文章转自ADI官网，版权归属原作者一切
简介
任何深谙设备保护必要性的人都知道，设备宣布的声响和振荡有多重要。经过声响和振荡进行恰当的设备健康监测，能够将保护本钱下降一半，运用寿命延伸一倍。完结实时声学数据和剖析是另一种重要的依据状况的体系监测 (CbM) 办法。
咱们能够学着了解设备宣布的正常声响是什么样的。当声响呈现改变时，咱们能够承认呈现反常。然后咱们能够了解是什么问题，经过这样的办法把声响和特定的问题联络在一起。辨认反常或许需求进行几分钟的练习，但将声响、振荡和原因结合起来施行确诊或许需求一辈子的时刻。经验丰富的技工人员和工程师或许具有这种常识，但他们归于稀缺资源。单单经过声响本身辨认问题或许适当困难，即便运用录音、描绘性结构或承受专家亲身训练也是如此。
因而，ADI公司团队在曩昔20年里一向致力于了解人类是怎么解读声响和振荡的。咱们的方针是树立一个体系，能够学习来自设备的声响和振荡，破译它们的含义，以检测反常行为，并进行确诊。本文具体介绍了OtoSense的体系结构，它是一种设备健康监测体系，支撑咱们所说的核算机听觉，让核算机能够了解设备行为的首要目标：声响和振荡。
该体系适用于任何设备，能够实时作业，无需网络连接。它已被运用于工业运用，支撑完结一个可扩展的高效设备健康监测体系。
本文探讨了引导开发OtoSense的准则，以及在规划OtoSense期间，人类听觉所发挥的效果。然后，本文评论了声响或振荡特性的是怎么被规划出来的、怎么从这些特性了解其代表的含义，以及在继续学习中怎么不断改动和改善 OtoSense，用于履行更加杂乱的确诊，且成果更为精准。
辅导准则
为了保证经用、不可知且高效，OtoSense 规划理念秉持几个辅导准则：
- 从人类神经学中取得创意。人类能够以一种十分节能的办法学习和了解他们听到的任何声响。
- 能够学习静态声响和瞬态声响。这需求不断调整功用和继续施行监测。
- 在接近传感器的终端进行辨认。应该无需经过网络连接长途服务器来做出决议计划。
- 与专家互动，向他们学习，条件是尽或许防止搅扰他们的日常作业，且进程要尽或许愉悦。
人类听觉体系和对 OtoSense 的解析
听觉是一种关乎生计的感觉。它是对悠远的、看不见的事情的全体感觉，在出生前就已老练
人类感知声响的进程能够用四个了解的进程来描绘：声响的模仿获取、数字转化、特征提取和解读。在每个进程中，咱们都会将人耳与 OtoSense 体系比较。
- 模仿获取和数字化。中耳中的膜和杠杆捕捉声响，然后调整阻抗，将振荡传输到充液腔道中，在那里，另一层膜会依据 信号中存在的光谱成分挑选性地移位。这反过来曲折了弹性单元，这些单元宣布数字信号，反映出曲折程度和强度。然后，这些独自的信号经过按频率摆放的平行神经传递到初级听觉皮层。
- 在 OtoSense 中，这项作业由传感器、放大器和编解码器来完结。数字化进程运用固定的采样速率，可在 250 Hz 和 196kHz 之间调理，波形在 16 位编码，然后存储到巨细在 128 到4096 之间的缓冲区。
- 特性提取发生在初级皮层：频率域特性，如主频率、谐波和频谱形状，以及时刻域特性，如脉冲、强度改变和在大约 3 秒时刻窗内的首要频率成分。
- OtoSense 运用一个时刻窗，咱们称之为块,它以固定的步长移动。这个块的巨细和步长规模为 23 毫秒到 3 秒，具体由需求辨认的事情和在终端提取特性的采样率决议。鄙人一节中，咱们会就 OtoSense 提取的特性进行更具体地解说。
