并行双模式的高压开关柜异常声纹识别方法技术

本发明专利技术实施例提供一种并行双模式的高压开关柜异常声纹识别方法，属于高压开关柜异常声纹识别技术领域。包括采集高压开关柜的声纹数据；对所述声纹数据进行预处理；本发明专利技术通过对采集的声纹数据进行预处理，以实现对声纹数据的去噪处理，再对预处理后的声纹数据按照不同时长，分别采用不同的压缩方式，以对时长不同的声纹数据进行特征压缩，最后同样采用两种不同的识别方式对长时以及短时的声纹异常特征进行精确识别；采用应对不同时长的两种压缩方式以及两种声纹异常特征识别方式，能够实现对长时以及短时异常声纹的准确识别，使用范围更广，能够有效降低高压开关柜运行的安全隐患；同时，本方法复杂度低，识别效率高。识别效率高。识别效率高。

【技术实现步骤摘要】
并行双模式的高压开关柜异常声纹识别方法


[0001]本专利技术涉及高压开关柜异常声纹识别
，具体地涉及一种并行双模式的高压开关柜异常声纹识别方法。

技术介绍

[0002]高压开关柜是电力系统中的重要电力设备，其运行可靠性关系到整个电网的安全稳定及城市供电的可靠性。声纹作为传递信息的一种介质，从不同的声纹中可以推断设备运行中存在的安全隐患，基于声纹的异常识别成为了高压开关柜设备运行环境的新型识别方式。
[0003]在高压开关柜的运行过程中，设备的异常声纹时间长短存在较大差异，传统的异常声纹识别方法主要有特高频检测、超声波检测、模板匹配方法等，但是此类方法仅能针对固定时长或短时及瞬时的异常声纹识别，对于时长不一的异常声纹，无法进行准确且可靠的识别，进而影响对高压开关柜可靠运行的判断，存在一定的安全隐患；且现有的异常声纹识别方法计算复杂度较高，模型的运行效率低。
[0004]本申请专利技术人在实现本专利技术的过程中发现，现有技术的上述方案具有识别范围局限、识别方法复杂度且效率低的缺陷。

