CN117292703A - 变电设备声源定位方法、装置、电子设备及存储介质 - Google Patents
变电设备声源定位方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117292703A CN117292703A CN202311578509.XA CN202311578509A CN117292703A CN 117292703 A CN117292703 A CN 117292703A CN 202311578509 A CN202311578509 A CN 202311578509A CN 117292703 A CN117292703 A CN 117292703A
- Authority
- CN
- China
- Prior art keywords
- sound source
- data
- equipment
- environment
- characteristic parameter
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000009466 transformation Effects 0.000 claims abstract description 26
- 230000004807 localization Effects 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims description 74
- 230000007613 environmental effect Effects 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 28
- 238000012216 screening Methods 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 14
- 238000000926 separation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G10L21/0272—Voice signal separating
- G10L21/028—Voice signal separating using properties of sound source
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- 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
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
-
- 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
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- 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
- G10L2021/02087—Noise filtering the noise being separate speech, e.g. cocktail party
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Radar, Positioning & Navigation (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请提供了一种变电设备声源定位方法、装置、电子设备及存储介质，涉及变电设备技术领域，包括：获取变电设备的声源数据，声源数据包括设备声源数据和环境声源数据；对设备声源数据和环境声源数据进行分析，得到设备声源特性参数和环境声源特性参数；对设备声源特性参数和环境声源特性参数分别进行去噪处理，得到声源信号；采用波束形成算法对声源信号进行声源定位，得到声源位置数据。本申请能够实现变电设备噪声声源的准确定位。
Description
技术领域
本申请涉及变电设备技术领域，尤其涉及到一种变电设备声源定位方法、装置、电子设备及存储介质。
背景技术
现代生活的快节奏与城市化进程的推进带来了许多挑战，其中最直接的问题之一就是电力需求的迅速增长。为了满足这一需求，城市中出现了越来越多的变电站，它们像城市的“脉搏”一样，为我们的生活和工业发展输送着源源不断的电力。
变电站中的变电设备种类繁多，每一种变电设备在运行过程中都会产生特定的噪声。这些噪声不仅有工频电流的倍频振动产生的，还有设备本身机械振动、电磁振动等产生的。这就意味着，变电站内的噪声来源是多种多样的，并且每种噪声的波长、衰减速度都可能不同。因此，对变电站设备噪声的声源进行定位成了一个具有挑战性的问题。
目前，由于不同噪声之间的波长高低和衰减快慢的特性也不同，导致变电站内变电设备的噪声存在声源定位困难的问题，通常难以实现变电设备噪声声源的准确定位。
发明内容
本申请提供一种变电设备声源定位方法、装置、电子设备及存储介质，可以实现变电设备噪声声源的准确定位。
第一方面，提供一种变电设备声源定位方法，包括：
获取变电设备的声源数据，声源数据包括设备声源数据和环境声源数据；
对设备声源数据和环境声源数据进行分析，得到设备声源特性参数和环境声源特性参数；
对设备声源特性参数和环境声源特性参数分别进行去噪处理，得到声源信号，包括：采用盲源分离算法对所述设备声源特性参数和所述环境声源特性参数分别进行去噪处理，得到设备声源信号和环境声源信号；对所述设备声源信号和所述环境声源信号进行信号重建，得到所述声源信号；
采用波束形成算法对声源信号进行声源定位，得到声源位置数据。
第二方面，提供一种变电设备声源定位装置，包括：
获取模块，用于获取变电设备的声源数据，声源数据包括设备声源数据和环境声源数据；
分析模块，用于对设备声源数据和环境声源数据进行分析，得到设备声源特性参数和环境声源特性参数；
