一種用于電纜故障檢測定點儀的智能背景降噪方法與流程

本發明屬于智能背景降噪技術領域，尤其涉及一種用于電纜故障檢測定點儀的智能背景降噪方法。

背景技術：

隨著電力電纜應用數量的不斷增多與運行時間的不斷增長，電纜故障率也隨之增加。由于目前電纜大多埋在地下，一旦發生故障則很難將其找到，如果定位不準將會浪費大量時間，造成人們生活的不便與無法估量的經濟損失，因此找到一種快速、準確的電纜故障定位方法可以減少故障修復費用和停電時間，從而減少停電帶來的損失。聲磁同步法是目前電纜故障定位方法中的一種有效的方法，其原理是根據聲音信號與磁場信號的傳播速度不同所產生的檢測時間差來定位故障點的位置，其中由電磁感應原理獲得的磁場信號不易被干擾，容易被檢測到，而放電聲音信號是由放電能量轉化的振動產生，產生的信號小，尤其當電纜路徑所處的周圍環境含強背景噪聲時，放電聲音信號被噪聲淹沒，性噪比低，所以放電聲音信號的有效檢測是聲磁同步法中的難點。聲音信號有效檢測的根本是抑制背景噪聲，從含噪聲音中提取盡可能純凈的原始聲音信號。隨著聲音信號數字化處理技術的迅猛發展，智能背景降噪技術逐漸成為人們研究的熱點，產生了很多方法用以對聲音信號進行降噪以達到增強與提取的目的，目前智能背景降噪方法主要分為4類方法：1.基于短時幅度譜估計的背景降噪方法，該方法是實時處理中應用最廣泛的一類方法，但是基于該原理的方法均會產生一些“音樂噪聲”；2.基于信號子空間的背景降噪方法，該方法計算復雜度高；3.基于聲音生成模型的降噪方法，其中，最常用的是維納濾波及卡爾曼濾波，維納濾波，形式簡單，但濾波參數是固定的，局限性較大，卡爾曼濾波，計算量大，因而限制了此算法的應用；4.基于人耳掩蔽閾值的降噪方法，但該方法常需要借助其他算法，在計算的過程中需要估計出純凈聲音的功率譜，且計算量較大。

綜上所述，現有技術存在的問題是：目前電纜故障檢測定點儀中的定位算法無法有效提取信噪比低或含有復雜環境噪聲信號中的放電聲。

技術實現要素：

針對現有技術存在的問題，本發明提供了一種用于電纜故障檢測定點儀的智能背景降噪方法。

本發明是這樣實現的，一種用于電纜故障檢測定點儀的智能背景降噪方法，所述用于電纜故障檢測定點儀的智能背景降噪方法采用譜減法和小波變換去除數據相關性相結合用以對電纜故障點放電聲音信號進行背景降噪；參數由基于背景與電纜故障點放電聲音信號為周期性與瞬間高能量性的窄帶信號來確定；

所述譜減法對帶噪放電聲音信號進行去噪處理，采集的故障點放電帶噪聲音信號為y(n)(n為采樣點數)，加窗處理后得到第i幀信號為y_i(n)，將其做離散傅里葉變換(DFT)后為Y_i(k)(k＝0,1,···,M-1,M為幀長)，其幅值為|Y_i(k)|，前導無話段的噪聲平均能量為a為過減因子，b為增益補償因子，譜減后信號的幅值為利用聲音信號對相位不敏感的特性，譜減后信號的幅值結合譜減前信號的相位經傅里葉逆變換即可得到經過譜減處理，即已初步消噪的放電聲音信號，譜減算法為：

根據小波與采集信號樣本數據的特性確定小波基與小波分解層數，選擇階數是15～25的Daubechies小波，小波分解層數取3～5。

進一步，所述用于電纜故障檢測定點儀的智能背景降噪方法包括以下步驟：

(1)在強背景噪聲環境下采集電纜故障點放電帶噪聲音信號，并根據聲音信號的特點和信號采樣率確定對采樣的低信噪比信號進行分幀處理時的幀長、幀移參數；

(2)根據窗函數的特性，確定對帶噪放電聲音信號進行分幀時所使用的窗函數；

(3)根據采樣的帶噪放電聲音信號的特性與實時環境，確定帶噪放電聲音信號的前導無話段長度；

(4)確定對帶噪放電聲音信號進行降噪處理所使用的譜減法中的過減因子與增益補償因子；

(5)采用譜減法對帶噪放電聲音信號進行去噪處理；

(6)根據小波與采集信號樣本數據的特性確定小波基與小波分解層數；

(7)用小波變換對譜減法處理得到的信噪比提高的信號進行分析，進一步將放電聲音信號與殘留噪聲分離開。

進一步，所述步驟(1)在強背景噪聲環境下采集電纜故障點放電帶噪聲音信號，并對采樣的低信噪比信號進行分幀處理，根據信號的采樣率確定對信號進行分幀處理時的幀長和幀移參數，采樣率為8kHz，幀長為256個數據點，幀移為128個數據點。

進一步，所述步驟(2)根據窗函數的特性，確定對帶噪放電聲音信號進行分幀時所使用的窗函數，對帶噪放電聲音信號進行分幀時使用漢明窗。

進一步，所述步驟(3)根據實際情況采樣的帶噪放電聲音信號的特性與當時的實時環境，確定帶噪放電聲音信號的前導無話段長度，將采樣信號的前10幀當作純噪聲信號，其不包含有用的沖擊放電聲音信號，即作為前導無話段。

進一步，所述步驟(4)根據實際采樣的帶噪放電聲音信號調整和確定對帶噪放電聲音信號進行降噪處理所使用的譜減法中的過減因子與增益補償因子，過減因子取值為大于或等于1且接近1的數，增益補償因子取值為小于1且大于0、接近0的數。

進一步，所述步驟(7)用小波變換對譜減法處理得到的信噪比提高的信號進行分解，小波分解層數表示信號經過多少次小波變換后可以明顯將放電聲音信號與殘留噪聲分離開，其是根據實際采樣的帶噪放電聲音信號來確定，若分解層數為x，則第x尺度水平的低頻信號即為電纜故障點放電帶噪聲音信號中的沖擊放電信號。

本發明的另一目的在于提供一種應用所述用于電纜故障檢測定點儀的智能背景降噪方法的電纜故障定位儀。

本發明的優點及積極效果為：本發明用于電纜故障檢測定點儀的智能背景降噪方法，以定點儀的使用特點為基礎，結合譜減法與小波變換兩者優勢，其實時性好，運算量小，魯棒性強，具有對噪聲先驗知識需求少的特性，精確度高，如在強背景噪聲環境下距離故障點5m遠處采集混合信號，此時故障點沖擊放電聲音信號完全淹沒在背景噪聲中，相對于目前智能背景降噪技術中應用較廣泛的譜減法很難將非平穩低信噪比混合信號中的放電聲音信號提取出來，本發明可靈敏地將低信噪比混合信號中的噪聲與放電聲音信號區分開來，得到的放電聲音信號信噪比比譜減法得到的信號信噪比提高10dB左右，從而能夠基本解決過去電纜故障檢測定點儀無法在復雜背景噪聲環境中有效定位電纜故障點的問題。

1.本發明是應用于電纜故障精確定位具體背景中的智能背景降噪方法，方法中的參數正是基于此背景與電纜故障點放電聲音信號是周期性與瞬間高能量性的窄帶信號這一特性確定的，因而能夠更適于去除故障點放電聲音信號中的噪聲，達到有效檢測故障點位置的目的。

2.譜減法具有運算量小、噪聲先驗知識需求少的優點，小波變換去除數據相關性能力強，對噪聲不敏感，具有時頻定位的特性，在處理非平穩信號方面具有獨特優勢。本發明將兩者進行結合用以對電纜故障點放電聲音信號進行背景降噪，具有實時性好，魯棒性強，對噪聲先驗知識需求少的特性，精確度高，能夠有效提取信噪比低或含有復雜環境噪聲信號中的放電聲的問題。

