CN106885971B - 一种用于电缆故障检测定点仪的智能背景降噪方法 - Google Patents
一种用于电缆故障检测定点仪的智能背景降噪方法 Download PDFInfo
- Publication number
- CN106885971B CN106885971B CN201710128543.5A CN201710128543A CN106885971B CN 106885971 B CN106885971 B CN 106885971B CN 201710128543 A CN201710128543 A CN 201710128543A CN 106885971 B CN106885971 B CN 106885971B
- Authority
- CN
- China
- Prior art keywords
- signal
- noise
- sound signal
- cable fault
- noise reduction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000009467 reduction Effects 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 230000005236 sound signal Effects 0.000 claims abstract description 101
- 230000003595 spectral effect Effects 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000011410 subtraction method Methods 0.000 claims abstract description 17
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 16
- 238000009432 framing Methods 0.000 claims abstract description 15
- 230000037433 frameshift Effects 0.000 claims abstract description 11
- 238000007599 discharging Methods 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 11
- 238000001228 spectrum Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims 1
- 238000003379 elimination reaction Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 8
- 230000035939 shock Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/083—Locating faults in cables, transmission lines, or networks according to type of conductors in cables, e.g. underground
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Locating Faults (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明属于智能背景降噪技术领域，公开了一种用于电缆故障检测定点仪的智能背景降噪方法，包括：确定对采样的电缆故障点放电带噪声音信号进行分帧处理时的帧长、帧移参数；确定对带噪放电声音信号进行分帧时所使用的窗函数；确定带噪放电声音信号前导无话段长度；确定对带噪放电声音信号进行降噪处理所使用的谱减法中的过减因子与增益补偿因子；采用谱减法对带噪放电声音信号进行去噪处理；确定小波基与小波分解层数；用小波变换对谱减法处理得到的信噪比提高的信号进行分析，进一步将放电声音信号与残留噪声分离开。本发明实时性好，运算量小，鲁棒性强，具有对噪声先验知识需求少的特性，精确度高，可灵敏地将噪声与放电声音信号区分开来。
Description
技术领域
本发明属于智能背景降噪技术领域，尤其涉及一种用于电缆故障检测定点仪的智能背景降噪方法。
背景技术
