CN114360569A - 基于麦克风阵列的电抗器声信号提取方法、系统及装置 - Google Patents

基于麦克风阵列的电抗器声信号提取方法、系统及装置 Download PDF

Info

Publication number
CN114360569A
CN114360569A CN202210031821.6A CN202210031821A CN114360569A CN 114360569 A CN114360569 A CN 114360569A CN 202210031821 A CN202210031821 A CN 202210031821A CN 114360569 A CN114360569 A CN 114360569A
Authority
CN
China
Prior art keywords
reactor
signal
microphone array
sound signal
noise
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.)
Granted
Application number
CN202210031821.6A
Other languages
English (en)
Other versions
CN114360569B (zh
Inventor
郭佳熠
于琨
耿江海
赵晓宇
王一林
律方成
万华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Jiangxi Electric Power Co ltd
China Electric Power Research Institute Co Ltd CEPRI
North China Electric Power University
Original Assignee
State Grid Jiangxi Electric Power Co ltd
China Electric Power Research Institute Co Ltd CEPRI
North China Electric Power University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Jiangxi Electric Power Co ltd, China Electric Power Research Institute Co Ltd CEPRI, North China Electric Power University filed Critical State Grid Jiangxi Electric Power Co ltd
Priority to CN202210031821.6A priority Critical patent/CN114360569B/zh
Publication of CN114360569A publication Critical patent/CN114360569A/zh
Application granted granted Critical
Publication of CN114360569B publication Critical patent/CN114360569B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
    • G01H11/06—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0272—Voice signal separating
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed
    • G10L2021/02166—Microphone arrays; Beamforming

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Circuit For Audible Band Transducer (AREA)

Abstract

本发明公开的基于麦克风阵列的电抗器声信号提取方法、系统及装置，属于变电站噪声信号测量领域，包括以下步骤：通过麦克风阵列采集目标电抗器的第一初始声信号，第一初始声信号用于通过消除第一初始声信号的非同向噪声和同向噪声，获取电抗器声信号；通过基于掩蔽函数的波束形成算法消除非同向噪声；利用基于K‑DPC聚类算法的欠定盲源分离算法，消除同向噪声，生成电抗器声信号；本发明通过麦克风阵列以及与麦克风阵列连接的多通道声音采集器获取第一初始声信号，并通过电抗器声信号提取方法，获取电抗器声信号；具备了从复杂的变电站环境内准确分离目标电抗器噪声的特点。

