扬声器异常音检测技术对于扬声器的品质保障至关重要,对于刚制造出的扬声器,首要的质检工序就是纯音检测,这种传统的依靠人耳的检测技术受种种主观因素的影响,不能满足在线生产的要求。而以计算机为基础的扬声器异常音检测技术,包括各种硬件设备及辅助的软件技术的不断发展,仍存在检测效率低、检测不够精准、成本昂贵等问题,导致电声器件在线生产难以实现高产量、高品质、高效检测的技术要求。因此,本文提出了一种高效的基于信号处理技术的在线扬声器异常音检测技术,进一步改善了检测系统算法的精度和效率,实现了异常音检测高效、高精度、易操作的技术要求,对于电声器件在线自动化检测十分适合。本文算法研究包含三个方面:首先,基于不同窗函数对心理声学模型分辨率的有效改善,用于提高基于心理声学模型的异常音检测系统的检测效率和精度;其次,数字图像相关技术和希尔伯特谱分析相结合的异常音信号特征提取算法;最后,基于经验模态分解算法提出了异常音检测技术。研究成果如下:(1)运用不同窗函数频谱特性有效改善了心理声学模型的分辨率,提高了基于心理声学模型的扬声器异常音检测系统的精度和效率。(2)对比研究了不同的时频分析方法的在异音检测中的优缺点,最终,基于希尔伯特黄算法成功地实现了对含噪信号的分解及异音检测。(3)图像二值化处理技术在希尔伯特黄频谱分析中的巧妙应用,成功实现了对常见类型异常音二维及三维频谱特征的提取,可以作为在线扬声器故障检测的依据。(4)基于经验模态分解的思想研究出了一种异常音检测及提取的算法,并通过仿真验证了该算法的有效性。综上,以上对于异常音检测系统的算法的改进,均通过大量仿真进行了验证,结果证明了所提出的算法的有效性及可行性。图84幅,表6个,参考文献69篇