随着电力电缆应用数量的不断增多与运行时间的不断增长，电缆故障率也随之增加。由于目前电缆大多埋在地下，一旦发生故障则很难将其找到，如果定位不准将会浪费大量时间，造成人们生活的不便与无法估量的经济损失，因此找到一种快速、准确的电缆故障定位方法可以减少故障修复费用和停电时间，从而减少停电带来的损失。声磁同步法是目前电缆故障定位方法中的一种有效的方法，其原理是根据声音信号与磁场信号的传播速度不同所产生的检测时间差来定位故障点的位置，其中由电磁感应原理获得的磁场信号不易被干扰，容易被检测到，而放电声音信号是由放电能量转化的振动产生，产生的信号小，尤其当电缆路径所处的周围环境含强背景噪声时，放电声音信号被噪声淹没，性噪比低，所以放电声音信号的有效检测是声磁同步法中的难点。声音信号有效检测的根本是抑制背景噪声，从含噪声音中提取尽可能纯净的原始声音信号。随着声音信号数字化处理技术的迅猛发展，智能背景降噪技术逐渐成为人们研究的热点，产生了很多方法用以对声音信号进行降噪以达到增强与提取的目的，目前智能背景降噪方法主要分为4类方法：1.基于短时幅度谱估计的背景降噪方法，该方法是实时处理中应用最广泛的一类方法，但是基于该原理的方法均会产生一些“音乐噪声”；2.基于信号子空间的背景降噪方法，该方法计算复杂度高；3.基于声音生成模型的降噪方法，其中，最常用的是维纳滤波及卡尔曼滤波，维纳滤波，形式简单，但滤波参数是固定的，局限性较大，卡尔曼滤波，计算量大，因而限制了此算法的应用；4.基于人耳掩蔽阈值的降噪方法，但该方法常需要借助其他算法，在计算的过程中需要估计出纯净声音的功率谱，且计算量较大。
综上所述，现有技术存在的问题是：目前电缆故障检测定点仪中的定位算法无法有效提取信噪比低或含有复杂环境噪声信号中的放电声。
发明内容
针对现有技术存在的问题，本发明提供了一种用于电缆故障检测定点仪的智能背景降噪方法。
本发明是这样实现的，一种用于电缆故障检测定点仪的智能背景降噪方法，所述用于电缆故障检测定点仪的智能背景降噪方法采用谱减法和小波变换去除数据相关性相结合用以对电缆故障点放电声音信号进行背景降噪；参数由基于背景与电缆故障点放电声音信号为周期性与瞬间高能量性的窄带信号来确定；
所述谱减法对带噪放电声音信号进行去噪处理，采集的故障点放电带噪声音信号为y(n)(n为采样点数)，加窗处理后得到第i帧信号为yi(n)，将其做离散傅里叶变换(DFT)后为Yi(k)(k＝0,1,···,M-1,M为帧长)，其幅值为|Yi(k)|，前导无话段的噪声平均能量为
a为过减因子，b为增益补偿因子，谱减后信号的幅值为
利用声音信号对相位不敏感的特性，谱减后信号的幅值结合谱减前信号的相位经傅里叶逆变换即可得到经过谱减处理，即已初步消噪的放电声音信号，谱减算法为：
根据小波与采集信号样本数据的特性确定小波基与小波分解层数，选择阶数是15～25的Daubechies小波，小波分解层数取3～5。
进一步，所述用于电缆故障检测定点仪的智能背景降噪方法包括以下步骤：
(1)在强背景噪声环境下采集电缆故障点放电带噪声音信号，并根据声音信号的特点和信号采样率确定对采样的低信噪比信号进行分帧处理时的帧长、帧移参数；
(2)根据窗函数的特性，确定对带噪放电声音信号进行分帧时所使用的窗函数；
(3)根据采样的带噪放电声音信号的特性与实时环境，确定带噪放电声音信号的前导无话段长度；
(4)确定对带噪放电声音信号进行降噪处理所使用的谱减法中的过减因子与增益补偿因子；
(5)采用谱减法对带噪放电声音信号进行去噪处理；
(6)根据小波与采集信号样本数据的特性确定小波基与小波分解层数；
(7)用小波变换对谱减法处理得到的信噪比提高的信号进行分析，进一步将放电声音信号与残留噪声分离开。
进一步，所述步骤(1)在强背景噪声环境下采集电缆故障点放电带噪声音信号，并对采样的低信噪比信号进行分帧处理，根据信号的采样率确定对信号进行分帧处理时的帧长和帧移参数，采样率为8kHz，帧长为256个数据点，帧移为128个数据点。
进一步，所述步骤(2)根据窗函数的特性，确定对带噪放电声音信号进行分帧时所使用的窗函数，对带噪放电声音信号进行分帧时使用汉明窗。
进一步，所述步骤(3)根据实际情况采样的带噪放电声音信号的特性与当时的实时环境，确定带噪放电声音信号的前导无话段长度，将采样信号的前10帧当作纯噪声信号，其不包含有用的冲击放电声音信号，即作为前导无话段。
进一步，所述步骤(4)根据实际采样的带噪放电声音信号调整和确定对带噪放电声音信号进行降噪处理所使用的谱减法中的过减因子与增益补偿因子，过减因子取值为大于或等于1且接近1的数，增益补偿因子取值为小于1且大于0、接近0的数。
进一步，所述步骤(7)用小波变换对谱减法处理得到的信噪比提高的信号进行分解，小波分解层数表示信号经过多少次小波变换后可以明显将放电声音信号与残留噪声分离开，其是根据实际采样的带噪放电声音信号来确定，若分解层数为x，则第x尺度水平的低频信号即为电缆故障点放电带噪声音信号中的冲击放电信号。
本发明的另一目的在于提供一种应用所述用于电缆故障检测定点仪的智能背景降噪方法的电缆故障定位仪。