处理模块，用于对设备声源特性参数和环境声源特性参数分别进行去噪处理，得到声源信号，包括：采用盲源分离算法对所述设备声源特性参数和所述环境声源特性参数分别进行去噪处理，得到设备声源信号和环境声源信号；对所述设备声源信号和所述环境声源信号进行信号重建，得到所述声源信号；
定位模块，用于采用波束形成算法对声源信号进行声源定位，得到声源位置数据。
第三方面，提供一种电子设备，电子设备包括处理器、存储器、用户接口以及网络接口，存储器用于存储指令，用户接口和网络接口均用于给其他设备通信，处理器用于执行存储器中存储的指令，以使电子设备执行如第一方面或其各实现方式中的方法。
第四方面，提供一种计算机可读存储介质，用于存储计算机程序，计算机程序使得计算机执行如第一方面或其各实现方式中的方法。
通过本申请提供的技术方案，在获取变电设备的声源数据后，可对其中的设备声源数据和环境声源数据进行分析，得到设备声源特性参数和环境声源特性参数；之后对设备声源特性参数和环境声源特性参数进行去噪处理，得到声源信号；最后采用波束形成算法对声源信号进行声源定位，得到声源位置数据。鉴于设备噪声和环境噪声之间的波长高低和衰减快慢的不同特性，在本公开的技术方案中，可通过将设备声源数据和环境声源数据分别进行特征分析及去噪处理，消除其中存在的噪音。通过对设备声源数据和环境声源数据进行区分，并根据波束形成算法对声源信号进行自动声源定位，从而便于提高变电站内变电设备的噪声声源定位的准确性，即能够精准得到声源位置数据。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。本申请的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种应用场景图；
图2为本申请实施例提供的一种变电设备声源定位方法的流程示意图；
图3为本申请另一实施例提供的一种变电设备声源定位方法的流程示意图；
图4为本申请实施例提供的一种变电设备声源定位装置的结构示意图；
图5为本申请实施例提供的一种变电设备声源定位装置的结构示意图；
图6为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，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。基于本申请中的实施例，本领域普通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。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语 “第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
变电站中的变电设备种类繁多，每一种变电设备在运行过程中都会产生特定的噪声。这些噪声不仅有工频电流的倍频振动产生的，还有设备本身机械振动、电磁振动等产生的。这就意味着，变电站内的噪声来源是多种多样的，并且每种噪声的波长、衰减速度都可能不同。因此，对变电站设备噪声的声源进行定位成了一个具有挑战性的问题。
目前，由于不同噪声之间的波长高低和衰减快慢的特性也不同，导致变电站内变电设备的噪声存在声源定位困难的问题，通常难以实现变电设备噪声声源的准确定位。
应理解的是，本申请技术方案可以应用于如下场景，但不限于：
在一些可实现方式中，图1为本申请实施例提供的一种应用场景图，如图1所示，该应用场景中可以包括电子设备110和网络设备120。电子设备110可以通过有线网络或者无线网络与网络设备120建立连接。
示例性的，电子设备110可以是台式电脑、笔记本电脑、平板电脑等，但不限于此。网络设备120可以是终端设备或者服务器，但不限于此。在本申请的一种实施例中，电子设备110可以向网络设备120发送请求消息，该请求消息可以用于请求获取声源位置数据，进一步地，电子设备110可以接收网络设备120发送的响应消息，该响应消息包括声源位置数据。
此外，图1示例性地给出了一个电子设备110和一个网络设备120，实际上可以包括其他数量的电子设备和网络设备，本申请对此不作限制。
在另一些可实现方式中，本申请技术方案也可以由上述电子设备110执行，或者，本申请技术方案还可以由上述网络设备120执行，本申请对此不做限制。在本公开的下述实施例步骤中，以执行主体为网络设备120中的服务器为例，对本公开中的技术方案进行说明，但并不构成具体的限定。
图2为本申请实施例提供的一种变电设备声源定位方法的流程图，该方法可以由如图1所示的电子设备110中的服务器执行，但不限于此。如图2所示，该方法可以包括如下步骤：
步骤210、获取变电设备的声源数据，声源数据包括设备声源数据和环境声源数据。
在具体的应用场景中，服务器首先将会获取变电站内变电设备的声源数据，即获取到设备声源数据和环境声源数据。其中，声源数据指的是与噪声声源数据相关的声源数据，服务器用于管理变电站内各类变电设备的工作运行，用于后台服务，服务器可以是一台服务器，也可以是由多台服务器组成的服务器集群，或者是一个云计算服务中心。
在本申请实施例中，设备声源数据包括与设备声音特性相关的各种数据，例如设备运行时的声音强度、频率、音调、音色等。这些数据可以通过麦克风等音频设备采集，并用于分析设备的性能状态和可能的故障。环境声源数据包括环境中的各种声音数据，例如风声、雨声、交通噪声、机械噪声等。这些数据可以反映环境对设备运行的影响，例如环境噪声可能会干扰设备的正常运行。
步骤220、对设备声源数据和环境声源数据进行分析，得到设备声源特性参数和环境声源特性参数。
具体地，服务器在获取到设备声源数据和环境声源数据后，将对设备声源数据和环境声源数据进行分析，从而得到设备声源特性参数和环境声源特性参数。其中，通过上述分析过程，服务器可以提取出设备声源的特性和环境声源的特性，并将这些特性信息表示为参数形式。这些参数可以包括变电设备的音强、音调以及音色等，以及环境噪声的频率、强度等。
步骤230、对设备声源特性参数和环境声源特性参数分别进行去噪处理，得到声源信号。
具体地，服务器在得到设备声源特性参数和环境声源特性参数之后，将对设备声源特性参数和环境声源特性参数进行去噪处理，从而得到声源信号。其中，去噪可以大大提高处理速度和效率，同时减少人工干预和错误。
