[发明专利]一种基于深度神经滤波的低复杂度GIS振动信号增强方法

权利要求书

1.一种基于深度神经滤波的低复杂度GIS振动信号增强方法，其特征在于，包括如下步骤：

步骤100.对振动信号进行短时傅里叶变换得到频域信号，将所述频域信号分别输入至预先构建的ERB特征提取器与DF特征提取器，得到频域信号的DF特征与ERB特征；

步骤200.将所述ERB特征与所述DF特征输入至训练好的DNN神经网络中，分别得到ERB缩放增益和每个波段的滤波系数C^N；

步骤300.基于所述ERB缩放增益与所述每个波段的滤波系数C^N得到预测信号；

步骤400.使用逆STFT变换将所述预测信号变换到时域得到增强信号。

2.根据权利要求1所述的一种基于深度神经滤波的低复杂度GIS振动信号增强方法，其特征在于，所述训练好的DNN神经网络包括：深度滤波网络、编码器和解码器；所述编码器分别与所述深度滤波网络和解码器连接；

所述编码器和解码器通过所述ERB特征得到ERB缩放增益，所述深度滤波网络通过所述DF特征得到每个波段的滤波系数C^N。

3.根据权利要求2所述的一种基于深度神经滤波的低复杂度GIS振动信号增强方法，其特征在于，

所述步骤300具体包括以下步骤：

步骤301.使用逆ERB滤波器组基于所述频域信号将所述ERB缩放增益变换回频域得到增益增强谱图；

步骤302.使用深度滤波器，基于所述每个波段的滤波系数对所述增益增强谱图进行处理得到信号频谱的周期性部分Y^DF’(k,f)；

步骤303.使用加权因子对所述增益增强谱图和所述信号频谱的周期性部分Y^DF’(k,f)进行加权，得到预测信号。

4.根据权利要求3所述的一种基于深度神经滤波的低复杂度GIS振动信号增强方法，其特征在于，所述步骤303中，通过下述公式对所述增益增强谱图和所述信号频谱的周期性部分Y^DF’(k,f)进行加权，得到预测信号Y^DF(k,f)：

Y^DF(k，f)＝α(k)Y^DF′(k，f)+(1-α(k))Y^G(k，f)；

其中，α(k)为加权因子，Y^G(k,f)为增益增强谱图。

5.根据权利要求2所述的一种基于深度神经滤波的低复杂度GIS振动信号增强方法，其特征在于，所述深度滤波网络中包括一个全局路径跳过连接。

6.根据权利要求5所述的一种基于深度神经滤波的低复杂度GIS振动信号增强方法，其特征在于，所述深度滤波网络被定义为TF域的一个复滤波器，表达式如下：

其中，X为输入的待滤波信号，k和f分别代表时间和频率，C为应用于输入谱图X的N阶滤波器复系数，Y为滤波后的输出信号。

7.根据权利要求2至6任意一项所述的一种基于深度神经滤波的低复杂度GIS振动信号增强方法，其特征在于，通过引入压缩频谱损耗隐式L_spec，构建所述DNN网络的合计损失函数；

所述DNN网络的合计损失的计算公式如下：

其中，L_spec为压缩频谱损耗隐式，L为合计损失，L_α为所述深度滤波网络部分的Loss函数；λ_spec和λ_α均为损耗参数；S为振动信号谱图，C为压缩因子，为本地信噪比，α为第一系数。

8.一种基于深度神经滤波的低复杂度GIS振动信号增强系统，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一项所述的一种基于深度神经滤波的低复杂度GIS振动信号增强方法。