CN116543739A - 一种基于emd的电力设备噪声控制方法 - Google Patents
一种基于emd的电力设备噪声控制方法 Download PDFInfo
- Publication number
- CN116543739A CN116543739A CN202310817913.1A CN202310817913A CN116543739A CN 116543739 A CN116543739 A CN 116543739A CN 202310817913 A CN202310817913 A CN 202310817913A CN 116543739 A CN116543739 A CN 116543739A
- Authority
- CN
- China
- Prior art keywords
- signal
- noise
- residual
- power equipment
- signals
- 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 40
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 48
- 238000009432 framing Methods 0.000 claims abstract description 37
- 230000005236 sound signal Effects 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000012937 correction Methods 0.000 claims description 14
- 238000012935 Averaging Methods 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 abstract description 14
- 230000000694 effects Effects 0.000 abstract description 12
- 230000006870 function Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 239000006096 absorbing agent Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000037433 frameshift Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000013068 supply chain management Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
- G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
- G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
- G10K11/1785—Methods, e.g. algorithms; Devices
- G10K11/17853—Methods, e.g. algorithms; Devices of the filter
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
- G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
- G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
- G10K11/1781—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase characterised by the analysis of input or output signals, e.g. frequency range, modes, transfer functions
- G10K11/17821—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase characterised by the analysis of input or output signals, e.g. frequency range, modes, transfer functions characterised by the analysis of the input signals only
- G10K11/17825—Error signals
