CN113866570A - 一种基于声纹的局放监测方法 - Google Patents
一种基于声纹的局放监测方法 Download PDFInfo
- Publication number
- CN113866570A CN113866570A CN202110900753.8A CN202110900753A CN113866570A CN 113866570 A CN113866570 A CN 113866570A CN 202110900753 A CN202110900753 A CN 202110900753A CN 113866570 A CN113866570 A CN 113866570A
- Authority
- CN
- China
- Prior art keywords
- voiceprint
- partial discharge
- monitoring method
- frequency spectrum
- processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000001228 spectrum Methods 0.000 claims abstract description 29
- 238000005070 sampling Methods 0.000 claims abstract description 28
- 238000009432 framing Methods 0.000 claims abstract description 21
- 230000009467 reduction Effects 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 230000003595 spectral effect Effects 0.000 claims description 5
- 230000006872 improvement Effects 0.000 description 10
- 238000009413 insulation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000037433 frameshift Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000011410 subtraction method Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009421 internal insulation Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1209—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using acoustic measurements
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明提供了一种基于声纹的局放监测方法，包括以下步骤：S1，获取来自被测设备的声纹，并按照设定时长对其进行分段截取，得到若干段第一声纹信号，对每一第一声纹信号进行采样获得多个采样信号；S2，对每一采样信号先后进行预加重处理、分帧处理、加窗处理以及快速傅里叶变换得到第一频谱；S3，对所述第一频谱先后进行降噪处理以及滤波处理得到第二频谱；S4，分别获取所述第二频谱中每一帧的能量Pj，然后计算得出j帧的平均能量P△；S5，判断在所述设定时长内是否具有L个设定周期，且每一所述设定周期内有R个脉冲，是则判断所述被测设备存在局放，否则判断所述被测设备不存在局放。
Description
技术领域
本发明涉及电气设备技术领域，特别涉及一种基于声纹的局放监测方法。
背景技术
目前，科技发展，自动化设备越来越多，在人工操作、管理越来越少的情况下，设备的监控系统显得尤为重要。对于中高压设备，局部放电时有发生，局部放电主要是变压器、互感器以及其它一些高压电气设备在高电压的作用下，其内部绝缘发生的放电。这种放电只存在于绝缘的局部位置，不会立即形成整个绝缘贯通性击穿或闪络，所以称为局部放电。局部放电的持续发展会使绝缘的劣化损伤逐步扩大，最终使绝缘正常寿命缩短、短时绝缘强度降低，甚至可能使整个绝缘击穿。传统方式是采用红外检测的方式或特高频的方式来监控是否存在局部放电，而这些监控方法无论是灵敏度还是抗干扰性都存在一定的不足。
发明内容
本发明提供了一种基于声纹的局放监测方法，可以有效解决上述问题。
本发明是这样实现的：
一种基于声纹的局放监测方法，包括以下步骤：
S1，获取来自被测设备的声纹，并按照设定时长对其进行分段截取，得到若干段第一声纹信号，对每一第一声纹信号进行采样获得多个采样信号；其中，采样频率为fs，每个采样点的幅值为x(n)，n为采样点；
S2，对每一采样信号先后进行预加重处理、分帧处理、加窗处理以及快速傅里叶变换得到第一频谱；
S3，对所述第一频谱先后进行降噪处理以及滤波处理得到第二频谱；
