專(zhuān)利名稱(chēng)：一種基于支持向量機(jī)模型的開(kāi)關(guān)柜局部放電信號(hào)識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于音頻信號(hào)處理和識(shí)別領(lǐng)域，涉及音頻信號(hào)處理和模式識(shí)別技術(shù)，具體涉及一種基于支持向量機(jī)模型的開(kāi)關(guān)柜局部放電信號(hào)識(shí)別方法。
背景技術(shù)：
隨著用戶(hù)對(duì)電能質(zhì)量的認(rèn)識(shí)的不斷增強(qiáng)，對(duì)供電的可靠性要求也越來(lái)越高。配網(wǎng)是供電可靠性的主要落腳點(diǎn)。而開(kāi)關(guān)柜是配網(wǎng)的主要設(shè)備之一，統(tǒng)計(jì)數(shù)據(jù)表明，85%的絕緣故障是由局部放電引起的，這些絕緣故障如果得不到及時(shí)的預(yù)防檢測(cè)及解決，將會(huì)成為安全隱患，甚至演變成嚴(yán)重的電力事故，造成經(jīng)濟(jì)損失，危害人身安全。積極開(kāi)展開(kāi)關(guān)柜絕緣狀態(tài)的帶電測(cè)試或在線監(jiān)測(cè)是目前預(yù)防早期絕緣故障，防止絕緣故障發(fā)生的最有效的手段。其中局部放電信號(hào)是衡量設(shè)備絕緣狀態(tài)最重要的參數(shù)之一，故開(kāi)展開(kāi)關(guān)柜的局部放電現(xiàn)場(chǎng)測(cè)試成為運(yùn)行單位大力嘗試的方向。對(duì)開(kāi)關(guān)柜的局部放電進(jìn)行檢測(cè)，能夠及時(shí)的發(fā)現(xiàn)開(kāi)關(guān)柜中的局部放電，并掌握開(kāi)關(guān)柜的運(yùn)行狀況，預(yù)防重大電力事故的發(fā)生，保障配網(wǎng)供電的可靠性與安全性。目前國(guó)內(nèi)外，基于超聲波基礎(chǔ)上的局部放電的研究及生產(chǎn)的產(chǎn)品，通常的檢測(cè)方法是基于超聲波信號(hào)的頻譜范圍內(nèi)將檢測(cè)到的信號(hào)轉(zhuǎn)換為聲壓值大小，并設(shè)定閾值與之判斷局部放電信號(hào)的有無(wú)，輔助檢測(cè)手段是利用耳機(jī)監(jiān)聽(tīng)超聲波信號(hào)經(jīng)“外差法”處理后得到的音頻信號(hào)，來(lái)檢測(cè)局部放電信號(hào)的有無(wú)及局部放電的嚴(yán)重程度。由于人耳生理結(jié)構(gòu)的限制，有時(shí)并不能捕捉到真正的局部放電聲音信號(hào)，同時(shí)不同的操作人員聽(tīng)覺(jué)上的差異性，也會(huì)引起開(kāi)關(guān)柜絕緣故障的誤判，檢測(cè)可靠性受到威脅，會(huì)引起不必要的經(jīng)濟(jì)損失及安全威脅。傳統(tǒng)局放識(shí)別算法據(jù)局限性也會(huì)造成檢測(cè)準(zhǔn)確率不高，引起誤判和漏判，不能及時(shí)發(fā)現(xiàn)潛在故障，從而造成巨大的經(jīng)濟(jì)損失及安全事故。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有方法的缺點(diǎn)，提供一種基于支持向量機(jī)模型的開(kāi)關(guān)柜局部放電信號(hào)識(shí)別方法，在美爾倒譜系數(shù)(簡(jiǎn)稱(chēng)MFCC)音頻處理技術(shù)基礎(chǔ)上利用支持向量機(jī)原理對(duì)開(kāi)關(guān)柜的局部放電進(jìn)行檢測(cè)與識(shí)別，即利用基于支持向量機(jī)的原理對(duì)采集到的基于“外差法”得到的開(kāi)關(guān)柜的局部放電聲音信號(hào)進(jìn)行識(shí)別分類(lèi)。