工业设备故障声学解决方案：

实时监控工业大型设备的工作状态，预防事故的发生，对于现代生产至关重要。随着大数据、人工智能技术的发展，预测性维护也成为工业4.0和中国制造2025的重要组成部分。红外监测、超声波监测、震动监测与热敏监测等传统监测解决方案都有明显的弊端，如需要在设备出厂前预装，或者在后期对设备进行改造，部署成本、时间成本和决策成本都比较高。

而以声学监测为核心的解决方案为行业提供了一种非接触式的技术路径，谛声科技作为专注于工业领域的声学监测方案提供商，其自主研发的系列产品适用于绝大多数旋转或往复型机器运动场景，可以对通用机械故障进行诊断和分析，为预测性维护、质量检测、模式匹配等应用场景提供核心支持。

谛声科技通过一套振动声学联动诊断系统负责将机械运动中的噪声特性作提取，完成对工业设备工作状态的实时监测；配套的振动分析仪对声学探测定位的故障源进行进一步分析，做出精准的诊断结果；数据模块对故障数据进行记忆存储，建立诊断数据库，综合人工智能深度学习的方法，使现有系统应用于未知的工作环境中的诊断；而麦克风阵列在处理信号时能够有效消除噪声干扰并对声源做定位。

列车系统故障声学解决方案：

高铁行走机构关乎到全车的运行安全，由于部件老化、固有设计缺陷、意外外力破坏导致行走机构会产生各种各样的异音，而异音又是在高速运行过程中判断无法安装传感器部件健康状况的重要方式。传统方式是通过随车机械师进行初步判断，再返回维修厂进一步判断故障点并进行维修。由于列车有多个车厢，机械师无法实时监测每个车厢的运行状况，且容易出现误判和漏判。

动车走行部异音监测系统，基于人工智能、声纹技术、大数据、物联网、云计算等先进技术研究开发，具备走行部实时状态监控、故障诊断、健康评估、寿命预测、维护决策、统计分析、专家知识库等功能，实现了动车走行部关键部件的健康管理。

电力系统故障声学解决方案：

变电站设备在运行中会有各种各样的声音，主要分为电器声源和机械声源、正常声音和故障声音。过去单凭人体的听觉和经验，对电力系统上电器设备（包括变压器、电压互感器、断路器、电容器等）的声音故障判断往往比较困难，很多时候甚至无法进行人工判断，需要配合其他检查手段和试验。

谛声科技基于声信号的故障诊断技术，融合了语音识别、模式识别、故障诊断、计算机系统、人工智能等多方面的知识，以传声器采集声信号为数据线索，通过滤波、特征提取、特征比对，从而判断出获取信号的类别信息。基于深度学习的声信号故障诊断数据，自主获得声信号特征，助力电力系统提高电器设备的故障诊断准确率，甚至可以及时准确做到预警预报。

城市大气扬尘噪声监测解决方案：

大气扬尘噪声自动监测管理云平台是将噪声污染源的状态利用传感技术、通讯技术、计算机及其网络技术、GIS技术、信息业务处理系统有机结合而构成的新型的环境大气、扬尘、噪声监测的管理系统。系统将以GIS技术和信息业务处理系统为核心，利用在线监测终端设备,把相关数据传送到服务器。采用C/S与B/S结合多客户分布式的城市噪声监管信息化系统方式，实现对环境大气、扬尘及噪声等监测因子跟踪监测，并根据远程返回的数据，安排执法工作人员对出现的噪声参数超标等不正常情况及时做出相应的处理，为管理部门决策提供相关支持。

公安系统安全解决方案：

公安系统安全解决方案最常应用的场景主要包括公安监所、室内外重点区域等。以公安监所中的应用为例，模拟音视频监控及智能报警系统通过音频监听子系统实现监仓罪犯应急突发事件的有效检测和监控。利用在监仓内安装的专用抗干扰拾音器，对收集来的监仓内不同声音源进行分析检测、处理，结合专用算法处理、分析，输出为报警事件（例如吵架、打架、暴力破坏），再将该信号传递给已有摄像机，实现对监仓内音视频系统联动，自动在管理中心大屏弹出实时画面。并可调节摄像机方向，达到音频监控无死角、占用存储空间小、传输码流低以及事后举证有力的目的，从根本上杜绝由于罪犯故意在视频监控死角打架破坏发现取证难、长时间视频数据占用空间大、储存成本高等缺点。