本发明专利技术公开了一种变电站排放噪声分离方法、装置、设备及存储介质，该方法包括在变电站周边测量总噪声信号；在时域上对总噪声信号进行第一滤波处理，去除非平稳噪声，获得第一噪声分离信号；通过傅里叶变换将第一噪声分离信号转换到频域，在频域上对第一噪声分离信号进行第二滤波处理，去除平稳噪声，获得第二噪声分离信号；通过逆傅里叶变换将第二噪声分离信号转换到时域，获得变电站排放噪声信号。本发明专利技术通过将时频域联合滤波引入变电站的噪声监测过程之中，有效地提高了噪声监测的准确性，降低了环境背景噪声对于噪声监测结果的干扰。解决了目前变电站排放噪声分离方法所需的先验信息多、计算量大、分离效果不理想的技术问题。题。题。
【技术实现步骤摘要】
变电站排放噪声分离方法、装置、设备及存储介质
[0001]本专利技术涉及变电站噪声处理
，尤其涉及到一种变电站排放噪声分离方法、装置、设备及存储介质。
技术介绍
[0002]获得变电站纯净的本体噪声对于城市变电站的噪声监控及治理有着重要的意义。为了能够对变电站的噪声污染进行有效监测，需对变电站内部及周边定点区域的噪声作出准确的测量。但是在城市背景条件下，存在较多的交通噪声、环境噪声等背景噪声的干扰，导致测量值中除了包含变电站噪声外，还会受到背景噪声的影响，造成测量准确性的下降，进而提高噪声治理的难度。
[0003]现有的技术通常通过声信号分离技术以获得纯净的变电站本体噪声，其包含以盲源分离算法、经验模态分解算法、小波分解算法为代表的传统声信号分离方法，以及近年来出现的基于深度学习的信号分离方法。在使用传统的声信号分离方法时，其在特定场景下都可获得较为良好的分离效果，然而在处理噪声的先验信息较少、且混合噪声信号的频率成分较为相近时效果较差。而基于深度学习的信号分离方法需要大量的训练数据，另外由于计算量较大，所耗费的计算资源也较多。
[0004]从实际工程应用的角度上看，现有的噪声分离技术各存在着一些问题。首先对于传统的声信号分离方法来说，其中的小波分析方法、卡尔曼滤波方法等算法需要的先验信息较多，在实际的噪声测量环境中较难以满足以上算法的使用条件，而在应用独立成分分析等盲源分离算法时又难以确定噪声源的数量，因而同样存在着适用条件的问题；对于基于深度学习的信号分离方法需要事先采集大量的训练数据，在实际应用的过程中的计算量也较大，而在变电站噪声监测的场景中，常依靠便携式设备完成相关信号的接收及处理，受限于硬件计算能力，通常无法内嵌复杂的信号处理算法，亦无法取得理想的信号分离效果。
技术实现思路
[0005]本专利技术的主要目的在于提供一种变电站排放噪声分离方法、装置、设备及存储介质，旨在解决目前变电站排放噪声分离方法所需的先验信息多、计算量大、分离效果不理想的技术问题。
[0006]为实现上述目的，本专利技术提供一种变电站排放噪声分离方法，所述方法包括以下步骤：
[0007]S1：在变电站周边的预设位置进行噪声测量，获得总噪声信号；
[0008]S2：在时域上对总噪声信号进行第一滤波处理，去除非平稳噪声，获得第一噪声分离信号；
[0009]S3：通过傅里叶变换将第一噪声分离信号转换到频域，在频域上对第一噪声分离信号进行第二滤波处理，去除平稳噪声，获得第二噪声分离信号；
[0010]S4：通过逆傅里叶变换将第二噪声分离信号转换到时域，获得变电站排放噪声信
号。
[0011]可选的，所述总噪声信号的表达式，具体为：
[0012]y(t)＝y1(t)+n1(t)
[0013]其中，y(t)为总噪声信号，y1(t)为第一噪声分离信号，n1(t)为非平稳噪声。
[0014]可选的，所述步骤S2中，所述第一滤波处理，具体包括：对所述总噪声信号的幅值进行取包络处理并计算均值，去除均值以外的数据点。
[0015]可选的，所述第一噪声分离信号的表达式，具体为：
[0016]y1(t)＝s(t)+n2(t)
[0017]其中，y1(t)为第一噪声分离信号，s(t)为变电站排放噪声信号为，n2(t)为平稳噪声。
[0018]可选的，所述步骤S3中，所述第二滤波处理，具体包括：构建频率维纳滤波器，对第一噪声分离信号进行滤波，去除非目标信号频段的噪声信号。
[0019]此外，为了实现上述目的，本专利技术还提供了一种变电站排放噪声分离装置，所述装置包括：
[0020]噪声测量模块，用于在变电站周边的预设位置进行噪声测量，获得总噪声信号；
[0021]第一滤波模块，用于在时域上对总噪声信号进行第一滤波处理，去除非平稳噪声，获得第一噪声分离信号；
