[發明專利]一種基于聲紋識別的變壓器聲音事件檢測方法

在審

• 申請號: 202011400711.X
• 申請日: 2020-12-02
• 公開（公告）號: CN112599134A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 張晨晨;季坤;丁國成;朱太云;甄超;李堅林;陳慶濤;吳興旺;楊海濤;尹睿涵;胡嘯宇;付成成;高亮;王維佳;胡心穎
• 申請（專利權）人: 國網安徽省電力有限公司;國家電網有限公司;國網安徽省電力有限公司電力科學研究院;安徽繼遠軟件有限公司;國網信息通信產業集團有限公司
• 主分類號: G10L17/00
• 分類號: G10L17/00;G10L17/02;G10L17/04;G10L25/18;G10L25/45;G10L25/51
• 代理公司: 合肥維可專利代理事務所(普通合伙) 34135
• 代理人: 吳明華

1.一種基于聲紋識別的變壓器聲音事件檢測方法，其特征在于，包括以下步驟：

(1)對變壓器語音信號待測樣本進行分幀，得到若干個語音信號幀；

(2)對每個語音信號幀進行加窗；

(3)對每個加窗后的語音信號幀進行離散傅里葉變換；

(4)根據傅里葉變換結果，計算每個加窗后的語音信號幀的能量譜密度；

(5)采用50Hz倍頻三角濾波器組對每個加窗后的語音信號幀的能量譜密度進行濾波；

(6)對濾波后的能量譜密度取對數，得到每個加窗后的語音信號幀的MFCC特征，所有加窗后的語音信號幀的MFCC特征構成變壓器語音信號待測樣本的聲紋特征；

(7)將所述變壓器語音信號待測樣本的聲紋特征輸入事先訓練好的CapsNet膠囊網絡模型進行檢測，得到變壓器語音信號待測樣本的類別。

2.根據權利要求1所述的基于聲紋識別的變壓器聲音事件檢測方法，其特征在于，步驟(2)中，具體采用海明窗對每個語音信號幀進行加窗。

3.根據權利要求1所述的基于聲紋識別的變壓器聲音事件檢測方法，其特征在于，步驟(5)中，所述采用50Hz倍頻三角濾波器組對每個加窗后的語音信號幀的能量譜密度進行濾波，具體包括：

(51)采用以下公式計算得到每個三角濾波器的中心頻率：

其中，m表示三角濾波器的序號，f(m)表示第m個三角濾波器的中心頻率，f_s表示變壓器語音信號的采樣頻率，N表示加窗后的語音信號幀的傅里葉變換的采樣點數，F_max表示變壓器語音信號的頻率范圍上限；

(52)將三角濾波器的頻率響應定義為：

其中，f_k表示加窗后的語音信號幀的傅里葉變換的第k個采樣點對應的頻率，k＝0，1，…，N-1；H_m(f_k)表示第m個三角濾波器的頻率響應在f_k處的取值；定義f(0)＝f[(F_max/100)+1]＝0；

(53)采用以下公式計算得到每個三角濾波器對能量譜密度進行濾波的結果：

其中，S(m)表示第m個三角濾波器的濾波結果，E(k)表示加窗后的語音信號幀的傅里葉變換的第k個采樣點對應的能量譜密度。

4.根據權利要求1所述的基于聲紋識別的變壓器聲音事件檢測方法，其特征在于，步驟(7)中，所述CapsNet膠囊網絡模型的訓練過程，具體包括：

a、將變壓器語音信號訓練樣本的聲紋特征輸入構建的CapsNet膠囊網絡模型的特征提取層；

b、所述特征提取層從變壓器語音信號訓練樣本的聲紋特征中提取聲音事件的高級譜特征，并輸入到膠囊層；

c、所述膠囊層對變壓器聲音事件建模并進行分類，采用Margin Loss函數計算分類損失；

d、將真實事件類別標簽值與輸出值進行比較得到誤差，根據誤差反向傳播算法對整個CapsNet膠囊網絡模型進行調整，優化模型參數，完成訓練。

5.一種終端設備，其特征在于，包括存儲介質和處理器；

所述存儲介質，用于存儲多條指令；

所述處理器，用于加載并執行所述指令，實現權利要求1-4中任一項所述的基于聲紋識別的變壓器聲音事件檢測方法。

6.一種存儲介質，其中存儲有多條指令，其特征在于，所述指令由處理器加載并執行，實現權利要求1-4中任一項所述的基于聲紋識別的變壓器聲音事件檢測方法。