Description

基于麦克风阵列的电抗器声信号提取方法、系统及装置
技术领域
本发明涉及变电站噪声信号测量领域，具体而言，涉及基于麦克风阵列的电抗器声信号提取方法、系统及装置。
背景技术
特高压并联电抗器是特高压远距离输变电网中的核心设备之一，具有调整无功、限制过电压、快速切断电弧和稳定电网稳定等诸多功能。特高压并联电抗器运行中的状态检测对于保障设备乃至特高压输电网的安全都至关重要。基于声信号的在状态检测技术具有成本低、无接触等优点，是在运行条件开展特高压并联电抗器状态检测的可行手段，但在变电站等声环境复杂场景下存在着噪声干扰较大，非目标电抗器与目标电抗器声信号高度相似等问题，导致目标电抗器声信号难以准确提取。因此，研究以变电站内多台特高压电抗器为主体，针对单一目标电抗器的混合噪声采集和分离技术，对特高压并联电抗器的状态监测具有重要意义。
发明内容
为了解决上述问题，本发明的目的提出基于麦克风阵列的电抗器声信号提取方法，具有能够从复杂的变电站环境内准确分离目标电抗器噪声的特点。
为了实现上述技术目的，本申请提供了基于麦克风阵列的电抗器声信号提取方法，包括以下步骤：
通过麦克风阵列采集目标电抗器的第一初始声信号，第一初始声信号用于通过消除第一初始声信号的非同向噪声和同向噪声，获取电抗器声信号；
通过基于掩蔽函数的波束形成算法消除非同向噪声；
利用基于K-DPC聚类算法的欠定盲源分离算法，消除同向噪声，生成电抗器声信号。
优选地，在通过采集第一初始声信号的过程中，麦克风阵列由至少9个麦克风组成，每个麦克风分别与多通道声音采集器连接；
目标电抗器相邻设置有1-2个非目标电抗器；
目标电抗器和每个非目标电抗器之间设置有防火墙；
多通道声音采集器用于采集第一初始声信号，以及非目标电抗器的第二初始声信号。
优选地，在消除非同向噪声的过程中，基于掩蔽函数的波束形成算法包括以下步骤：
测量目标电抗器与非目标电抗器到麦克风阵列中心的方向角，获取掩蔽区的方向角区间；
根据麦克风阵列的麦克风个数，获取指向系数；
根据方向角区间，获取掩蔽区中心方向角以及掩蔽区中心方向角的对侧方向角，并根据指向系数，构造掩蔽图；
通过麦克风阵列，采集第一初始声信号和第二初始声信号，采用掩盖图处理第一初始声信号和第二初始声信号，用于消除非同向噪声。
优选地，在获取掩蔽区中心方向角的对侧方向角的过程中，对侧方向角用于表示将掩蔽区中心方向角翻转180°后得到的方向角。
优选地，在采集第一初始声信号和第二初始声信号的过程中，麦克风阵列分别与目标电抗器和非目标电抗器的位置保持不变。
优选地，在消除同向噪声的过程中，基于K-DPC聚类算法的欠定盲源分离算法，包括以下步骤：
采用短时傅里叶变化将第一初始声信号由时域信号变换到时频域信号；
对时频域声信号进行单元点检测，并去除异常点；
采用基于K邻域的密度峰值聚类算法，对去除异常点后的时频域声信号进行聚类；
将聚类后的时频域声信号，还原成电抗器声信号。
基于麦克风阵列的电抗器声信号提取系统，包括：
数据采集模块，用于通过麦克风阵列采集目标电抗器的第一初始声信号，第一初始声信号用于通过消除第一初始声信号的非同向噪声和同向噪声，获取电抗器声信号；
第一噪声消除模块，用于通过基于掩蔽函数的波束形成算法消除非同向噪声；
第二噪声消除模块，用于利用基于K-DPC聚类算法的欠定盲源分离算法，消除同向噪声，生成电抗器声信号。
优选地，电抗器声信号提取系统，还包括：
数据存储模块，用于存储第一初始声信号、电抗器声信号以及电抗器声信号提取系统产生的其他系统数据；
显示模块，用于显示第一初始声信号、电抗器声信号、消除非同向噪声后的第一初始声信号、以及第一初始信号和电抗器声信号的信号波形关系，信号波形关系用于表示消除非同向噪声和同向噪声的消除效果。
基于麦克风阵列的电抗器声信号提取装置，包括：
麦克风阵列，麦克风阵列由至少9个麦克风组成，其中，麦克风阵列中心包括1个麦克风；