[0022]第二滤波模块，用于通过傅里叶变换将第一噪声分离信号转换到频域，在频域上对第一噪声分离信号进行第二滤波处理，去除平稳噪声，获得第二噪声分离信号；
[0023]噪声分离模块，用于通过逆傅里叶变换将第二噪声分离信号转换到时域，获得变电站排放噪声信号。
[0024]此外，为了实现上述目的，本专利技术还提供了一种变电站排放噪声分离设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的变电站排放噪声分离程序，所述变电站排放噪声分离程序被所述处理器执行时实现上述的变电站排放噪声分离方法的步骤。
[0025]此外，为了实现上述目的，本专利技术还提供了一种存储介质，所述存储介质上存储有变电站排放噪声分离程序，所述变电站排放噪声分离程序被处理器执行时实现上述的变电站排放噪声分离方法的步骤。
[0026]本专利技术实施例提出的一种变电站排放噪声分离方法、装置、设备及存储介质，该方法包括在变电站周边的预设位置进行噪声测量，获得总噪声信号；在时域上对总噪声信号进行第一滤波处理，去除非平稳噪声，获得第一噪声分离信号；通过傅里叶变换将第一噪声分离信号转换到频域，在频域上对第一噪声分离信号进行第二滤波处理，去除平稳噪声，获得第二噪声分离信号；通过逆傅里叶变换将第二噪声分离信号转换到时域，获得变电站排放噪声信号。本专利技术通过将时频域联合滤波引入变电站的噪声监测过程之中，有效地提高了噪声监测的准确性，降低了环境背景噪声对于噪声监测结果的干扰。解决了目前变电站排放噪声分离方法所需的先验信息多、计算量大、分离效果不理想的技术问题。
附图说明
[0027]图1为本专利技术实施例中一种变电站排放噪声分离设备的结构示意图。
[0028]图2为本专利技术变电站排放噪声分离方法实施例的流程示意图。
[0029]图3为本专利技术变电站排放噪声分离方法中削峰示意图。
[0030]图4为本专利技术变电站排放噪声分离方法中削峰结果对比图。
[0031]图5为本专利技术变电站排放噪声分离方法中观测信号频谱图。
[0032]图6为本专利技术变电站排放噪声分离方法中维纳滤波结果。
[0033]图7为本专利技术变电站排放噪声分离方法中滤波后信号频谱图。
[0034]图8为本专利技术实施例中一种变电站排放噪声分离装置的结构框图。
[0035]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0036]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0037]目前，在相关
中，变电站排放噪声分离方法所需的先验信息多、计算量大、分离效果不理想。
[0038]为了解决这一问题，提出本专利技术的变电站排放噪声分离方法的各个实施例。本专利技术提供的变电站排放噪声分离方法根据实际场景中经常存在的背景噪声类型，将噪声分离分为两个步骤。首先对于偶发的、非平稳噪声，例如狗叫声、鸟叫声等利用时域滤波方法将其去除，然后针对平稳的噪声，例如交通噪声等利用频域滤波方法给予去除，从本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种变电站排放噪声分离方法，其特征在于，所述方法包括以下步骤：S1：在变电站周边的预设位置进行噪声测量，获得总噪声信号；S2：在时域上对总噪声信号进行第一滤波处理，去除非平稳噪声，获得第一噪声分离信号；S3：通过傅里叶变换将第一噪声分离信号转换到频域，在频域上对第一噪声分离信号进行第二滤波处理，去除平稳噪声，获得第二噪声分离信号；S4：通过逆傅里叶变换将第二噪声分离信号转换到时域，获得变电站排放噪声信号。2.如权利要求1所述的变电站排放噪声分离方法，其特征在于，所述总噪声信号的表达式，具体为：y(t)＝y1(t)+n1(t)其中，y(t)为总噪声信号，y1(t)为第一噪声分离信号，n1(t)为非平稳噪声。3.如权利要求1所述的变电站排放噪声分离方法，其特征在于，所述步骤S2中，所述第一滤波处理，具体包括：对所述总噪声信号的幅值进行取包络处理并计算均值，去除均值以外的数据点。4.如权利要求1所述的变电站排放噪声分离方法，其特征在于，所述第一噪声分离信号的表达式，具体为：y1(t)＝s(t)+n2(t)其中，y1(t)为第一噪声分离信号，s(t)为变电站排放噪声信号为，n2(t)为平稳噪声。5.如权利要求2所述的变电站排放噪声分离方...
【专利技术属性】
技术研发人员：徐禄文，杨勃，王海涛，邱妮，邹岸新，宫林，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。