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及电力设备降噪技术领域,尤其涉及一种基于EMD的电力设备噪声控制方法,包括:采集电力设备的声音信号,添加白噪声得到混合信号,计算所述混合信号的信噪比,保留信噪比等于0的混合信号将其分帧得到分帧信号,再将其进行短时傅里叶变换,得到频谱图,根据所述频谱图,对所述噪音信号进行经验模态分解,得到本征模态分量,预构滤波器,对其修正计算得到修正噪音信号,相加得到合成信号,计算合成信号与纯音信号的均方根误差,若均方根误差大于1,则将所述合成信号重新进行经验模态分解,直至所述均方根误差小于等于1,完成噪声控制。本发明可克服目前电力设备降噪效果不佳及适用范围较小的问题。
Description
技术领域
本发明涉及电力设备降噪技术领域,尤其涉及一种基于EMD的电力设备噪声控制方法。
背景技术
近年来,随着我国电网技术的发展,电力设备迈入自动化、智能化、多样化时代,与此同时,电力设备的噪声问题与干扰问题日益突出,电力设备噪声不仅影响建立系统自身的运行效率,而且也对周围环境产生了一些不良影响,尤其是一些变电站距离居民区较近,如果噪音较大就会对居民生活产生干扰,所以电力设备噪音问题已经成为电力公司需要解决的主要问题之一。
现有的电力设备降噪主要依靠安装减震器、吸声器及隔声屏障来实现降噪目的,这些技术大多是从传播途径过程中降低噪音的污染,减少噪声的传播,但无法消除噪声源本身的噪声,对于噪声源本身的控制不够有效。因此本发明采用EMD技术不仅可以适用各种类型的电力设备降噪,且在不影响设备性能的前提下从源头进行降噪,精准控制,克服了目前电力设备降噪技术效果不佳及适用范围较小的问题,实现电力设备噪音污染的有效治理。
发明内容
本发明提供一种基于EMD的电力设备噪声控制方法,其主要目的在于克服目前电力设备降噪技术效果不佳及适用范围较小的问题。
为实现上述目的,本发明提供的一种基于EMD的电力设备噪声控制方法,包括:
采集电力设备的声音信号,对所述声音信号添加预构建噪声库中的白噪声,得到混合信号,其中所述混合信号包含纯音信号和噪音信号;
计算所述混合信号的信噪比,保留信噪比等于0的混合信号;
将所述信噪比等于0的混合信号分帧,得到分帧信号,对每一个所述分帧信号进行短时傅里叶变换,得到分帧信号的频谱图,其中,所述频谱图包括纯音信号和噪音信号两部分;
根据所述频谱图,对所述噪音信号进行经验模态分解,得到噪音信号的本征模态分量,其中,本征模态分量计算公式如下:
表示所述本征模态分量,m为剩余分量的个数,n为噪音信号的个数,x(n)表述第n个噪音信号,rm(n)表示第m个剩余分量。
预构滤波器,利用所述滤波器对每个所述本征模态分量修正计算,得到修正噪音信号,将每个所述修正噪音信号相加得到合成信号;
计算合成信号与纯音信号的均方根误差,若均方根误差大于1,则将所述合成信号重新进行经验模态分解,直至所述均方根误差小于等于1,完成噪声控制。
可选地,所述计算所述混合信号的信噪比,计算公式如下:
其中,SNR表示所述混合信号的信噪比,lg()表示对数函数,Ps表示所述基于EMD的有效功率,Pn表示噪音信号的有效功率。
可选地,所述将所述信噪比等于0的混合信号分帧,得到分帧信号,包括:
确定所述信噪比等于0的混合信号的每一帧长度为N;
利用滑动窗口的方式,将所述混合信号按照每一帧长度N进行分帧,得到待分帧信号;
将所述待分帧信号进行加窗,得到加窗信号;
合并所述加窗信号为一个整体,得到分帧信号。
可选地,所述根据所述频谱图,对所述噪音信号进行经验模态分解,得到噪音信号的本征模态分量,包括:
步骤一、在所述频谱图中,找出所述噪音信号的极大值点和极小值点,并通过差值的方法拟合出由极大值组成的上包络线和极小值组成的下包络线,对上下包络线求均值,得到噪音信号的平均值;
步骤二、将第1个所述噪音信号减去噪音信号的平均值,得到第1个噪音信号的残余分列;
步骤三、预设分解判断条件,根据所述分解判断条件判断第1个残余分列是否满足分解条件;
步骤四、若不满足分解条件,则将所述第1个残余分列作为待处理信号,重复上述步骤一至四;
步骤五、若满足分解条件,将第1个残余分列作为本征模态分列,对第1个噪音信号与本征模态分列作差,得到第1个剩余序列;
步骤六、将第1个剩余序列作为第1个重构信号,依次重复上述步骤一至五,得到第2、3、……、m个剩余序列;
步骤七、利用标准差公式,直到标准差值达到0.2,取第m个剩余序列为剩余分量;
步骤八、将所述噪音信号与所述剩余分量作差得到本征模态分量。
可选地,所述对上下包络线求均值,得到噪音信号的平均值,计算公式如下:
其中,pn表示第n个噪音信号的平均值,eupper表示上包络线的极大值,elower表示下包络线的极小值。
可选地,所述将所述噪音信号减去噪音信号的平均值,得到噪音信号的残余分列,计算公式如下:
