[发明专利]风机叶片扫风声音信号中异常哨声轮廓的提取及识别方法

权利要求书

1.一种风机叶片扫风声音信号中异常哨声轮廓的提取方法，其特征在于，包括以下步骤：

(1)将原始音频信号转换为时频域矩阵M₀；

(2)对经过变换的时频域矩阵M₀通过幅值-能量转换关系转变为矩阵M₁；

(3)对矩阵M₁的每一时间点的列进行抽取，抽取出的一维数组F_t代表了t时刻的原始信号的频域-能量关系；

(4)对F_t进行滤波降噪，得到滤波后的数组F′_t；

(5)对F′_t进行基于突起程度的峰值搜寻，定位到出现异常尖峰的频率点；

(6)对M₁的每一列依次进行滤波和峰值搜寻的处理，若该时间点无满足突起程度阈值的尖峰，则自动设置为0；

(7)将每一个时间段搜寻到满足条件的峰值对应的横坐标重置为1，其它点设置为0，将每一列还原回矩阵内，得到二值化矩阵M₂；

(8)将二值化矩阵M₂可视化，并将M₂作为特征矩阵，从中提取非零元素分布相关的特征向量，形成每个声音样本的特征向量组合；

(9)将提取出哨声轮廓的音频对应的特征向量组合形成哨声特征的样本库，使用检测模型进行训练，构造哨声样本库以进行哨声检测。

2.根据权利要求1所述的提取方法，其特征在于，所述非零元素分布相关的特征向量包括非零元素的最大时间间隔、起止时间和所处频率中的至少一种。

3.一种风机叶片扫风声音信号中异常哨声轮廓的识别方法，其特征在于，包括以下步骤：

(1)输入待测声音样本，利用权利要求1或2中的提取方法进行哨声轮廓提取和特征提取；

(2)使用构造的哨声样本库对待测样本中含非零元素的特征向量进行检测，计算该向量的异常分值；

(3)根据计算出的异常分值的大小，判断是否含有异常哨声。

4.一种风机叶片扫风声音信号中异常哨声轮廓的提取系统，其特征在于，包括以下模块：

第一转换模块，其将原始音频信号转换为时频域矩阵M₀；

第二转换模块，其对经过变换的时频域矩阵M₀通过幅值-能量转换关系转变为矩阵M₁；对矩阵M₁的每一时间点的列进行抽取，抽取出的一维数组F_t代表了t时刻的原始信号的频域-能量关系；

降噪模块，其对F_t进行滤波降噪，得到滤波后的数组F′_t；

峰值搜索模块，其对F′_t进行基于突起程度的峰值搜寻，定位到出现异常尖峰的频率点；

二值化转换模块，其对M₁的每一列依次进行滤波和峰值搜寻的处理，若该时间点无满足突起程度阈值的尖峰，则自动设置为0；将每一个时间段搜寻到满足条件的峰值对应的横坐标重置为1，其它点设置为0，将每一列还原回矩阵内，得到二值化矩阵M₂；

特征提取模块，其将二值化矩阵M₂可视化，并将M₂作为特征矩阵，从中提取非零元素分布相关的特征向量，形成每个声音样本的特征向量组合。

5.根据权利要求4所述的提取系统，其特征在于，还包括：

样本库，其由提取出明显哨声轮廓的音频对应的特征向量组合形成；

异常检测模型，其对所述样本库进行训练，构造哨声样本库以进行哨声检测。

6.一种风机叶片扫风声音信号中异常哨声轮廓的识别系统，其特征在于，包括以下模块：

输入模块，其用于输入待测声音样本；

如权利要求5所述的异常哨声轮廓的提取系统；

异常分值计算模块，其用于根据所述提取系统对待测样本检测出的特征向量与哨声样本库中的特征向量组合进行比较，计算出待测样本的特征向量的异常分值；

判断模块，其根据所述异常分值计算模块计算出的异常分值判断待测声音样本中是否含有异常哨声。