在一种可能的实施方式中，对设备声源特性参数和环境声源特性参数进行去噪，得到声源信号，具体包括：采用盲源分离算法对设备声源特性参数和环境声源特性参数进行去噪，得到设备声源信号和环境声源信号；对设备声源信号和环境声源信号进行信号重建，得到声源信号。其具体说明可参见实施例步骤330中的相关描述，在此不再赘述。
步骤240、采用波束形成算法对声源信号进行声源定位，得到声源位置数据。
具体地，服务器得到声源信号后，将会对声源信号进行声源定位，具体采用波束形成算法进行声源定位，从而得到声源位置数据。波束形成算法是一种用于声源定位的技术，它通过多个麦克风或传感器采集到的信号来计算声源的位置。这种算法通常需要通过对采集到的信号进行特定的处理和分析，例如幅度谱、相位谱等，来提取与声源位置相关的特征信息。
综上，根据本申请提供的变电设备声源定位方法，在获取变电设备的声源数据后，可对其中的设备声源数据和环境声源数据进行分析，得到设备声源特性参数和环境声源特性参数；之后对设备声源特性参数和环境声源特性参数进行去噪处理，得到声源信号；最后采用波束形成算法对声源信号进行声源定位，得到声源位置数据。鉴于设备噪声和环境噪声之间的波长高低和衰减快慢的不同特性，在本公开的技术方案中，可通过将设备声源数据和环境声源数据分别进行特征分析及去噪处理，消除其中存在的噪音。通过对设备声源数据和环境声源数据进行区分，并根据波束形成算法对声源信号进行自动声源定位，从而便于提高变电站内变电设备的噪声声源定位的准确性，即能够精准得到声源位置数据。
基于图2所示的实施例，作为上述实施例的细化和扩展，为了完整说明本实施例方法的具体实现过程，本实施例提供了如图3所示的具体方法。如3所示，该方法包括如下步骤：
步骤310、接收麦克风阵列设备发送的检测数据包，检测数据包中存储有与变电设备相关联的声源数据，对检测数据包进行声源特征提取，得到声源数据，声源特征提取包括设备声源特征提取和环境声源特征提取。
具体地，通过麦克风阵列设备来收集与变电设备相关的声音数据，然后被麦克风阵列设备打包成检测数据包并发送至服务器。其中，麦克风阵列设备为多个，检测数据包中包含了与变电设备直接关联的声音数据。这些数据可以包括设备运行时的噪音、异常噪音等。接下来，服务器通过对检测数据包进行声源特征提取，即从检测数据包中分析和提取出声音的特征，从而得到声源数据。其中，声源特征提取包括设备声源特征提取和环境声源特征提取，这表示在提取声源特征时，不仅要考虑变电设备本身产生的声音，还要考虑周围环境对设备声音的影响。由此，这种细化处理可以更好地分离出不同来源的声源数据，如设备自身运行产生的声音和周围环境对设备声音的影响。这有助于更准确地分析设备的工作状态和环境对其的影响。通过声源特征提取，可以得到更具有代表性的声源数据，这有助于提高后续分析的准确性。
通过采用上述技术方案，通过接收麦克风阵列设备发送的检测数据包，可以一次性获取与变电设备相关联的声源数据。这种方式将多种数据集成在一个数据包中，方便后续的处理和分析。声源特征提取部分包括设备声源特征提取和环境声源特征提取，这种细化处理可以更好地分离出不同来源的声源数据，如设备自身运行产生的声音和周围环境对设备声音的影响。这有助于更准确地分析设备的工作状态和环境对其的影响。通过声源特征提取，可以得到更具有代表性的声源数据，这有助于提高后续分析的准确性。
步骤320、对设备声源数据和环境声源数据进行分析，得到设备声源特性参数和环境声源特性参数。
在一种可能的实施方式中，对设备声源数据和环境声源数据进行分析，得到设备声源特性参数和环境声源特性参数，具体包括：采用预设算法对设备声源数据进行分析，得到第一分析数据，第一分析数据为设备声源数据对应的频域数据和时域数据，预设算法包括频域分析算法和时域分析算法；采用预设算法对环境声源数据进行分析，得到第二分析数据，第二分析数据为环境声源数据对应的频域数据和时域数据；对第一分析数据进行筛选，得到设备声源特性参数；对第二分析数据进行筛选，得到环境声源特性参数。
具体地，上述过程为本申请实施例提供的一种服务器分析声源数据的具体过程。通过使用预设的算法对设备声源数据进行深入分析，预设算法包括频域分析算法和时域分析算法。频域分析主要关注信号在不同频率下的强度和分布，而时域分析则关注信号在不同时间点的强度变化。通过这种分析，服务器可以得到设备声源数据对应的频域数据和时域数据，作为第一分析数据。同样地，服务器使用预设的算法对环境声源数据进行深入分析，得到环境声源数据对应的频域数据和时域数据，作为第二分析数据。接下来，服务器从第一分析数据中筛选出与设备声源特性相关的关键参数。这些参数可能包括特定频率下的信号强度、信号的持续时间等，可以反映设备的性能状态或故障情况。同样地，服务器还将从第二分析数据中筛选出与环境声源特性相关的关键参数。这些参数可以包括特定频率下的环境噪声强度、噪声的持续时间等，可以反映环境对设备的影响程度。
通过采用上述技术方案，采用预设算法对设备声源数据进行分析，得到的频域数据和时域数据提供了设备的全面声音特性信息。频域分析算法可以揭示设备在不同频率下的声音强度和分布，时域分析算法则可以揭示设备声音随时间的变化情况。这种结合提供了更丰富的设备声音特性信息。同时，对环境声源数据采用同样的预设算法进行分析，可以得到反映环境声音特性的频域数据和时域数据。这有助于将设备声音特性与环境声音特性进行分离，更准确地识别和分析设备本身的声音特性。通过对第一分析数据和第二分析数据进行筛选，得到设备声源特性参数和环境声源特性参数。这有助于提高数据的准确性和可用性。通过预设算法对数据进行自动分析，可以大大提高数据处理的速度和效率。同时，减少人为干预也可以提高数据的客观性和准确性。通过对设备声源特性和环境声源特性的分析，可以更准确地了解设备的性能状态和周围环境对其的影响。
相应的，在对第一分析数据进行筛选，得到设备声源特性参数时，实施例步骤可包括：获取预设的设备声源特性参数范围；采用设备声源特性参数范围对第一分析数据进行筛选，得到设备声源特性参数。在对第二分析数据进行筛选，得到环境声源特性参数时，实施例步骤可包括：获取预设的环境声源特性参数范围；采用环境声源特性参数范围对第二分析数据进行筛选，得到环境声源特性参数。