多通道声音采集器，分别与每个麦克风连接，用于采集电抗器的第一初始声信号；
信号提取装置，用于通过执行电抗器声信号提取方法，根据第一初始声信号，提取电抗器声信号。
优选地，电抗器声信号提取装置还包括显示装置；
显示装置用于显示第一初始声信号和电抗器声信号，以及第一初始声信号和电抗器声信号的波形关系，其中，信号波形关系用于表示消除第一初始声信号的非同向噪声和同向噪声的消除效果。
采用上述技术方案所产生的有益效果在于：
本发明根据多种噪声信号在方向性或频域特征上的差异进行分类，通过两种分离技术相结合的技术手段，准确分离变电站内复杂的噪声，提取获得目标电抗器的噪声信号。它具有能够从复杂的变电站环境内准确分离目标电抗器噪声的特点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所述的麦克风阵列与多通道声音收集器布置图；
图2为本发明所述的电抗器声信号提取方法的步骤流程图。
具体实施方式
下为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
如图1-2所示，本发明提供了基于麦克风阵列的电抗器声信号提取方法，包括以下步骤：
通过麦克风阵列采集目标电抗器的第一初始声信号，第一初始声信号用于通过消除第一初始声信号的非同向噪声和同向噪声，获取电抗器声信号；
通过基于掩蔽函数的波束形成算法消除非同向噪声；
利用基于K-DPC聚类算法的欠定盲源分离算法，消除同向噪声，生成电抗器声信号。
进一步优选地，在通过采集第一初始声信号的过程中，麦克风阵列由至少9个麦克风组成，每个麦克风分别与多通道声音采集器连接；
目标电抗器相邻设置有1-2个非目标电抗器；
目标电抗器和每个非目标电抗器之间设置有防火墙；
多通道声音采集器用于采集第一初始声信号，以及非目标电抗器的第二初始声信号。
进一步优选地，在消除非同向噪声的过程中，基于掩蔽函数的波束形成算法包括以下步骤：
测量目标电抗器与非目标电抗器到麦克风阵列中心的方向角，获取掩蔽区的方向角区间；
根据麦克风阵列的麦克风个数，获取指向系数；
根据方向角区间，获取掩蔽区中心方向角以及掩蔽区中心方向角的对侧方向角，并根据指向系数，构造掩蔽图；
通过麦克风阵列，采集第一初始声信号和第二初始声信号，采用掩盖图处理第一初始声信号和第二初始声信号，用于消除非同向噪声。
进一步优选地，在获取掩蔽区中心方向角的对侧方向角的过程中，对侧方向角用于表示将掩蔽区中心方向角翻转180°后得到的方向角。
进一步优选地，在采集第一初始声信号和第二初始声信号的过程中，麦克风阵列分别与目标电抗器和非目标电抗器的位置保持不变。
进一步优选地，在消除同向噪声的过程中，基于K-DPC聚类算法的欠定盲源分离算法，包括以下步骤：
采用短时傅里叶变化将第一初始声信号由时域信号变换到时频域信号；
对时频域声信号进行单元点检测，并去除异常点；
采用基于K邻域的密度峰值聚类算法，对去除异常点后的时频域声信号进行聚类；
将聚类后的时频域声信号，还原成电抗器声信号。
本发明公开的一种基于麦克风阵列的电抗器声信号提取系统，包括：
数据采集模块，用于通过麦克风阵列采集目标电抗器的第一初始声信号，第一初始声信号用于通过消除第一初始声信号的非同向噪声和同向噪声，获取电抗器声信号；
第一噪声消除模块，用于通过基于掩蔽函数的波束形成算法消除非同向噪声；
第二噪声消除模块，用于利用基于K-DPC聚类算法的欠定盲源分离算法，消除同向噪声，生成电抗器声信号。
进一步优选地，电抗器声信号提取系统，还包括：
数据存储模块，用于存储第一初始声信号、电抗器声信号以及电抗器声信号提取系统产生的其他系统数据；
显示模块，用于显示第一初始声信号、电抗器声信号、消除非同向噪声后的第一初始声信号、以及第一初始信号和电抗器声信号的信号波形关系，信号波形关系用于表示消除非同向噪声和同向噪声的消除效果。