技术实现思路

[0005]本专利技术实施例的目的是提供一种并行双模式的高压开关柜异常声纹识别方法，该并行双模式的高压开关柜异常声纹识别方法具体有适用性广、识别复杂度低且效率高的功能。
[0006]为了实现上述目的，本专利技术实施例提供一种并行双模式的高压开关柜异常声纹识别方法，包括：
[0007]采集高压开关柜的声纹数据；
[0008]对所述声纹数据进行预处理；
[0009]将预处理后的声纹数据按照不同时长分别进行不同压缩方式的特征压缩，以得到相应的声纹特征数据；
[0010]根据所述声纹特征数据按照不同时长分别进行不同识别方式的异常声纹识别。
[0011]可选地，对所述声纹数据进行预处理包括：
[0012]对所述声纹数据进行数据分段；
[0013]根据公式(1)计算所述声纹数据进行数据分段后每一段时长的数据长度，
[0014]l(t)＝t*fs
sample
，(1)
[0015]其中，l(t)为每一段时长为t的文件的数据长度，t为分段时长，fs
sample
为采样设备的采样率；
[0016]根据公式(2)获取所述声纹数据的总长度，
[0017][0018]其中，L(T)为所述声纹数据的总长度，v为所述声纹数据的分段的总段数，j为整数编号。
[0019]可选地，对所述声纹数据进行预处理还包括：
[0020]根据公式(3)获取任意一段分段后的所述声纹数据的分帧数据，
[0021]l
q
(t)＝{l
q
1(t)，l
q2
(t)，
…
，l
qk
(t)}，(3)
[0022]其中，l
q
(t)为任意一段分段后的所述声纹数据的分帧数据，k为分帧数量，且k为整数编号；
[0023]根据公式(4)计算所述声纹数据的分帧数量，
[0024][0025]其中，f
length
为帧长，且f
length
＝250ms，f
shift
为帧移，f
shift
＝100ms；
[0026]根据公式(5)获取任意一段分段后的所述声纹数据的加窗函数，
[0027][0028]其中，w(n)为所述加窗函数，n为整数编号；
[0029]根据公式(6)计算任意一帧的声纹数据，
[0030]S
qk
(t)＝l
qk
(t)*w(n)，(6)
[0031]其中，S
qk
(t)为任意一帧的声纹数据。
[0032]可选地，对所述声纹数据进行预处理还包括：
[0033]根据公式(7)对任意一帧的声纹数据的进行离散傅里叶变换，
[0034][0035]其中，F
qk
(w)为任意一帧的声纹数据的频域信号，N为帧时域离散信号的点数。
[0036]可选地，将预处理后的声纹数据按照不同时长分别进行不同压缩方式的特征压缩，以得到相应的声纹特征数据包括：
[0037]根据公式(8)获取预处理后的声纹数据的频率区间分段集合，
[0038][0039]其中，F为预处理后的声纹数据的频率区间分段集合，为20kHz以上的频率波段，为20kHz以下的第r
*
个频率区间的频率波段，r
*
为20kHz以下最大频率区间数量，且r
*
为整数编号；
[0040]根据公式(9)获取声纹数据的压缩频率和原始频率的关系，
[0041][0042]其中，为所述声纹数据20kHz以下的第r个频率区间中的任意一i频率点压缩后的压缩频率，r为整数编号，且r≤r
*
，β为补偿系数，且β∈[0，1]，i为一段所述声纹数据中的频率点，为所述声纹数据20kHz以下的第r个频率区间中的任意一i频率点的频率，λ
r
为在频率波段区间为时的频率压缩比例；
[0043]根据公式(10)计算每个频率波段的频率压缩比例，
[0044]λ＝{λ1，λ2，
…
λ
r
，λ
max
}，
[0045][0046]其中，r为当前频率压缩区间量，λ
max
为20kHz以上的频率波段的频率压缩比例；
[0047]根据公式(11)获取任意一个频率区间的压缩频率和原始频率的关系，
[0048][0049]其中，为所述声纹数据20kHz以上的频率区间中的任意一i频率点压缩后的压缩频率，为所述声纹数据20kHz以下的第r
‑
1个频率区间中最大的压缩频率，f
imax
为所述声纹数据20kHz以上的频率区间中的任意一i频率点的频率；
[0050]根据公式(12)计算任意一点频率区间可得到的压缩后特征点数量，
[0051][0052]其中，C为任意一点频率区间可得到的压缩后特征点数量，为所述声纹数据20kHz以下的第r个频率区间中最大的频率，为所述声纹数据20kHz以下的第r个频率区间中最小的频率，为所述声纹数据20kHz以上的频率区间中最大的频率，为所述声纹数据20kHz以上的频率区间中最小的频率。
[0053]可选地，将预处理后的声纹数据按照不同时长分别进行不同压缩方式的特征压缩，以得到相应的声纹特征数据还包括：
[0054]根据公式(13)计算任意一帧的特征的表达式，
[0055][0056]其中，I
