[发明专利]接地刀闸分合闸声音识别方法及装置

权利要求书

1.一种接地刀闸分合闸声音识别方法，其特征在于，包括如下步骤：

(10)实时数据获取：通过声卡模块获取双声道实时声音数据；

(20)数据解析和转换：将从所述双声道实时声音数据中提取的单声道声音数据进行解码，得到音频数据；

(30)特征提取：对所述音频数据进行预处理和快速傅里叶变换，计算当前的语音数据能量，获取不同频率和时域下的能量变化情况，基于该能量进行高频和中频滤波，提取得到该信号下的音频特性；

(40)识别参数获取：基于该信号下的音频特性，对其他声音进行滤波，得到接地刀闸声音特性识别参数；

(50)声音识别：基于卷积神经网络，对现场声音数据采用滑动窗口的方式进行识别，得到接地刀闸声音识别结果；

(60)识别结果输出：结合通过特性识别参数和基于卷积神经网络得到的接地刀闸声音识别结果。

2.根据权利要求1所述的接地刀闸分合闸声音识别方法，其特征在于，所述(30)特征提取步骤包括：

(31)数据预处理：对所述解码后的音频数据进行分帧和加窗处理；

(32)傅里叶变换：将信号在时域的特征变换到频域，改变信号在时域上的特性，获取每一帧信号经过傅里叶变换后的数据；

(33)音频能量获取：将每一帧经过变换后的数据求取幅度的平方，获取能量值，每个能量对应每一个频率；

(34)滤波算法识别；对该能量在不同的频率上进行滤波，获取能量在不同频率上的分布情况，得到该声音信号的特征。

3.根据权利要求2所述的接地刀闸分合闸声音识别方法，其特征在于，所述(40)识别参数获取步骤包括：

(41)数据能量化：将所述傅里叶变换后的数据平方化，计算该平方化数据的对数，将结果作为该信号的能量；

(42)能量分布获取：根据分窗的长度和整个数据大小及采样的频率，获取每个能量对应的频率，得到该信号的能量分布；

(43)能量特性获取：根据所述能量分布，获取不同频段下的能量特性；

(44)高频带通滤波：设置带通滤波的高频频率范围，然后设置该频段内的能量的阈值，然后根据阈值获取该频段内的能量特性；

(45)中频带通滤波：设置带通滤波的中频频率范围，然后设置该频段内的能量的阈值，然后根据阈值获取该频段内的能量特性；

(46)参数特性保存：保存该接地刀闸声音在中、高频段上的能量特性，将该能量特性作为接地刀闸声音特性的识别参数。

4.根据权利要求3所述的接地刀闸分合闸声音识别方法，其特征在于，所述(50)声音识别步骤包括：

(51)声音样本采集：在现场作业环境中采集带有噪音干扰的接地刀音频样本；

(52)模型训练：由所述接地刀音频样本中提取对数声谱图，并随机分为训练集和测试集，并用训练集对卷积神经模型进行训练；

(53)滑窗识别：使用训练得到的成熟卷积神经模型对现场声音数据采用滑动窗口的方式进行识别，得到接地刀闸声音识别结果。

5.一种接地刀闸分合闸声音识别装置，其特征在于，包括：

实时数据获取模块，用于通过声卡模块获取双声道实时声音数据；

数据解析和转换模块，用于将从所述双声道实时声音数据中提取的单声道声音数据进行解码，得到音频数据；

特征提取模块，用于对所述音频数据进行预处理和快速傅里叶变换，计算当前的语音数据能量，获取不同频率和时域下的能量变化情况，基于该能量进行高频和中频滤波，提取得到该信号下的音频特性；

识别参数获取模块，用于基于该信号下的音频特性，对其他声音进行滤波，得到接地刀闸声音特性识别参数；

声音识别模块，用于基于卷积神经网络，对现场声音数据采用滑动窗口的方式进行识别，得到接地刀闸声音识别结果。

识别结果输出模块，用于结合通过特性识别参数和基于卷积神经网络得到的接地刀闸声音识别结果。