S4，分别获取所述第二频谱中每一帧的能量Pj，然后计算得出j帧的平均能量P△,其中j为分帧数；
S5，判断在所述设定时长内是否具有L个设定周期，且每一所述设定周期内有R个脉冲，是则判断所述被测设备存在局放，否则判断所述被测设备不存在局放；其中，所述脉冲为将相邻的M帧的能量Pj都满足：Pj>β*P△时设定为1个脉冲，其中，β是能量系数。
作为进一步改进的，在步骤S2中，根据公式W(n)＝(1-γ)-γcos(2πn/N)，对经过分帧处理后的每一帧信号进行加窗处理，其中N为加窗的大小，γ取值0.46。
作为进一步改进的，在步骤S3中，根据公式：
对所述第一频谱进行基本谱减法进行降噪处理，其中，|Xj(k)|new表示所述第一频谱中每一帧经过降噪后的幅值，a为过减因子，b为增益补偿因子，a、b均为常数，0≤k≤N-1，D(k)表示对应噪声段的平均能量值。
作为进一步改进的，在步骤S5中，M取值范围是3≤M≤15。
作为进一步改进的，在步骤S5中，M取值范围是5≤M≤10。
作为进一步改进的，在步骤S5中，L≥15。
作为进一步改进的，在步骤S5中，R的取值范围是R≥2。
作为进一步改进的，在步骤S5中，R的取值是2。
作为进一步改进的，所述设定时长是500ms。
作为进一步改进的，所述设定周期是20ms。
本发明的有益效果是：
本发明提供的一种基于声纹的局放监测方法，通过将获取的声纹进行采样，截取成一段段的声纹信号进行处理，先后经过预加重、分帧、加窗等处理，先得到更好的适合进行快速傅里叶变换的时域信号，其中经过预加重处理能够在不影响信噪比的情况下补偿高频分量在传输过程中的过大衰减；进行分帧处理使得语音信号满足短时平稳性，方便处理；然后进行加窗处理，使得经过分帧后的信号更加的平稳，更适合进行快速傅里叶变换。在变换到频域后，采用基本谱减法去噪声成分，得到干净的频域声纹信号，然后通过比较每帧能量Pj与β*P△，实现将模拟信号转换成数字信号0和1；然后通过一个精准设定的方法来判断是否存在局放，即：在每段截取的声纹信号里面，经过上述处理后，若相邻的M帧都被置1则视为一个脉冲，如果这段语音里至少有L个设定周期且每个设定周期里至少有R个脉冲，则这个被测设备视为存在局放。这种监测方法将模拟信号转换为数字信号，抗干扰性得到了提高，通过对每一段声纹信号里在一定条件下监测脉冲的数量，对局放的监测进行了量化，监测的灵敏度较高。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例提供的基于声纹的局放监测方法的流程图。
图2是本发明实施例提供的判断是否存在局放之前的数据处理流程图。
图3是本发明实施例提供的判断局放的条件结构流程图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
参照图1-3所示，一种基于声纹的局放监测方法，包括以下步骤S1-S5：
S1，获取来自被测设备的声音，并按照设定时长对其进行分段截取，得到若干段第一声纹信号，对每一第一声纹信号进行采样获得多个采样信号；其中，采样频率为fs，每个采样点的幅值为x(n),n为采样点。具体的，通过设置在被测设备附近的传感器获取到包含被测设备内部情况信息的声纹像这种，所述被测设备内部情况信息主要是指所述被测设备内部包含局放(局部放电)或者不包含局放的信息。按照设定时长对其进行分段截取，在本实施例中可以是设定分段截取的时间是500ms，将获取到的声音每500ms截取一段，依次对每一段声音进行后面的处理。采用传感器获取声音具体来讲可以通过长距探头或超声波远距接收器，可以极大增加仪器的检测距离，可以检测30米以上的距离。
S2，对每一采样信号先后进行预加重处理、分帧处理、加窗处理以及快速傅里叶变换得到第一频谱，其中，每一帧的频谱为Xj(k),k＝0,1,2,3......N-1，其中j表示第几帧，k表示每一帧中的第几个序列。
具体的，根据公式y(n)＝x(n)-αx(n-1)对每一采样信号进行预加重处理，其中α是预加重系数，y(n)是第n个采样点经过预加重后的幅值；α取值范围是0.9≤α≤1.0。在本实施例中，α取值0.97。预加重主要是增强所述第一声纹信号的高频成分，以补偿高频分量在传输过程中的过大衰减，但不会影响信噪比。
然后对经过预加重处理后的每一采样信号进行分帧处理，这里主要是指对每一第一声纹信号进行采样、预加重之后再进行分帧，分帧的帧长设置为f1，帧移设置为f2，j表示分帧数，j是正整数。其中，帧长具体是指对于整个采样点的数据可以分成多少帧，帧移是指帧与帧之间交叉的采样点的个数。在本实施例中，按照帧长2ms，帧移1ms进行分帧。
然后对经过分帧后的每一帧的信号采用汉明窗进行加窗处理，这里主要是指对每一第一声纹信号进行采样、预加重、分帧之后再进行加窗处理，在此采用汉明窗，根据公式W(n)＝(1-γ)-γcos(2πn/N),其中N为汉明窗的大小，N值具体是由采样频率fs以及分帧情况而定的，γ取值0.46，W(n)表示加窗后的信号幅值。对分帧后的信号进行加窗处理是为了使分帧后的声纹信号更加平稳，使时域信号更好地满足快速傅里叶变换处理的周期性要求，减少泄漏。
对经过加窗处理后的每一帧声纹信号进行快速傅里叶变换，得到第一频谱，每一帧的频谱为Xj(k),k＝0,1,2,3......N-1，其中j表示第几帧，k表示每一帧中的第几个序列。将时域信号变换成频域信号。
S3，对所述第一频谱先后进行降噪处理以及滤波处理得到第二频谱。具体的采用基本谱减法去噪，由所述第一频谱减去噪声成分。在步骤S3中，根据公式：
在对所述第一频谱进行降噪处理后，就得到在频域的比较干净的声纹信息了，将经过降噪处理后的第一频谱通过一组按照梅尔刻度设计好的三角形滤波器进行滤波，得到第二频谱。
S4，分别获取所述第二频谱中每一帧的能量Pj，然后计算得出j帧的平均能量P△,其中j为分帧数，表示第几帧。
参照图2所示，图2为上述步骤S1-S4的判断是否存在局放之前的数据处理流程图。
S5，判断在所述设定时长内是否具有L个设定周期，且每一所述设定周期内有R个脉冲，是则根据所述第一声纹信号来判断所述被测设备存在局放，否则根据所述第一声纹信号来判断所述被测设备不存在局放，其中，所述脉冲为将相邻的M帧的能量Pj都满足：Pj>β*P△时设定为1个脉冲，其中，β是能量系数。具体的，当Pj>β*P△时，置1；当Pj＜β*P△时，置0，这样就完成了将带有声纹信息的模拟信号转换为数字信号的过程。其中M取值范围是3≤M≤15，特别的，M取值为5≤M≤10中较佳。其中L≥15，特别的L取值15时较佳。其中R的取值范围是R≥2，特别的R＝2时较佳。
在本实施例中，参照图3所示，所述设定时长是500ms，对应的设定周期是20ms，对于步骤S5，若相邻的5-10帧都被置1，则将对应的相邻的5-10帧设定为1个脉冲。在50HZ的状态下，若一个周期里有两个这样的脉冲，且这段500ms声纹信号内有15个周期存在这种情况，则将这500ms声纹信号视作存在局放的声纹信号。
本发明通过将获取的声纹信号进行采样，截取成一段段的声纹信号进行处理，先后经过预加重、分帧、加窗等处理，先得到更好的适合进行快速傅里叶变换的时域信号，其中经过预加重处理能够在不影响信噪比的情况下补偿高频分量在传输过程中的过大衰减；进行分帧处理使得声纹信号满足短时平稳性，方便处理；然后进行加窗处理，使得经过分帧后的信号更加的平稳，更适合进行快速傅里叶变换。在变换到频域后，采用基本谱减法去噪声成分，得到干净的频域声纹信号，然后通过比较每帧能量Pj与β*P△，实现将模拟信号转换成数字信号0和1；然后通过一个精准设定的方法来判断是否存在局放，即：在每段截取的声纹信号里面，经过上述处理后，若相邻的5-10帧都被置1则视为一个脉冲，如果这段声纹信号里按照50Hz的频率计算，至少有15个周期且每个周期里至少有2个脉冲，则视为被测设备存在局放。这种将模拟信号转换为数字信号的监控方法，对局放的监测进行了量化，监测的灵敏度和抗干扰性都比较高，能在复杂环境中使用，能探测微弱信号。此外，基于所述局放监控方法的局放监控设备，可以制作成较小体积，携带方便，操作简单。
以上所述仅为本发明的优选实施方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于声纹的局放监测方法，其特征在于，包括以下步骤：
S1，获取来自被测设备的声纹，并按照设定时长对其进行分段截取，得到若干段第一声纹信号，对每一第一声纹信号进行采样获得多个采样信号；其中，采样频率为fs，每个采样点的幅值为x(n)，n为采样点；
S2，对每一采样信号先后进行预加重处理、分帧处理、加窗处理以及快速傅里叶变换得到第一频谱；
S3，对所述第一频谱先后进行降噪处理以及滤波处理得到第二频谱；
S4，分别获取所述第二频谱中每一帧的能量Pj，然后计算得出j帧的平均能量P△,其中j为分帧数；
S5，判断在所述设定时长内是否具有L个设定周期，且每一所述设定周期内有R个脉冲，是则判断所述被测设备存在局放，否则判断所述被测设备不存在局放；其中，所述脉冲为将相邻的M帧的能量Pj都满足：Pj>β*P△时设定为1个脉冲，其中，β是能量系数。
2.根据权利要求1所述一种基于声纹的局放监测方法，其特征在于，在步骤S2中，根据公式W(n)＝(1-γ)-γcos(2πn/N)对经过分帧处理后的每一帧信号进行加窗处理，其中N为加窗的大小，γ取值0.46。
3.根据权利要求2所述一种基于声纹的局放监测方法，其特征在于，在步骤S3中，根据公式：
4.根据权利要求1所述一种基于声纹的局放监测方法，其特征在于，在步骤S5中，M取值范围是3≤M≤15。
5.根据权利要求4所述一种基于声纹的局放监测方法，其特征在于，在步骤S5中，M取值范围是5≤M≤10。
6.根据权利要求5所述一种基于声纹的局放监测方法，其特征在于，在步骤S5中，L≥15。
7.根据权利要求6所述一种基于声纹的局放监测方法，其特征在于，在步骤S5中，R的取值范围是R≥2。
8.根据权利要求7所述一种基于声纹的局放监测方法，其特征在于，在步骤S5中，R的取值是2。
9.根据权利要求1所述一种基于声纹的局放监测方法，其特征在于，所述设定时长是500ms。
10.根据权利要求1所述一种基于声纹的局放监测方法，其特征在于，所述设定周期是20ms。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110900753.8A CN113866570A (zh) | 2021-08-06 | 2021-08-06 | 一种基于声纹的局放监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110900753.8A CN113866570A (zh) | 2021-08-06 | 2021-08-06 | 一种基于声纹的局放监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113866570A true CN113866570A (zh) | 2021-12-31 |
Family
ID=78990202
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110900753.8A Pending CN113866570A (zh) | 2021-08-06 | 2021-08-06 | 一种基于声纹的局放监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113866570A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115542101A (zh) * | 2022-11-30 | 2022-12-30 | 杭州兆华电子股份有限公司 | 一种变压器声纹检测系统的声纹预处理方法 |
| CN115602191A (zh) * | 2022-12-12 | 2023-01-13 | 杭州兆华电子股份有限公司（Cn） | 一种变压器声纹检测系统的噪声消除方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09318698A (ja) * | 1996-05-31 | 1997-12-12 | Hokuriku Electric Power Co Inc:The | 部分放電検知方法及び部分放電検知装置 |
| JP2002131366A (ja) * | 2000-10-20 | 2002-05-09 | Toshiba Corp | 高電圧機器の内部部分放電監視装置 |
| CN102426835A (zh) * | 2011-08-30 | 2012-04-25 | 华南理工大学 | 一种基于支持向量机模型的开关柜局部放电信号识别方法 |
| KR101402887B1 (ko) * | 2013-01-30 | 2014-06-27 | (주)에이피엠테크놀러지스 | 시간 및 주파수 영역이 연계된 분석 기능을 가지는 gis 부분방전 감시 시스템 및 방법, 그를 위한 로컬 장치 |
| CN104535902A (zh) * | 2014-11-25 | 2015-04-22 | 国家电网公司 | 局部放电脉冲检测系统 |
| CN108896878A (zh) * | 2018-05-10 | 2018-11-27 | 国家电网公司 | 一种基于超声波的局部放电检测方法 |
| CN110275094A (zh) * | 2019-05-05 | 2019-09-24 | 电子科技大学 | 一种高压电缆局部放电声光联合检测方法及系统 |
| CN112820275A (zh) * | 2021-01-15 | 2021-05-18 | 华中农业大学 | 一种基于声音信号分析哺乳仔猪异常的自动监测方法 |
-
2021
- 2021-08-06 CN CN202110900753.8A patent/CN113866570A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09318698A (ja) * | 1996-05-31 | 1997-12-12 | Hokuriku Electric Power Co Inc:The | 部分放電検知方法及び部分放電検知装置 |
| JP2002131366A (ja) * | 2000-10-20 | 2002-05-09 | Toshiba Corp | 高電圧機器の内部部分放電監視装置 |
| CN102426835A (zh) * | 2011-08-30 | 2012-04-25 | 华南理工大学 | 一种基于支持向量机模型的开关柜局部放电信号识别方法 |
| KR101402887B1 (ko) * | 2013-01-30 | 2014-06-27 | (주)에이피엠테크놀러지스 | 시간 및 주파수 영역이 연계된 분석 기능을 가지는 gis 부분방전 감시 시스템 및 방법, 그를 위한 로컬 장치 |
| CN104535902A (zh) * | 2014-11-25 | 2015-04-22 | 国家电网公司 | 局部放电脉冲检测系统 |
| CN108896878A (zh) * | 2018-05-10 | 2018-11-27 | 国家电网公司 | 一种基于超声波的局部放电检测方法 |