支持向量機(jī)模型(簡(jiǎn)稱(chēng)SVM)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法，通過(guò)尋求結(jié)構(gòu)化風(fēng)險(xiǎn)最小來(lái)提高學(xué)習(xí)機(jī)泛化能力，實(shí)現(xiàn)經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍的最小化，從而達(dá)到在統(tǒng)計(jì)樣本量較少的情況下，亦能獲得良好統(tǒng)計(jì)規(guī)律的目的。該方法不但算法簡(jiǎn)單，而且具有較好的“魯棒”性即健壯性，與神經(jīng)網(wǎng)絡(luò)相比，它的優(yōu)點(diǎn)是訓(xùn)練算法中不存在局部極小值問(wèn)題，在解決小樣本、非線性及高維模式識(shí)別問(wèn)題中表現(xiàn)出許多特有的優(yōu)勢(shì)，并能夠推廣應(yīng)用到函數(shù)擬合等其他機(jī)器學(xué)習(xí)問(wèn)題中，現(xiàn)在已經(jīng)在許多領(lǐng)域取得了成功的應(yīng)用。MFCC是Mel標(biāo)度頻率域提取出的倒譜參數(shù)，描述了人耳對(duì)頻率感知的非線性特性。研究表明，MFCC能提高系統(tǒng)的識(shí)別性能。開(kāi)關(guān)柜的局部放電信號(hào)識(shí)別過(guò)程就是在得到的外差式音頻信號(hào)中提取MFCC參數(shù)，著眼于人耳的聽(tīng)覺(jué)機(jī)理，依據(jù)聽(tīng)覺(jué)實(shí)驗(yàn)的結(jié)果來(lái)分析聲音的頻譜，獲得較高的識(shí)別率和較好的噪聲魯棒性。短時(shí)平均幅度差(簡(jiǎn)稱(chēng)AMDF)能在較低的信噪比情況下準(zhǔn)確地檢測(cè)出語(yǔ)音信號(hào)，而且計(jì)算方法簡(jiǎn)單，硬件處理容易，可靠性高， 能夠滿足實(shí)時(shí)系統(tǒng)的需要。為了達(dá)到本發(fā)明目的，本發(fā)明采用了以下技術(shù)方案
一種基于支持向量機(jī)模型的開(kāi)關(guān)柜局部放電信號(hào)識(shí)別方法，包括訓(xùn)練模型過(guò)程和音頻識(shí)別過(guò)程，所述訓(xùn)練模型過(guò)程是根據(jù)訓(xùn)練樣本集，得到支持向量機(jī)模型；所述音頻識(shí)別過(guò)程是通過(guò)支持向量機(jī)模型，對(duì)待測(cè)樣本進(jìn)行識(shí)別。本發(fā)明所述訓(xùn)練模型過(guò)程包括以下步驟
(1)輸入步驟輸入帶有類(lèi)別標(biāo)識(shí)的音頻信號(hào)作為訓(xùn)練樣本，其中放電標(biāo)記為1，未放電標(biāo)記為-1 ；
(2)預(yù)處理步驟對(duì)步驟(1)輸入的訓(xùn)練音頻信號(hào)進(jìn)行預(yù)處理，將音頻分幀；
(3)端點(diǎn)檢測(cè)步驟通過(guò)檢測(cè)短時(shí)能量和過(guò)零率，確定步驟(2)得到的音頻的始端和末端，去掉音頻的噪聲和首尾的靜音，提取有效音頻；
(4)音頻分段步驟以Is為時(shí)間長(zhǎng)度對(duì)步驟(3)得到的有效音頻進(jìn)行分段；
(5)段特征提取步驟提取步驟(4)得到的分段有效音頻的特征參數(shù)，得到聲音樣本段特征；
(6)建模步驟以步驟(5)提取的聲音樣本段特征作為參數(shù)進(jìn)行建模，得到支持向量機(jī)模型。本發(fā)明所述音頻識(shí)別過(guò)程包括以下步驟
(1)輸入步驟輸入待測(cè)音頻；
(2)預(yù)處理步驟對(duì)步驟(1)輸入的待測(cè)音頻進(jìn)行預(yù)處理，將音頻分幀；
(3)端點(diǎn)檢測(cè)步驟通過(guò)檢測(cè)短時(shí)能量和過(guò)零率，確定步驟(2)得到的音頻的始端和末端，去掉音頻的噪聲和首尾的靜音，提取有效音頻；
(4)音頻分段步驟以Is為時(shí)間長(zhǎng)度對(duì)步驟(3)得到的有效音頻進(jìn)行分段；
(5)段特征提取步驟提取步驟(4)得到的分段有效音頻的特征參數(shù)，得到聲音樣本段特征；
(6)分類(lèi)識(shí)別步驟用支持向量機(jī)模型對(duì)基于聲音樣本段特征的待測(cè)樣本進(jìn)行分類(lèi)識(shí)別。本發(fā)明所述預(yù)處理步驟包括如下步驟
(1)采樣量化以8kHz的采樣率對(duì)音頻數(shù)據(jù)進(jìn)行采樣，并統(tǒng)一轉(zhuǎn)換為單聲道的漏格式的音頻數(shù)據(jù)；
(2)預(yù)加重原始音頻信號(hào)表達(dá)式為x(n)，預(yù)加重后的信號(hào)表達(dá)式為y(η)，將輸入的音頻信號(hào)通過(guò)如下的HR預(yù)加重濾波器，對(duì)wav格式的音頻數(shù)據(jù)進(jìn)行預(yù)加重 y (η) =Χ (η)-px (n-1)，其中，ρ 為預(yù)加重系數(shù)，p=0. 9375 ；
(3)加窗用長(zhǎng)度為240個(gè)采樣點(diǎn)的漢寧窗序列截取語(yǔ)音信號(hào)進(jìn)行分析，并讓該窗序列滑動(dòng)，為保證連續(xù)性，幀與幀之間有三分之二的重疊，幀移量為80。本發(fā)明所述端點(diǎn)檢測(cè)步驟采用短時(shí)能量門(mén)限和過(guò)零率門(mén)限進(jìn)行有效音頻端點(diǎn)檢測(cè)，包括如下步驟(1)確定音頻的始端根據(jù)對(duì)音頻幀進(jìn)行短時(shí)能量和過(guò)零率的計(jì)算，判斷為有效音頻的始端，當(dāng)音頻幀的短時(shí)能量大于高能量門(mén)限，則確定該音頻幀為有效音頻的始端；當(dāng)音頻幀的短時(shí)能量大于低能量門(mén)限或者音頻幀的過(guò)零率大于低過(guò)零率門(mén)限，則確定該音頻幀為有效音頻的疑似始端，若之后該音頻幀的短時(shí)能量大于高能量門(mén)限或過(guò)零率大于高過(guò)零率門(mén)限，則該疑似始端判為有效音頻的始端；若之后短時(shí)能量和過(guò)零率都小于低能量門(mén)限和低過(guò)零率門(mén)限，則該疑似始端判為噪聲；
(2)確定音頻的末端根據(jù)對(duì)音頻幀進(jìn)行短時(shí)能量和過(guò)零率的計(jì)算，判斷為有效音頻的末端，當(dāng)音頻幀的短時(shí)能量小于低能量門(mén)限且過(guò)零率小于低過(guò)零率門(mén)限，則該音頻幀為靜音幀，判定該幀為有效音頻的疑似末端；繼續(xù)判斷，當(dāng)靜音幀的持續(xù)時(shí)間大于最長(zhǎng)靜音持續(xù)時(shí)間門(mén)限時(shí)，則該疑似末端判定為有效音頻的末端；所述最長(zhǎng)靜音持續(xù)時(shí)間門(mén)限為10幀；
(3)去除噪聲當(dāng)有效音頻的持續(xù)時(shí)間小于最短有效音頻持續(xù)時(shí)間門(mén)限，判為噪聲，最短有效音頻持續(xù)時(shí)間門(mén)限為250幀。 本發(fā)明所述段特征提取步驟是對(duì)每一個(gè)有效音頻段分別進(jìn)行美爾倒譜系數(shù)、一階差分美爾倒譜系數(shù)、高過(guò)零率比和短時(shí)平均幅度差特征參數(shù)提取，包括以下步驟
(1)美爾倒譜系數(shù)提取
先確定每一幀語(yǔ)音采樣序列的點(diǎn)數(shù)N，取N=240點(diǎn)，在序列后面補(bǔ)零，然后再進(jìn)行256級(jí)離散FFT變換，則第m幀語(yǔ)音的頻譜為
權(quán)利要求
1.一種基于支持向量機(jī)模型的開(kāi)關(guān)柜局部放電信號(hào)識(shí)別方法，包括訓(xùn)練模型過(guò)程和音頻識(shí)別過(guò)程，其特征在于所述訓(xùn)練模型過(guò)程是根據(jù)訓(xùn)練樣本集，得到支持向量機(jī)模型；所述音頻識(shí)別過(guò)程是通過(guò)支持向量機(jī)模型，對(duì)待測(cè)樣本進(jìn)行識(shí)別。
2.根據(jù)權(quán)利要求1所述的開(kāi)關(guān)柜局部放電信號(hào)識(shí)別方法，其特征在于，所述訓(xùn)練模型過(guò)程包括以下步驟(1)輸入步驟輸入帶有類(lèi)別標(biāo)識(shí)的音頻信號(hào)作為訓(xùn)練樣本，其中放電標(biāo)記為1，未放電標(biāo)記為-1 ；(2)預(yù)處理步驟對(duì)步驟(1)輸入的訓(xùn)練音頻信號(hào)進(jìn)行預(yù)處理，將音頻分幀；(3)端點(diǎn)檢測(cè)步驟通過(guò)檢測(cè)短時(shí)能量與過(guò)零率，確定步驟(2)得到的音頻的始端和末端，去掉音頻的噪聲和首尾的靜音，提取有效音頻；(4)音頻分段步驟以Is為時(shí)間長(zhǎng)度對(duì)步驟(3)得到的有效音頻進(jìn)行分段；(5)段特征提取步驟提取步驟(4)得到的分段有效音頻的特征參數(shù)，得到聲音樣本段特征；(6)建模步驟以步驟(5)提取的聲音樣本段特征作為參數(shù)進(jìn)行建模，得到支持向量機(jī)模型。
3.根據(jù)權(quán)利要求2所述的開(kāi)關(guān)柜局部放電信號(hào)識(shí)別方法，其特征在于，所述音頻識(shí)別過(guò)程包括以下步驟(1)輸入步驟輸入待測(cè)音頻；(2)預(yù)處理步驟對(duì)步驟(1)輸入的待測(cè)音頻進(jìn)行預(yù)處理，將音頻分幀；(3)端點(diǎn)檢測(cè)步驟通過(guò)檢測(cè)短時(shí)能量和過(guò)零率，確定步驟(2)得到的音頻的始端和末端，去掉音頻的噪聲和首尾的靜音，提取有效音頻；(4)音頻分段步驟以Is為時(shí)間長(zhǎng)度對(duì)步驟(3)得到的有效音頻進(jìn)行分段；(5)段特征提取步驟提取步驟(4)得到的分段有效音頻的特征參數(shù)，得到聲音樣本段特征；(6)分類(lèi)識(shí)別步驟用支持向量機(jī)模型對(duì)基于聲音樣本段特征的待測(cè)樣本進(jìn)行分類(lèi)識(shí)別。