附圖說明

圖1是本發明實施例提供的用于電纜故障檢測定點儀的智能背景降噪方法流程圖。

圖2是本發明實施例提供的實施例1驗證本發明時所構造的沖擊放電聲音信號。

圖3是本發明實施例提供的實施例1驗證本發明時所構造的帶噪混合信號。

圖4是本發明實施例提供的實施例1基本譜減法處理后的沖擊放電聲。

圖5是本發明實施例提供的實施例1本發明處理后的沖擊放電聲。

圖6是本發明實施例提供的實施例2驗證本發明時現場所采集的電纜故障點放電帶噪聲音信號。

圖7是本發明實施例提供的實施例2基本譜減法處理后的沖擊放電聲。

圖8是本發明實施例提供的實施例2本發明處理后的沖擊放電聲。

具體實施方式

為了使本發明的目的、技術方案及優點更加清楚明白，以下結合實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。

下面結合附圖對本發明的應用原理作詳細的描述。

如圖1所示，本發明實施例提供的用于電纜故障檢測定點儀的智能背景降噪方法包括以下步驟：

S101：確定對采樣的電纜故障點放電帶噪聲音信號進行分幀處理時的幀長、幀移參數；

S102：確定對帶噪放電聲音信號進行分幀時所使用的窗函數；

S103：確定帶噪放電聲音信號前導無話段長度；

S104：確定對帶噪放電聲音信號進行降噪處理所使用的譜減法中的過減因子與增益補償因子；

S105：采用譜減法對帶噪放電聲音信號進行去噪處理；

S106：確定小波基與小波分解層數；

S107：用小波變換對譜減法處理得到的信噪比提高的信號進行分析，進一步將放電聲音信號與殘留噪聲分離開。

本發明實施例的用于電纜故障檢測定點儀的智能背景降噪方法具體包括以下步驟：

步驟1，確定對采樣的電纜故障點放電帶噪聲音信號進行分幀處理時的幀長、幀移參數。

在強背景噪聲環境下采集電纜故障點放電帶噪聲音信號，并對采樣的低信噪比信號進行分幀處理，雖然聲音信號具有很強的時變特性，但是在較短的時間內，大約為5～50ms，聲音信號的特征可認為是基本保持不變的，具有短時平穩性，通常截取具有短時平穩性的一段聲音進行分析，也即一幀信號，聲音的幀長一般取10～30ms，因而根據信號的采樣率確定對信號進行分幀處理時的幀長和幀移參數，采樣率為8kHz，幀長為256個數據點，幀移為128個數據點。

步驟2，確定對帶噪放電聲音信號進行分幀時所使用的窗函數。

根據窗函數的特性，確定對帶噪放電聲音信號進行分幀時所使用的窗函數，由于故障點放電聲音信號為窄帶信號，具有瞬間高能量性，而聲音信號分析常用的窗函數中適用于分析有較強干擾噪聲的窄帶信號的窗函數為漢明窗，所以對帶噪放電聲音信號進行分幀時使用漢明窗。

步驟3，確定帶噪放電聲音信號前導無話段長度。

根據實際情況采樣的帶噪放電聲音信號的特性與當時的實時環境，確定帶噪放電聲音信號的前導無話段長度，一般將采樣信號的前10幀當作純噪聲信號，其不包含有用的沖擊放電聲音信號，即作為前導無話段(噪聲段)。

步驟4，確定對帶噪放電聲音信號進行降噪處理所使用的譜減法中的過減因子與增益補償因子。

根據實際采樣的帶噪放電聲音信號調整和確定對帶噪放電聲音信號進行降噪處理所使用的譜減法中的過減因子與增益補償因子，過減因子取值為大于或等于1且接近1的數，增益補償因子取值為小于1且大于0、接近0的數。

步驟5，采用譜減法對帶噪放電聲音信號進行去噪處理。

設采集的故障點放電帶噪聲音信號為y(n)(n為采樣點數)，加窗處理后得到第i幀信號為y_i(n)，將其做離散傅里葉變換(DFT)后為Y_i(k)(k＝0,1,···,M-1,M為幀長)，其幅值為|Y_i(k)|，前導無話段的噪聲平均能量為a為過減因子，b為增益補償因子，譜減后信號的幅值為利用聲音信號對相位不敏感的特性，譜減后信號的幅值結合譜減前信號的相位經傅里葉逆變換即可得到經過譜減處理，即已初步消噪的放電聲音信號。譜減算法為

