[发明专利]一种基于音频信号的环网柜放电状态识别方法

权利要求书

1.一种基于音频信号的环网柜放电状态识别方法，其特征在于，包括：

步骤S1：采集不同状态下的环网柜运行声音信号，其中，所述不同状态下的环网柜运行声音信号包括不同类型的环网柜放电声音信号；

步骤S2：对所述环网柜运行声音信号进行处理，得到环网柜放电声音信号的能量特征向量，其中，所述环网柜放电声音信号的能量特征向量代表放电声音信号波形的特征；

步骤S3：利用Fisher降维准则，使所述环网柜放电声音信号的能量特征向量的维度减小，得到降维后的能量特征向量；

步骤S4：建立环网柜放电声音信号识别模型，将所述降维后的能量特征向量输入至所述环网柜放电声音信号识别模型中，得到环网柜放电声音信号识别结果。

2.根据权利要求1所述的一种基于音频信号的环网柜放电状态识别方法，其特征在于，在所述步骤S1中，还包括：

将采集到的所述环网柜运行声音信号通过带通滤波器滤除工频及其谐波噪声。

3.根据权利要求1所述的一种基于音频信号的环网柜放电状态识别方法，其特征在于，在所述步骤S2中，还包括：

步骤S21：通过小波包能量分析法将所述环网柜运行声音信号分解到各个频率段上后，将0-48khz的频率段划分，经过5层小波包分解得到32个子频率段的波形信号，每个频率段区间为1.5khz；

步骤S22：通过分别计算每个子频率段上分解信号的能量，进而形成小波包节点能量特征向量；其中，环网柜运行声音信号每个子频率段上分解信号的能量E_i及环网柜运行声音信号总能量E的计算公式如下；

其中，x_i(n)为第i个子频率段上的分解信号序列，n为环网柜运行声音信号样本数的序列，例如，200个环网柜运行声音信号样本，n＝1代表第一个环网柜运行声音信号样本；

步骤S23：分别计算每个子频率段上分解信号能量E_i的百分比T_i，百分比T_i的计算公式如下：

其中，T_i为第i个子频率段上分解信号能量的百分比；

步骤S24：抛弃6khz以下的频率段和18khz以上的频率段，只保留8个子频率段，所以得到环网柜放电声音信号的能量特征向量T为：

其中，环网柜放电声音信号的能量特征向量T代表不同子频率段上分解信号能量的百分比。

4.根据权利要求3所述的一种基于音频信号的环网柜放电状态识别方法，其特征在于，在所述步骤S3中，还包括：

步骤S31：通过Fisher降维准则计算所述环网柜放电声音信号的能量特征向量的重要程度；

其中，所述Fisher降维准则为：

其中，r_Fisher是环网柜放电声音信号的能量特征向量通过Fisher降维准则求出的Fisher比；σ_between表示能量特征向量的类间方差，即不同环网柜放电声音信号的能量特征分量均值的方差；σ_within表示能量特征向量的类内方差，即同一环网柜放电声音信号的能量特征分量的方差的均值；

其中，k代表能量特征向量的维数；m_k表示所有类别的能量特征向量的第k个分量的均值；表示声音能量特征向量中的第i类的第k个分量的的均值；ω_i表示第i类的声音特征序列；N表示分类声音特征序列的类别数；n_i表示各类的样本数，c是声音特征序列的分量；

步骤S32：通过计算Fisher比的降维方法，将原来的8维能量特征向量降维到6维，选取区分度较大的6个频率段组成的新能量特征向量作为最终辨识的依据。

5.根据权利要求1所述的一种基于音频信号的环网柜放电状态识别方法，其特征在于，在所述步骤S4中，还包括：应用一种单分类支持向量机的方式对所述降维后的能量特征向量进行识别，以识别出所述环网柜放电声音信号的类型；

步骤S41：通过非线性映射，将降维后的环网柜放电声音信号的能量特征向量映射到高维特征空间，形成封闭的超球体，方法如下：

设存在R^N到一高维特征空间χ的非线性映射φ使得φ(X_i)∈χ，寻找一个半径为R球心为a的超球体S，令φ(X_i)尽量包含在超球体S中，得到下列约束方程：

其中，ξ_i为松弛变量，C为松弛系数，允许极小部分的训练数据不满足约束要求；

为了简化建立的高维特征空间的维度，通过核函数对高维特征空间进行映射，高斯核函数为：γ是高斯核宽度参数；

步骤S42：降维后的环网柜放电声音信号的能量特征向量根据在所述超球体S的位置来进行分类，针对超球体S的约束方程，得到如下拉格朗日方程：

其中，a_i≥0,β_i≥0为拉格朗日算子；

如果a_i＝0，则C＝β_i，ξ_i＝0，降维后的环网柜放电声音信号的能量特征向量的位置在超球体S内部，说明当前降维后的环网柜放电声音信号的能量特征向量属于这个类别；如果0a_iC，则R²+ξ_i-||φ(x_i-a)||²＝0，同时满足ξ_i≥0，降维后的环网柜放电声音信号的能量特征向量不在超球体S内部，说明当前降维后的环网柜放电声音信号的能量特征向量不属于这个类别；记为d²(x)＝|φ(x_i-a)||²为能量特征向量到球心的距离，判断待分类环网柜放电声音信号是否为绝缘子沿面放电的能量特征向量，即：

f(x)＝sgn(R²-||φ(x_i-a)||²)＝sgn(R²-d²(x))

其中，R为能量特征向量到球心的距离；

步骤S43：构建OC-SVM辨识模型，在训练过程中只需要训练降维后的环网柜放电声音信号的能量特征向量。