| CN110275094A (zh) * | 2019-05-05 | 2019-09-24 | 电子科技大学 | 一种高压电缆局部放电声光联合检测方法及系统 |
| CN112820275A (zh) * | 2021-01-15 | 2021-05-18 | 华中农业大学 | 一种基于声音信号分析哺乳仔猪异常的自动监测方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115542101A (zh) * | 2022-11-30 | 2022-12-30 | 杭州兆华电子股份有限公司 | 一种变压器声纹检测系统的声纹预处理方法 |
| CN115602191A (zh) * | 2022-12-12 | 2023-01-13 | 杭州兆华电子股份有限公司（Cn） | 一种变压器声纹检测系统的噪声消除方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113866570A (zh) | 一种基于声纹的局放监测方法 | |
| Zhang et al. | A novel wavelet transform technique for on-line partial discharge measurements. 1. WT de-noising algorithm | |
| RU2709414C1 (ru) | Способ регистрации и анализа сигналов акустической эмиссии в системе диагностического мониторинга производственных объектов | |
| CN113378661A (zh) | 一种基于改进小波阈值和相关检测的直流电能信号去噪方法 | |
| WO2013164029A1 (en) | Detecting wind noise in an audio signal | |
| CN111292758B (zh) | 语音活动检测方法及装置、可读存储介质 | |
| CN111912519A (zh) | 基于声纹频谱分离的变压器故障诊断方法及装置 | |
| CN108962285B (zh) | 一种基于人耳掩蔽效应划分子带的语音端点检测方法 | |
| Liu et al. | A novel wavelet selection scheme for partial discharge signal detection under low SNR condition | |
| CN115438685A (zh) | 一种基于神经网络的变压器故障声音特征识别方法 | |
| Geng et al. | Mechanical fault diagnosis of power transformer by GFCC time-frequency map of acoustic signal and convolutional neural network | |
| CN111553308A (zh) | 一种电力变压器局部放电信号的重构方法 | |
| CN113642417A (zh) | 一种基于改进小波算法的绝缘架空导线局部放电信号的去噪方法 | |
| US6629049B2 (en) | Method for non-harmonic analysis of waveforms for synthesis, interpolation and extrapolation | |
| CN114157023B (zh) | 一种配变预警信息获取方法 | |
| CN114779028A (zh) | 一种发电机局放在线监测装置及监测方法 | |
| CN114813129A (zh) | 基于wpe与emd的滚动轴承声信号故障诊断方法 | |
| CN103746379B (zh) | 基于电磁兼容的干扰信号谐波抑制方法 | |
| JP2932996B2 (ja) | 高調波ピッチ検出装置 | |
| JAMES | The short-time articulation index | |
| Tan et al. | Noise Reduction of Cable Partial Discharge Vibration Signal based on EEMD-CIIT method | |
| Jiao et al. | Speech enhancement based on the wiener filter and wavelet entropy | |
| CN109346106B (zh) | 一种基于子带信噪比加权的倒谱域基音周期估计方法 | |
| Hussein et al. | Acoustic partial discharge signal denoising using power spectral subtraction | |
| CN114910715A (zh) | 一种基于电晕电流窄频带信息的可听噪声检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |