一种基于序列神经网络自动编码解码器的风叶声音边界定位方法和存储设备技术

本发明专利技术涉及音频数据处理领域，特别涉及一种基于序列神经网络自动编码解码器的风叶声音边界定位方法和存储设备。所述一种基于序列神经网络自动编码解码器的风叶声音边界定位方法，包括步骤：对输入的声音信号进行特征提取得特征序列；输入特征序列至预先设计的编码解码器得标签序列，每个标签对应输入序列的两个点位；根据预设规则对所述标签序列进行调整处理得风叶声音的边界位置。通过实验数据证明，根据以上步骤可取得更准确的风叶声音的边界位置。

【技术实现步骤摘要】
一种基于序列神经网络自动编码解码器的风叶声音边界定位方法和存储设备
本专利技术涉及音频数据处理领域，特别涉及一种基于序列神经网络自动编码解码器的风叶声音边界定位方法和存储设备。
技术介绍
风电叶片是风机捕获风能的核心部件，需要长期可靠地运行在极其恶劣的户外环境下，难免会遭受雷击、环境腐蚀等影响，从而造成穿孔、脱漆，变形等损伤。对这些损伤进行检测一般需要通过停机通过望远镜进行检测，也有一些通过无人机拍摄视频进行检测，也有一些通过采集风叶扫风声音进行故障检测，但这种基于声音检测的前提是：可以在复杂的充满各种噪声的环境下准确定界出风叶扫风的声音边界，从而提取出风叶声音的频谱特征，进行下一步的故障判断。故此如何在复杂环境下，准确地提取出风叶声音的频谱特征成了亟需解决的技术问题。在申请号201810962524.7《一种寻找非稳态时间序列微弱尖峰的方法》中提出获取一维的时间序列数据作为待处理信号；然后计算所述时间序列数据的一阶差分；根据计算的差分寻找所述时间序列数据中所有尖峰；估算噪声幅值；滤除较小尖峰，保留较大尖峰即为所求的信号本文档来自技高网...

【技术保护点】
1.一种基于序列神经网络自动编码解码器的风叶声音边界定位方法，其特征在于，包括步骤：/n对输入的声音信号进行特征提取得特征序列；/n输入特征序列至预先设计的编码解码器得标签序列，每个标签对应输入序列的两个点位；/n根据预设规则对所述标签序列进行调整处理得风叶声音的边界位置。/n

【技术特征摘要】
1.一种基于序列神经网络自动编码解码器的风叶声音边界定位方法，其特征在于，包括步骤：
对输入的声音信号进行特征提取得特征序列；
输入特征序列至预先设计的编码解码器得标签序列，每个标签对应输入序列的两个点位；
根据预设规则对所述标签序列进行调整处理得风叶声音的边界位置。


2.根据权利要求1所述的一种基于序列神经网络自动编码解码器的风叶声音边界定位方法，其特征在于，所述“输入特征序列至预先设计的编码解码器得标签序列，每个标签对应输入序列的两个点位”，具体还包括步骤：
通过编码器将输入的特征序列编码成列的状态信息；
解码器根据所述输入的特征序列和所述状态信息解码出特征序列对应的标签序列。


3.根据权利要求2所述的一种基于序列神经网络自动编码解码器的风叶声音边界定位方法，其特征在于，所述“通过编码器将输入的特征序列编码成列的状态信息”，具体还包括步骤：
对输入的特征序列进行一维卷积计算得第一结果；
对所述第一结果进行批标准化得第二结果；
对第二结果进行最大池化计算得第三结果；
输入第三结果至长短时记忆网络得成列的状态信息。


4.根据权利要求2所述的一种基于序列神经网络自动编码解码器的风叶声音边界定位方法，其特征在于，所述“解码器根据所述输入的特征序列和所述状态信息解码出特征序列对应的标签序列”，还包括步骤：
对输入的特征序列进行一维卷积计算得第四结果；
对所述第四结果进行批标准化得第五结果；
对第五结果进行最大池化计算得第六结果；
输入所述状态信息和所述第六结果至长短时记忆网络得第七结果；
输入第七结果至全连接层并进行向量尺寸变换得输入的特征序列对应的标签序列。


5.根据权利要求1所述的一种基于序列神经网络自动编码解码器的风叶声音边界定位方法，其特征在于，所述“根据预设规则对所述标签序列进行调整处理得风叶声音的边界位置”，具体还包括步骤：
对所述标签序列进行尖峰滤除；
对尖峰滤除后的标签序列进行扩采样；
寻找扩采样后的...

【专利技术属性】
技术研发人员：陈坚，王颖蕊，刘培，
申请(专利权)人：福州数据技术研究院有限公司，
类型：发明
国别省市：福建;35