【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及信號處理，特別是一種基于多通道時頻空間濾波的無人機自噪聲濾除方法及系統(tǒng)。
技術(shù)介紹
1、近年來，在變電站的設(shè)備監(jiān)控和維護中，噪聲監(jiān)測變得愈發(fā)重要，尤其是對變壓器噪聲的監(jiān)測，可以幫助識別潛在的設(shè)備故障和運行異常。傳統(tǒng)的噪聲監(jiān)測方法往往依賴固定式傳感器或人工測量，存在覆蓋范圍有限、效率低下等問題。隨著無人機技術(shù)的發(fā)展，將無人機用于變電站的噪聲監(jiān)測成為一種新興趨勢。無人機具有靈活性高、覆蓋范圍廣的優(yōu)勢，能夠在復雜的變電站環(huán)境中自由移動，搭載麥克風陣列進行聲學感知任務(wù)。然而，由于無人機的麥克風陣列靠近旋翼和電機，這些部件產(chǎn)生的強烈自噪聲嚴重影響測量的精度和可靠性。盡管已有一些信號處理算法被提出用于無人機平臺上的聲音增強，但由于自噪聲的非平穩(wěn)性，這些算法在低信噪比環(huán)境下的表現(xiàn)仍然不盡如人意。近年來，深度學習技術(shù)為噪聲消除和語音增強領(lǐng)域帶來了革命性進展。當具備充足的訓練數(shù)據(jù)時，深度神經(jīng)網(wǎng)絡(luò)能夠?qū)W習嘈雜錄音中的特征，預測出清晰的目標聲音信號。傳統(tǒng)方法是依賴神經(jīng)網(wǎng)絡(luò)來學習嘈雜信號與對應干凈信號之間的映射關(guān)系，并通過這種映射關(guān)系估計干凈信號的時頻掩模。該方法憑借其簡單的網(wǎng)絡(luò)架構(gòu)和較低的計算復雜性，在處理相對穩(wěn)定的噪聲環(huán)境中表現(xiàn)出良好的魯棒性。然而，當面對非平穩(wěn)噪聲環(huán)境時，這種傳統(tǒng)方法的效果往往不盡如人意。非平穩(wěn)噪聲具有復雜的特征和變化模式，使得神經(jīng)網(wǎng)絡(luò)難以有效地捕捉和學習這些噪聲特性。特別是當訓練數(shù)據(jù)集中包含的噪聲具有代表性時，神經(jīng)網(wǎng)絡(luò)可能會過度擬合這些特定類型的噪聲，導致預測效果會顯著下降。無人機產(chǎn)生的強烈自噪聲具有復雜的時頻特征
技術(shù)實現(xiàn)思路
1、鑒于現(xiàn)有技術(shù)存在的問題，提出了本專利技術(shù)。
2、因此，本專利技術(shù)所要解決的問題在于操作者可以利用無人機搭載的麥克風陣列采集多通道含噪變壓器聲音后，根據(jù)深度神經(jīng)網(wǎng)絡(luò)估計的時頻掩模來構(gòu)建空間濾波器，結(jié)合混合聲音的空間信息和時頻特征實現(xiàn)無人機自噪聲濾除。
3、為解決上述技術(shù)問題，本專利技術(shù)提供如下技術(shù)方案：
4、第一方面，本專利技術(shù)實施例提供了一種基于多通道時頻空間濾波的無人機自噪聲濾除方法，其包括，利用無人機搭載麥克風陣列采集多通道含噪聲音信號，對采集信號進行短時傅里葉變換，獲得頻域信號；
5、使用深度神經(jīng)網(wǎng)絡(luò)估計比率掩模，對頻域信號進行對數(shù)歸一化處理；
6、重塑聲音信號以匹配時頻空間濾波器的fft長度，結(jié)合多通道比率掩模構(gòu)建時頻空間濾波器；
7、應用時頻空間濾波器去除無人機自噪聲并獲得目標聲音信號；
8、通過逆短時傅里葉變換將頻域信號轉(zhuǎn)換為時域信號，實現(xiàn)無人機自噪聲的濾除。
9、作為本專利技術(shù)所述基于多通道時頻空間濾波的無人機自噪聲濾除方法的一種優(yōu)選方案，其中：所述利用無人機搭載麥克風陣列采集多通道含噪聲音信號包括，利用無人機搭載n個麥克風采集聲音信號，接收到n個通道包含無人機自噪聲和目標聲音的混合聲音信號；
10、根據(jù)聲音信號的時長選擇合適的窗口大小截取輸入信號，再對每段信號使用短時傅里葉變換，得到n個通道的頻域信號；第n個通道的頻域混合聲音信號可表示為：
11、xn(k,l)＝sn(k,l)+vn(l,k)