本发明的优点及积极效果为：本发明用于电缆故障检测定点仪的智能背景降噪方法，以定点仪的使用特点为基础，结合谱减法与小波变换两者优势，其实时性好，运算量小，鲁棒性强，具有对噪声先验知识需求少的特性，精确度高，如在强背景噪声环境下距离故障点5m远处采集混合信号，此时故障点冲击放电声音信号完全淹没在背景噪声中，相对于目前智能背景降噪技术中应用较广泛的谱减法很难将非平稳低信噪比混合信号中的放电声音信号提取出来，本发明可灵敏地将低信噪比混合信号中的噪声与放电声音信号区分开来，得到的放电声音信号信噪比比谱减法得到的信号信噪比提高10dB左右，从而能够基本解决过去电缆故障检测定点仪无法在复杂背景噪声环境中有效定位电缆故障点的问题。
1.本发明是应用于电缆故障精确定位具体背景中的智能背景降噪方法，方法中的参数正是基于此背景与电缆故障点放电声音信号是周期性与瞬间高能量性的窄带信号这一特性确定的，因而能够更适于去除故障点放电声音信号中的噪声，达到有效检测故障点位置的目的。
2.谱减法具有运算量小、噪声先验知识需求少的优点，小波变换去除数据相关性能力强，对噪声不敏感，具有时频定位的特性，在处理非平稳信号方面具有独特优势。本发明将两者进行结合用以对电缆故障点放电声音信号进行背景降噪，具有实时性好，鲁棒性强，对噪声先验知识需求少的特性，精确度高，能够有效提取信噪比低或含有复杂环境噪声信号中的放电声的问题。
附图说明
图1是本发明实施例提供的用于电缆故障检测定点仪的智能背景降噪方法流程图。
图2是本发明实施例提供的实施例1验证本发明时所构造的冲击放电声音信号。
图3是本发明实施例提供的实施例1验证本发明时所构造的带噪混合信号。
图4是本发明实施例提供的实施例1基本谱减法处理后的冲击放电声。
图5是本发明实施例提供的实施例1本发明处理后的冲击放电声。
图6是本发明实施例提供的实施例2验证本发明时现场所采集的电缆故障点放电带噪声音信号。
图7是本发明实施例提供的实施例2基本谱减法处理后的冲击放电声。
图8是本发明实施例提供的实施例2本发明处理后的冲击放电声。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的用于电缆故障检测定点仪的智能背景降噪方法包括以下步骤：
S101：确定对采样的电缆故障点放电带噪声音信号进行分帧处理时的帧长、帧移参数；
S102：确定对带噪放电声音信号进行分帧时所使用的窗函数；
S103：确定带噪放电声音信号前导无话段长度；
S104：确定对带噪放电声音信号进行降噪处理所使用的谱减法中的过减因子与增益补偿因子；
S105：采用谱减法对带噪放电声音信号进行去噪处理；
S106：确定小波基与小波分解层数；
S107：用小波变换对谱减法处理得到的信噪比提高的信号进行分析，进一步将放电声音信号与残留噪声分离开。
本发明实施例的用于电缆故障检测定点仪的智能背景降噪方法具体包括以下步骤：
步骤1，确定对采样的电缆故障点放电带噪声音信号进行分帧处理时的帧长、帧移参数。
在强背景噪声环境下采集电缆故障点放电带噪声音信号，并对采样的低信噪比信号进行分帧处理，虽然声音信号具有很强的时变特性，但是在较短的时间内，大约为5～50ms，声音信号的特征可认为是基本保持不变的，具有短时平稳性，通常截取具有短时平稳性的一段声音进行分析，也即一帧信号，声音的帧长一般取10～30ms，因而根据信号的采样率确定对信号进行分帧处理时的帧长和帧移参数，采样率为8kHz，帧长为256个数据点，帧移为128个数据点。
步骤2，确定对带噪放电声音信号进行分帧时所使用的窗函数。
根据窗函数的特性，确定对带噪放电声音信号进行分帧时所使用的窗函数，由于故障点放电声音信号为窄带信号，具有瞬间高能量性，而声音信号分析常用的窗函数中适用于分析有较强干扰噪声的窄带信号的窗函数为汉明窗，所以对带噪放电声音信号进行分帧时使用汉明窗。
步骤3，确定带噪放电声音信号前导无话段长度。
根据实际情况采样的带噪放电声音信号的特性与当时的实时环境，确定带噪放电声音信号的前导无话段长度，一般将采样信号的前10帧当作纯噪声信号，其不包含有用的冲击放电声音信号，即作为前导无话段(噪声段)。
步骤4，确定对带噪放电声音信号进行降噪处理所使用的谱减法中的过减因子与增益补偿因子。
根据实际采样的带噪放电声音信号调整和确定对带噪放电声音信号进行降噪处理所使用的谱减法中的过减因子与增益补偿因子，过减因子取值为大于或等于1且接近1的数，增益补偿因子取值为小于1且大于0、接近0的数。
步骤5，采用谱减法对带噪放电声音信号进行去噪处理。
设采集的故障点放电带噪声音信号为y(n)(n为采样点数)，加窗处理后得到第i帧信号为yi(n)，将其做离散傅里叶变换(DFT)后为Yi(k)(k＝0,1,···,M-1,M为帧长)，其幅值为|Yi(k)|，前导无话段的噪声平均能量为
