[發(fā)明專利]一種電能表內異物聲音信號降噪方法、系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201810415329.2
• 申請日: 2018-05-03
• 公開（公告）號: CN108594161B
• 公開（公告）日: 2020-06-19
• 發(fā)明（設計）人: 張進;周全;何蓓;歐習洋;歐熙;王奕;胡曉銳;宮林;吉暢;周游;朱英;楊慧;陳術;吳健;唐皇
• 申請（專利權）人: 國網重慶市電力公司電力科學研究院;國家電網公司;國網重慶市電力公司;四川福德機器人股份有限公司
• 主分類號: G01R35/04
• 分類號: G01R35/04;G01H17/00;G06F17/14
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 文芳

本發(fā)明公開了一種基于短時能量、多尺度熵和EMD的電能表內異物聲音信號降噪方法、系統(tǒng)，它包括：采集電能表內異物搖晃產生的聲音數(shù)據(jù)；通過短時能量定位提取異物聲音信號數(shù)據(jù)；對提取的異物聲音信號數(shù)據(jù)進行經驗模態(tài)分解EMD處理，并計算經驗模態(tài)分解EMD得到的各級本征模態(tài)函數(shù)IMF分量的多尺度熵值；對IMF分量的多尺度熵值進行降噪濾波處理，得到降噪濾波后的電能表內異物聲音信號。本發(fā)明取得的有益效果是：能夠利用短時能量定位提取數(shù)據(jù)，提升了處理速度；利用多尺度熵和經驗模態(tài)分解對電能表內異物聲音信號進行處理，是一種自適應的過程，避免了傳統(tǒng)譜減法去噪聲估計不準確的缺點，同時最大程度避免了新噪聲的引入，能準確檢測電能表內異物。

技術領域

本發(fā)明涉及電能表技術領域，特別是一種基于短時能量、多尺度熵和EMD的電能表內異物聲音信號降噪方法、系統(tǒng)。

背景技術

現(xiàn)有電能表內異物自動檢測裝置通過模擬人工方式，設計搖表結構，并通過電氣控制實現(xiàn)搖表和聲音采集。對采集到的聲音進行處理，判斷有無異物。由于外界環(huán)境存在較大的背景噪聲，例如：電機皮帶的聲音，操作人員工作與機器運轉等產生的噪聲等。這些干擾噪聲可能會影響最終的檢測結果。

電能表內異物聲音信號是一種非線性非平穩(wěn)信號，現(xiàn)階段對非線性非平穩(wěn)信號降噪較為常用、同時也較為有效的方法是小波去噪法。小波去噪法包括小波變換模極大值去噪法、小波系數(shù)相關性去噪方法和小波閾值去噪法，從去噪效果上看，又以小波閾值去噪法最優(yōu)。但該方法需要選取合適的小波基函數(shù)、小波分解層數(shù)及閾值才能達到最好的去噪效果。另外現(xiàn)有系統(tǒng)采用譜減法去除環(huán)境噪聲，譜減法去噪原理簡單易懂，容易實時實現(xiàn)，在去噪過程中只涉及正反傅里葉變換算法。但譜減法多適用于加性噪聲，且經過譜減法去噪處理后會帶入一些噪聲，這種噪聲位置隨機且伴隨著整個頻域帶寬，當這些尖脈沖轉換到時域就變成了類似流水聲音的殘留噪聲，即“音樂噪聲”。小波閾值去噪法需要選取合適的小波基函數(shù)、小波分解層數(shù)及閾值才能達到最好的去噪效果。譜減法雖原理簡單，易于實時實現(xiàn)，但是過于粗糙，對噪聲的估計容易估計不準確，不是一種自適應的過程；其次對采集到的聲音數(shù)據(jù)定位不夠準確，數(shù)據(jù)存在冗余；最后易引入新的噪聲。

因此，本申請需要解決如下幾個技術問題：(1)設計出一種能夠精確定位異物聲音段數(shù)據(jù)的方法或系統(tǒng)；(2)設計出一種能自適應處理數(shù)據(jù)、最大程度避免新噪聲引入的方法或系統(tǒng)；(3)設計出一種更好的降低電能表內異物聲音數(shù)據(jù)噪聲、提高檢測準確性的方法或系統(tǒng)。

針對上述問題，亟需一個簡單且去噪效果更優(yōu)的算法或系統(tǒng)來更好地實現(xiàn)電能表內異物檢測的準確性。

發(fā)明內容

有鑒于現(xiàn)有技術的上述缺陷，本發(fā)明的目的就是提供一種基于短時能量、多尺度熵和EMD的電能表內異物聲音信號降噪方法、系統(tǒng)，能夠利用短時能量定位提取數(shù)據(jù)，避免了數(shù)據(jù)過長、數(shù)據(jù)冗余的缺點，提升了處理速度；利用多尺度熵和經驗模態(tài)分解對電能表內異物聲音信號進行處理，是一種自適應的過程，避免了傳統(tǒng)譜減法去噪聲估計不準確的缺點，同時最大程度避免了新噪聲的引入，能準確檢測電能表內異物。

本發(fā)明的目的之一是通過這樣的技術方案實現(xiàn)的，一種基于短時能量、多尺度熵和EMD的電能表內異物聲音信號降噪方法，它包括有：

S1：采集電能表內異物搖晃產生的聲音數(shù)據(jù)；

S2：通過短時能量定位提取異物聲音信號數(shù)據(jù)；

S3：對步驟S2中提取的異物聲音信號數(shù)據(jù)進行經驗模態(tài)分解EMD處理，并計算經驗模態(tài)分解EMD得到的各級本征模態(tài)函數(shù)IMF分量的多尺度熵值；

S4：對IMF分量的多尺度熵值進行降噪濾波處理，得到降噪濾波后的電能表內異物聲音信號。

進一步，所述步驟S2包括有：