4.根據(jù)權(quán)利要求廣3之一所述的開(kāi)關(guān)柜局部放電信號(hào)識(shí)別方法，其特征在于，所述預(yù)處理步驟包括如下步驟(1)采樣量化以8kHz的采樣率對(duì)音頻數(shù)據(jù)進(jìn)行采樣，并統(tǒng)一轉(zhuǎn)換為單聲道的漏格式的音頻數(shù)據(jù)；(2)預(yù)加重原始音頻信號(hào)表達(dá)式為x(n)，預(yù)加重后的信號(hào)表達(dá)式為y(η)，將輸入的音頻信號(hào)通過(guò)如下的HR預(yù)加重濾波器，對(duì)wav格式的音頻數(shù)據(jù)進(jìn)行預(yù)加重 y (η) =χ (η) -ρχ (η-1)，其中，ρ 為預(yù)加重系數(shù)，ρ=0. 9375 ；(3)加窗用長(zhǎng)度為240個(gè)采樣點(diǎn)的漢寧窗序列截取語(yǔ)音信號(hào)進(jìn)行分析，并讓該窗序列滑動(dòng)，為保證連續(xù)性，幀與幀之間有三分之二的重疊，幀移量為80。
5.根據(jù)權(quán)利要求4所述的開(kāi)關(guān)柜局部放電信號(hào)識(shí)別方法，其特征在于，所述端點(diǎn)檢測(cè)步驟采用能量門(mén)限和過(guò)零率門(mén)限進(jìn)行，包括如下步驟(1)確定音頻的始端根據(jù)對(duì)音頻幀進(jìn)行短時(shí)能量和過(guò)零率的計(jì)算，判斷為有效音頻的始端，當(dāng)音頻幀的短時(shí)能量大于高能量門(mén)限，則確定該音頻幀為有效音頻的始端；當(dāng)音頻幀的短時(shí)能量大于低能量門(mén)限或者音頻幀的過(guò)零率大于低過(guò)零率門(mén)限，則確定該音頻幀為有效音頻的疑似始端，若之后該音頻幀的短時(shí)能量大于高能量門(mén)限或過(guò)零率大于高過(guò)零率門(mén)限，則該疑似始端判為有效音頻的始端；若之后短時(shí)能量和過(guò)零率都小于低能量門(mén)限和低過(guò)零率門(mén)限，則該疑似始端判為噪聲；(2)確定音頻的末端根據(jù)對(duì)音頻幀進(jìn)行短時(shí)能量和過(guò)零率的計(jì)算，判斷為有效音頻的末端，當(dāng)音頻幀的短時(shí)能量小于低能量門(mén)限且過(guò)零率小于低過(guò)零率門(mén)限，則該音頻幀為靜音幀，判定該幀為有效音頻的疑似末端；繼續(xù)判斷，當(dāng)靜音幀的持續(xù)時(shí)間大于最長(zhǎng)靜音持續(xù)時(shí)間門(mén)限時(shí)，則該疑似末端判定為有效音頻的末端；所述最長(zhǎng)靜音持續(xù)時(shí)間門(mén)限為10幀；(3)去除噪聲當(dāng)有效音頻的持續(xù)時(shí)間小于最短有效音頻持續(xù)時(shí)間門(mén)限，判為噪聲，最短有效音頻持續(xù)時(shí)間門(mén)限為250幀。
6.根據(jù)權(quán)利要求5所述的開(kāi)關(guān)柜局部放電信號(hào)識(shí)別方法，其特征在于，所述段特征提取步驟是對(duì)每一個(gè)有效音頻段分別進(jìn)行美爾倒譜系數(shù)、一階差分美爾倒譜系數(shù)、高過(guò)零率比和短時(shí)平均幅度差特征參數(shù)提取，包括以下步驟(1)美爾倒譜系數(shù)提取先確定每一幀語(yǔ)音采樣序列的點(diǎn)數(shù)N，取N=240點(diǎn)，在序列后面補(bǔ)零，然后再進(jìn)行256級(jí)離散FFT變換，則第m幀語(yǔ)音的頻譜為
7.根據(jù)權(quán)利要求6所述的開(kāi)關(guān)柜局部放電信號(hào)識(shí)別方法，其特征在于，所述建模步驟包括類(lèi)別標(biāo)識(shí)、歸一化處理、選擇核函數(shù)和訓(xùn)練模型；所述類(lèi)別標(biāo)識(shí)是將提取的每一段有效音頻的特征參數(shù)進(jìn)行類(lèi)別標(biāo)識(shí)，將放電標(biāo)記為1， 未放電標(biāo)記為-1 ；所述特征參數(shù)包括美爾倒譜系數(shù)、一階差分美爾倒譜系數(shù)、短時(shí)能量、過(guò)零率、高過(guò)零率比和短時(shí)平均幅度差；所述歸一化處理是對(duì)除美爾倒譜系數(shù)、一階差分美爾倒譜系數(shù)外的特征參數(shù)數(shù)據(jù)進(jìn)行歸一化處理，每一個(gè)有效音頻段的特征參數(shù)除高過(guò)零率比外都取段內(nèi)所有幀特征參數(shù)的平均值，將攜帶類(lèi)別標(biāo)識(shí)的音頻段的所有特征參數(shù)作為一個(gè)訓(xùn)練樣本，得到訓(xùn)練數(shù)據(jù)集；所述選擇核函數(shù)是選擇多項(xiàng)式內(nèi)核作為核函數(shù)，將訓(xùn)練數(shù)據(jù)的特征映射到高維空間， 所述核函數(shù)
8.根據(jù)權(quán)利要求7所述的開(kāi)關(guān)柜局部放電信號(hào)識(shí)別方法，其特征在于，所述分類(lèi)識(shí)別步驟包括歸一化處理、識(shí)別步驟和分類(lèi)后處理；所述歸一化處理是提取待識(shí)別音頻段的特征參數(shù)后，將除美爾倒譜系數(shù)、一階差分美爾倒譜系數(shù)外的特征參數(shù)進(jìn)行歸一化處理，形成待識(shí)別數(shù)據(jù)集；所述特征參數(shù)包括美爾倒譜系數(shù)、一階差分美爾倒譜系數(shù)、短時(shí)能量、過(guò)零率、高過(guò)零率比和短時(shí)平均幅度差；所述識(shí)別步驟是使用基于多項(xiàng)式核函數(shù)的支持向量機(jī)模型，由判別函數(shù)
9.根據(jù)權(quán)利要求8所述的開(kāi)關(guān)柜局部放電信號(hào)識(shí)別方法，其特征在于，所述短時(shí)能量的計(jì)算公式為·5’ΖΕ= λ·:( )，其中，^fc)表示音頻幀中的第η個(gè)采樣點(diǎn)，#表示一幀內(nèi)
10.根據(jù)權(quán)利要求8所述的開(kāi)關(guān)柜局部放電信號(hào)識(shí)別方法，其特征在于，所述過(guò)零率的計(jì)算公式為
全文摘要
本發(fā)明公開(kāi)了一種基于支持向量機(jī)模型的開(kāi)關(guān)柜局部放電信號(hào)識(shí)別方法，包括訓(xùn)練模型過(guò)程和音頻識(shí)別過(guò)程，具體包括以下步驟對(duì)音頻信號(hào)進(jìn)行預(yù)處理，根據(jù)短時(shí)能量和過(guò)零率提取有效音頻，對(duì)有效音頻分段并提取每一段的美爾倒譜系數(shù)、一階差分美爾倒譜系數(shù)、高過(guò)零率比等特征參數(shù)，再利用支持向量機(jī)工具訓(xùn)練樣本集，建立相應(yīng)的支持向量機(jī)模型；將待識(shí)別音頻信號(hào)預(yù)處理，提取有效音頻并分段、提取段特征后，根據(jù)支持向量機(jī)模型對(duì)基于段特征的待測(cè)樣本進(jìn)行分類(lèi)識(shí)別，對(duì)分類(lèi)結(jié)果后處理，對(duì)有無(wú)局放信號(hào)做出判斷。本發(fā)明準(zhǔn)確識(shí)別開(kāi)關(guān)柜的局放信號(hào)的有無(wú)，預(yù)防并避免重大電力事故的發(fā)生，降低因絕緣事故造成的經(jīng)濟(jì)損失，提高供電可靠性。
文檔編號(hào)G10L15/02GK102426835SQ20111025253
公開(kāi)日2012年4月25日 申請(qǐng)日期2011年8月30日 優(yōu)先權(quán)日2011年8月30日
發(fā)明者周玲, 朱志婷, 田立斌 申請(qǐng)人:華南理工大學(xué)