a为过减因子，b为增益补偿因子，谱减后信号的幅值为
利用声音信号对相位不敏感的特性，谱减后信号的幅值结合谱减前信号的相位经傅里叶逆变换即可得到经过谱减处理，即已初步消噪的放电声音信号。谱减算法为
步骤6，确定小波基与小波分解层数。
根据小波与采集信号样本数据的特性确定小波基与小波分解层数，选择的小波基为具有很好消噪效果的紧支撑正交小波中应用较广泛的Daubechies小波，简写为“dbN”，N是小波的阶数，阶数的降低会使得分解信号中调制干扰信号增多，而阶数越高，计算越复杂，所以一般选择的合适阶数是15～25，小波分解层数则表示信号经过多少次小波变换后可以明显将放电声音信号与残留噪声分离开，其是根据实际采样的带噪放电声音信号来确定，一般取3～5。
步骤7，用小波变换对谱减法处理得到的信噪比提高的信号进行分析。
若分解层数为x，则第x尺度水平的低频信号即为电缆故障点放电带噪声音信号中的冲击放电信号，从而达到了将放电声音信号与残留噪声分离开的目的。
下面结合仿真实验对本发明的应用效果作详细的描述。
一、对本发明进行仿真验证
本发明采用指数衰减的振荡信号表示电缆故障击穿产生的冲击放电声，如图2所示。在冲击放电声音信号上叠加高斯白噪声，使得带噪混合信号初始信噪比为-15dB，如图3所示，从图中可看出冲击放电声完全被噪声所淹没。图4、图5分别为基本谱减法、本发明的用于电缆故障检测定点仪的智能背景降噪方法对混合信号处理后的声音信号，其中，使用汉明窗进行分帧，每帧长256个数据点，帧间叠加128个数据点，谱减法中的过减因子为4，增益补偿因子为0.001。图4中声音信号的信噪比为-1dB，比图3中信号信噪比提高了14dB，图5中声音信号的信噪比为6dB，比图3中信号信噪比提高了21dB，可见本发明的用于电缆故障检测定点仪的智能背景降噪方法比基本谱减法去噪效果更明显。基本谱减法虽然能够在一定程度上去除噪声的干扰，但由于其无法实时估计噪声信号导致谱减后信号中仍残留干扰噪声，从而无法提取冲击放电声。本发明的用于电缆故障检测定点仪的智能背景降噪方法处理后的信号信噪比比基本谱减法高了7dB，基本去除了其他干扰噪声，分离出冲击放电声，从而达到精确定位电缆故障的目的。
二、现场采集电缆故障点放电带噪声音信号对本发明进行实验验证
在实验现场用20kV电压使电缆故障点击穿产生冲击放电声，并为了验证信噪比非常低的情况下本发明的有效性，在强背景噪声环境下离电缆故障点约5m远处以8kHz采样频率对故障点放电带噪声音信号进行了采集，其波形图如图6所示，从图中可以看出电缆故障点冲击放电声完全被淹没在噪声中。采用基本谱减法对带噪放电声音信号进行降噪处理，其处理结果如图7所示，从图中可以看出基本谱减法能够在一定程度上去除噪声的干扰，但由于处于强背景噪声环境下，各种噪声并不是平稳的白噪声那么简单，来源不尽相同，噪声特性各有差异，此时基本谱减法无法实时正确地估计噪声信号，导致残留噪声影响有用声音信号，即冲击放电声的提取。图8为本发明的用于电缆故障检测定点仪的智能背景降噪方法对带噪放电声音信号处理后的信号，其中，使用“db10”小波对信号进行4尺度小波分解。小波变换可以灵敏地检测正常信号中的瞬态异常现象，即可以从谱减法处理得到的数据中将噪声与冲击放电声分解到不同的频带。从图8中可以看出，得到一个具有周期性与瞬间高能量性的信号，其符合冲击放电声音信号的特性，说明冲击放电声音信号被很清晰地分离出来，从而可以达到精确定位电缆故障的目的。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种用于电缆故障检测定点仪的智能背景降噪方法，其特征在于，所述用于电缆故障检测定点仪的智能背景降噪方法采用谱减法和小波变换去除数据相关性相结合用以对电缆故障点放电声音信号进行背景降噪；参数由基于背景与电缆故障点放电声音信号为周期性与瞬间高能量性的窄带信号来确定；
所述谱减法对带噪放电声音信号进行去噪处理，采集的故障点放电带噪声音信号为y(n)，加窗处理后得到第i帧信号为yi(n)，将其做离散傅里叶变换(DFT)后为Yi(w)，其幅值为|Yi(w)|，前导无话段的噪声平均能量为
a为过减因子，b为增益补偿因子，谱减后信号的幅值为
利用声音信号对相位不敏感的特性，谱减后信号的幅值结合谱减前信号的相位经傅里叶逆变换即可得到经过谱减处理，即已初步消噪的放电声音信号，谱减算法为：
根据小波与采集信号样本数据的特性确定小波基与小波分解层数，选择阶数是15～25的Daubechies小波，小波分解层数取3～5；
所述用于电缆故障检测定点仪的智能背景降噪方法包括以下步骤：
(1)在强背景噪声环境下采集电缆故障点放电带噪声音信号，并根据声音信号的特点和信号采样率确定对采样的低信噪比信号进行分帧处理时的帧长、帧移参数；
(2)根据窗函数的特性，确定对带噪放电声音信号进行分帧时所使用的窗函数；
