看到：

  • Fan (风扇) ：重要信息确实集中在低频，符合梅尔谱的特性 。
  • Pump (泵) & Slider (滑轨) ：出现了多个中频峰值。
  • Valve (阀门) ：某些型号（如 ID 4）在 高频区域 出现了惊人的高 F-ratio 峰值 。

这直接证明了：区分正常和异常声音的关键信息，在频率域上是非均匀分布的，而且随机器类型而变 。

打造“非均匀滤波器组”（NUFB）

基于 F-ratio，团队设计了全新的滤波器组。设计逻辑很简单：哪里重要，就在哪里加密关注。

Fig. 3

图注：为每种机器 ID 专门设计的非均匀滤波器组（NUFBs）。下方密集的黑色三角代表滤波器，上方蓝色曲线代表带宽变化。F-ratio 高的区域，滤波器更密集，带宽更窄 。

如 Fig. 3 所示，NUFB 的滤波器分布密度直接正比于 F-ratio 。经过这套“定制耳”处理后得到的特征，被称为 LNS (Log Non-uniform Spectrum) 特征 。

效果对比：一眼即见的清晰

让我们看看 LNS 特征到底比传统的 LMS（梅尔谱）强在哪里。

Fig. 4

图注：Slider ID 6 在 6dB 信噪比下的声谱图对比。上图为传统 LMS 特征，下图为本文提出的 LNS 特征。左侧曲线为频率重要性 。

在 Fig. 4 中，对于滑轨（Slider）的声音，传统的 LMS（上图）在高频区域模糊一片。而 LNS（下图）根据左侧的 F-ratio 曲线，对 5000Hz 附近的关键区域进行了“放大”和“锐化”。异常样本（右下）中独特的条纹纹理，在 LNS 图中清晰可见，而在 LMS 图中则非常微弱 。

3、第二招：仿生调制 —— 听懂机器的“节奏”

有了“定制耳”，我们听得更“清”了。但要听得更“懂”，还需要更高级的分析。

研究团队借鉴了计算听觉模型（Computational Auditory Models, CAMs） 的原理 。人类听觉皮层不仅分析频率，还分析声音的动态变化——也就是“调制”（Modulation） 。

声音的变化分为两个维度：

  1. 时间调制（Temporal Modulation, TM） ：声音随时间变化的快慢（比如风扇叶片切割空气的节奏、滑轨往复的周期） 。
  2. 频谱调制（Spectral Modulation, SM） ：频谱能量分布的疏密变化（比如谐波结构、音色纹理） 。

团队提出，在提取 LNS 特征后，再通过一组模拟大脑皮层的调制滤波器，提取 谱-时调制（STM） 表征。

完整的 AI 听觉通路
Fig. 5

图注：谱-时调制分析（STM）的完整流程图。从 F-ratio 计算，到 NUFB 设计，再到 LNS 特征提取，最后通过调制滤波器组得到 TM 和 SM 表征 。

如图 Fig. 5 所示，这套系统模仿了“耳蜗 -> 听觉神经 -> 听觉皮层”的生物通路 。

  • LNS 特征 相当于耳蜗输出的神经信号。
  • 调制滤波器 相当于听觉皮层的神经元，专门捕捉特定的节奏和纹理。

4、实验与发现：谁更适合“听”节奏？

研究团队在 MIMII 数据集（包含 -6dB, 0dB, 6dB 三种真实工厂噪音环境）上进行了详细的测试，使用简单的 Autoencoder 作为后端检测器 。

实验结果不仅证明了新方法的有效性，还揭示了不同机器的物理特性差异。

1. 定制特征完胜通用特征

在 6dB 信噪比下，LNS 特征的平均 AUC 达到 0.881，显著优于传统梅尔谱（LMS, 0.808）和伽马通谱（LGS, 0.863） 。特别是在 Slider（滑块）上，LNS 甚至拿到了近乎完美的成绩。

2. “节奏”与“音色”的较量

更有趣的是关于 调制（Modulation） 的发现。研究者通过对比不同机器的声谱图，解释了为什么不同特征对不同机器效果迥异。

Fig. 6

图注：四种机器在正常（左列）和异常（右列）状态下的声谱图对比。Fan/Pump/Slider 具有明显的周期性，而 Valve 表现为瞬态冲击 。

结合 Fig. 6 的声谱图，我们来看结论：

  • 风扇 (Fan)、泵 (Pump)、滑轨 (Slider) ：
  • 声音特点：由于旋转或往复运动，声音具有极强的周期性（Periodicity）和谐波结构 。
  • 最佳特征：时间调制（TM） 。
  • 原因：TM 擅长捕捉这种随时间规律变化的“节奏”。一旦叶片受损或轨道生锈，这种稳定的节奏就会被破坏，TM 能敏锐地捕捉到这种变化 。
  • 数据：Fan 的 TM 特征 AUC 高达 0.974 。
  • 阀门 (Valve) ：
  • 声音特点：阀门是开合动作，产生的是非平稳的、脉冲式的瞬态声音（Click sound） 。它没有明显的周期性节奏，“一惊一乍”。
  • 最佳特征：频谱调制（SM） 。
  • 原因：阀门故障往往导致声音的“音色”或频谱结构发生改变（比如密封不严导致的漏气声），而不是节奏改变。SM 对这种频谱纹理的变化更敏感 。
  • 数据：Valve 使用 SM 特征的 AUC 为 0.840，远高于 TM 的 0.583 。

5、总结：工业 AI 的新启示

这项发表在 IEEE TASLP 2025 的研究，给工业异常检测领域带来了两个重要的启示：

  1. 数据驱动的特征工程依然是王道：在盲目堆砌 Transformer 或大模型之前，先用统计学方法（如 F-ratio）理解数据的物理特性。机器不是人，不要迷信通用的梅尔谱 。
  2. 仿生学的深度应用：不仅要模仿耳朵的“结构”（滤波器），更要模仿大脑的“处理机制”（调制分析）。听懂机器的“节奏”和“音色”，比单纯听“响度”更重要 。

这套基于 NUFBs（定制耳） + STM（调制脑） 的方案，不仅计算量小（无需复杂的深度网络），而且可解释性强，为未来的智能工厂提供了一种高效、精准的“听诊”新思路。

‍随着电机产品向高转速、高精度与低噪声方向升级，电机异音异响检测与NVH异音异响检测已不再只是“能不能听出来”的问题，而是“能否稳定、批量、标准化识别”的系统工程。苏州东原电子有限公司 依托扎实的声学测试平台建设能力与AI算法研发实力，构建了从声学采集、特征建模到异常判定的完整技术体系，可面向小电机、轮毂电机、中置电机及电动牙刷等多场景提供专业支持。其核心产品“谛听异音检测系统”强调工程适配与场景优化，在复杂工况下依然保持稳定识别能力，助力企业实现电机异音异响检测与电机声学检测的智能化升级与品质管控闭环。