一种基于沙漏模型的气体泄漏声信号降噪方法及系统技术方案

技术编号:38987848 阅读:18 留言:0更新日期:2023-10-07 10:18
本发明专利技术提供了一种基于沙漏模型的气体泄漏声信号降噪方法及系统,实时采集气体泄漏声信号,构建训练集和测试集,对建立的沙漏模型进行训练和测试,得到最终的沙漏模型,通过一维卷积层对声信号进行特征编码及分割,对得到的编码特征序列进行分离,通过一维反卷积层对得到的目标信号的特征序列及背景噪声信号的特征序列进行还原和解码,输出最终的目标信号的特征序列及背景噪声信号的特征序列。本发明专利技术的有益效果是:通过混合不同信噪比的背景噪声可以使沙漏模型可以在对微弱泄漏信号进行降噪时也有良好的降噪效果,同时通过使用膨胀因果卷积进行局部建模可以更好地提取时间序列的上下文信息,提高对段内序列的建模能力。提高对段内序列的建模能力。提高对段内序列的建模能力。

【技术实现步骤摘要】
一种基于沙漏模型的气体泄漏声信号降噪方法及系统


[0001]本专利技术涉及声信号故障诊断领域,尤其涉及一种基于沙漏模型的气体泄漏声信号降噪方法及系统。

技术介绍

[0002]在化工管道运输气体过程中可能会发生泄漏情况,影响化工产业的生产效率,造成巨大的经济损失,因此有必要对气体泄漏进行实时监测。气体泄漏检测通常需要先对气体泄漏声信号进行特征提取,然后判断是否存在气体泄漏的情况,因此研究可靠的声信号降噪算法对提高检测准确率是有必要的。
[0003]现有的声信号降噪算法分为基于掩码的时频域降噪方法和基于原始波形的时域降噪方法。
[0004]基于掩码的时频域降噪方法首先需要从混合声信号中提取时频域特征,然后进行特征分离得到不同目标信号的时频特征,最后经过短时傅里叶逆变换重建声信号。由于该方法通过短时傅里叶变换提取来时频特征,丢失了相位信息,仅通过幅度估计对信号进行建模和分离,相较于时域降噪方法降噪效果较差。且基于掩码的时频域降噪方法的降噪性能主要取决于掩码估计的准确率,掩码估计不准确时则会导致分离出的目标信号中仍掺杂背景噪声,对后续检测造成不利影响。
[0005]基于原始波形的时域降噪方法直接对混合声信号进行降噪,使用编码器和解码器代替傅里叶变换和傅里叶逆变换提取声信号特征并分离出目标信号及背景噪声,可以避免短时傅里叶变换导致的相位信息丢失和幅度解耦等问题。该方法相较于时频域降噪方法虽然降噪速度较快且降噪效果好,但分离模块的设计较为复杂,现有局部建模模块及全局建模模块的建模能力仍有提升空间。
>
技术实现思路

[0006]为了解决现有的气体泄漏的降噪方法存在信号降噪能力较差、对特征序列建模能力不足等问题,本专利技术提供了一种基于沙漏模型的气体泄漏声信号降噪方法及系统。
[0007]一种基于沙漏模型的气体泄漏声信号降噪方法,包括:
[0008]S1:通过非接触式的方式实时采集气体泄漏声信号,构建训练集和测试集,其中,该气体泄漏声信号包括目标信号和背景噪声;
[0009]S2:采用神经网络模型建立沙漏模型,通过训练集和测试集对所述沙漏模型进行训练和测试,得到最终的沙漏模型,最终的沙漏模型包括一维卷积层和一维反卷积层,通过一维卷积层对声信号进行特征编码及分割,得到编码特征序列;
[0010]S3:对编码特征序列进行分离,得到目标信号的特征序列及背景噪声信号的特征序列;
[0011]S4:最后通过一维反卷积层对步骤S3得到的目标信号的特征序列及背景噪声信号的特征序列进行还原和解码,输出最终的目标信号的特征序列及背景噪声信号的特征序
列,由此实现对实际工作环境出现的气体泄漏声信号的降噪。
[0012]进一步地,步骤S2中,特征编码及分割的过程如下:使用一维卷积层对声信号进行编码,并使用ReLU激活函数进行激活,得到编码特征序列,然后对特征序列进行分割,便于后续特征分离。
[0013]进一步地,步骤S3中,采用局部建模和全局建模对编码特征序列进行分离;
[0014]本步骤使用膨胀系数为1、2、4的膨胀因果卷积对编码特征序列内的局部信息进行建模,得到局部建模后的特征序列,局部建模的计算过程可表示为:
[0015][0016]式中,F(x)表示在经过膨胀因果卷积计算后输出的特征序列,f(i)为卷积核,x
k