- 解析发生在联络皮层,它交融了一切的感知和回忆，并赋予声响以含义（比方经过言语），在刻画感知期间起着中心作 用。解析进程会安排咱们对事情的描绘，远远不止是对它们进行命名这么简略。为一个项目、一个声响或一个事情命名能够让咱们赋予它更大、更多层的含义。关于专家来说，姓名和含义能让他们更好地了解周围的环境。
- 这便是为什么 OtoSense 与人的互动始于依据人类神经学的视觉、无监督的声响映射。OtoSense 运用图形表明一切听到的 声响或振荡，它们按相似性摆放，但不测验创立固定分类。这让专家们能够安排屏幕上显现的组，并为它们命名，而无需测验人为创立有界限的类别。他们能够依据本身的常识、感知和对 OtoSense 终究输出的希望构建语义地图。关于相同的音景，轿车机械师、航空工程师，或许冷锻压力机专家， 乃至是研讨相同范畴，但来自不同公司的人员，都能够按不同的办法进行区分、安排和符号。OtoSense则与刻画言语含义相同，运用相同的自下而上的办法来给定含义。
从声响和振荡到特性
经过一段时刻（如之前所示，时刻窗或块），咱们会给某个特征分配一个独自的编号，用于描绘该时刻内声响或振荡的给定特点/质量。OtoSense 渠道挑选特性的准则如下：
- 关于频率域和时域，特征都应该尽或许完好地描绘环境，供尽或许多的细节。它们有必要描绘停止的嗡嗡声，以及咔哒 声、哗啦声、吱吱声和任何瞬间改变的声响。
- 特征应尽或许按正交办法构成一个调集。假如一个特征被界说为“块上的均匀振幅”，那么就不应该有另一个特征与之 高度相关，例如“块上的总光谱能量”。当然，正交性或许永久无法完结，但不应将任何一种表述为其他特征的组合，每种特征都有必要包括单一信息。
- 特性应该最小化核算量。咱们的大脑只知道加法、比较和重 置为0。大多数OtoSense特性都被规划成增量，这样每个新示例都能够经过简略的操作修正特性，而不需求在完好的缓冲区，或许更为糟糕的，在块上从头进行核算。最小化核算量还意味着能够疏忽规范物理单元。例如，测验用值（以dBA为单位）表明强度是没有含义的。假如需求输出dBA值，则能够在输出时完结（假如必要）。
在OtoSense渠道的2到1024个特性中，有一部分描绘了时域。它们要么是直接从波形中提取，要么是从块就任何其他特性的演化中提取。在这些特性中，有些包括均匀振幅和最大振幅、由波形线性长度得到的杂乱度、振幅改变、脉冲的存在与否和其特性、第一个和最终一个缓冲区之间相似性的稳定性、卷积的超小型自相关或首要频谱峰值的改变。
在频域上运用的特性提取自 FFT。FFT 在每个缓冲区上核算，发生从 128 到 2048 个独自频率的输出。然后，该进程创立一个具有所需维数的向量，该向量比FFT小得多，但仍能详尽地描绘环境。OtoSense开始运用一种不可知的办法在对数频谱上创立巨细相同的数据桶。然后，依据环境和要辨认的事情，这些数据桶将要点放在信息密度高的频谱区域，要么是从能够熵最大化的无监督视角，要么是从运用符号事情作为辅导的半监督视角来判别。这模仿了咱们的内耳细胞结构，在言语信息密度最大的当地，语音细节更密布。
结构：支撑终端和本地数据
OtoSense在终端方位施行反常检测和事情辨认，无需运用任何长途设备。这种结构保证体系不会遭到网络故障的影响，且无需将一切原始数据块发送出去进行剖析。运转 OtoSense 的终端设备是一种自包括体系，能够实时描绘所鉴听设备的行为。
运转AI和HMI的OtoSense服务器一般保管在本地。云架构能够将多个有含义的数据流聚合成为OtoSense设备的输出。关于一个专门处理很多数据并在一个站点上与数百台设备交互的 AI 来说，运用云保管的含义不大。
