CN104409073A - 一种变电设备声音与语音的识别方法 - Google Patents

Abstract

本发明提出了一种变电设备声音与语音的识别方法，包括如下步骤：训练过程和识别过程；所述训练过程：采集变电站设备声音和人的语音，对采集的声音进行预处理，对预处理之后的信号进行时频变换，然后进行频谱分析，特征提取，在设备声音信号频谱中提取工频倍数和非工频倍数处的频谱；最后通过SVM算法进行训练，最后得到SVM学习器；所述识别过程：提取待检测声音信号的特征向量，使用SVM学习器进行识别，得到识别结果，即：变压器声音或说话声。实验结果显示，本发明能够准确的识别设备声音和非设备声音，算法准确率高，性能稳定。

Description

一种变电设备声音与语音的识别方法

技术领域

本发明涉及一种变电设备声音与语音的识别方法。 

背景技术

随着国家电网规模的扩大，电网安全运行越来越重要。自动化和智能化检测手段已开始取代以往的人工检测方式，这也是变电站无人值守的重要表现。 

声音是有物体振动产生的，作为物体振动时发出的一种固有信号，必然携带物体本身的结构信息。变电设备在发电、输电、配电中起着至关重要的作用，变电设备在运行过程中也会发出自己特有的声音。比如，变压器在正常运行状态下会发出连续均匀的“嗡嗡”声，这是由于铁芯中交变的磁通在铁芯硅钢片间产生一种力的振动的结果，而人在说话时发出的声音则是气流通过声带时引起声带的振动产生的。同样大自然的各种声音都有其自身的产生机理。 

一直以来，声音信号作为大自然的一种信息载体常被人当作“耳旁风”。根据美国商学院有关研究表明，人的大脑每天通过五官接受外部信息的比例为：味觉1％，触觉1.5％，嗅觉3.5％，听觉11％及其视觉83％。可见听觉得到的信息是仅次于视觉的。并且听觉渠道得到的信息虽然不如视觉渠道的高，但是它不仅不会造成疲劳感还可以为想象留出充分的余地。声音种类繁多，怎么区分不同的声音也是目前研究的热点问题。 

发明内容

本发明的目的就是为了解决上述问题，提供一种变电设备声音与语音的识别方法，它具有算法简单、识别正确率高的优点。 

为了实现上述目的，本发明采用如下技术方案： 

一种变电设备声音与语音的识别方法，包括如下步骤： 

训练过程和识别过程； 

所述训练过程：采集变电站设备声音和人的语音，对采集的声音进行预处理，对预处理之后的信号进行时频变换，然后进行频谱分析，特征提取，在设备声音信号频谱中提取工频倍数和非工频倍数处的频谱；最后通过SVM算法进行训练，最后得到SVM学习器； 

所述识别过程：提取待检测声音信号的特征向量，使用SVM学习器进行识别，得到识别结果，即：变压器声音或说话声。 

所述训练过程的具体步骤包括： 

Step(1)：采集变压器声音和人的说话声，将采集到声音信号组建成样本库； 

Step(2)：声音信号进行预加重、分帧和加窗处理； 

Step(3)：时频变换：使用傅里叶变换将Step(2)中的声音信号从时域转换到频域，经过傅里叶变换得到声音信号的频谱分布，进而得到声音信号频谱图； 

f(x)的傅里叶变换F(u)定义如式(3)所示： 

$F\left(u\right)={\∫}_{-\∞}^{\∞}f\left(x\right)e^{-j1\mathrm{\πux}}\mathrm{dx}---\left(3\right)$

其中， $j=\sqrt{-1};$

Step(4)：频谱分析，特征提取： 

在声音信号频谱图中分析在各频率上声音信号频谱分布情况，统计频谱在频率上响应的频谱值，通过计算得到的样本特征向量(ph,nph,E_n,Z_n,mean,S)；其中，ph代表工频倍数为50*m Hz处的频谱相加得到频谱和，nph代表非工频倍数处的频谱相加得到频谱和，E_n代表短时能量，Z_n代表短时过零率，mean代表样本均值，S代表方差。 

Step(5)：SVM训练学习； 

在训练SVM时，核函数选用Sigmoid核函数，将Step(4)得到的样本特征向量(ph,nph,E_n,Z_n,mean,S)送入SVM学习器，得到SVM学习器。 

所述Step(2)预加重使用的是一阶的数字滤波器；设声音信号f(x)在n时刻的声音信号采样值为x(n)，经过预加重后的声音信号采样值y(n)为：y(n)＝x(n)-αx(n-1)，其中0.9<α<1；所述预加重的目的是提升信号的高频部分，使信号的频谱变得平坦，保持在低频到高频的整个频带中。 

所述Step(2)分帧采用交叠分段的方法，使帧与帧之间平滑过渡，保持其连续性；设声音信号的长度为N，分成每帧的长度为L，帧移为M，则信号被分为的帧数num为： 

$\mathrm{num}=\frac{N-L}{M}+1---\left(1\right).$

所述Step(2)加窗处理，即对序列的边界点进行平滑处理以使得以此序列能够进行周期拓展。选用的窗函数为汉明窗，公式如下： 

所述Step(4)包括如下步骤： 

Step(4.1)：在设备声音信号频谱中提取工频倍数和非工频倍数处的频谱； 

将工频倍数为50*m Hz处的频谱相加得到频谱和ph；将非工频倍数处的频谱相加得到频谱和nph，其中m为自然数； 

Step(4.2)：计算声音信号的短时能量、短时过零率、均值和方差； 

Step(4.3)：组建特征向量； 

将计算得到的工频倍数为50*m Hz处的频谱相加得到频谱和ph、非工频倍数处的频谱相加得到频谱和nph、短时能量E_n、短时过零率Z_n、样本均值mean和方差S组成向量(ph,nph,E_n,Z_n,mean,S)。 

所述Step(4.2)短时能量的计算方法为： 

设声音信号时域信号为f(x)，加窗分帧后得到的第n帧的声音信号为f_n(x)，则f_n(x)的短时能量用E_n表示，计算公式如式(4)所示；式中，N为帧长。 

$E_n=\underset{x=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{f}_n^2\left(x\right)---\left(4\right)$

E_n是一个度量声音信号幅度值变化的函数； 

采用另一个度量声音信号幅度值变化的函数，即短时平均幅度函数M_n，定义如下： 

$M_n=\underset{x=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\left|f_n\left(x\right)\right|---\left(5\right)$

M_n也是一帧声音信号能量大小的表征，它与E_n的区别在于计算时不会因为取二次方而造成较大差异。 

所述Step(4.2)短时过零率表示一帧信号中声音信号波形穿过零电平的次数； 

对于连续信号，过零即意味着时域波形通过时间轴； 

对于离散信号，如果相邻的取样值改变符号则称为过零，过零率就是样本改变符号的次数；f_n(x)的短时过零率Z_n如式(6)所示： 

$Z_n=\frac{1}{2}\underset{x=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\left|\mathrm{sgn}\right[f_n\left(x\right)]-\mathrm{sgn}[f_n(x-1)\left]\right|---\left(6\right)$

式中sgn[]为符号函数，如式(7)所示： 

$\mathrm{sgn}\left[x\right]=\left\{\begin{array}{cc}1,& (x\&GreaterEqual;0)\\ -1,& (x<)\end{array}\right.---\left(7\right).$

所述Step(4.2)的均值和方差的计算方法为： 

样本均值mean又叫样本均数，即为样本的均值；均值是指在一组数据中所有数据之和再除以数据的个数； 

方差，就是和中心偏离的程度；用来衡量一批数据的波动大小，即这批数据偏离平均数的大小，并把它叫做这组数据的方差S²：在样本容量相同的情况下，方差越大，说明数据的波动越大，越不稳定； 

$S^2=\frac{1}{n}[{(x_1-\mathrm{mean})}^2+{(x_2-\mathrm{mean})}^2+\&CenterDot;\&CenterDot;\&CenterDot;+{(x_n-\mathrm{mean})}^2]---\left(8\right)$

其中，mean表示样本均值，S²表示方差。 

本发明的有益效果： 

本发明主要利用设备声音在工频倍数处有很大的响应，非设备声音不存在这样的性质来设计的，实现了识别变电设备声音和非变电设备声音，该方法的应用可以识别变电站中异常声音，如果出现异常声音可以警示值班人员。该方法的实施可以解脱工作人员考人工巡检的方式，尤其在恶劣天气下，这种自动化和智能化的识别方法保障了工作人员的生命安全。该方法的实施也是自动化、智能化和无人值守变电站的体现。 

附图说明

图1为本发明的方法流程图； 

图2为变压器声音信号时域波形图； 

图3为说话声信号时域波形图； 

图4(a)、图4(b)和图4(c)为变压器声音信号和非变压器声音信号对比图； 

图5为变压器声音频谱图； 

图6为说话声频谱图。 

具体实施方式

下面结合附图与实施例对本发明作进一步说明。 

本发明利用声学原理，结合声音产生的固有性质，提取待测声音工频倍数的傅里叶谱和非工频倍数处的设备声音频谱组建成特征向量，使用SVM分类器进行设备声音和语音识别分析。 

采集到物体发出声音信号时，就可以利用数字信号处理的方法进行信号分析。在进行数字化处理时，了解声音信号最直观的方式就是查看信号的时域波形。图2和图3为变电站声音和说话声时域波形图。时域波形虽然简单直观，但是复杂的声音信号在时域中无法展现其独有的特征，而在频域中却能得到很好的体现，并且频谱还是表征声音信号的一个基本参数特征。时频转换技术中最常用的就是傅里叶变换。 

傅里叶变换是一种分析信号的方法，它即可以分析信号的成分，也可以用这些成分合成信号。在数字信号处理中，傅里叶变换的作用就是将声音信号分解成幅值谱来显示与频率对应的幅值大小关系。 

f(x)的傅里叶变换F(u)定义如式(3)所示： 

$F\left(u\right)={\&Integral;}_{-\&infin;}^{\&infin;}f\left(x\right)e^{-j1\mathrm{\&pi;ux}}\mathrm{dx}---\left(3\right)$

其中， $j=\sqrt{-1}.$

通常情况下，傅里叶变换指的是连续傅里叶变换。连续傅里叶变换是将平方可积的函数表示成复指数函数的积分或级数形式。 

傅里叶变换是时频变换分析(时域到频率域)中一种广泛的使用工具。快速傅里叶变换(FFT)是傅里叶变换的快速算法，可以快速的将一个信号变换到频域。另外，FFT可以将一个信号的频谱提取出来，这在频谱分析方面也是经常用的。由于频谱反映了信号能量在频率域的分布，这也是很多信号分析采用FFT变换的原因，受到了研究者的广泛重视。 

支持向量机(Support Vector machine,SVM)是基于线性划分的。但是，并非所有数据都可以线性划分。支持向量机的原理是将低维空间中的点映射到高维空间中，使它们成为线性可分的。再使用线性划分的原理来判断分类边界。 

变电设备声音是有变电设备在电力生产过程中发出的声音。本发明以变压器的声音为例进行分析说明，非设备声音一说话声为例说明。 

图4(a)、图4(b)和图4(c)为变压器声音信号和非变压器声音信号对比图； 

变压器在有电流通过铁芯时产生交变磁通，这时变压器就会发出“嗡嗡”的均匀电磁声。图5为变压器的频谱图，从图中可以看到，在50Hz倍数处的频谱表现为较大的响应，而其他部分的频谱较小。图6为说话声的频谱图，从图中可以看出，说话声的频谱图不像变压器声音在工频倍数处有较大的频谱响应(红色星号为工频倍数，绿色星号为800Hz内对应工频倍数处的频谱)。从频谱图中反应出了变压器的变电设备的工频性质，也反应出声音携带了物体本身的结构信息。 

经过大量实验，变电设备发出声音的频谱图如图5所示，而非设备声音的频谱图如图6所示。所以根据频谱的分布情况，设计算法中的特征向量为：频域中的工频倍数处频谱能量和、非工频倍数处的频谱能量和；时域中的短时能量、短时过零率、均值、方差；将这六个量组成6维的特征向量即为提取的样本特征向量。 

通过实验数据发现，特征向量的各维分量均能很好的反应信号的特征，如方差，变电设 备声音信号的均值较小，表明信号平稳；而非设备声音的方差较大，表明了信号不平稳比较离散。 

算法步骤： 

如图1所示，训练过程： 

Step1：采集变压器声音和人的说话声，将采集到声音组建成样本库。 

Step2：声音信号进行预加重、分帧、加窗操作； 

预加重的目的是提升高频部分，使信号的频谱变得平坦，保持在低频到高频的整个频带中。预加重一般是一阶的数字滤波器，设声音信号f(x)在n时刻的声音信号采样值为x(n)，经过预加重后的声音信号采样值y(n)为：y(n)＝x(n)-αx(n-1)，其中0.9<α<1。 

由于声音信号是一个短时平稳信号，所以在进行声音分析处理时需要先进行分帧、加窗处理。分帧采用交叠分段的方法，这是为了使帧与帧之间平滑过渡，保持其连续性。设声音信号的长度为N，分成每帧的长度为L，帧移为M，则信号可以被分为的帧数num为： 

$\mathrm{num}=\frac{N-L}{M}+1---\left(1\right)$

在进行傅里叶变换时，为了减少频谱泄露现象要进行加窗处理，即对序列的边界点进行了平滑处理以使得以此序列进行周期拓展。在此选用的窗函数为汉明窗，公式如下： 

Step3：时频变换：使用傅里叶变换将Step2中的声音信号从时域转换到频域，经过傅里叶变换即可得到声音信号的频谱分布。 

f(x)的傅里叶变换F(u)定义如式(3)所示： 

$F\left(u\right)={\&Integral;}_{-\&infin;}^{\&infin;}f\left(x\right)e^{-j1\mathrm{\&pi;ux}}\mathrm{dx}---\left(3\right)$

其中， $j=\sqrt{-1};$

Step4：频谱分析，特征提取： 

在声音信号频谱图中分析在各频率上声音信号频谱分布情况，统计频谱在频率上响应的频谱值。 

Step4.1：在声音信号频谱图中提取工频倍数和非工频倍数处的频谱； 

将工频倍数(50Hz，100Hz，150Hz，200Hz，250Hz，……，即：50*m(Hz)，m为自然数)处的频谱相加，得到频谱和ph，非工频倍数处的频谱相加得到频谱和nph。 

Step4.2：计算声音信号的短时能量、短时过零率、均值和方差； 

设声音信号时域信号为f(x)，加窗分帧后得到的第n帧的声音信号为f_n(x)，则f_n(x)的短时能量用E_n表示，计算公式如式(4)所示；式中，N为帧长。 

$E_n=\underset{x=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{f}_n^2\left(x\right)---\left(4\right)$

E_n是一个度量声音信号幅度值变化的函数，但是它有一个缺陷，即对高电平非常敏感。为此，可采用另一个度量声音信号幅度值变化的函数，即短时平均幅度函数M_n，定义如下： 

$M_n=\underset{x=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\left|f_n\left(x\right)\right|---\left(5\right)$

M_n也是一帧声音信号能量大小的表征，它与E_n的区别在于计算时小取样值和大取样值不会因为取二次方而造成较大差异。 

短时过零率表示一帧信号中声音信号波形穿过横轴(零电平)的次数。过零分析是时域分析中最简单的一种。对于连续信号，过零即意味着时域波形通过时间轴。而对于离散信号，如果相邻的取样值改变符号则称为过零。过零率就是样本改变符号的次数。声音信号f_n(x)的过零率如式(6)所示。 

$Z_n=\frac{1}{2}\underset{x=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\left|\mathrm{sgn}\right[f_n\left(x\right)]-\mathrm{sgn}[f_n(x-1)\left]\right|---\left(6\right)$

式中sgn[]为符号函数，如式(7)所示。 

$\mathrm{sgn}\left[x\right]=\left\{\begin{array}{cc}1,& (x\&GreaterEqual;0)\\ -1,& (x<)\end{array}\right.---\left(7\right)$

样本均值(mean)又叫样本均数。即为样本的均值。均值是指在一组数据中所有数据之和再除以数据的个数。 

方差，通俗点讲，就是和中心偏离的程度。用来衡量一批数据的波动大小(即这批数据偏离平均数的大小)并把它叫做这组数据的方差S²：在样本容量相同的情况下，方差越大，说明数据的波动越大，越不稳定。 

$S^2=\frac{1}{n}[{(x_1-\mathrm{mean})}^2+{(x_2-\mathrm{mean})}^2+\&CenterDot;\&CenterDot;\&CenterDot;+{(x_n-\mathrm{mean})}^2]---\left(8\right)$

Step4.3：组建特征向量； 

将计算得到的ph、nph、E_n、Z_n、mean和S组成向量(ph,nph,E_n,Z_n,mean,S)。 

Step5：SVM训练学习； 

支持向量机(Support Vector Machine,SVM)是一种算法。在机器学习领域，常把一些算法看作是机器或学习器。SVM是一种有监督的学习算法。因此，在训练SVM时，核函数选用Sigmoid核函数，将声音样本库得到的样本特征向量(ph,nph,E_n,Z_n,mean,S)送入SVM学习器，得到SVM学习器。 

识别过程： 

提取待检测声音信号的特征向量：(tph,tnph,tE_n,tZ_n,tmean,tS)，使用Step5的SVM进行识别，得到识别结果，即：变压器声音或说话声。其中，tph、tnph、tE_n、tZ_n、tmean和tS分别代表测试声音的工频倍数频谱和、非工频倍数频谱和、短时能量、短时过零率、均值和方差。 

实验结果表明，该算法可以有效的识别设备声音和非设备声音。在变电站中可以实时监控设备区域内的异常声响，一旦出现异常声音及时反馈到软件后台警示值班人员。该算法的实施体现了自动化和智能化变电站巡检方式，推进了无人值守变电站的进程。 

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。 

Claims (10)

1.一种变电设备声音与语音的识别方法，其特征是，包括如下步骤：

训练过程和识别过程；

所述训练过程：采集变电站设备声音和人的语音，对采集的声音进行预处理，对预处理之后的信号进行时频变换，然后进行频谱分析，特征提取，在设备声音信号频谱中提取工频倍数和非工频倍数处的频谱；最后通过SVM算法进行训练，最后得到SVM学习器；

所述识别过程：提取待检测声音信号的特征向量，使用SVM学习器进行识别，得到识别结果，即：变压器声音或说话声。

2.如权利要求1所述的一种变电设备声音与语音的识别方法，其特征是，所述训练过程的具体步骤包括：

Step(1)：采集变压器声音和人的说话声，将采集到声音信号组建成样本库；

Step(2)：声音信号进行预加重、分帧和加窗处理；

Step(3)：时频变换：使用傅里叶变换将Step(2)中的声音信号从时域转换到频域，经过傅里叶变换得到声音信号的频谱分布，进而得到声音信号频谱图；

f(x)的傅里叶变换F(u)定义如式(3)所示：

$F\left(u\right)={\&Integral;}_{-\&infin;}^{\&infin;}f\left(x\right)e^{-j1\mathrm{\&pi;ux}}\mathrm{dx}---\left(3\right)$

其中， $j=\sqrt{-1};$

Step(4)：频谱分析，特征提取：

在声音信号频谱图中分析在各频率上声音信号频谱分布情况，统计频谱在频率上响应的频谱值，通过计算得到的样本特征向量(ph,nph,E_n,Z_n,mean,S)；其中，ph代表工频倍数为50*m Hz处的频谱相加得到频谱和，nph代表非工频倍数处的频谱相加得到频谱和，E_n代表短时能量，Z_n代表短时过零率，mean代表样本均值，S代表方差；

Step(5)：SVM训练学习；

在训练SVM时，核函数选用Sigmoid核函数，将Step(4)得到的样本特征向量(ph,nph,E_n,Z_n,mean,S)送入SVM学习器，得到SVM学习器。

3.如权利要求2所述的一种变电设备声音与语音的识别方法，其特征是，所述Step(2)预加重使用的是一阶的数字滤波器；设声音信号f(x)在n时刻的声音信号采样值为x(n)，经过预加重后的声音信号采样值y(n)为：y(n)＝x(n)-αx(n-1)，其中0.9<α<1；所述预加重的目的是提升信号的高频部分，使信号的频谱变得平坦，保持在低频到高频的整个频带中。

4.如权利要求2所述的一种变电设备声音与语音的识别方法，其特征是，所述Step(2)分帧采用交叠分段的方法，使帧与帧之间平滑过渡，保持其连续性；设声音信号的长度为N，分成每帧的长度为L，帧移为M，则信号被分为的帧数num为：

$\mathrm{num}=\frac{N-L}{M}+1---\left(1\right).$

5.如权利要求2所述的一种变电设备声音与语音的识别方法，其特征是，所述Step(2)加窗处理，即对序列的边界点进行平滑处理以使得以此序列能够进行周期拓展；选用的窗函数为汉明窗，公式如下：

6.如权利要求2所述的一种变电设备声音与语音的识别方法，其特征是，所述Step(4)包括如下步骤：

Step(4.1)：在设备声音信号频谱中提取工频倍数和非工频倍数处的频谱；

将工频倍数为50*m Hz处的频谱相加得到频谱和ph；将非工频倍数处的频谱相加得到频谱和nph，其中m为自然数；

Step(4.2)：计算声音信号的短时能量、短时过零率、均值和方差；

Step(4.3)：组建特征向量；

将计算得到的工频倍数为50*m Hz处的频谱相加得到频谱和ph、非工频倍数处的频谱相加得到频谱和nph、短时能量E_n、短时过零率Z_n、样本均值mean和方差S组成向量(ph,nph,E_n,Z_n,mean,S)。

7.如权利要求6所述的一种变电设备声音与语音的识别方法，其特征是，所述Step(4.2)短时能量的计算方法为：

设声音信号时域信号为f(x)，加窗分帧后得到的第n帧的声音信号为f_n(x)，则f_n(x)的短时能量用E_n表示，计算公式如式(4)所示；式中，N为帧长；

$E_n=\underset{x=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{f}_n^2\left(x\right)---\left(4\right)$

E_n是一个度量声音信号幅度值变化的函数。

8.如权利要求6所述的一种变电设备声音与语音的识别方法，其特征是，所述Step(4.2)短时过零率表示一帧信号中声音信号波形穿过零电平的次数；

对于连续信号，过零即意味着时域波形通过时间轴；

对于离散信号，如果相邻的取样值改变符号则称为过零，过零率就是样本改变符号的次数；fn(x)的短时过零率Z_n如式(6)所示：

$Z_n=\frac{1}{2}\underset{x=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\left|\mathrm{sgn}\right[f_n\left(x\right)]-\mathrm{sgn}[f_n(x-1)\left]\right|$

式中sgn[]为符号函数，如式(7)所示：

$\mathrm{sgn}\left[x\right]=\left\{\begin{array}{cc}1,& (x\&GreaterEqual;0)\\ -1& (x<0)\end{array}\right.---\left(7\right).$

9.如权利要求6所述的一种变电设备声音与语音的识别方法，其特征是，所述Step(4.2)的均值的计算方法为：

样本均值mean又叫样本均数，即为样本的均值；均值是指在一组数据中所有数据之和再除以数据的个数。

10.如权利要求6所述的一种变电设备声音与语音的识别方法，其特征是，所述Step(4.2)的方差的计算方法为：

方差，就是和中心偏离的程度；用来衡量一批数据的波动大小，即这批数据偏离平均数的大小，并把它叫做这组数据的方差S²：在样本容量相同的情况下，方差越大，说明数据的波动越大，越不稳定；

$S^2=\frac{1}{n}[{(x_1-\mathrm{mean})}^2+{(x_2-\mathrm{mean})}^2+...+{(x_n-\mathrm{mean})}^2]---\left(8\right)$

其中，mean表示样本均值，S²表示方差。