hn(n)=x(n)-pn
其中,hn(n)表示第n个残余分列,x(n)表示第n个噪音信号,pn表示第n个噪音信号的平均值,
当满足分解条件,将第1个残余分列作为本征模态分列,对第1个噪音信号与本征模态分列作差,得到第1个剩余序列,如下所示:
c1(n)=h1(n)
r1(n)=x(n)-c1(n)
其中cn(n)表示第n个本征模态分列,x(n)表示所述第n个噪音信号,r1(n)表示第1个剩余序列,h1(n)表示第1个残余分列。
可选地,所述标准差公式如下所示:
其中,Sd为标准差值,rm-1(n)表示第m-1个剩余序列,rm(n)表示第m
个剩余序列。
可选地,所述利用所述滤波器对每个所述本征模态分量修正计算,得到修正噪音信号,计算公式如下:
其中,f表示所述修正噪音信号,μ(x)表示以噪音信号的频率为变量的增益函数,m表示所述剩余分量的个数,p表示所述第n个噪音信号的平均值,t表示在滤波器中的修正时间,x表示所述本征模态分量对应的噪音信号。
可选地,所述计算合成信号与纯音信号的均方根误差,如下所示:
其中,RE表示所述均方根误差,n表示噪音信号的个数,wobs表示所述合成信号,wmodel表示所述纯音信号。
另一方面,本发明还提供一种基于EMD的电力设备噪声控制装置,包括:
采集信号模块,采集电力设备的声音信号,对所述声音信号添加预构建噪声库中的白噪声,得到混合信号,其中所述混合信号包含纯音信号和噪音信号;
计算信噪比模块,计算所述混合信号的信噪比,保留信噪比等于0的混合信号;
经验模态分解模块,将所述信噪比等于0的混合信号分帧,得到分帧信号,对每一个所述分帧信号进行短时傅里叶变换,得到分帧信号的频谱图,其中,所述频谱图包括纯音信号和噪音信号两部分,根据所述频谱图,对所述噪音信号进行经验模态分解,得到噪音信号的本征模态分量,其中,本征模态分量计算公式如下:
表示所述本征模态分量,m为剩余分量的个数,n为噪音信号的个数,x(n)表述第n个噪音信号,rm(n)表示第m个剩余分量;
修正噪音信号模块,预构滤波器,利用所述滤波器对每个所述本征模态分量修正计算,得到修正噪音信号,将每个所述修正噪音信号相加得到合成信号;
完成控制模块,计算合成信号与纯音信号的均方根误差,若均方根误差大于1,则将所述合成信号重新进行经验模态分解,直至所述均方根误差小于等于1,完成噪声控制。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的电力设备噪声控制方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的电力设备噪声控制方法。
本发明实施例为解决背景技术所述问题,采集电力设备的声音信号,对所述声音信号添加预构建噪声库中的白噪声,得到混合信号,其中所述混合信号包含纯音信号和噪音信号,计算所述混合信号的信噪比,保留信噪比等于0的混合信号,计算混合信号的信噪比可以评估信号的质量,信噪比越高,表示混合信号中含有的噪声越少,将所述信噪比等于0的混合信号分帧,得到分帧信号,对每一个所述分帧信号进行短时傅里叶变换,得到分帧信号的频谱图,其中,所述频谱图包括纯音信号和噪音信号两部分,根据所述频谱图,对所述噪音信号进行经验模态分解,得到噪音信号的本征模态分量,预构滤波器,利用所述滤波器对每个所述本征模态分量修正计算,得到修正噪音信号,将每个所述修正噪音信号相加得到合成信号,计算合成信号与纯音信号的均方根误差,若均方根误差大于1,则将所述合成信号重新进行经验模态分解,直至所述均方根误差小于等于1,完成噪声控制,本发明经过多次的分解和去除噪音,使得均方根误差小于等于1,合成信号中存在相对较少的噪声和干扰,从而完成电力设备的噪声控制。因此本发明提出的一种基于EMD的电力设备噪声控制方法,克服了目前电力设备降噪技术效果不佳及适用范围较小的问题。
附图说明
图1为本发明一实施例提供的基于EMD的电力设备噪声控制方法的流程示意图;
图2为本发明一实施例提供的基于EMD的电力设备噪声控制装置的功能模块图;
图3为本发明一实施例提供的实现所述基于EMD的电力设备噪声控制方法的电子设备的结构示意图。
图中,1-电子设备;10-处理器;11-存储器;12-总线;100-基于EMD的电力设备噪声控制装置;101-采集信号模块;102-计算信噪比模块;103-经验模态分解模块;104-修正噪音信号模块;105-完成控制模块。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种电力设备噪声控制方法。所述电力设备噪声控制方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述电力设备噪声控制方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示,为本发明一实施例提供的基于EMD的电力设备噪声控制方法的流程示意图。在本实施例中,所述基于EMD的电力设备噪声控制方法包括:
