[发明专利]基于音频的电缆隧道监测方法及系统

权利要求书

1.一种基于音频的电缆隧道监测方法，其特征是，包括以下步骤：

S1，采集电缆隧道内的音频；

S2，对采集的音频信号进行处理；

S3，对采集的音频信号提取特征值；

S4，根据提取的特征进行故障识别；

S5，对故障进行定位。

2.根据权利要求1所述的基于音频的电缆隧道监测方法，其特征是，在步骤S1中，采用电容测试麦克风采集电缆隧道内的音频，电容测试麦克风有多个，多个电容测试麦克风设置在电缆隧道内各个检测点，并构成麦克风矩阵。

3.根据权利要求1所述的基于音频的电缆隧道监测方法，其特征是，所述步骤S2具体为：

对采集的声音信号进行两级同相比例放大处理；

对放大处理后的声音信号进行滤波处理；

对滤波处理后的声音信号进行采样处理。

4.根据权利要求1所述的基于音频的电缆隧道监测方法，其特征是，所述步骤S3具体为：

音频信号S(n)进行预处理得到每个音频帧的时域信号X(n)，并将时域信号经过FFT处理后得到线性频谱X(k)。

对线性频谱X(k)幅度进行平方运算，所得结果为能量谱；对能量谱进行带通滤波。

带通滤波器的传递函数为：

每个滤波器组所输出的对数能量计算公式为：

经过DCT变换得到语音特征参数MFCC：

5.根据权利要求1所述的基于音频的电缆隧道监测方法，其特征是，所述步骤S4具体为：

提取的特征为一组随机向量序列O＝o₁o₂,…o_T；

通过矢量量化的方法将向量O＝o₁o₂,…o_T调整为隐马尔可夫模型中需要输入的观察序列，对该序列通过隐马尔可夫模型训练算法得到各个不同声音信号的隐马尔可夫模型，形成故障模型库；

输入待识别的故障声音信号，仍然通过前面的方法得到O＝o₁o₂,…o_T，然后计算每个隐马尔可夫模型的输出概率P(O|M)，P(O|M)最大的隐马尔可夫模型对应的数字类型就是识别结果。

6.根据权利要求5所述的基于音频的电缆隧道监测方法，其特征是，所述隐马尔可夫模型训练算法，具体为：

隐含马尔可夫模型用M＝{S,O,A,B,π,F}来描述，其中S为HMM中所有状态的集合，O为输出的观察值符号的集合，A＝{A_ij|i,j＝1,2,....,N}，B是输出观察值概率的集合，π是指系统初始状态概率的集合，F为系统终止状态的集合；

将同一类的音频进行分段，截取的不同类型的音频长度为20帧到500帧；

随意设定π、A、B初值，根据Viterbi算法就可以得到音频的隐状态，根据估计出的隐状态和观察值计算每个状态出现各个观察值的概率，得到B的初值。

7.根据权利要求1所述的基于音频的电缆隧道监测方法，其特征是，所述步骤S4具体为：根据音频声源到音频采集设备的时间差计算声源的具体位置。

8.根据权利要求7所述的基于音频的电缆隧道监测方法，其特征是，所述根据音频声源到音频采集设备的时间差计算声源的具体位置，具体为：

设四元阵的音频采集设备坐标为M1(d/2,0,0),M2(0,d/2,0),M3(-d/2,0,0),M4(0,-d/2,0)，M1,、M2,M3,M4分别为音频采集设备阵元，声源坐标为(x,y,z),声源到坐标原点的距离为r,仰角为θ，方位角为φ，d为阵元间距；

相对于M1,声源到达阵元M2,M3,M4的时延为τ₂₁，τ₃₁，τ₄₁,声源到M2,M3,M4的声差分别为d21、d31、d41，根据下列方程组求解声源的位置：

求解得到声源位置为：