本發(fā)明涉及聲學特征的，尤其涉及一種提升膨化食品聲學特征與感官脆度相關性的方法。

背景技術：

1、膨化食品是60年代末出現(xiàn)的一種以谷物、薯類或豆類等為主要原料采用膨化工藝制成的體積明顯增大的酥脆食品，在不斷開發(fā)產(chǎn)品的過程中研究者注意到消費者對脆性的感知會強烈影響其對膨化食品品質(zhì)的滿意程度，食用膨化食品的愉悅感也可以通過聲音來調(diào)控，音頻與食物的和諧感受能增強人們對味道的感知和評價，當人們被要求對他們在咀嚼食物時發(fā)出的聲音進行評分時，脆度與膨化食物聲音愉悅感是最密切相關的描述。

2、聲音作為膨化食品享用過程的明顯特征，可用來表征膨化食品的脆度，已有許多研究探索聲學信號與食品質(zhì)地之間的關聯(lián)，為了提高食品脆度預測的效率從脆性食品的碎裂聲開始，采集碎裂聲信號，進行小波去噪，在時域和頻域分析特征值，分別構建基于多元線性回歸(mlr)和神經(jīng)網(wǎng)絡的脆度預測模型。通過壓裂試驗和聲學試驗，采用聚類分析方法選取聲學信號的典型特征值，包括功率譜密度(psd)曲線的峰值幅值、幅值差、波形指標?；谶@些特征值，建立了脆度分析模型，并對馬鈴薯、紅薯、胡蘿卜、蘿卜四種食品的脆度進行了預測。結果表明，bp神經(jīng)網(wǎng)絡的相對誤差小于mlr；當閾值為5％時，bp神經(jīng)網(wǎng)絡的預測準確率保持在90％以上，對兩種食品的預測準確率達到100％。而在應用于不同產(chǎn)品中時，需要應用不同的錄制頻率區(qū)間組合與聲學參數(shù)以獲得較高的相關性。

3、目前，大多數(shù)研究都是基于反復實驗得出的參數(shù)和方法，此過程需要花費大量時間進行數(shù)據(jù)分析，另外，食品的不同成分、大小、形狀、孔隙率和微觀結構對脆度有很大影響，以及感官評估程序的不統(tǒng)一等因素，聲學評價方法對于不同食品需要進行新的校準，大大增加了應用聲學特征的難度。

4、例如申請?zhí)枮?02110729365.8公開了一種公開了基于力聲同步采集的香梨果肉脆度檢測方法，具體步驟為：1.香梨試樣制備；2.穿刺測試與力學特征參數(shù)提??；3.聲信號aed低頻采集分析及參數(shù)提取；4.聲信號錄音機高頻采集與去噪預處理；5.高頻采集聲學時域特征參數(shù)提?。?.高頻采集聲學頻域特征參數(shù)提??；7.香梨脆度感官評價；8.感官評價結果與力聲特征參數(shù)相關性分析；9.力聲特征參數(shù)的主成分分析降維；10.基于主成分的多元線性回歸香梨脆度檢測模型構建與驗證；11.基于主成分的bp神經(jīng)網(wǎng)絡香梨脆度檢測模型構建與驗證。本發(fā)明基于力聲同步采集，融合了力聲多特征參數(shù)，建立了多元線性回歸和bp神經(jīng)網(wǎng)絡香梨脆度評估模型，實現(xiàn)了香梨脆度客觀準確的評價。但是，該申請僅針對梨進行檢測，無法對多種不同種類的食品進行分析。

技術實現(xiàn)思路

1、針對食品聲信號的現(xiàn)有的聲學特征參數(shù)在膨化食品評價中存在一定的局限性，尤其在適用性和準確性方面仍有提升的空間的技術問題，本發(fā)明提出一種提升膨化食品聲學特征與感官脆度相關性的方法，通過對聲音能量區(qū)間進行切分，根據(jù)聲音能量在膨化谷物食品脆度損失過程中的遷移規(guī)律，定義“低頻區(qū)間”確定方法，提高在此低頻區(qū)間錄制的聲學特征與其感官脆度相關性。

