[發(fā)明專利]一種基于深度學(xué)習(xí)的GIS振動(dòng)信號(hào)降噪方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210453862.4
• 申請(qǐng)日: 2022-04-27
• 公開(kāi)（公告）號(hào): CN115062641A
• 公開(kāi)（公告）日: 2022-09-16
• 發(fā)明（設(shè)計(jì)）人: 康濤;李岳恒
• 申請(qǐng)（專利權(quán)）人: 成都恒銳智科數(shù)字技術(shù)有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/04;G06N3/08
• 代理公司: 四川力久律師事務(wù)所 51221
• 代理人: 張迪

本發(fā)明屬于信號(hào)處理領(lǐng)域，特別涉及一種基于深度學(xué)習(xí)的GIS振動(dòng)信號(hào)降噪方法。包括：步驟100.使用滑動(dòng)窗口算法將帶噪信號(hào)轉(zhuǎn)換為幀后進(jìn)行短時(shí)傅里葉變換，得到含噪信號(hào)，以及含噪信號(hào)的幅度和相位；步驟200.基于含噪信號(hào)使用DeepMMSE算法得到噪聲功率譜密度對(duì)做|IDFT|得到噪聲估計(jì)值，基于噪聲估計(jì)值計(jì)算噪聲方差；步驟300.基于噪聲估計(jì)值使用白相關(guān)方法計(jì)算白化濾波器系數(shù)，建立白化濾波器；對(duì)含噪信號(hào)使用白化濾波器得到預(yù)白化信號(hào)，基于預(yù)白化信號(hào)逐幀計(jì)算線性預(yù)測(cè)系數(shù)；步驟400.基于線性預(yù)測(cè)系數(shù)以及噪聲方差建立卡爾曼濾波器；步驟500.使用卡爾曼濾波器對(duì)帶噪信號(hào)進(jìn)行降噪；本發(fā)明可以避免與GIS系統(tǒng)振動(dòng)信號(hào)在頻帶上混疊的噪聲信號(hào)對(duì)除噪的干擾。

技術(shù)領(lǐng)域

本發(fā)明屬于信號(hào)處理領(lǐng)域，特別涉及一種基于深度學(xué)習(xí)的GIS振動(dòng)信號(hào)降噪方法。

背景技術(shù)

振動(dòng)信號(hào)監(jiān)測(cè)是機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷的主要技術(shù)之一，其基本方法是通過(guò)測(cè)量機(jī)器設(shè)備上一些特殊部位的振動(dòng)信號(hào)，對(duì)振動(dòng)信號(hào)進(jìn)行分析處理，從中提取反映故障的特征信息，根據(jù)故障特征信息對(duì)故障類型、部位、程度及其發(fā)展趨勢(shì)做出診斷。提取振動(dòng)信號(hào)特征需要對(duì)信號(hào)進(jìn)行分析處理，去除與特征信號(hào)不相關(guān)的噪聲信號(hào)是其中尤為關(guān)鍵的步驟之一。振動(dòng)信號(hào)中既包含與機(jī)械設(shè)備狀態(tài)相關(guān)的特征信息，即振動(dòng)源發(fā)生的信號(hào)，可將其稱為源信號(hào)；也包含不利于判斷振動(dòng)特征的干擾信號(hào)，可將其統(tǒng)稱為噪聲信號(hào)。強(qiáng)噪聲背景下，振動(dòng)信號(hào)的去噪和振動(dòng)特征的提取成為關(guān)鍵問(wèn)題。現(xiàn)有的振動(dòng)信號(hào)降噪方法通常使用濾波器設(shè)置不同通帶,達(dá)到對(duì)某特定波帶信號(hào)的抑制或?yàn)V除。但是這類降噪方法僅適用于信號(hào)與噪聲處于不同頻帶的情形。對(duì)于復(fù)雜系統(tǒng)振動(dòng)信號(hào)而言,系統(tǒng)信號(hào)與噪聲信號(hào)在頻帶上發(fā)生相互混疊的現(xiàn)象往往是無(wú)法避免的,這使得現(xiàn)有降噪方法存在很大局限性,降噪效果不好。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)中對(duì)于GIS振動(dòng)信號(hào)降噪效果不好的問(wèn)題，第一方面提供一種基于深度學(xué)習(xí)的GIS振動(dòng)信號(hào)降噪方法，包括如下步驟：步驟100.使用滑動(dòng)窗口算法將帶噪信號(hào)轉(zhuǎn)換為幀后進(jìn)行短時(shí)傅里葉變換，得到含噪信號(hào)，以及含噪信號(hào)的幅度和相位；

步驟200.基于所述含噪信號(hào)使用DeepMMSE算法得到噪聲功率譜密度對(duì)做|IDFT|得到噪聲估計(jì)值，基于所述噪聲估計(jì)值計(jì)算噪聲方差；

步驟300.基于所述噪聲估計(jì)值使用白相關(guān)方法計(jì)算白化濾波器系數(shù)，建立白化濾波器；對(duì)含噪信號(hào)使用白化濾波器得到預(yù)白化信號(hào)，基于所述預(yù)白化信號(hào)逐幀計(jì)算線性預(yù)測(cè)系數(shù)；

步驟400.基于所述線性預(yù)測(cè)系數(shù)以及所述噪聲方差建立卡爾曼濾波器；

步驟500.使用所述卡爾曼濾波器對(duì)所述帶噪信號(hào)進(jìn)行降噪；

其中，所述步驟100中，含噪信號(hào)Y(l，m)的表達(dá)式如下：

Y(l，m)＝S(l，m)+V(l，m)，其中，,S(l，m)和V(l，m)分別表示干凈信號(hào)和噪聲信號(hào)的復(fù)值STFT系數(shù)；所述∠Y(l，m)為含噪信號(hào)的相位。

作為本發(fā)明的優(yōu)選實(shí)施例，所述步驟200中，所述基于所述含噪信號(hào)使用DeepMMSE算法得到噪聲功率譜密度包括如下步驟：

步驟201.將|Y(l，m)|輸入至預(yù)先訓(xùn)練好的Deep Xi-ResNet，得到|Y(l，m)|的先驗(yàn)SNRξ(l，m)；

步驟202.通過(guò)所述先驗(yàn)SNR，計(jì)算最大似然后驗(yàn)信噪比；

步驟203基于所述先驗(yàn)SNR和所述最大似然后驗(yàn)信噪比計(jì)算噪聲周期圖；

步驟204.基于所述噪聲周期圖使用一階時(shí)間遞歸平滑算法得到噪聲功率譜密度。

作為本發(fā)明的優(yōu)選實(shí)施例，所述步驟203中，通過(guò)如下公式計(jì)算噪聲周期圖；

其中，為先驗(yàn)SNR估計(jì)，為最大似然后驗(yàn)信噪比。