步驟6，確定小波基與小波分解層數。

根據小波與采集信號樣本數據的特性確定小波基與小波分解層數，選擇的小波基為具有很好消噪效果的緊支撐正交小波中應用較廣泛的Daubechies小波，簡寫為“dbN”，N是小波的階數，階數的降低會使得分解信號中調制干擾信號增多，而階數越高，計算越復雜，所以一般選擇的合適階數是15～25，小波分解層數則表示信號經過多少次小波變換后可以明顯將放電聲音信號與殘留噪聲分離開，其是根據實際采樣的帶噪放電聲音信號來確定，一般取3～5。

步驟7，用小波變換對譜減法處理得到的信噪比提高的信號進行分析。

若分解層數為x，則第x尺度水平的低頻信號即為電纜故障點放電帶噪聲音信號中的沖擊放電信號，從而達到了將放電聲音信號與殘留噪聲分離開的目的。

下面結合仿真實驗對本發明的應用效果作詳細的描述。

一、對本發明進行仿真驗證

本發明采用指數衰減的振蕩信號表示電纜故障擊穿產生的沖擊放電聲，如圖2所示。在沖擊放電聲音信號上疊加高斯白噪聲，使得帶噪混合信號初始信噪比為-15dB，如圖3所示，從圖中可看出沖擊放電聲完全被噪聲所淹沒。圖4、圖5分別為基本譜減法、本發明的用于電纜故障檢測定點儀的智能背景降噪方法對混合信號處理后的聲音信號，其中，使用漢明窗進行分幀，每幀長256個數據點，幀間疊加128個數據點，譜減法中的過減因子為4，增益補償因子為0.001。圖4中聲音信號的信噪比為-1dB，比圖3中信號信噪比提高了14dB，圖5中聲音信號的信噪比為6dB，比圖3中信號信噪比提高了21dB，可見本發明的用于電纜故障檢測定點儀的智能背景降噪方法比基本譜減法去噪效果更明顯。基本譜減法雖然能夠在一定程度上去除噪聲的干擾，但由于其無法實時估計噪聲信號導致譜減后信號中仍殘留干擾噪聲，從而無法提取沖擊放電聲。本發明的用于電纜故障檢測定點儀的智能背景降噪方法處理后的信號信噪比比基本譜減法高了7dB，基本去除了其他干擾噪聲，分離出沖擊放電聲，從而達到精確定位電纜故障的目的。

二、現場采集電纜故障點放電帶噪聲音信號對本發明進行實驗驗證

在實驗現場用20kV電壓使電纜故障點擊穿產生沖擊放電聲，并為了驗證信噪比非常低的情況下本發明的有效性，在強背景噪聲環境下離電纜故障點約5m遠處以8kHz采樣頻率對故障點放電帶噪聲音信號進行了采集，其波形圖如圖6所示，從圖中可以看出電纜故障點沖擊放電聲完全被淹沒在噪聲中。采用基本譜減法對帶噪放電聲音信號進行降噪處理，其處理結果如圖7所示，從圖中可以看出基本譜減法能夠在一定程度上去除噪聲的干擾，但由于處于強背景噪聲環境下，各種噪聲并不是平穩的白噪聲那么簡單，來源不盡相同，噪聲特性各有差異，此時基本譜減法無法實時正確地估計噪聲信號，導致殘留噪聲影響有用聲音信號，即沖擊放電聲的提取。圖8為本發明的用于電纜故障檢測定點儀的智能背景降噪方法對帶噪放電聲音信號處理后的信號，其中，使用“db10”小波對信號進行4尺度小波分解。小波變換可以靈敏地檢測正常信號中的瞬態異常現象，即可以從譜減法處理得到的數據中將噪聲與沖擊放電聲分解到不同的頻帶。從圖8中可以看出，得到一個具有周期性與瞬間高能量性的信號，其符合沖擊放電聲音信號的特性，說明沖擊放電聲音信號被很清晰地分離出來，從而可以達到精確定位電纜故障的目的。

以上所述僅為本發明的較佳實施例而已，并不用以限制本發明，凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明的保護范圍之內。