本发明公开的基于麦克风阵列的电抗器声信号提取装置，包括：
麦克风阵列，麦克风阵列由至少9个麦克风组成，其中，麦克风阵列中心包括1个麦克风；
多通道声音采集器，分别与每个麦克风连接，用于采集电抗器的第一初始声信号；
信号提取装置，用于通过执行电抗器声信号提取方法，根据第一初始声信号，提取电抗器声信号。
进一步优选地，电抗器声信号提取装置还包括显示装置；
显示装置用于显示第一初始声信号和电抗器声信号，以及第一初始声信号和电抗器声信号的波形关系，其中，信号波形关系用于表示消除第一初始声信号的非同向噪声和同向噪声的消除效果。
实施例1：本发明提供了基于麦克风阵列的电抗器声信号提取方法，装置包括多通道声音采集器和至少9个麦克风组成的阵列；每个麦克风分别与多通道声音采集器的接口连接。噪声测量包括如下步骤：
S1.通过基于掩蔽函数的波束形成算法消除目标电抗器的非同向噪声；
S2.利用基于K-DPC聚类算法的欠定盲源分离算法消除目标电抗器的同向噪声。
基于掩蔽函数的波束形成算法，包括如下步骤：
S101.确定目标电抗器；
S102.在距离目标电抗器2米处布置麦克风阵列与多通道声音收集器；
S1001.所述布置麦克风阵列不少于9台高性能麦克风；
S1002.所述多通道声音收集器的接口数不少于麦克风阵列中的麦克风个数；
S1003.所述麦克风阵列中每台麦克风分别连接到多通道声音收集器的接口；
S103.测量1台目标电抗器与2台非目标电抗器到麦克风阵列中心的方向角；
S104.根据麦克风阵列的麦克风个数，选择指向系数；
S105.根据3台电抗器到麦克风阵列中心的方向角确定掩蔽区的方向角区间；
S106.以掩蔽区中心方向角与其对侧方向角(掩蔽区中心方向角翻转180°)为基准构造两个指向性波束形成系统；
S107.基于两个指向性波束形成系统，构造掩蔽图；
S108.利用麦克风阵列测量3台电抗器的声信号，利用多通道声音收集器记录声信号；
S109.采用掩蔽图处理3台电抗器的声信号，获得消除目标电抗器非同向噪声后的声信号。
基于K-DPC聚类算法的欠定盲源分离算法，包括如下步骤：
S201.采用短时傅里叶变化将声信号由时域变换到时频域；
S202.对时频域声信号进行单元点检测，并去除异常点；
S203.采用基于K邻域的密度峰值聚类算法对声信号进行聚类；
S204.对聚类后的声信号分别进行还原，获得目标电抗器的声信号。
本发明根据多种噪声信号在方向性或频域特征上的差异进行分类，通过两种分离技术相结合的技术手段，准确分离变电站内复杂的噪声，提取获得目标电抗器的噪声信号。它具有能够从复杂的变电站环境内准确分离目标电抗器噪声的特点。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.基于麦克风阵列的电抗器声信号提取方法，其特征在于，包括以下步骤：
通过麦克风阵列采集所述目标电抗器的第一初始声信号，所述第一初始声信号用于通过消除所述第一初始声信号的非同向噪声和同向噪声，获取电抗器声信号；
通过基于掩蔽函数的波束形成算法消除所述非同向噪声；
利用基于K-DPC聚类算法的欠定盲源分离算法，消除所述同向噪声，生成所述电抗器声信号。
2.根据权利要求1所述基于麦克风阵列的电抗器声信号提取方法，其特征在于：
在通过采集第一初始声信号的过程中，所述麦克风阵列由至少9个麦克风组成，每个麦克风分别与多通道声音采集器连接；
所述目标电抗器相邻设置有1-2个非目标电抗器；
所述目标电抗器和每个所述非目标电抗器之间设置有防火墙；
所述多通道声音采集器用于采集所述第一初始声信号，以及所述非目标电抗器的第二初始声信号。
3.根据权利要求2所述基于麦克风阵列的电抗器声信号提取方法，其特征在于：
在消除所述非同向噪声的过程中，基于掩蔽函数的波束形成算法包括以下步骤：
测量所述目标电抗器与所述非目标电抗器到麦克风阵列中心的方向角，获取掩蔽区的方向角区间；