2、為了達到上述目的，本發(fā)明的技術方案是這樣實現(xiàn)的：一種提升膨化食品聲學特征與感官脆度相關性的方法，其特征在于，步驟包括：

3、s1：利用質(zhì)構儀錄制結構不同的樣本壓縮時的聲學信號；

4、s2：利用hht分析方法分別對聲學信號進行分析，得到不同樣品壓縮時的能量譜；

5、s3：基于能量譜計算頻率段內(nèi)能量在總能量中的占比，得到不同樣品的低頻區(qū)間的能量信號；

6、s4：對不同樣品的低頻區(qū)間的能量信號進行降噪處理，并提取能量信號中的聲學特征，皮爾遜相關性對聲學特征進行分析，得到聲學特征與感官脆度相關性。

7、步驟s1所述利用質(zhì)構儀錄制結構不同的樣本壓縮時的聲學信號的方法為：

8、利用質(zhì)構儀的單刀復合剪切頭以恒定的力率對樣品進行破碎，并利用質(zhì)構儀上的傳聲器在樣品正前方分別錄制樣本壓縮時的聲音作為聲學信號。

9、所述不同的樣本包括仙貝、米餅、鍋巴、燕麥棒、青稞棒、饃片、蝦條和糙米卷中的至少2種。

10、步驟s2所述得到不同樣品壓縮時的能量譜的方法為：

11、s21：運用hht分析方法，通過emd對不同樣品壓縮時的聲學信號進行分解，從樣品碎裂的聲音信號中獲得不同樣品的imf分量；

12、s22：利用has分別對不同樣品分解得到的每個imf分量作希爾伯特變換，獲得不同樣品壓縮時的聲學信號的瞬時頻率和能量譜。

13、步驟s21所述從樣品碎裂的聲音信號中獲得不同樣品的imf分量的方法為：

14、設步驟s1所得到的聲學信號為x(t)，利用emd對不同樣品壓縮時的聲學信號進行分解，得到樣品對應的一系列的固有模態(tài)函數(shù)和一個殘余分量r(t)：

15、

16、其中，t為時間，n為固有模態(tài)函數(shù)總量，imfi(t)代表第i個固有模態(tài)函數(shù)。

17、步驟s22所述獲得不同樣品壓縮時的聲學信號的瞬時頻率和能量譜的方法為：

18、對每個固有模態(tài)函數(shù)分量進行希爾伯特變換以獲得相應的解析信號zi(t)：

19、zi(t)＝imfi(t)+jh[imfi(t)]；

20、其中，h[·]表示希爾伯特變換操作，j是虛數(shù)單位，通過希爾伯特變換得到；

21、解析信號的瞬時振幅和瞬時頻率fi(t)計算公式為：

22、ai(t)＝|zi(t)|；

23、

24、其中，arg[·]表示求解析信號的相位角；

25、對于每個固有模態(tài)函數(shù)分量，對應的能量譜ei(f)可以通過瞬時振幅ai(t)的平方計算得到，能量譜計算公式為：

26、ei(f)＝|ai(t)|2。

27、步驟s3所述得到低頻區(qū)間的能量信號的方法為：

28、將能量譜按照瞬時頻率進行劃分，得到不同頻率區(qū)間的能量分布；設定特定的頻率區(qū)間[fmin，fmax]，將每個imf的能量值按照這些頻率區(qū)間進行切分和匯總，計算頻率段內(nèi)能量在總能量中的占比：

29、

30、其中，fmin為頻率區(qū)內(nèi)的最低頻率，fmax為頻率區(qū)內(nèi)的最高頻率，n1為頻率區(qū)間數(shù)量，j代表第j個頻率區(qū)間，根據(jù)頻率段內(nèi)能量在總能量中的占比，當占比累加超過閾值80％時定義大于此頻率段為高頻區(qū)間，余下為低頻區(qū)間。

31、步驟s4所述得到聲學特征與感官脆度相關性的方法為：

32、利用小波去噪法對低頻區(qū)間的能量信號進行預處理，去除導致假峰值檢測的噪聲；隨后，利用matlab將降噪后的能量信號轉化為時間-幅度曲線[x(n)]和時間-分貝曲線[d(n)]；

33、聲學特征包括聲曲線的峰數(shù)cp、平均聲壓級ave、線性距離ld、幅值差dm、脈沖因子pulsef、峭度k4和衰減時間t；

34、其中，聲曲線的峰數(shù)cp、平均聲壓級ave和線性距離ld分別代表d(n)的極值數(shù)、平均值和積分值；

35、最大短時幀能量emax指用短時傅里葉變換將聲音信號進行分幀后，計算每幀的能量，選取最大的幀能量，計算公式：emax＝max|x(n)|2；

36、幅值差dm是聲音信號在時域范圍內(nèi)最大幅值與最小幅值的差值，計算公式為：

37、dm＝max?x(n)-min?x(n)；

38、脈沖因子pulsef是聲音信號在時域范圍內(nèi)幅度的最大值與幅度絕對值的平均之比，設x(n)為離散的聲音信號，脈沖因子pulsef的計算公式為：

39、

40、峭度k4是描述信號波形的尖銳程度或峰態(tài)的統(tǒng)計量，計算公式為：

41、

42、式中為離散序列的平均幅值，i表示求和開始數(shù)據(jù)點序數(shù)；

43、衰減時間t是時域中聲音信號從幅度的最大值衰減到0.1倍最大值所用的時間，設聲音信號的最大值x1＝max|x(n)|、x2＝0.1x1所對應采樣點數(shù)分別為l1、l2，則計算公式為：t＝(l2-l1)/fs；

44、所有樣品的聲學特征提取完成后使用皮爾遜相關性分析，得到不同樣品感官分數(shù)與聲學特征的皮爾遜相關系數(shù)表。

45、所述不同樣品感官分數(shù)與聲學特征的皮爾遜相關系數(shù)表為：

46、不同樣品感官分數(shù)與聲學特征的皮爾遜相關系數(shù)

47、

48、步驟s4所述得到聲學特征與感官脆度相關性的方法為：

49、根據(jù)不同樣品感官分數(shù)與聲學特征的皮爾遜相關系數(shù)表，脈沖因子pulsef和峭度k4與感官脆度的相關性分別是0.984**和0.953**，說明脈沖因子pulsef和峭度k4與感官脆度之間的變化趨勢一致；

50、衰減時間t的數(shù)值與脈沖因子pulsef、峭度k4和最大短時幀能量emax均顯示出負相關，證明不同樣品的物理尺寸對其聲學特性影響小，衰減時間t與平均值ave呈負相關，證明聲音信號持續(xù)時間長會影響食品質(zhì)感的整體感知；

51、峰值數(shù)cp與線性距離ld正相關性，證明更長的線性距離與更好的脆性感知有關。

52、本發(fā)明的有益效果為：通過聲學分析確定，80％的閾值適合作為劃分低頻區(qū)間與高頻區(qū)間的分界點。同時，雖然更短的頻率區(qū)間間隔可能獲得更好的相關性，但由于計算復雜度和實際操作的便捷性考慮，1000hz被選為本研究低頻區(qū)間的切分間隔。不同的膨化食品樣本之間，其低頻區(qū)間與感官脆度值的相關性不具有統(tǒng)一性，表明不同的微觀結構和破碎振動頻率造成了各自獨特的固有頻率間隔。但這些特征在低頻區(qū)間重新提取后，與感官脆度具有更高的相關性，這一現(xiàn)象進一步強調(diào)了低頻區(qū)間在聲學特征提取過程中的重要性。