12、其中，s為目標聲音信號，v為無人機自噪聲，k為頻率數(shù)，l為信號的時間幀。
13、作為本專利技術(shù)所述基于多通道時頻空間濾波的無人機自噪聲濾除方法的一種優(yōu)選方案，其中：所述使用深度神經(jīng)網(wǎng)絡(luò)估計比率掩模包括，使用理想比率掩模表示每個時頻點上目標聲音占比，表達式如下所示：
14、
15、當采用前饋神經(jīng)網(wǎng)絡(luò)，主要包含輸入層，多個隱藏層和輸出層，每個隱藏層都使用整流線性單元，以在處理數(shù)據(jù)時引入非線性變換，幫助神經(jīng)網(wǎng)絡(luò)捕捉到輸入數(shù)據(jù)中的復雜特征；
16、輸出層使用s型單元的結(jié)構(gòu)，從而將輸入數(shù)據(jù)映射到[0,1]的范圍內(nèi)，為提升模型的泛化能力，在每個隱藏層上添加一個退出層，通過隨機忽略部分神經(jīng)元來防止模型過擬合，得到準確估計理想比率掩模。
17、作為本專利技術(shù)所述基于多通道時頻空間濾波的無人機自噪聲濾除方法的一種優(yōu)選方案，其中：所述對頻域信號進行對數(shù)歸一化處理包括將頻域輸入信號進行對數(shù)壓縮，再歸一化為零均值和單位方差，表達式如下所示：
18、
19、其中，μ(k)和σ(k)為第k個時頻點的均值和標準差，是從訓練數(shù)據(jù)集預先計算出來，經(jīng)過對數(shù)歸一化后，頻譜圖尺度較小，利于模型訓練時收斂。
20、作為本專利技術(shù)所述基于多通道時頻空間濾波的無人機自噪聲濾除方法的一種優(yōu)選方案，其中：所述重塑聲音信號以匹配時頻空間濾波器的fft長度，結(jié)合多通道比率掩模構(gòu)建時頻空間濾波器包括如下步驟：
21、將對數(shù)歸一化后的頻譜以幀的方式提供給前饋神經(jīng)網(wǎng)絡(luò)，輸出第l幀處估計的比率掩模mn(1:k,l)；
22、模型參數(shù)利用監(jiān)督學習方式進行訓練，通過最小化估計比率掩模與理想比率掩模之間的平方誤差來優(yōu)化，表達式如下所示：
23、
24、由于神經(jīng)網(wǎng)絡(luò)估計的比率掩模與時頻空間濾波器的fft長度不匹配，所述后者fft長度更長以便捕獲傳輸延遲，無法直接構(gòu)建濾波器；
25、根據(jù)估計的比率掩模得到頻域目標聲音信號s(k1,l1)，通過逆短時傅里葉變換將其轉(zhuǎn)換為時域信號s(t)，逆短時傅里葉變換可表示為如下所示：
26、
27、其中t表示fft長度，r是相鄰幀之間的距離，ω(t)是窗口類型，參數(shù)均與短時傅里葉變換時相同；
28、將各幀的時域信號按照它們在時間軸上的位置疊加就得到時域信號s(t)，再通過短時傅里葉變換將s(t)和x(t)轉(zhuǎn)換成空間濾波器所需fft長度下的頻域信號s(k2,l2)和x(k2,l2)，比率掩模就被重新估計為如下所示：
29、
30、作為本專利技術(shù)所述基于多通道時頻空間濾波的無人機自噪聲濾除方法的一種優(yōu)選方案，其中：所述應用時頻空間濾波器去除無人機自噪聲并獲得目標聲音信號包括如下步驟：
31、結(jié)合n個通道的比率掩模進行平均池化得到m(k2,l2)，進而得到反映各個時頻點上目標語音信號能量分布的空間矩陣和總能量分布的混合聲音空間矩陣，表達式如下所示：
32、
33、其中，φs表示各個時頻點上目標語音信號能量分布的空間矩陣；φx表示總能量分布的混合聲音空間矩陣；
34、再構(gòu)建時頻空間濾波器得到濾除無人機自噪聲后的頻域目標聲音信號：
35、
36、其中，φs1表示φs的第一列。
37、作為本專利技術(shù)所述基于多通道時頻空間濾波的無人機自噪聲濾除方法的一種優(yōu)選方案，其中：所述通過逆短時傅里葉變換將頻域信號轉(zhuǎn)換為時域信號包括，將時頻空間濾波器得到的頻域目標聲音信號按照步驟重塑聲音信號以匹配時頻空間濾波器的fft長度中逆短時傅里葉變換的方式轉(zhuǎn)換，得到時域下的目標聲音信本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于多通道時頻空間濾波的無人機自噪聲濾除方法，其特征在于：包括，
