باتریهای لیتیوم{0} یونی اغلب صداهای غیرعادی را در فرکانسهای خاص در مراحل اولیه خود نشان میدهند، مانند تجزیه الکترولیت یا پارگی جداکننده. فناوری تشخیص صدا می تواند این سیگنال های مشخصه را برای ارائه هشدارهای اولیه ضبط کند. با این حال، نویز محیطی در تنظیمات صنعتی، مانند ارتعاشات مکانیکی، تجهیزات تهویه، و فعالیت پرسنل، به راحتی منجر به هشدارهای کاذب یا هشدارهای از دست رفته میشود و به چالشی کلیدی در اجرای این فناوری تبدیل میشود.
استخراج ویژگی دامنه فرکانس دقیق: از طریق تبدیل فوریه کوتاه-زمان (STFT) یا تجزیه و تحلیل موجک، سیگنال صوتی به حوزه فرکانس تجزیه میشود. باندهای فرکانس مشخص مربوط به فرار حرارتی باتری (مثلاً 2-10 کیلوهرتز) انتخاب شده است، در حالی که نویز مکانیکی فرکانس پایین (<1kHz) and high-frequency environmental interference (>15 کیلوهرتز) فیلتر می شوند و نسبت سیگنال به نویز را بهبود می بخشد.
تنظیم دینامیک آستانه تطبیقی: همراه با{0}}پایش نویز محیطی در زمان واقعی، از یک الگوریتم پنجره کشویی برای تنظیم پویا آستانه هشدار استفاده میشود. آستانه در زمان اوج نویز افزایش مییابد (مثلاً هنگام راهاندازی تجهیزات) و در دورههای{4} صدای کم، حساسیت متعادل و نرخ هشدار نادرست کاهش مییابد.
تنظیم دینامیک آستانه تطبیقی: همراه با{0}}پایش نویز محیطی در زمان واقعی، از یک الگوریتم پنجره کشویی برای تنظیم پویا آستانه هشدار استفاده میشود. آستانه در زمان اوج نویز افزایش مییابد (مثلاً هنگام راهاندازی تجهیزات) و در دورههای{4} صدای کم، حساسیت متعادل و نرخ هشدار نادرست کاهش مییابد.
ترکیب دادههای چند{0}}سنسوری: یک سیستم تشخیص چندوجهی با ترکیب سنسورهای دما و گاز ساخته میشود. هنگامی که سیگنالهای صوتی همزمان با ویژگیهایی مانند افزایش ناگهانی دما و غلظت بیش از حد CO ظاهر میشوند، یک زنگ هشدار ایجاد میشود که خطر قضاوت نادرست ناشی از تداخل یک نویز را کاهش میدهد.