基于频谱结构化识别的变电站噪声分离方法、设备及介质技术

本发明专利技术公开了一种基于频谱结构化识别的变电站噪声分离方法、设备及介质，针对变电站排放噪声与环境噪声形成的混叠信号，先对变电站排放噪声进行采集及频谱结构化处理分析与建模，将频谱的特定结构作为排放噪声的结构化频谱特征；然后在目标点进行混合噪声即混叠信号的测量，并利用所述结构化频谱特征对混叠信号中的排放噪声进行提取。本发明专利技术可将变电站的排放噪声与周围环境的背景噪声在混合条件下进行有效分离，从而实现对变电站环境排放噪声的准确检测。的准确检测。的准确检测。

【技术实现步骤摘要】
基于频谱结构化识别的变电站噪声分离方法、设备及介质


[0001]本专利技术涉及噪声控制
，尤其涉及一种基于频谱结构化识别的变电站噪声分离方法、设备及介质。

技术介绍

[0002]随着电力需求量逐渐增大，供电负荷越来越高，需要建设更多的变电站来缓解电力供应的压力。但是变电站的建设常常又会因噪声排放等环境问题而遭到周边居民的反对，近年来出现了较多是投诉、纠纷甚至阻工等事件，因此，开展变电站环境噪声检测，尤其是排放噪声的检测，成为了当前变电站噪声控制、环境影响评价、环保纠纷应对中的一项重要工作内容。然而，在变电站环境噪声检测中常常会遇到虫鸣、鸟叫、交通噪声以及生活噪声等诸多背景噪声的影响，所以多年来变电站环境噪声检测结果的准确性一直较低，严重影响到变电站噪声的控制、环境影响评价水平，影响到环保纠纷中的公正评判。因此，在噪声测量过程之中一旦能够将变压器噪声与背景噪声进行分离，将从根本上解决变电站环境噪声所存在的问题，具有非常重要的现实意义。
[0003]对噪声进行分离，就是将某一个或者某几个声源从多个声源的混合信号中提取出来，用于对单个声源信号进行处理和分析。信号分离的研究始于上世纪的80年代中期，Jetten等人在进行生物医学研究工作时发现了这个问题。到90年代中期，Jutten和Herault提出了最初的信号分离技术，即利用递归神经网络模型和Hedd学习规则的H
‑
J算法，实现两个独立信号的分离。在随后的十几年中，由于对不同类别信号的处理需求，以及对算法效率，分离效果的要求越来越高，各种各样的声源分离算法也不断涌现。
[0004]而在变电站噪声分离领域，多采用盲源分离的方式进行混叠噪声的分离。盲源分离是指从信号的统计特性角度出发，通过观测信号分离或恢复出未知源信号的方法。1985年前后，法国学者Jutten和Herault首次提出盲源分离算法，并以两个独立信号源为例，从混合信号中成功分离了源信号，为处理混合信号提供了新途径。Comon提出了独立分量分析的概念，并对盲源分离算法中的主要问题进行了探讨，如盲信号可分性条件的问题，对比函数的适用性问题以及恢复信号的不确定性问题等。
[0005]盲源分离的主要过程如图1所示，每一个源产生的独立信号记为一个向量，不同源信号以未知形式进行混合。在信号传输过程中，由于其他未知因素的影响，以及传感器的测量误差，不可避免的会混入噪声信号，那么源信号和噪声信号就构成混叠信号x(t)＝As(t)+n(t)，其中x(t)为传感器采集的n个通道信号，A为未知混合矩阵，代表了不同声源的强度信息，s(t)为m个独立源信号，n(t)为噪声信号。在此条件下，信号的盲源分离表示为：
[0006]y(t)＝Wx(t)＝W[As(t)+n(t)][0007]即从观测信号中恢复原信号，即找到分离矩阵W，使y(t)为x(t)的最优估计。
[0008]中心极限定理表明，在一定条件下，独立的随机变量之和的分布趋近与高斯分布。即若干个独立随机变量的和形成的分布比其中任意一个原始分布更接近于高斯分布。因此，令分离的信号非高斯性最大化，即可认为将分量独立开来。这是盲源分离的理论基础。
[0009]虽然盲源分离技术已获得大量应用，但是在变电站噪声分离的场景下还存在技术方面的缺陷及限制，主要问题包括以下三点。
[0010](1)声源形式及个数估计问题
[0011]盲源分离通常要求预先知道声源的个数作为先验信息，并且声源为点声源的形式。但是在变电站环境中，混叠噪声为变电站排放噪声与周围环境噪声的混合形式，环境噪声源例如交通噪声等不存在明确的源头，因此声源的个数是无法预先给出准确估计的，而且也无法视为点声源的形式，因此会造成盲源分离效果较差。
[0012](2)欠定盲源分离问题
[0013]在变电站的噪声分析中，由于涉及的变电站范围较大，通常只能采用单个声级去定点采集混合噪声，但是在传统的盲源分离算法处理中，要求测点数要至少与声源个数相同，这就造成观测信号数小于源信号个数，从而在数学求逆的过程中形成欠定问题，致使分离效果较差。