2.如權(quán)利要求1所述的基于多通道時頻空間濾波的無人機自噪聲濾除方法，其特征在于：所述利用無人機搭載麥克風陣列采集多通道含噪聲音信號包括，利用無人機搭載N個麥克風采集聲音信號，接收到N個通道包含無人機自噪聲和目標聲音的混合聲音信號；
3.如權(quán)利要求2所述的基于多通道時頻空間濾波的無人機自噪聲濾除方法，其特征在于：所述使用深度神經(jīng)網(wǎng)絡(luò)估計比率掩模包括，使用理想比率掩模表示每個時頻點上目標聲音占比，表達式如下所示：
4.如權(quán)利要求3所述的基于多通道時頻空間濾波的無人機自噪聲濾除方法，其特征在于：所述對頻域信號進行對數(shù)歸一化處理包括將頻域輸入信號進行對數(shù)壓縮，再歸一化為零均值和單位方差，表達式如下所示：
5.如權(quán)利要求4所述的基于多通道時頻空間濾波的無人機自噪聲濾除方法，其特征在于：所述重塑聲音信號以匹配時頻空間濾波器的FFT長度，結(jié)合多通道比率掩模構(gòu)建時頻空間濾波器包括如下步驟：
6.如權(quán)利要求5所述的基于多通道時頻空間濾波的無人機自噪聲濾除方法，其特征
7.如權(quán)利要求6所述的基于多通道時頻空間濾波的無人機自噪聲濾除方法，其特征在于：所述通過逆短時傅里葉變換將頻域信號轉(zhuǎn)換為時域信號包括，將時頻空間濾波器得到的頻域目標聲音信號按照步驟重塑聲音信號以匹配時頻空間濾波器的FFT長度中逆短時傅里葉變換的方式轉(zhuǎn)換，得到時域下的目標聲音信號，實現(xiàn)了無人機自噪聲的濾除。
8.一種基于多通道時頻空間濾波的無人機自噪聲濾除系統(tǒng)，基于權(quán)利要求1～7任一所述的基于多通道時頻空間濾波的無人機自噪聲濾除方法，其特征在于：還包括，
9.一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于：所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1～7任一所述的基于多通道時頻空間濾波的無人機自噪聲濾除方法的步驟。
10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1～7任一所述的基于多通道時頻空間濾波的無人機自噪聲濾除方法的步驟。
...【技術(shù)特征摘要】
1.一種基于多通道時頻空間濾波的無人機自噪聲濾除方法，其特征在于：包括，
2.如權(quán)利要求1所述的基于多通道時頻空間濾波的無人機自噪聲濾除方法，其特征在于：所述利用無人機搭載麥克風陣列采集多通道含噪聲音信號包括，利用無人機搭載n個麥克風采集聲音信號，接收到n個通道包含無人機自噪聲和目標聲音的混合聲音信號；
3.如權(quán)利要求2所述的基于多通道時頻空間濾波的無人機自噪聲濾除方法，其特征在于：所述使用深度神經(jīng)網(wǎng)絡(luò)估計比率掩模包括，使用理想比率掩模表示每個時頻點上目標聲音占比，表達式如下所示：
4.如權(quán)利要求3所述的基于多通道時頻空間濾波的無人機自噪聲濾除方法，其特征在于：所述對頻域信號進行對數(shù)歸一化處理包括將頻域輸入信號進行對數(shù)壓縮，再歸一化為零均值和單位方差，表達式如下所示：
5.如權(quán)利要求4所述的基于多通道時頻空間濾波的無人機自噪聲濾除方法，其特征在于：所述重塑聲音信號以匹配時頻空間濾波器的fft長度，結(jié)合多通道比率掩模構(gòu)建時頻空間濾波器包括如下步驟：
6.如權(quán)利要求5所述的基于多通道時頻空間濾波的無人機...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李銳，張磊，陳梁遠，易辰穎，蘆宇峰，黃煒，饒夏錦，潘紹明，
申請(專利權(quán))人：廣西電網(wǎng)有限責任公司電力科學研究院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。