(3)根据采样带噪放电声音信号的特性与实时环境，确定带噪放电声音信号的前导无话段长度；
(4)确定对带噪放电声音信号进行降噪处理所使用的谱减法中的过减因子与增益补偿因子；
(5)采用谱减法对带噪放电声音信号进行去噪处理；
(6)根据小波与采集信号样本数据的特性确定小波基与小波分解层数；
(7)用小波变换对谱减法处理得到的信噪比提高的信号进行分析，进一步将放电声音信号与残留噪声分离开；
所述步骤(1)在强背景噪声环境下采集电缆故障点放电带噪声音信号，并对采样的低信噪比信号进行分帧处理，根据信号的采样率确定对信号进行分帧处理时的帧长和帧移参数，采样率为8kHz，帧长为256个数据点，帧移为128个数据点。
2.如权利要求1所述的用于电缆故障检测定点仪的智能背景降噪方法，其特征在于，所述步骤(2)根据窗函数的特性，确定对带噪放电声音信号进行分帧时所使用的窗函数，对带噪放电声音信号进行分帧时使用汉明窗。
3.如权利要求1所述的用于电缆故障检测定点仪的智能背景降噪方法，其特征在于，所述步骤(3)根据实际情况采样的带噪放电声音信号的特性与当时的实时环境，确定带噪放电声音信号的前导无话段长度，将采样信号的前10帧当作纯噪声信号，其不包含有用的冲击放电声音信号，即作为前导无话段。
4.如权利要求1所述的用于电缆故障检测定点仪的智能背景降噪方法，其特征在于，所述步骤(4)根据实际采样的带噪放电声音信号调整和确定对带噪放电声音信号进行降噪处理所使用的谱减法中的过减因子与增益补偿因子，过减因子取值为大于或等于1且接近1的数，增益补偿因子取值为小于1且大于0、接近0的数。
5.如权利要求1所述的用于电缆故障检测定点仪的智能背景降噪方法，其特征在于，所述步骤(7)用小波变换对谱减法处理得到的信噪比提高的信号进行分解，小波分解层数表示信号经过多少次小波变换后明显将放电声音信号与残留噪声分离开，根据实际采样的带噪放电声音信号来确定，若分解层数为n，则第n尺度水平的低频信号即为电缆故障点带噪放电声音信号中的冲击放电信号。
6.一种应用权利要求1～5任意一项所述用于电缆故障检测定点仪的智能背景降噪方法的电缆故障定位仪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710128543.5A CN106885971B (zh) | 2017-03-06 | 2017-03-06 | 一种用于电缆故障检测定点仪的智能背景降噪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710128543.5A CN106885971B (zh) | 2017-03-06 | 2017-03-06 | 一种用于电缆故障检测定点仪的智能背景降噪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106885971A CN106885971A (zh) | 2017-06-23 |
| CN106885971B true CN106885971B (zh) | 2020-07-03 |
Family
ID=59180230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710128543.5A Active CN106885971B (zh) | 2017-03-06 | 2017-03-06 | 一种用于电缆故障检测定点仪的智能背景降噪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106885971B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108196164B (zh) * | 2017-12-27 | 2020-04-28 | 西安电子科技大学 | 一种用于强背景噪声下电缆故障点放电声音信号提取方法 |
| CN108828403A (zh) * | 2018-04-26 | 2018-11-16 | 广东电网有限责任公司 | 电缆测试信号消噪方法、装置及终端 |
| CN109991520A (zh) * | 2019-03-19 | 2019-07-09 | 中国电力科学研究院有限公司 | 一种电缆振荡波局放检测系统用波速计算新方法 |
| CN109991518A (zh) * | 2019-04-10 | 2019-07-09 | 上海科能电气科技有限公司 | 基于加窗提升小波包算法的输电线路故障行波分析方法 |
| CN111597934A (zh) * | 2020-04-30 | 2020-08-28 | 重庆科技学院 | 用于为统计应用处理训练数据的系统和方法 |