根据所述麦克风阵列的麦克风个数，获取指向系数；
根据所述方向角区间，获取掩蔽区中心方向角以及所述掩蔽区中心方向角的对侧方向角，并根据所述指向系数，构造掩蔽图；
通过所述麦克风阵列，采集所述第一初始声信号和所述第二初始声信号，采用所述掩盖图处理所述第一初始声信号和所述第二初始声信号，用于消除所述非同向噪声。
4.根据权利要求3所述基于麦克风阵列的电抗器声信号提取方法，其特征在于：
在获取所述掩蔽区中心方向角的对侧方向角的过程中，所述对侧方向角用于表示将所述掩蔽区中心方向角翻转180°后得到的方向角。
5.根据权利要求4所述基于麦克风阵列的电抗器声信号提取方法，其特征在于：
在采集所述第一初始声信号和所述第二初始声信号的过程中，所述麦克风阵列分别与所述目标电抗器和所述非目标电抗器的位置保持不变。
6.根据权利要求5所述基于麦克风阵列的电抗器声信号提取方法，其特征在于：
在消除所述同向噪声的过程中，基于K-DPC聚类算法的欠定盲源分离算法，包括以下步骤：
采用短时傅里叶变化将所述第一初始声信号由时域信号变换到时频域信号；
对所述时频域声信号进行单元点检测，并去除异常点；
采用基于K邻域的密度峰值聚类算法，对去除异常点后的所述时频域声信号进行聚类；
将聚类后的所述时频域声信号，还原成所述电抗器声信号。
7.基于麦克风阵列的电抗器声信号提取系统，其特征在于，包括：
数据采集模块，用于通过麦克风阵列采集所述目标电抗器的第一初始声信号，所述第一初始声信号用于通过消除所述第一初始声信号的非同向噪声和同向噪声，获取电抗器声信号；
第一噪声消除模块，用于通过基于掩蔽函数的波束形成算法消除所述非同向噪声；
第二噪声消除模块，用于利用基于K-DPC聚类算法的欠定盲源分离算法，消除所述同向噪声，生成所述电抗器声信号。
8.根据权利要求7所述基于麦克风阵列的电抗器声信号提取系统，其特征在于：
所述电抗器声信号提取系统，还包括：
数据存储模块，用于存储所述第一初始声信号、所述电抗器声信号以及所述电抗器声信号提取系统产生的其他系统数据；
显示模块，用于显示所述第一初始声信号、所述电抗器声信号、消除所述非同向噪声后的所述第一初始声信号、以及所述第一初始信号和所述电抗器声信号的信号波形关系，所述信号波形关系用于表示消除所述非同向噪声和所述同向噪声的消除效果。
9.基于麦克风阵列的电抗器声信号提取装置，其特征在于，包括：
麦克风阵列，所述麦克风阵列由至少9个麦克风组成，其中，麦克风阵列中心包括1个麦克风；
多通道声音采集器，分别与每个所述麦克风连接，用于采集电抗器的第一初始声信号；
信号提取装置，用于通过执行权利要求1-6任一权利要求所述的电抗器声信号提取方法，根据所述第一初始声信号，提取电抗器声信号。
10.根据权利要求9所述基于麦克风阵列的电抗器声信号提取装置，其特征在于：
所述电抗器声信号提取装置还包括显示装置；
所述显示装置用于显示所述第一初始声信号和所述电抗器声信号，以及所述第一初始声信号和所述电抗器声信号的波形关系，其中，所述信号波形关系用于表示消除所述第一初始声信号的非同向噪声和同向噪声的消除效果。
CN202210031821.6A 2022-01-12 2022-01-12 基于麦克风阵列的电抗器声信号提取方法、系统及装置 Active CN114360569B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210031821.6A CN114360569B (zh) 2022-01-12 2022-01-12 基于麦克风阵列的电抗器声信号提取方法、系统及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210031821.6A CN114360569B (zh) 2022-01-12 2022-01-12 基于麦克风阵列的电抗器声信号提取方法、系统及装置

