一种基于LSTM-FCN网络的麦克风异常检测方法

本发明提供一种基于多模态声学分析与深度学习的麦克风异常检测方法。通过声学传感器采集音频信号，利用自适应预加重和动态分帧技术提取混合特征向量(含Mel频谱和时域畸变参数)；级联降噪模块分离噪声与设备异响，残差注意力机制增强异常特征；基于改进的LSTM‑FCN网络构建健康模型，结合在线增量学习动态优化决策边界，实现非侵入式异常检测及故障分类。相比传统方案，本发明融合声纹识别与设备监测，无需外接仪器即可完成健康评估，具有自适应性高、误报率低、维护成本低等优势，为物联网设备提供高效声学诊断方案，推动边缘智能在工业预测性维护中的应用。