S1、采集电力设备的声音信号,对所述声音信号添加预构建噪声库中的白噪声,得到混合信号,其中所述混合信号包含纯音信号和噪音信号。
需说明的是,所述采集电力设备的声音信号,可使用麦克风对设备进行实时采集,或者使用预先录制的声音文件进行离线处理。
需解释的是,所述白噪声是一种均匀分布的噪声,其频率分布特性与声音信号无关,添加白噪声不会改变声音信号的频率分布特性,白噪声的功率谱密度在所有频率上都相等,因此可以用来模拟各种类型的噪声,如热噪声、量子噪声等,在所述声音信号添加预构建噪声库中的白噪声,目的是为了增加信号的随机性和复杂性,使得声音信号更加真实、可靠,减少声音信号处理时需要产生噪声的计算量,提高处理效率,从而提高声音信号处理的精度和准确性。
S2、计算所述混合信号的信噪比,保留信噪比等于0的混合信号。
详细地,所述计算所述混合信号的信噪比,计算公式如下:
其中,SNR表示所述混合信号的信噪比,lg()表示对数函数,Ps表示所述基于EMD的有效功率,Pn表示噪音信号的有效功率。
本发明实施例中,计算混合信号的信噪比可以评估信号的质量,信噪比越高,表示混合信号中含有的噪声越少,纯音信号质量就越好。
需解释的是,保留信噪比等于0的混合信号的目的是为了比较混合信号和声音信号之间的差异,如果混合信号的信噪比为0,那么它就是一个纯粹的噪声信号,保留信噪比为0的混合信号可以帮助我们更好地理解纯音信号和噪声信号之间的关系。
S3、将所述信噪比等于0的混合信号分帧,得到分帧信号,对每一个所述分帧信号进行短时傅里叶变换,得到分帧信号的频谱图,其中,所述频谱图包括纯音信号和噪音信号两部分。
详细地,所述将所述信噪比等于0的混合信号分帧,得到分帧信号,包括:
确定所述信噪比等于0的混合信号的每一帧长度为N;
利用滑动窗口的方式,将所述混合信号按照每一帧长度N进行分帧,得到待分帧信号;
将所述待分帧信号进行加窗,得到加窗信号;
合并所述加窗信号为一个整体,得到分帧信号。
需说明的是,确定所述信噪比等于0的混合信号的每一帧长度是信号分帧的第一步,本发明采用的方法是根据采样率和帧移来计算每一帧的长度,帧移是指相邻帧之间的时间间隔,取采样率的10%到50%。
本发明实施例中,将所述待分帧信号进行加窗,得到加窗信号,选用汉宁窗函数处理,减少边缘效应。
需说明的是,所述短时傅里叶变换为现有技术,在此不详细赘述。
S4、根据所述频谱图,对所述噪音信号进行经验模态分解,得到噪音信号的本征模态分量,其中,本征模态分量计算公式如下:
表示所述本征模态分量,m为剩余分量的个数,n为噪音信号的个数,x(n)表述第n个噪音信号,rm(n)表示第m个剩余分量。
详细地,所述根据所述频谱图,对所述噪音信号进行经验模态分解,得到噪音信号的本征模态分量,包括:
步骤一、在所述频谱图中,找出所述噪音信号的极大值点和极小值点,并通过差值的方法拟合出由极大值组成的上包络线和极小值组成的下包络线,对上下包络线求均值,得到噪音信号的平均值;
步骤二、将第1个所述噪音信号减去噪音信号的平均值,得到第1个噪音信号的残余分列;
步骤三、预设分解判断条件,根据所述分解判断条件判断第1个残余分列是否满足分解条件;
步骤四、若不满足分解条件,则将所述第1个残余分列作为待处理信号,重复上述步骤一至四;
步骤五、若满足分解条件,将第1个残余分列作为本征模态分列,对第1个噪音信号与本征模态分列作差,得到第1个剩余序列;
步骤六、将第1个剩余序列作为第1个重构信号,依次重复上述步骤一至五,得到第2、3、……、m个剩余序列;
步骤七、利用标准差公式,直到标准差值达到0.2,取第m个剩余序列为剩余分量;
步骤八、将所述噪音信号与所述剩余分量作差得到本征模态分量。
需解释的是,所述分解判断条件主要为:极值点的数目是否等于或者相差不超过一个过零点的数目;所形成的上下包络线是否关于时间轴局部对称。
进一步地,所述对上下包络线求均值,得到噪音信号的平均值,计算公式如下:
其中,pn表示第n个噪音信号的平均值,eupper表示上包络线的极大值,elower表示下包络线的极小值。
更进一步地,所述将所述噪音信号减去噪音信号的平均值,得到噪音信号的残余分列,计算公式如下:
hn(n)=x(n)-pn
其中,hn(n)表示第n个残余分列,x(n)表示第n个噪音信号,pn表示第n个噪音信号的平均值,
当满足分解条件,将第1个残余分列作为本征模态分列,对第1个噪音信号与本征模态分列作差,得到第1个剩余序列,如下所示:
c1(n)=h1(n)
r1(n)=x(n)-c1(n)
其中cn(n)表示第n个本征模态分列,x(n)表示所述噪音信号,r1(n)表示第1个剩余序列,h1(n)表示第1个残余分列。
详细地,所述标准差公式如下所示:
其中,Sd为标准差值,rm-1(n)表示第m-1个剩余序列,rm(n)表示第m个剩余序列。
需说明的是,所述经验模态分解是一种非线性的信号分解方法,简称EMD,可以将复杂的声音信号分解为若干个本征模态函数,在电力设备降噪中,EMD可以用于分解信号,提取噪声成分并进行滤波处理,不仅可以适用各种类型的电力设备降噪,且在不影响设备性能的前提下从源头进行降噪,精准控制,克服了目前电力设备降噪技术效果不佳及适用范围较小的问题,能够实现电力设备噪音污染的有效治理。
S5、预构滤波器,利用所述滤波器对每个所述本征模态分量修正计算,得到修正噪音信号,将每个所述修正噪音信号相加得到合成信号。
详细地,所述利用所述滤波器对每个所述本征模态分量修正计算,得到修正噪音信号,计算公式如下:
其中,f表示所述修正噪音信号,μ(x)表示以噪音信号的频率为变量的增益函数,m表示所述剩余分量的个数,p表示所述第n个噪音信号的平均值,t表示在滤波器中的修正时间,x表示所述本征模态分量对应的噪音信号。
需解释的是,所述滤波器是一种能够对声音信号进行滤波处理的电路或算法,通过对声音信号进行加权平均或频率选择,来调整声音信号的频谱特征,能够去除噪声、增强信号、调整音色等,本发明实施例中选择低通滤波器。
同时需要说明的是所述低通滤波器的主要作用是滤除本征模态分量的高频成分,只保留低频成分,因此需要根据具体应用场景和信号特点来设置三类参数:截止频率、 阶数、通带衰减和阻带衰减。截止频率越低,滤波器的截止效果越好,阶数是指滤波器中极点和零点的个数,阶数越高,滤波器的截止效果越好,通带衰减和阻带衰减是指滤波器在通带和阻带中信号强度的衰减程度,通带衰减越小,滤波器在通带中信号衰减越小,通带中的信号成分被保留的越多,阻带衰减越大,滤波器在阻带中信号衰减越大,阻带中的信号成分被滤除的越多。根据具体情况调整参数以达到最优的滤波效果。
需说明的是,所述合成信号是所述噪音信号经过本征模态分解和滤波修正后得到的最终信号。
S6、计算合成信号与纯音信号的均方根误差,若均方根误差大于1,则将所述合成信号重新进行经验模态分解,直至所述均方根误差小于等于1,完成噪声控制。
所述计算合成信号与纯音信号的均方根误差,如下所示:
其中,RE表示所述均方根误差,n表示噪音信号的个数,wobs表示所述合成信号,wmodel表示所述纯音信号。
需说明的是,所述均方根误差大于1,说明合成信号中存在较多的噪声和干扰,因此需要重新进行经验模态分解,经过多次的分解和去除噪音,使得均方根误差小于等于1,合成信号中存在相对较少的噪声和干扰,从而完成电力设备的噪声控制。
本发明实施例为解决背景技术所述问题,采集电力设备的声音信号,对所述声音信号添加预构建噪声库中的白噪声,得到混合信号,其中所述混合信号包含纯音信号和噪音信号,计算所述混合信号的信噪比,保留信噪比等于0的混合信号,计算混合信号的信噪比可以评估信号的质量,信噪比越高,表示混合信号中含有的噪声越少,将所述信噪比等于0的混合信号分帧,得到分帧信号,对每一个所述分帧信号进行短时傅里叶变换,得到分帧信号的频谱图,其中,所述频谱图包括纯音信号和噪音信号两部分,根据所述频谱图,对所述噪音信号进行经验模态分解,得到噪音信号的本征模态分量,预构滤波器,利用所述滤波器对每个所述本征模态分量修正计算,得到修正噪音信号,将每个所述修正噪音信号相加得到合成信号,计算合成信号与纯音信号的均方根误差,若均方根误差大于1,则将所述合成信号重新进行经验模态分解,直至所述均方根误差小于等于1,完成噪声控制,本发明经过多次的分解和去除噪音,使得均方根误差小于等于1,合成信号中存在相对较少的噪声和干扰,从而完成电力设备的噪声控制。因此本发明提出的电力设备噪声控制方法、装置、电子设备及计算机可读存储介质,克服了目前电力设备降噪技术效果不佳及适用范围较小的问题。
如图2所示,是本发明一实施例提供的基于EMD的电力设备噪声控制装置的功能模块图。
本发明所述基于EMD的电力设备噪声控制装置100可以安装于电子设备中。根据实现的功能,所述基于EMD的电力设备噪声控制装置100可以包括采集信号模块101、计算信噪比模块102、经验模态分解模块103、修正噪音信号模块104及完成控制模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
所述采集信号模块101,采集电力设备的声音信号,对所述声音信号添加预构建噪声库中的白噪声,得到混合信号,其中所述混合信号包含纯音信号和噪音信号;
所述计算信噪比模块102,计算所述混合信号的信噪比,保留信噪比等于0的混合信号;
所述经验模态分解模块103,将所述信噪比等于0的混合信号分帧,得到分帧信号,对每一个所述分帧信号进行短时傅里叶变换,得到分帧信号的频谱图,其中,所述频谱图包括纯音信号和噪音信号两部分,根据所述频谱图,对所述噪音信号进行经验模态分解,得到噪音信号的本征模态分量,其中,本征模态分量计算公式如下:
表示所述本征模态分量,m为剩余分量的个数,n为噪音信号的个数,x(n)表述第n个噪音信号,rm(n)表示第m个剩余分量;
所述修正噪音信号模块104,预构滤波器,利用所述滤波器对每个所述本征模态分量修正计算,得到修正噪音信号,将每个所述修正噪音信号相加得到合成信号;
所述完成控制模块105,计算合成信号与纯音信号的均方根误差,若均方根误差大于1,则将所述合成信号重新进行经验模态分解,直至所述均方根误差小于等于1,完成噪声控制。
详细地,本发明实施例中所述基于EMD的电力设备噪声控制装置100中的所述各模块在使用时采用与上述的图1中所述的基于区块链的产品供应链管理方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图3所示,是本发明一实施例提供的实现电力设备噪声控制方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线12,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如电力设备噪声控制方法程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(SecureDigital, SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如电力设备噪声控制方法程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如电力设备噪声控制方法程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线12可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线12可以分为地址总线、数据总线、控制总线等。所述总线12被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的电力设备噪声控制方法程序是多个指令的组合,在所述处理器10中运行时,可以实现:
采集电力设备的声音信号,对所述声音信号添加预构建噪声库中的白噪声,得到混合信号,其中所述混合信号包含纯音信号和噪音信号;
计算所述混合信号的信噪比,保留信噪比等于0的混合信号;
将所述信噪比等于0的混合信号分帧,得到分帧信号,对每一个所述分帧信号进行短时傅里叶变换,得到分帧信号的频谱图,其中,所述频谱图包括纯音信号和噪音信号两部分;
根据所述频谱图,对所述噪音信号进行经验模态分解,得到噪音信号的本征模态分量,其中,本征模态分量计算公式如下:
表示所述本征模态分量,m为剩余分量的个数,n为噪音信号的个数,x(n)表述第n个噪音信号,rm(n)表示第m个剩余分量。/>
预构滤波器,利用所述滤波器对每个所述本征模态分量修正计算,得到修正噪音信号,将每个所述修正噪音信号相加得到合成信号;
计算合成信号与纯音信号的均方根误差,若均方根误差大于1,则将所述合成信号重新进行经验模态分解,直至所述均方根误差小于等于1,完成噪声控制。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
采集电力设备的声音信号,对所述声音信号添加预构建噪声库中的白噪声,得到混合信号,其中所述混合信号包含纯音信号和噪音信号;
计算所述混合信号的信噪比,保留信噪比等于0的混合信号;
将所述信噪比等于0的混合信号分帧,得到分帧信号,对每一个所述分帧信号进行短时傅里叶变换,得到分帧信号的频谱图,其中,所述频谱图包括纯音信号和噪音信号两部分;
根据所述频谱图,对所述噪音信号进行经验模态分解,得到噪音信号的本征模态分量,其中,本征模态分量计算公式如下:
表示所述本征模态分量,m为剩余分量的个数,n为噪音信号的个数,x(n)表述第n个噪音信号,rm(n)表示第m个剩余分量。
预构滤波器,利用所述滤波器对每个所述本征模态分量修正计算,得到修正噪音信号,将每个所述修正噪音信号相加得到合成信号;
计算合成信号与纯音信号的均方根误差,若均方根误差大于1,则将所述合成信号重新进行经验模态分解,直至所述均方根误差小于等于1,完成噪声控制。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (9)
1.一种基于EMD的电力设备噪声控制方法,其特征在于,所述方法包括:
采集电力设备的声音信号,对所述声音信号添加预构建噪声库中的白噪声,得到混合信号,其中所述混合信号包含纯音信号和噪音信号;
计算所述混合信号的信噪比,保留信噪比等于0的混合信号;
将所述信噪比等于0的混合信号分帧,得到分帧信号,对每一个所述分帧信号进行短时傅里叶变换,得到分帧信号的频谱图,其中,所述频谱图包括纯音信号和噪音信号两部分;
根据所述频谱图,对所述噪音信号进行经验模态分解,得到噪音信号的本征模态分量,其中,本征模态分量计算公式如下:
表示所述本征模态分量,m为剩余分量的个数,n为噪音信号的个数,x(n)表述第n个噪音信号,rm(n)表示第m个剩余分量;
预构滤波器,利用所述滤波器对每个所述本征模态分量修正计算,得到修正噪音信号,将每个所述修正噪音信号相加得到合成信号;
计算合成信号与纯音信号的均方根误差,若均方根误差大于1,则将所述合成信号重新进行经验模态分解,直至所述均方根误差小于等于1,完成噪声控制。
2.如权利要求1所述的基于EMD的电力设备噪声控制方法,其特征在于,所述计算所述混合信号的信噪比,计算公式如下:
其中,SNR表示所述混合信号的信噪比,lg()表示对数函数,Ps表示所述基于EMD的有效功率,Pn表示噪音信号的有效功率。
3.如权利要求1所述的基于EMD的电力设备噪声控制方法,其特征在于,所述将所述信噪比等于0的混合信号分帧,得到分帧信号,包括:
确定所述信噪比等于0的混合信号的每一帧长度为N;
利用滑动窗口的方式,将所述混合信号按照每一帧长度N进行分帧,得到待分帧信号;
将所述待分帧信号进行加窗,得到加窗信号;
合并所述加窗信号为一个整体,得到分帧信号。
4.如权利要求1所述的基于EMD的电力设备噪声控制方法,其特征在于,所述根据所述频谱图,对所述噪音信号进行经验模态分解,得到噪音信号的本征模态分量,包括:
步骤一、在所述频谱图中,找出所述噪音信号的极大值点和极小值点,并通过差值的方法拟合出由极大值组成的上包络线和极小值组成的下包络线,对上下包络线求均值,得到噪音信号的平均值;
步骤二、将第1个所述噪音信号减去噪音信号的平均值,得到第1个噪音信号的残余分列;
步骤三、预设分解判断条件,根据所述分解判断条件判断第1个残余分列是否满足分解条件;
步骤四、若不满足分解条件,则将所述第1个残余分列作为待处理信号,重复上述步骤一至四;
步骤五、若满足分解条件,将第1个残余分列作为本征模态分列,对第1个噪音信号与本征模态分列作差,得到第1个剩余序列;
步骤六、将第1个剩余序列作为第1个重构信号,依次重复上述步骤一至五,得到第2、3、……、m个剩余序列;
步骤七、利用标准差公式,直到标准差值达到0.2,取第m个剩余序列为剩余分量;
步骤八、将所述噪音信号与所述剩余分量作差得到本征模态分量。
5.如权利要求4所述的基于EMD的电力设备噪声控制方法,其特征在于,所述对上下包络线求均值,得到噪音信号的平均值,计算公式如下:
其中,pn表示第n个噪音信号的平均值,eupper表示上包络线的极大值,elower表示下包络线的极小值。
6.如权利要求4所述的基于EMD的电力设备噪声控制方法,其特征在于,所述将所述噪音信号减去噪音信号的平均值,得到噪音信号的残余分列,计算公式如下:
hn(n)=x(n)-pn
其中,hn(n)表示第n个残余分列,x(n)表示第n个噪音信号,pn表示第n个噪音信号的平均值;
当满足分解条件,将第1个残余分列作为本征模态分列,对第1个噪音信号与本征模态分列作差,得到第1个剩余序列,如下所示:
c1(n)=h1(n)
r1(n)=x(n)-c1(n)
其中cn(n)表示第n个本征模态分列,x(n)表示所述第n个噪音信号,r1(n)表示第1个剩余序列,h1(n)表示第1个残余分列。
7.如权利要求4所述的基于EMD的电力设备噪声控制方法,其特征在于,所述标准差公式如下所示:
其中,Sd为标准差值,rm-1(n)表示第m-1个剩余序列,rm(n)表示第m
个剩余序列。
8.如权利要求1所述的基于EMD的电力设备噪声控制方法,其特征在于,所述利用所述滤波器对每个所述本征模态分量修正计算,得到修正噪音信号,计算公式如下:
其中,f表示所述修正噪音信号,μ(x)表示以噪音信号的频率为变量的增益函数,m表示所述剩余分量的个数,p表示所述第n个噪音信号的平均值,t表示在滤波器中的修正时间,x表示所述本征模态分量对应的噪音信号。
9.如权利要求1所述的基于EMD的电力设备噪声控制方法,其特征在于,所述计算合成信号与纯音信号的均方根误差,如下所示:
其中,RE表示所述均方根误差,n表示噪音信号的个数,wobs表示所述合成信号,wmodel表示所述纯音信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310817913.1A CN116543739A (zh) | 2023-07-05 | 2023-07-05 | 一种基于emd的电力设备噪声控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310817913.1A CN116543739A (zh) | 2023-07-05 | 2023-07-05 | 一种基于emd的电力设备噪声控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116543739A true CN116543739A (zh) | 2023-08-04 |
Family
ID=87451028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310817913.1A Pending CN116543739A (zh) | 2023-07-05 | 2023-07-05 | 一种基于emd的电力设备噪声控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116543739A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117171627A (zh) * | 2023-10-24 | 2023-12-05 | 四川恒远信友环境科技有限公司 | 一种基于成像技术的电力设备噪声源点识别方法及系统 |
-
2023
- 2023-07-05 CN CN202310817913.1A patent/CN116543739A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117171627A (zh) * | 2023-10-24 | 2023-12-05 | 四川恒远信友环境科技有限公司 | 一种基于成像技术的电力设备噪声源点识别方法及系统 |
CN117171627B (zh) * | 2023-10-24 | 2024-01-26 | 四川恒远信友环境科技有限公司 | 一种基于成像技术的电力设备噪声源点识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108732550B (zh) | 用于预测雷达回波的方法和装置 | |
CN116543739A (zh) | 一种基于emd的电力设备噪声控制方法 | |
CN108510147B (zh) | 一种基于残差波动模型的电能质量综合评价方法 | |
WO2023206984A1 (zh) | 二氧化碳排放量的反演方法、装置、设备及存储介质 | |
CN115759365A (zh) | 光伏发电功率的预测方法及相关设备 | |
CN109344074A (zh) | 一种跨平台自动化测试方法及系统 | |
CN112598537A (zh) | 电力设备故障诊断方法、装置及终端设备 | |
CN113849374B (zh) | 中央处理器占用率预测方法、系统、电子设备及存储介质 | |
CN109697083B (zh) | 数据的定点化加速方法、装置、电子设备及存储介质 | |
CN109088793B (zh) | 用于检测网络故障的方法和装置 | |
CN110988673B (zh) | 电机转子故障检测方法、装置及终端设备 | |
CN115587326A (zh) | 一种噪声环境风电场数据修正方法 | |
CN113823089A (zh) | 交通量检测方法、装置、电子设备及可读存储介质 | |
CN112383366B (zh) | 一种数字荧光频谱的频谱监测方法、装置及存储介质 | |
CN115796338A (zh) | 光伏发电功率预测模型构建及光伏发电功率预测方法 | |
CN113030648B (zh) | 电力电缆故障点位置确定方法、装置及终端设备 | |
CN111401796B (zh) | 一种建立设备能效模型的方法及装置 | |
CN111199345B (zh) | 海绵城市的设计降雨量的测算方法及终端设备 | |
CN110989363B (zh) | 一种基于深度学习的电能质量控制方法及装置 | |
CN113555026A (zh) | 语音转换方法、装置、电子设备及介质 | |
CN113532588A (zh) | 水位获取方法、装置、设备及存储介质 | |
CN118013236B (zh) | 基于误差补偿法的储能辅助黑启动的风速预测方法和系统 | |
CN113239507A (zh) | 一种对流程实际流转进行仿真的方法 | |
CN112525544B (zh) | 一种车辆加速性能参数的对比方法及相关设备 | |
CN116049341B (zh) | 一种水文数据标准化方法、装置、设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230804 |
|
RJ01 | Rejection of invention patent application after publication |