一种基于无监督方式的电力变压器工况噪声分离方法与流程

技术特征：
1.一种基于无监督方式的电力变压器工况噪声分离方法，其特征在于，包括以下步骤：11)电力变压器声纹数据的采集：通过声纹采集传感器实地采集获取电力变压器音频数据；12)声纹数据的预处理：运用分段、分帧、音频加窗预处理方法对所采集的变压器声纹进行去噪处理；13)变压器声纹的压缩：运用频率压缩方法对预处理后的声纹数据进行频率压缩，得到帧信号的压缩特征；14)变压器工况噪声的分离：基于特征向量夹角相似度算法进行声纹叠加的分离检测，分离出变压器工况噪声特性。2.根据权利要求1所述的一种基于无监督方式的电力变压器工况噪声检测方法，其特征在于，所述声纹数据的预处理包括以下步骤：21)对采集的变压器音频s(t)进行分段操作：对获得的变压器音频数据进行分段切分成s(t)＝{s1(t),s2(t),...,s
q
(t),...s
r
(t)}，计算声纹数据的总长度l，其计算公式如下：l＝time
×
fs
sample
＝r
×
r
l
，其中，fs
sample
为该音频的采样频率,time是采样时间，r为分段数量，r
l
为分段长度；22)对已经分段的变压器音频数据s
q
(t)进行分帧处理：将变压器声纹帧长设为500ms，进行分帧处理为s
q
(t)＝{s
q1
(t),s
q2
(t),...,s
qp
(t),...s
qlength
(t)}，其中，每一帧长度设定为500ms，每一段分为length帧；23)对分帧后变压器音频加窗处理：对分帧数据进行端点平滑的加窗处理，使用hamming窗对帧进行加窗处理，hamming窗的函数表示如下：其中m为帧长；针对每一帧得到时域信号f
qp
(t)，其表达式如下：f
qp
(t)＝s
qp
(t)*w(n)，其中，f
qp
(t)是第q段信号的第p帧的时域信号，w(n)为加窗函数，s
qp
(t)为第q段信号的第p帧的信号值。3.根据权利要求1所述的一种基于无监督方式的电力变压器工况噪声检测方法，其特征在于，所述变压器声纹的压缩包括以下步骤：31)利用离散傅里叶变换将每一帧的时域信号f
qp
(t)变换到频域f
qp
(w)，离散傅里叶变换的表达式如下：其中，f
qp
(t)为时域函数，f
qp
(w)为其离散傅里叶变换后得到的频域函数；
32)对频域f
qp
(w)进行压缩处理：321)将声音的频谱信息w分为低频数据[l1,l2]、中频[m1,m2]、高频[h1,h2]三个频段；322)对三种频段使用不同的频率压缩比例k1,k2,k3进行压缩，其中k1>k2>k3；323)采取最大值策略进行压缩取值，选取每个压缩区间最大值作为压缩结果，得到压缩后的数据为其中，低频总维度w1＝(l2
‑
l1)/k1，中频总维度w2＝(m2
‑
m1)/k2，高频总维度w3＝(h2
‑
h1)/k3；表示低频压缩数据，表示中频压缩数据，表示高频压缩数据；得到第q段第p帧信号的压缩特征z
qp
(i),0≤i≤w1 w2 w3。4.根据权利要求1所述的一种基于无监督方式的电力变压器工况噪声检测方法，其特征在于，所述变压器工况噪声的分离包括以下步骤：41)设声纹提取的特征数据为z
11
,...,z
qp
,...,z
rlength
，共r*length帧，z
qp
是第q段信号的第p帧的特征数据；42)利用相似度置换方法将音频分离成稳定部分与不稳定部分；43)针对语音信号的特征向量z
qp
，计算此信号与全部信号z
11
,...,z
qp
,...,z
rlength
的特征向量夹角相似度值集合similarity＝{cosθ(z
qp
,z
qp
)＝(z
qp
*z
qp
)/||z
qp
||||z
qp
||,1≤q≤r,1≤p≤length}；44)在相似度值集合中寻找最大的a个相似度值，对应向量为45)选取第b个向量使用该向量替换原帧向量；46)重复41)步骤、42)步骤和43)步骤，直到得到一个近似的稳定向量组47)将z
11
,...,z
qp
,...,z
rlength
与进行差值计算，得到对应的不稳定向量组不稳定向量组为分离出的变压器工况噪声特性。