[发明专利]一种基于支持向量机模型的开关柜局部放电信号识别方法

权利要求书

1.一种基于支持向量机模型的开关柜局部放电信号识别方法，包括训练模型过程和音频识别过程，其特征在于：所述训练模型过程是根据训练样本集，得到支持向量机模型；所述音频识别过程是通过支持向量机模型，对待测样本进行识别。

2.根据权利要求1所述的开关柜局部放电信号识别方法，其特征在于，所述训练模型过程包括以下步骤：

（1）输入步骤：输入带有类别标识的音频信号作为训练样本，其中放电标记为1，未放电标记为-1；

（2）预处理步骤：对步骤（1）输入的训练音频信号进行预处理，将音频分帧；

（3）端点检测步骤：通过检测短时能量与过零率，确定步骤（2）得到的音频的始端和末端，去掉音频的噪声和首尾的静音，提取有效音频；

（4）音频分段步骤：以1s为时间长度对步骤（3）得到的有效音频进行分段；

（5）段特征提取步骤：提取步骤（4）得到的分段有效音频的特征参数，得到声音样本段特征；

（6）建模步骤：以步骤（5）提取的声音样本段特征作为参数进行建模，得到支持向量机模型。

3.根据权利要求2所述的开关柜局部放电信号识别方法，其特征在于，所述音频识别过程包括以下步骤：

（1）输入步骤：输入待测音频；

（2）预处理步骤：对步骤（1）输入的待测音频进行预处理，将音频分帧；

（3）端点检测步骤：通过检测短时能量和过零率，确定步骤（2）得到的音频的始端和末端，去掉音频的噪声和首尾的静音，提取有效音频；

（4）音频分段步骤：以1s为时间长度对步骤（3）得到的有效音频进行分段；

（5）段特征提取步骤：提取步骤（4）得到的分段有效音频的特征参数，得到声音样本段特征；

（6）分类识别步骤：用支持向量机模型对基于声音样本段特征的待测样本进行分类识别。

4.根据权利要求1~3之一所述的开关柜局部放电信号识别方法，其特征在于，所述预处理步骤包括如下步骤：

（1）采样量化：以8kHz的采样率对音频数据进行采样，并统一转换为单声道的wav格式的音频数据；

（2）预加重：原始音频信号表达式为x(n)，预加重后的信号表达式为y(n)，将输入的音频信号通过如下的FIR预加重滤波器，对wav格式的音频数据进行预加重：y(n)=x(n)-px(n-l)，其中，p为预加重系数，p=0.9375；

（3）加窗：用长度为240个采样点的汉宁窗序列截取语音信号进行分析，并让该窗序列滑动，为保证连续性，帧与帧之间有三分之二的重叠，帧移量为80。

5.根据权利要求4所述的开关柜局部放电信号识别方法，其特征在于，所述端点检测步骤采用能量门限和过零率门限进行，包括如下步骤：

（1）确定音频的始端：根据对音频帧进行短时能量和过零率的计算，判断为有效音频的始端，当音频帧的短时能量大于高能量门限，则确定该音频帧为有效音频的始端；当音频帧的短时能量大于低能量门限或者音频帧的过零率大于低过零率门限，则确定该音频帧为有效音频的疑似始端，若之后该音频帧的短时能量大于高能量门限或过零率大于高过零率门限，则该疑似始端判为有效音频的始端；若之后短时能量和过零率都小于低能量门限和低过零率门限，则该疑似始端判为噪声；

（2）确定音频的末端：根据对音频帧进行短时能量和过零率的计算，判断为有效音频的末端，当音频帧的短时能量小于低能量门限且过零率小于低过零率门限，则该音频帧为静音帧，判定该帧为有效音频的疑似末端；继续判断，当静音帧的持续时间大于最长静音持续时间门限时，则该疑似末端判定为有效音频的末端；所述最长静音持续时间门限为10帧；

（3）去除噪声：当有效音频的持续时间小于最短有效音频持续时间门限，判为噪声，最短有效音频持续时间门限为250帧。