| CN112129404B (zh) * | 2020-09-21 | 2022-11-01 | 国网湖南省电力有限公司 | 提高油浸式配电变压器出厂噪声测量精度的方法及装置 |
| CN112484844A (zh) * | 2020-11-30 | 2021-03-12 | 国网湖南省电力有限公司 | 一种变压器噪声抗环境干扰检测方法及系统 |
| CN113654652B (zh) * | 2021-09-17 | 2024-03-19 | 广东电网有限责任公司 | 一种直流控保装置故障识别方法及相关装置 |
| CN117349597B (zh) * | 2023-12-04 | 2024-02-20 | 探博士电气科技(杭州)有限公司 | 一种用于智能数字精确定点仪的智能背景降噪方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1113335A (zh) * | 1994-05-13 | 1995-12-13 | 索尼公司 | 降低语音信号中噪声的方法和检测噪声域的方法 |
| CN1500260A (zh) * | 2002-01-30 | 2004-05-26 | Ħ��������˾ | 用于构成语音识别参数的方法 |
| CN101976566A (zh) * | 2010-07-09 | 2011-02-16 | 瑞声声学科技(深圳)有限公司 | 语音增强方法及应用该方法的装置 |
| CN103531204A (zh) * | 2013-10-11 | 2014-01-22 | 深港产学研基地 | 语音增强方法 |
| CN104835503A (zh) * | 2015-05-06 | 2015-08-12 | 南京信息工程大学 | 一种改进gsc自适应语音增强方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101458931A (zh) * | 2009-01-08 | 2009-06-17 | 无敌科技(西安)有限公司 | 一种消除语音信号中的环境噪声的方法 |
| US8553570B1 (en) * | 2012-09-27 | 2013-10-08 | Jpmorgan Chase Bank, N.A. | Systems and methods of routing IP telephony data packet communications |
| CN104020402A (zh) * | 2014-06-18 | 2014-09-03 | 国网上海市电力公司 | 一种脉冲触发采集的变电站局部放电脉冲信号降噪方法 |
-
2017
- 2017-03-06 CN CN201710128543.5A patent/CN106885971B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1113335A (zh) * | 1994-05-13 | 1995-12-13 | 索尼公司 | 降低语音信号中噪声的方法和检测噪声域的方法 |
| CN1500260A (zh) * | 2002-01-30 | 2004-05-26 | Ħ��������˾ | 用于构成语音识别参数的方法 |
| CN101976566A (zh) * | 2010-07-09 | 2011-02-16 | 瑞声声学科技(深圳)有限公司 | 语音增强方法及应用该方法的装置 |
| CN103531204A (zh) * | 2013-10-11 | 2014-01-22 | 深港产学研基地 | 语音增强方法 |
| CN104835503A (zh) * | 2015-05-06 | 2015-08-12 | 南京信息工程大学 | 一种改进gsc自适应语音增强方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于谱减法和小波阈值分解的联合消噪算法研究;马明;《无线互联科技》;20120421(第3期);第6-9页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106885971A (zh) | 2017-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106885971B (zh) | 一种用于电缆故障检测定点仪的智能背景降噪方法 | |
| CN103456310B (zh) | 一种基于谱估计的瞬态噪声抑制方法 | |
| CN103854662B (zh) | 基于多域联合估计的自适应语音检测方法 | |
| CN110782910B (zh) | 一种高检出率的啸叫音频检测系统 | |
| CN103489446B (zh) | 复杂环境下基于自适应能量检测的鸟鸣识别方法 | |