d
·
i
为f(i)对应卷积窗口内的特征序列,d表示膨胀系数,i表示f(i)对应的卷积窗口位置,k为一维卷积核的尺寸;
[0017]通过对编码特征序列间的全局信息进行建模,得到全局建模后的特征序列,全局建模的具体过程为:
[0018](1)首先通过两个一维平均池化分别提取垂直方向和水平方向上的特征,并拼接成对两个具备空间感知信息的特征向量;
[0019](2)然后根据输入特征向量的高度H和宽度W,将池化核尺寸设置为(H,1)及(1,W);
[0020](3)再沿着垂直方向和水平方向对不同通道的信息进行编码,并分解为水平和垂直方向的权重矩阵;
[0021](4)最后对输入的局部建模特征序列进行加权,得到含有全局信息的特征序列。
[0022]进一步地,步骤(1)中,特征向量的计算过程为:
[0023][0024]式中,x
c
为输入的特征向量,c为输入特征向量的通道数,[,]为特征向量的拼接运算,f为沿X轴和Y轴编码得到的含有空间信息的特征图,F1为非线性变换,δ为非线性激活函数,H和W分别表示特征向量的高度H和宽度W,i表示f在X轴方向上对应的卷积窗口位置,j表示f在Y轴方向上对应的卷积窗口位置,h表示对应卷积窗口的高度,w表示对应卷积窗口的宽度。
[0025]进一步地,步骤(3)中,水平和垂直方向的权重矩阵的计算过程为:
[0026][0027][0028]式中,F
h
为水平方向的1
×
1卷积操作,F
w
为垂直方向的1
×
1卷积操作,δ为非线性激活函数,σ为Sigmoid激活函数,为垂直方向的加权输出特征,为水平方向的加权输出特征,和为特征图f被分解后的两个独立的张量。
[0029]一种基于沙漏模型的气体泄漏声信号降噪系统,主要包括:采集模块、特征编码模
块、特征分离模块和特征解码模块;
[0030]采集模块,用于通过非接触式的方式实时采集气体泄漏声信号,构建训练集和测试集,其中,该气体泄漏声信号包括目标信号和背景噪声;
[0031]特征编码模块,用于通过一维卷积层将原始声信号进行编码,并使用R
e
LU激活函数进行激活,得到编码特征序列,并将该编码特征序列分割后输入至特征分离模块及特征解码模块;本模块中,采用神经网络模型建立沙漏模型,通过训练集和测试集对所述沙漏模型进行训练和测试,得到最终的沙漏模型,最终的沙漏模型包括一维卷积层和一维反卷积层;
[0032]特征分离模块,用于对分割后的编码特征序列进行分离,得到目标信号的特征序列及背景噪声信号的特征序列;
[0033]特征解码模块,用于通过一维反卷积层对目标信号的特征序列及背景噪声信号的特征序列进行还原和解码,输出最终的目标信号的特征序列和背景噪声信号的特征序列,由此实现对实际工作环境出现的气体泄漏声信号的降噪。
[0034]进一步地,特征编码模块中,特征编码及分割的过程如下:使用一维卷积层对声信号进行编码,并使用ReLU激活函数进行激活,得到编码特征序列,然后对特征序列进行分割,便于后续特征分离。
[0035]进一步地,特征分离模块中,采用局部建模和全局建模对编码特征序列进行分离;
[0036]本模块使用膨胀系数为1、2、4的膨胀因果卷积对编码特征序列内的局部信息进行建模,得到局部建模后的特征序列,局部建模的计算过程可表示为:
[0037][0038]式中,F(x)表示在经过膨胀因果卷积计算后输出的特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于沙漏模型的气体泄漏声信号降噪方法,其特征在于:包括:S1:通过非接触式的方式实时采集气体泄漏声信号,构建训练集和测试集,其中,该气体泄漏声信号包括目标信号和背景噪声;S2:采用神经网络模型建立沙漏模型,通过训练集和测试集对所述沙漏模型进行训练和测试,得到最终的沙漏模型,最终的沙漏模型包括一维卷积层和一维反卷积层,通过一维卷积层对声信号进行特征编码及分割,得到编码特征序列;S3:对编码特征序列进行分离,得到目标信号的特征序列及背景噪声信号的特征序列;S4:最后通过一维反卷积层对步骤S3得到的目标信号的特征序列及背景噪声信号的特征序列进行还原和解码,输出最终的目标信号的特征序列及背景噪声信号的特征序列,由此实现对实际工作环境出现的气体泄漏声信号的降噪。2.如权利要求1所述的一种基于沙漏模型的气体泄漏声信号降噪方法,其特征在于:步骤S2中,特征编码及分割的过程如下:使用一维卷积层对声信号进行编码,并使用ReLU激活函数进行激活,得到编码特征序列,然后对特征序列进行分割,便于后续特征分离。3.如权利要求2所述的一种基于沙漏模型的气体泄漏声信号降噪方法,其特征在于:步骤S3中,采用局部建模和全局建模对编码特征序列进行分离;本步骤使用膨胀系数为1、2、4的膨胀因果卷积对编码特征序列内的局部信息进行建模,得到局部建模后的特征序列,局部建模的计算过程可表示为:式中,F(x)表示在经过膨胀因果卷积计算后输出的特征序列,f(i)为卷积核,x
k