qk
为任意一帧的特征的表达式，n为当前频率区间转换为压缩频率后的频率点数，max_C为每个频域区间的最大C个特征点数；
[0057]根据公式(14)获取所述声纹数据每一分段的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种并行双模式的高压开关柜异常声纹识别方法，其特征在于，包括：采集高压开关柜的声纹数据；对所述声纹数据进行预处理；将预处理后的声纹数据按照不同时长分别进行不同压缩方式的特征压缩，以得到相应的声纹特征数据；根据所述声纹特征数据按照不同时长分别进行不同识别方式的异常声纹识别。2.根据权利要求1所述的高压开关柜异常声纹识别方法，其特征在于，对所述声纹数据进行预处理包括：对所述声纹数据进行数据分段；根据公式(1)计算所述声纹数据进行数据分段后每一段时长的数据长度，l(t)＝t*fs
sample
，(1)其中，l(t)为每一段时长为t的文件的数据长度，t为分段时长，fs
sample
为采样设备的采样率；根据公式(2)获取所述声纹数据的总长度，其中，L(T)为所述声纹数据的总长度，v为所述声纹数据的分段的总段数，j为整数编号。3.根据权利要求2所述的高压开关柜异常声纹识别方法，其特征在于，对所述声纹数据进行预处理还包括：根据公式(3)获取任意一段分段后的所述声纹数据的分帧数据，l
q
(t)＝{l
q1
(t)，l
q2
(t)，
…
，l
qk
(t)}，(3)其中，l
q
(t)为任意一段分段后的所述声纹数据的分帧数据，k为分帧数量，且k为整数编号；根据公式(4)计算所述声纹数据的分帧数量，其中，f
length
为帧长，且f
length
＝250ms，f
shift
为帧移，f
shift
＝100ms；根据公式(5)获取任意一段分段后的所述声纹数据的加窗函数，其中，w(n)为所述加窗函数，n为整数编号；根据公式(6)计算任意一帧的声纹数据，S
qk
(t)＝l
qk
(t)*w(n)，(6)其中，S
qk
(t)为任意一帧的声纹数据。4.根据权利要求3所述的高压开关柜异常声纹识别方法，其特征在于，对所述声纹数据进行预处理还包括：根据公式(7)对任意一帧的声纹数据的进行离散傅里叶变换，
其中，F
qk
(w)为任意一帧的声纹数据的频域信号，N为帧时域离散信号的点数。5.根据权利要求4所述的高压开关柜异常声纹识别方法，其特征在于，将预处理后的声纹数据按照不同时长分别进行不同压缩方式的特征压缩，以得到相应的声纹特征数据包括：根据公式(8)获取预处理后的声纹数据的频率区间分段集合，其中，F为预处理后的声纹数据的频率区间分段集合，为20kHz以上的频率波段，为20kHz以下的第r
*
个频率区间的频率波段，r
*
为20kHz以下最大频率区间数量，且r
*
为整数编号；根据公式(9)获取声纹数据的压缩频率和原始频率的关系，其中，为所述声纹数据20kHz以下的第r个频率区间中的任意一i频率点压缩后的压缩频率，r为整数编号，且r≤r
*
，β为补偿系数，且β∈[0，1]，i为一段所述声纹数据中的频率点，为所述声纹数据20kHz以下的第r个频率区间中的任意一i频率点的频率，λ
r
为在频率波段区间为时的频率压缩比例；根据公式(10)计算每个频率波段的频率压缩比例，λ＝{λ1，λ2，
…
λ
r
，λ
max
}，其中，r为当前频率压缩区间量，λ
max
为20kHz以上的频率波段的频率压缩比例；根据公式(11)获取任意一个频率区间的压缩频率和原始频率的关系，其中，为所述声纹数据20kHz以上的频率区间中的任意一i频率点压缩后的压缩频率，为所述声纹数据20kHz以下的第r
‑
1个频率区间中最大的压缩频率，为所述声纹数据20kHz以上的频率区间中的任意一i频率点的频率；根据公式(12)计算任意一点频率区间可得到的压缩后特征点数量，其中，C为任意一点频率区间可得到的压缩后特征点数量，为所述声纹数据20kHz以下的第r个频率区间中最大的频率，为所述声纹数据20kHz以下的第r个频率区间中最小的频率，为所述声纹数据20kHz以上的频率区间中最大的频率，为所述声
纹数据20kHz以上的频率区间中最小的频率。6.根据权利要求5所述的高压开关柜异常声纹识别方法，其特征在于，将预处理后的声纹数据按照不同时长分别进行不同压缩方式的特征压缩，以得到相应的声纹特征数据还包括：根据公式(13)计算任意一帧的特征的表达式，其中，I
qk
为任意一帧的特征的表达式，n为当前频率区间转换为压缩频率后的频率点数，max_C为每个频域区间的最大C个特征点数；根据公式(14)获取所述声纹数据每一分段的最终特征数...

【专利技术属性】
技术研发人员：刘年国，杨事正，刘术娟，张洁，李瑞，杜健铭，韩建，
申请(专利权)人：国网安徽省电力有限公司淮南供电公司，
类型：发明
国别省市：