| CN103440872B (zh) | 瞬态噪声的去噪方法 | |
| CN102097095A (zh) | 一种语音端点检测方法及装置 | |
| Verteletskaya et al. | Noise reduction based on modified spectral subtraction method | |
| Talmon et al. | Single-channel transient interference suppression with diffusion maps | |
| CN103594094A (zh) | 自适应谱减法实时语音增强 | |
| CN103400578B (zh) | 谱减与动态时间规整算法联合处理的抗噪声声纹识别装置 | |
| CN109102823B (zh) | 一种基于子带谱熵的语音增强方法 | |
| MAFM et al. | Windowless-autocorrelation-based cepstrum method for pitch extraction of noisy speech | |
| Patil et al. | Effectiveness of Teager energy operator for epoch detection from speech signals | |
| CN116312561A (zh) | 一种电力调度系统人员声纹识别鉴权降噪和语音增强方法、系统及装置 | |
| Sanam et al. | Teager energy operation on wavelet packet coefficients for enhancing noisy speech using a hard thresholding function | |
| Jin et al. | An improved speech endpoint detection based on spectral subtraction and adaptive sub-band spectral entropy | |
| Salvati et al. | Improvement of acoustic localization using a short time spectral attenuation with a novel suppression rule | |
| Sunnydayal et al. | Speech enhancement using sub-band wiener filter with pitch synchronous analysis | |
| Verteletskaya et al. | Enhanced spectral subtraction method for noise reduction with minimal speech distortion | |
| CN114822577B (zh) | 语音信号基频估计方法和装置 | |
| Dionelis | On single-channel speech enhancement and on non-linear modulation-domain Kalman filtering | |
| CN115346545B (zh) | 一种基于测量域噪声相减的压缩感知语音增强方法 | |
| Gbadamosi et al. | Development of non-parametric noise reduction algorithm for GSM voice signal | |
| Verteletskaya et al. | Speech distortion minimized noise reduction algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230914 Address after: 710077 floor 5, Xinkai building, Xinkai Industrial Park, Jinye Second Road, high tech Zone, Xi'an, Shaanxi Province Patentee after: XI'AN HUAPU ELECTRIC INSTRUMENTS MANUFACTURING CO.,LTD. Address before: 710071 Xi'an Electronic and Science University, 2 Taibai South Road, Shaanxi, Xi'an Patentee before: XIDIAN University |