通过采用上述技术方案，使用预设的设备声源特性参数范围和环境声源特性参数范围进行数据筛选，可以避免人为干预和主观判断的影响，使数据筛选更加客观和准确。预设的参数范围可以去除异常值、填补缺失值、修正错误值等，提高数据的准确性和可用性。同时，可以筛选出更具有代表性的数据，提高数据分析的精度。通过使用预设的参数范围进行数据筛选，可以大大提高数据处理的速度和效率，减少人工筛选的时间和精力，同时避免人为错误。经过筛选后的设备声源特性参数和环境声源特性参数更具有代表性，可以更准确地反映设备的性能状态和周围环境的影响，增强数据分析的可靠性。使用预设的参数范围进行数据筛选是一种标准化的方法，可以使数据筛选过程更加规范和可重复。同时，可以根据需要随时更新和扩展预设的参数范围，以适应不同的数据分析和应用需求。
具体地，服务器通过获取预设的设备声源特性参数范围，该范围可以根据实际需求和经验来确定，例如可以包括频率范围、强度范围、持续时间等。接下来，服务器采用设备声源特性参数范围对第一分析数据进行筛选，得到设备声源特性参数，这是指将第一分析数据中的参数与预设的设备声源特性参数范围进行比较和筛选。只有符合这个范围的参数才会被选择出来，作为设备声源特性参数。同样地，服务器将会获取预先设定的一个环境声源特性参数范围。这个范围同样可以根据实际需求和经验来确定，例如可以包括频率范围、强度范围、持续时间等。服务器将第二分析数据中的参数与预设的环境声源特性参数范围进行比较和筛选。只有符合这个范围的参数才会被选择出来，作为环境声源特性参数。
举例来说，假设变电站内的某一个变电设备，该设备在正常运行时会产生特定的声音。为了了解设备的运行状态，使用麦克风阵列设备来收集设备运行时的声音数据，并对其进行频域和时域分析，得到第一分析数据。首先，变电设备的管理人员可以根据以往的经验和实际需求，设定一个设备声源特性参数的范围，例如频率范围为1000Hz至2000Hz，强度范围为50至100分贝，持续时间为5秒至15秒等。然后，将第一分析数据中的参数与这个预设范围进行比较和筛选。只有符合这些范围的参数才会被选择出来，作为设备声源特性参数，例如在1000Hz至2000Hz范围内的信号强度、5秒至15秒持续时间的信号等。
同时，还可以收集该变电设备周围环境的声音数据，并对其进行频域和时域分析，得到第二分析数据。同样地，可以设定一个环境声源特性参数的范围，例如频率范围为500Hz至3000Hz，强度范围为40至80分贝，持续时间为3秒至10秒等。然后，将第二分析数据中的参数与这个预设范围进行比较和筛选。只有符合这些范围的参数才会被选择出来，作为环境声源特性参数，例如在500Hz至3000Hz范围内的环境噪声强度、3秒至10秒持续时间的噪声等。
通过这种筛选方式，可以更准确地获取与设备声源和环境声源相关的特性参数，并利用这些参数进行后续的监测、诊断和决策。如果某些参数超出预设范围或出现异常变化，可以及时发出警报或采取相应措施来解决问题。同时，这些特性参数还可以用于与其他监测数据进行融合和分析，以提高整体监测的准确性和可靠性。
步骤330、采用盲源分离算法对设备声源特性参数和环境声源特性参数分别进行去噪处理，得到设备声源信号和环境声源信号，对设备声源信号和环境声源信号进行信号重建，得到声源信号。
具体地，通过使用盲源分离算法对设备声源特性参数和环境声源特性参数进行去噪处理，盲源分离算法是基于独立成分分析的方法，可以用来从混合信号中提取出原始独立信号，即使在不了解混合过程的情况下也能实现。通过盲源分离算法的去噪处理，可以提取出设备声源信号和环境声源信号。这些信号是去除了噪声干扰后的纯净信号，可以更准确地反映设备声源和环境声源的真实情况。最后，为了得到完整的声源信号，需要对设备声源信号和环境声源信号进行信号重建。这可以通过将设备声源信号和环境声源信号进行适当的叠加或混合来实现，从而得到包含设备声音和环境声音的声源信号。
由此，经过盲源分离算法处理和信号重建后，得到的声源信号质量得到提高，可以更好地反映设备的声音特性和周围环境的影响。这有助于更准确地分析设备的性能状态和环境因素。通过盲源分离算法进行去噪处理和信号重建是一种自动化的方法，可以大大提高处理速度和效率，同时减少人工干预和错误。
通过采用上述技术方案，盲源分离算法可以利用设备声源特性参数和环境声源特性参数之间的差异，有效地去除噪声干扰，得到更加纯净的设备声源信号和环境声源信号。通过对设备声源信号和环境声源信号进行信号重建，可以得到更具有代表性的声源信号。这有助于提高声源定位的准确性和精度，同时也有助于后续的声源特征提取和分析。经过盲源分离算法处理和信号重建后，得到的声源信号质量得到提高，可以更好地反映设备的声音特性和周围环境的影响。这有助于更准确地分析设备的性能状态和环境因素。通过盲源分离算法进行去噪处理和信号重建是一种自动化的方法，可以大大提高处理速度和效率，同时减少人工干预和错误。
步骤340、采用波束形成算法对声源信号进行声源定位，得到声源位置数据。
在一种可能的实施方式中，采用波束形成算法对声源信号进行声源定位，得到声源位置数据，具体包括：对声源信号进行加权和相位调整，得到波束；根据波束到达麦克风阵列设备的时间，计算得到声源坐标和声源角度；将声源坐标和声源角度进行融合，得到声源位置数据。
具体地，在波束形成算法中，需要对来自不同麦克风或传感器的信号进行加权和相位调整，以便将它们有效地结合起来形成指向声源的波束。这个过程中，可以根据信号的幅度谱和相位谱等信息，采用适当的算法对信号进行加权和相位调整，例如最小均方误差(Least Mean Square，LMS)算法、递推最小二乘(Recursive Least Squares，RLS)算法等。一旦形成了波束，就可以根据波束到达麦克风阵列设备的时间来计算声源的坐标和角度。进一步地，可以通过测量波束到达不同麦克风或传感器的时间差来确定声源的位置。例如，对于两个麦克风组成的阵列，可以通过测量波束到达两个麦克风的时间差来计算声源到两个麦克风连线的中点的距离，从而确定声源的坐标。同时，还可以通过测量波束到达不同麦克风的角度来确定声源的角度。最后，将计算得到的声源坐标和声源角度进行融合，以得到更加准确的声源位置数据。这个过程中，可以采用一些数据融合算法，例如卡尔曼滤波器、粒子滤波器等，来提高数据的准确性和可靠性。
由此，根据波束到达麦克风阵列设备的时间，可以计算得到声源坐标和声源角度，这考虑了多个通道的信息，提高了定位的可靠性和精度。通过对声源坐标和声源角度进行融合，可以得到更为精确的声源位置数据。这种方法可以降低单一数据的不确定性和误差，提高整体定位精度。