技术实现思路

[0014]为了解决上述问题，本专利技术提出一种基于频谱结构化识别的变电站噪声分离方法、设备及介质，可将变电站的排放噪声与周围环境的背景噪声在混合条件下进行有效分离，从而实现对变电站环境排放噪声的准确检测。
[0015]本专利技术采用的技术方案如下：
[0016]一种基于频谱结构化识别的变电站噪声分离方法，针对变电站排放噪声与环境噪声形成的混叠信号，先对变电站排放噪声进行采集及频谱结构化处理分析与建模，将频谱的特定结构作为排放噪声的结构化频谱特征；然后在目标点进行混合噪声即混叠信号的测量，并利用所述结构化频谱特征对混叠信号中的排放噪声进行提取。
[0017]进一步地，假设一个变电站环境内有一台变压器，是变电站的主要噪声源，在远离变压器的一个位置s
r
处，其声信号为p
r
；此声信号p
r
由两部分的信号构成，一部分为变压器噪声经过一定距离的传播后到达s
r
处的声信号，另一部分为外界的背景噪声在s
r
处的声场，则综合作用表示为：
[0018]p
r
＝p
t
+p
b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0019]式中p
t
表示变压器在s
r
处所形成的声信号，p
b
表示背景噪声即环境噪声。
[0020]进一步地，在变压器周围一个较近位置s0处，采集变压器声信号p0作为源信号，根据声波传播理论，将变压器在位置s
r
处的声信号p
t
表示为源信号p0与传播路径的卷积，即：
[0021]p
t
＝p0*h(s0,s
r
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0022]其中h(s0,s
r
)为声波由s0到s
r
处的传播路径，即由s0到s
r
的声学脉冲响应。
[0023]进一步地，采用格林函数作为描述声波由s0到s
r
的传播模型：
[0024][0025]式中H(s0,s
r
)为由s0到s
r
处的传递函数，是h(s0,s
r
)在频域的表示，r为s0到s
r
处的距离。
[0026]进一步地，在频域条件下，将式(2)表示为：
[0027]P
tω
＝P
0ω
·
H(s0,s
r
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0028]并将式(1)表示为：
[0029]P
rω
...

【技术保护点】

【技术特征摘要】
1.一种基于频谱结构化识别的变电站噪声分离方法，其特征在于，针对变电站排放噪声与环境噪声形成的混叠信号，先对变电站排放噪声进行采集及频谱结构化处理分析与建模，将频谱的特定结构作为排放噪声的结构化频谱特征；然后在目标点进行混合噪声即混叠信号的测量，并利用所述结构化频谱特征对混叠信号中的排放噪声进行提取。2.根据权利要求1所述的基于频谱结构化识别的变电站噪声分离方法，其特征在于，假设一个变电站环境内有一台变压器，是变电站的主要噪声源，在远离变压器的一个位置s
r
处，其声信号为p
r
；此声信号p
r
由两部分的信号构成，一部分为变压器噪声经过一定距离的传播后到达s
r
处的声信号，另一部分为外界的背景噪声在s
r
处的声场，则综合作用表示为：p
r
＝p
t
+p
b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中p
t
表示变压器在s
r
处所形成的声信号，p
b
表示背景噪声即环境噪声。3.根据权利要求2所述的基于频谱结构化识别的变电站噪声分离方法，其特征在于，在变压器周围一个较近位置s0处，采集变压器声信号p0作为源信号，根据声波传播理论，将变压器在位置s
r
处的声信号p
t
表示为源信号p0与传播路径的卷积，即：p
t
＝p0*h(s0,s
r
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中h(s0,s
r
)为声波由s0到s
r
处的传播路径，即由s0到s
r
的声学脉冲响应。4.根据权利要求3所述的基于频谱结构化识别的变电站噪声分离方法...

【专利技术属性】
技术研发人员：杨勃，徐禄文，邱妮，邹岸新，王谦，王海涛，蒋西平，张施令，余亚玲，邓保家，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：