d
·
i
为f(i)对应卷积窗口内的特征序列,d表示膨胀系数,i表示f(i)对应的卷积窗口位置,k为一维卷积核的尺寸;通过对编码特征序列间的全局信息进行建模,得到全局建模后的特征序列,全局建模的具体过程为:(1)首先通过两个一维平均池化分别提取垂直方向和水平方向上的特征,并拼接成对两个具备空间感知信息的特征向量;(2)然后根据输入特征向量的高度H和宽度W,将池化核尺寸设置为(H,1)及(1,W);(3)再沿着垂直方向和水平方向对不同通道的信息进行编码,并分解为水平和垂直方向的权重矩阵;(4)最后对输入的局部建模特征序列进行加权,得到含有全局信息的特征序列。4.如权利要求3所述的一种基于沙漏模型的气体泄漏声信号降噪方法,其特征在于:步骤(1)中,特征向量的计算过程为:式中,x
c
为输入的特征向量,c为输入特征向量的通道数,[,]为特征向量的拼接运算,f为沿X轴和Y轴编码得到的含有空间信息的特征图,F1为非线性变换,δ为非线性激活函数,H和W分别表示特征向量的高度H和宽度W,i表示f在X轴方向上对应的卷积窗口位置,j表示f在Y轴方向上对应的卷积窗口位置,h表示对应卷积窗口的高度,w表示对应卷积窗口的宽
度。5.如权利要求3所述的一种基于沙漏模型的气体泄漏声信号降噪方法,其特征在于:步骤(3)中,水平和垂直方向的权重矩阵的计算过程为:骤(3)中,水平和垂直方向的权重矩阵的计算过程为:式中,F
h
为水平方向的1
×
1卷积操作,F
w
为垂直方向的1
×
1卷积操作,δ为非线性激活函数,σ为Sigmoid激活函数,为垂直方向的加权输出特征,为水平方向的加权输出特征,和为特征图f被分解后的两个独立的张量。6.一种基于沙漏模型的气体泄漏声信号降噪系统,其特征在于:包括:采集模块、特征编码模块、特征分离模...

【专利技术属性】
技术研发人员:余永升祝锐
申请(专利权)人:海纳科德湖北科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1