通过采用上述技术方案，波束形成算法可以对声源信号进行相位调整和加权，形成指向性的波束，从而实现对声源的精确定位。通过对声源信号进行加权和相位调整，可以更好地利用信号的相位和时间信息，提高声源定位的精度和稳定性。根据波束到达麦克风阵列设备的时间，可以计算得到声源坐标和声源角度，这考虑了多个通道的信息，提高了定位的可靠性和精度。通过对声源坐标和声源角度进行融合，可以得到更为精确的声源位置数据。这种方法可以降低单一数据的不确定性和误差，提高整体定位精度。
步骤350、将声源位置数据发送至用户设备，以通过用户设备向用户展示声源位置数据。
具体地，通过用户设备展示声源位置数据，可以让用户直观地了解声源的位置信息。这有助于用户更好地理解声音的来源和传播路径，以及与声音相关的其他信息。由于声源位置数据是实时获取和处理的，因此可以及时地将这些数据发送至用户设备，使用户能够实时了解声源的变化和动态。用户设备通常是用户熟悉和易于操作的，因此将声源位置数据发送至这些设备上可以让用户更加便捷地获取声音相关的信息。通过将声源位置数据发送至用户设备，即使用户不在现场，也可以远程获取声音相关的信息。
综上所述，本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
1、通过获取变电设备的声源数据，能够获知设备声源数据和环境声源数据。接下来，通过对设备声源数据和环境声源数据进行分析，将得到设备声源特性参数和环境声源特性参数。其次，通过对设备声源特性参数和环境声源特性参数进行去噪处理，能够得到声源信号。最后，通过采用波束形成算法对声源信号进行声源定位，能够得到声源位置数据。由此，通过对设备声源数据和环境声源数据进行区分，并根据波束形成算法对声源信号进行自动声源定位，从而便于提高变电站内变电设备的噪声声源定位的准确性；
2、通过对第一分析数据和第二分析数据进行筛选，得到设备声源特性参数和环境声源特性参数。这有助于提高数据的准确性和可用性。通过预设算法对数据进行自动分析，可以大大提高数据处理的速度和效率。同时，减少人为干预也可以提高数据的客观性和准确性。通过对设备声源特性和环境声源特性的分析，可以更准确地了解设备的性能状态和周围环境对其的影响；
3、波束形成算法可以对声源信号进行相位调整和加权，形成指向性的波束，从而实现对声源的精确定位。通过对声源信号进行加权和相位调整，可以更好地利用信号的相位和时间信息，提高声源定位的精度和稳定性。根据波束到达麦克风阵列设备的时间，可以计算得到声源坐标和声源角度，这考虑了多个通道的信息，提高了定位的可靠性和精度。通过对声源坐标和声源角度进行融合，可以得到更为精确的声源位置数据。这种方法可以降低单一数据的不确定性和误差，提高整体定位精度。
基于上述图2、图3提供的变电设备声源定位方法的具体描述，如图4所示，图4是根据一示例性实施例示出的一种变电设备声源定位装置框图。如图4所示，该装置可包括：
获取模块41，可用于获取变电设备的声源数据，声源数据包括设备声源数据和环境声源数据；
分析模块42，可用于对设备声源数据和环境声源数据进行分析，得到设备声源特性参数和环境声源特性参数；
处理模块43，可用于对设备声源特性参数和环境声源特性参数分别进行去噪处理，得到声源信号；
定位模块44，可用于采用波束形成算法对声源信号进行声源定位，得到声源位置数据。
在本申请的一些实施例中，获取模块41，可用于接收麦克风阵列设备发送的检测数据包，检测数据包中存储有与变电设备相关联的声源数据；对检测数据包进行声源特征提取，得到声源数据，声源特征提取包括设备声源特征提取和环境声源特征提取。
在本申请的一些实施例中，分析模块42，可用于采用预设算法对设备声源数据进行分析，得到第一分析数据，第一分析数据为设备声源数据对应的频域数据和时域数据，预设算法包括频域分析算法和时域分析算法；采用预设算法对环境声源数据进行分析，得到第二分析数据，第二分析数据为环境声源数据对应的频域数据和时域数据；对第一分析数据进行筛选，得到设备声源特性参数；对第二分析数据进行筛选，得到环境声源特性参数。
在本申请的一些实施例中，分析模块42，可用于获取预设的设备声源特性参数范围；采用设备声源特性参数范围对第一分析数据进行筛选，得到设备声源特性参数；以及，获取预设的环境声源特性参数范围；采用环境声源特性参数范围对第二分析数据进行筛选，得到环境声源特性参数。
在本申请的一些实施例中，处理模块43，可用于采用盲源分离算法对设备声源特性参数和环境声源特性参数分别进行去噪处理，得到设备声源信号和环境声源信号；对设备声源信号和环境声源信号进行信号重建，得到声源信号。
在本申请的一些实施例中，定位模块44，可用于对声源信号进行加权和相位调整，得到波束；根据波束到达麦克风阵列设备的时间，计算得到声源坐标和声源角度；将声源坐标和声源角度进行融合，得到声源位置数据。
在本申请的一些实施例中，如图5所示，该装置还可包括：发送模块45；
发送模块45，可用于将声源位置数据发送至用户设备，以通过用户设备向用户展示声源位置数据。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本申请的实施例，在获取变电设备的声源数据后，可对其中的设备声源数据和环境声源数据进行分析，得到设备声源特性参数和环境声源特性参数；之后对设备声源特性参数和环境声源特性参数进行去噪处理，得到声源信号；最后采用波束形成算法对声源信号进行声源定位，得到声源位置数据。鉴于设备噪声和环境噪声之间的波长高低和衰减快慢的不同特性，在本公开的技术方案中，可通过将设备声源数据和环境声源数据分别进行特征分析及去噪处理，消除其中存在的噪音。通过对设备声源数据和环境声源数据进行区分，并根据波束形成算法对声源信号进行自动声源定位，从而便于提高变电站内变电设备的噪声声源定位的准确性，即能够精准得到声源位置数据。