Publications (2)

Publication Number Publication Date
CN114360569A true CN114360569A (zh) 2022-04-15
CN114360569B CN114360569B (zh) 2024-06-14

Family

ID=81109702

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210031821.6A Active CN114360569B (zh) 2022-01-12 2022-01-12 基于麦克风阵列的电抗器声信号提取方法、系统及装置

Country Status (1)

Country Link
CN (1) CN114360569B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120275271A1 (en) * 2011-04-29 2012-11-01 Siemens Corporation Systems and methods for blind localization of correlated sources
CN112560699A (zh) * 2020-12-18 2021-03-26 南京航空航天大学 基于密度和压缩感知的齿轮振动信源欠定盲源分离方法
CN113792657A (zh) * 2021-09-15 2021-12-14 西华大学 提取声学信号识别与盲解卷积算法的齿轮箱故障的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120275271A1 (en) * 2011-04-29 2012-11-01 Siemens Corporation Systems and methods for blind localization of correlated sources
CN112560699A (zh) * 2020-12-18 2021-03-26 南京航空航天大学 基于密度和压缩感知的齿轮振动信源欠定盲源分离方法
CN113792657A (zh) * 2021-09-15 2021-12-14 西华大学 提取声学信号识别与盲解卷积算法的齿轮箱故障的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
卓瑞岩;向阳;李胜扬;: "双通道定位与盲分离结合的噪声分离方法", 噪声与振动控制, no. 03, 18 June 2016 (2016-06-18) *
周宁;夏秀渝;申庆超;李冰;: "基于一种改进最短路径法的欠定语音盲分离", 四川大学学报(自然科学版), no. 01, 28 January 2012 (2012-01-28) *
王飞宇;胡志祥;黄潇;: "基于密度峰值聚类算法的模态参数识别", 振动与冲击, no. 02, 28 January 2019 (2019-01-28) *
邹亮;刘晗;徐亮;张黎;赵彤;: "基于改进势函数稀疏分量分析算法的变压器振声自适应提取方法", 高电压技术, no. 02, 7 February 2018 (2018-02-07) *

Also Published As

Publication number Publication date
CN114360569B (zh) 2024-06-14

Similar Documents

Publication Publication Date Title
Chen et al. Detection and classification of transmission line faults based on unsupervised feature learning and convolutional sparse autoencoder
US20230160942A1 (en) Fault arc signal detection method using convolutional neural network
AU2013389280B2 (en) Partial discharge signal processing method and apparatus employing neural network
Yilmaz et al. Blind separation of speech mixtures via time-frequency masking
CN109061317B (zh) 融合甚高频和雷声探测的雷电全过程监测方法及系统
CN104316846B (zh) 一种电力设备局部放电模式识别方法、装置及系统
CN106469555B (zh) 一种语音识别方法及终端
CN113917294B (zh) 基于小波分解的智能自适应电弧检测方法及其应用装置
CN113092966B (zh) 一种基于麦克风阵列的换流阀局部放电信号的定位方法
CN104614709A (zh) 一种基于声学和电磁学的雷声定位系统及方法
CN108630222A (zh) 信号处理系统、信号处理方法以及信号处理程序
CN112505484B (zh) 一种小电阻接地系统中压配电电缆潜伏性故障识别方法
CN116338515A (zh) 基于行波电流相似性的线路接地故障识别方法及装置
Kapoor Six phase transmission line boundary protection using wavelet transform
CN101893661B (zh) 一种光电信号同步监测的闪电数据处理方法
Gao et al. Series arc fault diagnosis method of photovoltaic arrays based on GASF and improved DCGAN
Probert et al. Detection and classification of high frequency transients using wavelet analysis
CN114624551A (zh) 一种基于空间数据融合的配电线路故障定位方法
CN114360569A (zh) 基于麦克风阵列的电抗器声信号提取方法、系统及装置
CN103913654B (zh) 高压直流输电系统接地极故障特征的识别方法以及设备
Yeh et al. A comparative study of orthogonal algorithms for detecting the HIF in MDCs
CN116502051A (zh) 一种海底电缆局部缺陷识别方法及装置
Galbraith et al. On the Investigation of Phase Fault Classification in Power Grid Signals: A Case Study for Support Vector Machines, Decision Tree and Random Forest
Ghiurcau et al. A modified TESPAR algorithm for wildlife sound classification
Mišák et al. A novel approach of partial discharges detection in a real environment

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
GR01 Patent grant
GR01 Patent grant