模拟音频自检电路设计方法研究

任会

恩沛音响设备（上海）有限公司  201703

摘要：本文引入神经电路进行音频错综信息的有效识别与测定，提升音频信号处理能效。从电压、电流、电容等方面，给出了电路设计的技术方案，卷积神经电路设计方法：网络设计、算法设计、音频设计处理、神经芯片设计、音频自测设计。神经电路设计完成，可准确提取音频特征，模拟各类音频设备的音频信号，准确给出信号测定结果，助力音乐工程发展。

关键词：音频设备；音乐工程；神经电路

引言：检测音频设备期间，需加强非语音环境信息的加工、检测，具有一定音频电路测定价值。模拟多种音频设备，可有效获取设备的音频传输能力，对音频设备进行功能调整，使其更顺应音乐工程的设备运行需求。检测音频设备，进行电路设计时，需有效提取音频特点，准确判断音频类型。引入神经算法，增加音频设备检测的高效性，顺应音乐工程设备检测的各项需求。

1电路设计技术方案

模拟各类音频设备，自主测定设备的音频信号，开展电路设计工作，技术方案如下。在音频设备的信号传输端口，结合自检程序获取的音频信号，综合判定自检程序的运行情况。如果音频信号未进行自主检测，音频模拟信号将会如期传输。此时传输的信号，使用粗箭头进行表示，证明模拟信号传入。信号输入后，使用AD变换程序，开启CPU程序，将音频传入，再进行AD变换处理，运行音频处理电路。再运行继电器，选择正常输出的电路方向，即给出模拟信号的传出位置。开展音频自检时，CPU控制程序会调整继电器，使其改变信号的传输方向。信息传出时，自检电路会对音频信号给出判断，回传模拟信号传输的正常性。同时，反馈信息会传输给中央处理单元。

自检系统内的电路有：继电器，用于变换电流传输路径；自检电路，用于测定音频信号的参数值；中央处理器，是调整继电器运行状态、自检信号收发的关键电路组成；电路程序，可有效展现数字信号与模拟信号之间的差异性。为此，自检电路的信号传输位置，应连接于中央处理器。自检电路的组成有：整流电路，共有四个桥臂；转换开关，主要用于电路连接。整流电路、滤波电容的设计功能，有效转变直流信号。在信号对比程序中设有最大值、最小值。在对比程序中，判断信号的参数变化量，展示最大值与最小值的参数关系。数据检测结果，回传至CPU，检测结果是模拟音频参数变化量的测定结果[1]。

2卷积神经电路设计

2.1网络设计

使用卷积神经电路设计方法，借助其电路权值共享的优势，以此降低反向信号传输形成的误差问题。在电路前期设计时，需进行多次训练，选出可用的权值参数，以此优化自检网络体系。此种神经网络体系，与生物神经体系具有较高的相似性。判断模拟音频的过程中，卷积神经电路可存储音频信号，有效去除信号噪声，能够兼容音频畸变问题。相比时域、频域捕获音频特征的方法，卷积神经电路能够完整保存信号特征信息，提升音频信号的检测效果。自检电路运行流程的设计方案：前期处理各类音频设备的信号，语谱图时，使用矩阵调整功能。音频自测时，使用卷积神经电路。

模拟音频测定过程中，训练多组音频信号获得的语谱图，可用作图像处理、信息检测的关键依据。结合图谱的各项位置信息，综合考量音频模拟处理结果的可用性。语谱图信息中，横向位置信息对应于模拟音频的形成时间，竖向位置信息表示模拟音频的变动频率。从时间频率视角进行神经卷积核设计，综合分析语谱图展示的时间特征。设计卷积核大小时，需关注卷积核尺寸与横向、竖向两个语谱图位置参数之间的关系。时域长度方面，可选择有效事件的对应时间。频率取值设计时，可选择子带参数。

2.2算法设计

网络传输的音频语谱图各边长均为80mm，数据传输样本数量为50个。卷积神经音频程序中，检测模拟音频的过程：提取音频特征、判断音频类型。测定音频信号特征时，采取信息训练形式。音频识别过程是划分音频类型。模拟音频信号的训练程序，含有前向、反向两个音频传输过程。划分音频信号类别时，可将训练所得参数，连同检测样本进行检测，获得音频自测结果。

2.3音频数据处理

卷积核尺寸，能够反映出各层次“感受野”参数，直接决定着音频特征提取的粒度级别。卷积核尺寸较大时，相应增加了“感受野”，此时矩阵较大。多数情况下，卷积核较小时，获取的音乐信号特征更为细致。各类音频设备的信号检测中，需综合考量语谱图的使用方法。在音频环境收集的有效音频时间，等同于全部语音时间的16.2%。因此，卷积核设计时，时域、频域各方向的大小，应等同于全部时长的16.2%。模拟音频信号的采样程序规格，多数选择较小级别的规格，再选择若干组具有差异性的规格，进行参数对比。进行多次设计检测发现，综合确定卷积核、采样层的参数值。参数调整方法有六种，采样层共设计四层，由此获得24种卷积核参数调整方案[2]。

各组卷积核均对应唯一的“感受野”，相应给出对应的权值矩阵，与当前信号传输后共同组建成具有差异性的卷积核。从多个视角，获取多种差异性的音频信号特征。为此，合理优化特征图个数，分析特征图与检测结果产生的关联作用。特征图的调整方法有5种，采样层有4层，共获得20个调整方案。

在实际测定模拟音频效果时，特征图个数的增多，会相应提高音频检测的准确性。特征图个数达到目标值后，音频检测准确性不再增加，会出现准确性降低问题，形成特征提取的冗余问题。数据更新一次，保证全部模拟音频进行一次信号训练，数据更新次数的合理调整，会提升音频检测的有效性。多数情况下，15次作为目标值，再增加图像数量会降低检测结果的可信性。

2.4神经芯片

音频信号模拟期间，神经网络的智能测定程序，应从多个程序视角，进行技术配置。比如，选用“冯·诺依曼”系统结构，处理音频复杂信号，会形成信号量饱和问题。此结构与神经电路运行程序的相似性不高，无法完成神经电路的检测过程。前端计算程序表现出能耗值较高、运行效率不高、占地空间较大等特点。集成电路与前端计算程序相对，能耗量较少、占地空间较小，表现出音频信号的检测优势。类脑检测的关键集中于“合理选择电路类型”方面，使用数字离散电路，可保证系统运行平稳性。或者选择个性化定制芯片，比如FPGA、GSP等。此类信号传输表现出较高能耗特点。或者使用模拟、数字两个电路的联合形式，模拟电路用于神经组件的搭建，数字电路完成信号传输。为同时达到检测速度、电路功耗、检测系统规格的各项要求，使用“天机”芯片设计电路，选择模拟生物神经结构，保证音频检测的有效性。

2.5音频检测

音频检测时，以神经卷积音频采样处理为例。模拟音频信号传入时，音频语谱图各边长均为28mm，卷积核各边参数为3mm，特征图共有20个。采样层各边为2mm。每次共同检测28个音频信号，可获取7个神经核。前两个核用于存储检测系统运行的缓存信息。第3至第7个核，用于处理音频信号，进行数据采集与检测。实际用于各类音频设备检测时，神经电路的检测准确性高于86%。“天机”芯片使用，音频检测准确性不低于86%。由此说明：天机芯片可用于神经电路设计，保证模拟音频信号的测定质量。在未来，可引入深度学习技术，从音频信号特征、音频变化幅度等方面，分析各类音频设备可能存在的故障问题，以此增强神经电路的音频测定能力，顺应音乐工程音频检测技术的发展需求[3]。

结论：综上所述，使用神经算法有效提取各类音频设备的关键信息，加强音频检测，提升自检电路设计的合理性。实践中，选择“天机”芯片，借助其卷积网络体系、参数设计方法，重新进行了芯片映射，展现出音频检测的较高优势，证明卷积神经技术可用于音频设备检测活动，延展了卷积神经技术的电路设计范围。

参考文献：

[1]赵林,方益民.基于DSP和CPLD超音频感应加热电源的研究[J].通信电源技术,2021,38(02):30-33.

[2]李红,阮斌,柴瑞.基于FPGA和AD8318的预/后选器自检电路设计应用[J].无线电通信技术,2018,44(01):95-98.

[3]丁俊,屈汝祥,丁振磊,等.一种改进姿控自检电路及等效测试电路设计与实现[J].电子世界,2017(10):37-38.