上文中结合附图从功能模块的角度描述了本发明实施例的变电设备声源定位装置。应理解，该功能模块可以通过硬件形式实现，也可以通过软件形式的指令实现，还可以通过硬件和软件模块组合实现。具体地，本发明实施例中的变电设备声源定位方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路和/或软件形式的指令完成，结合本发明实施例申请的变电设备声源定位方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。可选地，软件模块可以位于随机存储器，闪存、只读存储器、可编程只读存储器、电可擦写可编程存储器、寄存器等本领域的成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述变电设备声源定位方法实施例中的步骤。
图6是本发明提供的一个实施例的电子设备700的示意性框图。
如图6所示，该电子设备700可包括：
存储器710和处理器720，该存储器710用于存储计算机程序，并将该程序代码传输给该处理器720。换言之，该处理器720可以从存储器710中调用并运行计算机程序，以实现本发明实施例中的方法。
例如，该处理器720可用于根据该计算机程序中的指令执行上述方法实施例。
在本发明的一些实施例中，该处理器720可以包括但不限于：
通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（FieldProgrammable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等等。
在本发明的一些实施例中，该存储器710包括但不限于：
易失性存储器和/或非易失性存储器。其中，非易失性存储器可以是只读存储器（Read-Only Memory，ROM）、可编程只读存储器（Programmable ROM，PROM）、可擦除可编程只读存储器（Erasable PROM，EPROM）、电可擦除可编程只读存储器（Electrically EPROM，EEPROM）或闪存。易失性存储器可以是随机存取存储器（Random Access Memory，RAM），其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器（Static RAM，SRAM）、动态随机存取存储器（Dynamic RAM，DRAM）、同步动态随机存取存储器（Synchronous DRAM，SDRAM）、双倍数据速率同步动态随机存取存储器（Double DataRate SDRAM，DDR SDRAM）、增强型同步动态随机存取存储器（Enhanced SDRAM，ESDRAM）、同步连接动态随机存取存储器（Synch link DRAM，SLDRAM）和直接内存总线随机存取存储器（Direct Rambus RAM，DR RAM）。
在本发明的一些实施例中，该计算机程序可以被分割成一个或多个模块，该一个或者多个模块被存储在该存储器710中，并由该处理器720执行，以完成本发明提供的方法。该一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述该计算机程序在该控制器中的执行过程。
如图6所示，该电子设备700还可包括：
收发器730，该收发器730可连接至该处理器720或存储器710。
其中，处理器720可以控制该收发器730与其他设备进行通信，具体地，可以向其他设备发送数据或数据，或接收其他设备发送的数据或数据。收发器730可以包括发射机和接收机。收发器730还可以进一步包括天线，天线的数量可以为一个或多个。
应当理解，该电子设备中的各个组件通过总线系统相连，其中，总线系统除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。
本发明还提供了一种计算机存储介质，其上存储有计算机程序，该计算机程序被计算机执行时使得该计算机能够执行上述方法实施例的方法。或者说，本发明提供的一个实施例还提供一种包含指令的计算机程序产品，该指令被计算机执行时使得计算机执行上述方法实施例的方法。
当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本发明实施例该的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（Digital Subscriber Line，DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如数字视频光盘（Digital Video Disc，DVD））、或者半导体介质（例如固态硬盘（Solid State Disk，SSD））等。
本领域普通技术人员可以意识到，结合本文中所申请的实施例描述的各示例的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统、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，该模块的划分，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，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
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模块，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。例如，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
以上仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，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以该权利要求的保护范围为准。
Claims (9)
1.一种变电设备声源定位方法，其特征在于，包括：
获取变电设备的声源数据，所述声源数据包括设备声源数据和环境声源数据；
对所述设备声源数据和所述环境声源数据进行分析，得到设备声源特性参数和环境声源特性参数；
对所述设备声源特性参数和所述环境声源特性参数分别进行去噪处理，得到声源信号，包括：采用盲源分离算法对所述设备声源特性参数和所述环境声源特性参数分别进行去噪处理，得到设备声源信号和环境声源信号；对所述设备声源信号和所述环境声源信号进行信号重建，得到所述声源信号；
采用波束形成算法对所述声源信号进行声源定位，得到声源位置数据。
2.根据权利要求1所述的变电设备声源定位方法，其特征在于，所述获取变电设备的声源数据，包括：
接收麦克风阵列设备发送的检测数据包，所述检测数据包中存储有与变电设备相关联的声源数据；
对所述检测数据包进行声源特征提取，得到所述声源数据，所述声源特征提取包括设备声源特征提取和环境声源特征提取。
3.根据权利要求1所述的变电设备声源定位方法，其特征在于，所述对所述设备声源数据和所述环境声源数据进行分析，得到设备声源特性参数和环境声源特性参数，包括：
采用预设算法对所述设备声源数据进行分析，得到第一分析数据，所述第一分析数据为所述设备声源数据对应的频域数据和时域数据，所述预设算法包括频域分析算法和时域分析算法；
采用所述预设算法对所述环境声源数据进行分析，得到第二分析数据，所述第二分析数据为所述环境声源数据对应的频域数据和时域数据；
对所述第一分析数据进行筛选，得到所述设备声源特性参数；
对所述第二分析数据进行筛选，得到所述环境声源特性参数。
4.根据权利要求3所述的变电设备声源定位方法，其特征在于，所述对所述第一分析数据进行筛选，得到所述设备声源特性参数，包括：
获取预设的设备声源特性参数范围；
采用所述设备声源特性参数范围对所述第一分析数据进行筛选，得到所述设备声源特性参数；
所述对所述第二分析数据进行筛选，得到所述环境声源特性参数，具体包括：
获取预设的环境声源特性参数范围；
采用所述环境声源特性参数范围对所述第二分析数据进行筛选，得到所述环境声源特性参数。
5.根据权利要求1所述的变电设备声源定位方法，其特征在于，所述采用波束形成算法对所述声源信号进行声源定位，得到声源位置数据，包括：
对所述声源信号进行加权和相位调整，得到波束；
根据所述波束到达所述麦克风阵列设备的时间，计算得到声源坐标和声源角度；
将所述声源坐标和所述声源角度进行融合，得到所述声源位置数据。
6.根据权利要求1所述的变电设备声源定位方法，其特征在于，所述方法还包括：
将所述声源位置数据发送至用户设备，以通过所述用户设备向用户展示所述声源位置数据。
7.一种变电设备声源定位装置，其特征在于，包括：
获取模块，用于获取变电设备的声源数据，所述声源数据包括设备声源数据和环境声源数据；
分析模块，用于对所述设备声源数据和所述环境声源数据进行分析，得到设备声源特性参数和环境声源特性参数；
处理模块，用于对所述设备声源特性参数和所述环境声源特性参数分别进行去噪处理，得到声源信号，包括：采用盲源分离算法对所述设备声源特性参数和所述环境声源特性参数分别进行去噪处理，得到设备声源信号和环境声源信号；对所述设备声源信号和所述环境声源信号进行信号重建，得到所述声源信号；
定位模块，用于采用波束形成算法对所述声源信号进行声源定位，得到声源位置数据。
8.一种电子设备，其特征在于，所述电子设备包括处理器、存储器、用户接口以及网络接口，所述存储器用于存储指令，所述用户接口和所述网络接口均用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如权利要求1至6任意一项所述的方法。
9.一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序使得计算机执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311578509.XA CN117292703B (zh) | 2023-11-24 | 2023-11-24 | 变电设备声源定位方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311578509.XA CN117292703B (zh) | 2023-11-24 | 2023-11-24 | 变电设备声源定位方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117292703A true CN117292703A (zh) | 2023-12-26 |
| CN117292703B CN117292703B (zh) | 2024-03-15 |
Family
ID=89257516
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311578509.XA Active CN117292703B (zh) | 2023-11-24 | 2023-11-24 | 变电设备声源定位方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117292703B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1487500A (zh) * | 2003-06-19 | 2004-04-07 | 上海交通大学 | 采用近场声全息技术辨识非平稳声源的方法 |
| CN102288285A (zh) * | 2011-05-24 | 2011-12-21 | 南京航空航天大学 | 一种单通道振动信号的盲源分离方法 |
| CN102508204A (zh) * | 2011-11-24 | 2012-06-20 | 上海交通大学 | 基于波束形成和传递路径分析的室内噪声源定位方法 |
| US20140192999A1 (en) * | 2013-01-08 | 2014-07-10 | Stmicroelectronics S.R.L. | Method and apparatus for localization of an acoustic source and acoustic beamforming |
| CN108922517A (zh) * | 2018-07-03 | 2018-11-30 | 百度在线网络技术（北京）有限公司 | 训练盲源分离模型的方法、装置及存储介质 |
| CN109480832A (zh) * | 2018-10-31 | 2019-03-19 | 合肥工业大学 | 一种单通道的脑电信号中肌电伪迹的消除方法 |
| CN116840785A (zh) * | 2023-06-25 | 2023-10-03 | 国网浙江省电力有限公司宁波供电公司 | 一种变电站低频声源定位系统及方法 |
-
2023
- 2023-11-24 CN CN202311578509.XA patent/CN117292703B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1487500A (zh) * | 2003-06-19 | 2004-04-07 | 上海交通大学 | 采用近场声全息技术辨识非平稳声源的方法 |
| CN102288285A (zh) * | 2011-05-24 | 2011-12-21 | 南京航空航天大学 | 一种单通道振动信号的盲源分离方法 |
| CN102508204A (zh) * | 2011-11-24 | 2012-06-20 | 上海交通大学 | 基于波束形成和传递路径分析的室内噪声源定位方法 |
| US20140192999A1 (en) * | 2013-01-08 | 2014-07-10 | Stmicroelectronics S.R.L. | Method and apparatus for localization of an acoustic source and acoustic beamforming |
| CN108922517A (zh) * | 2018-07-03 | 2018-11-30 | 百度在线网络技术（北京）有限公司 | 训练盲源分离模型的方法、装置及存储介质 |
| CN109480832A (zh) * | 2018-10-31 | 2019-03-19 | 合肥工业大学 | 一种单通道的脑电信号中肌电伪迹的消除方法 |
| CN116840785A (zh) * | 2023-06-25 | 2023-10-03 | 国网浙江省电力有限公司宁波供电公司 | 一种变电站低频声源定位系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王海涛等: "室内声学定位与识别", 西北工业大学出版社, pages: 83 - 85 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117292703B (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11133863B2 (en) | Method and apparatus for the detection of distortion or corruption of cellular communication signals | |
| JP2007519341A (ja) | 無線ローカルエリアネットワーク（ｗｌａｎ）をシミュレートし管理するシステム及び方法 | |
| US9559794B2 (en) | Apparatus and method for detecting signals | |
| US10924944B2 (en) | Apparatus and method for monitoring performance of network device in wireless communication system | |
| CN111008128B (zh) | 一种自动测试系统、方法及存储介质 | |
| CN113470685A (zh) | 语音增强模型的训练方法和装置及语音增强方法和装置 | |
| CN117292703B (zh) | 变电设备声源定位方法、装置、电子设备及存储介质 | |
| JP2011527160A (ja) | 隣接チャネル干渉抑制のためのダイナミックフィルタリング | |
| EP3503438A1 (en) | Test arrangement and test method | |
| CN112469048B (zh) | 基于实测修正的电力无线专网系统覆盖状态获取方法、系统、电子设备及可读存储介质 | |
| CN113596698A (zh) | 一种麦克风收音监控装置及方法 | |
| CN114760226A (zh) | 一种提高往返时延估计精度的方法、装置和存储介质 | |
| US10484109B2 (en) | Test arrangement and test method | |
| EP3343972B1 (en) | Wireless data concentrator systems and methods | |
| CN117728906B (zh) | 一种有源天线的抗干扰性能测试系统及方法 | |
| JP7443759B2 (ja) | 位置推定装置、位置推定方法、プログラム及び位置推定システム | |
| TWI752614B (zh) | 以人工智能決策之多電信終端系統及其測試方法 | |
| CN108989141B (zh) | 测量dcs与第三方系统通信时间的系统及方法 | |
| EP3664321B1 (en) | Method, identification system as well as computer program for identifying unwanted side effects in a radio reception system | |
| CN116017252A (zh) | 一种扬声器异常的检测方法、装置、存储介质及电子设备 | |
| CN117768352A (zh) | 基于语音技术的跨网数据摆渡方法及系统 | |
| CN118041653A (zh) | 一种apt攻击的检测方法及装置 | |
| CN117560045A (zh) | 一种组网天线的功率调整方法和系统 | |
| CN117997380A (zh) | 双模通信的性能测试方法、装置、电子设备以及介质 | |
| CN116955124A (zh) | 注视点渲染测试方法、装置、设备及介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |