[发明专利]基于随机共振的输气管道微泄漏音波信号特征提取方法

摘要

本发明提供了一种基于随机共振的输气管道微泄漏音波信号特征提取方法，包括如下步骤：建立离散的非线性滤波器随机共振系统模型，对随机共振系统模型的输出信号进行转换，对转化后的音波信号进行加窗处理，转化到Melfilter域上，进行离散余弦变换提取特征参数，采用倒谱均值归一化算法进行去噪。该方法将随机共振系统模型引入到Mel频率倒谱系数算法的音波信号特征提取中，与MFCC特征提取算法相比，具有更高的信噪比，且进一步加快了识别的运行时间，更有助于动态特征提取。

主权项

一种基于随机共振的输气管道微泄漏音波信号特征提取方法，其特征在于，包括如下步骤：S1：建立离散的非线性滤波器随机共振系统模型：输入信号为式中，A₀为幅度，ω为频率，为初相位，ε(t)为噪音波信号，输出信号为x(t)，根据随机共振理论，周期信号与噪声共同作用的随机共振系统模型为：dx/dt＝ax(t)‑bx³(t)+s(t)，式中，a、b是系统的结构参数；S2：对随机共振系统模型的输出信号进行转换：即通过一阶欧拉方程求解得：x(n+1)＝A(a,b,h)x(n)+B(a,b,h)x³(n)+X(a,b,h)s(n)，式中，x(n)为输出信号x(t)的第n个采样值，s(n)为输入信号s(t)的第n个采样值，A(a,b,h)、B(a,b,h)、X(a,b,h)是与a、b和h相关的权值矩阵，h为采样步长；S3：对转化后的音波信号进行加窗处理，转化到Melfilter域上；S4：进行离散余弦变换提取特征参数式中，m_k为滤波系数，q为滤波器阶数，k＝1,2,…q；S5：采用倒谱均值归一化算法进行去噪，即：E(t)＝c(t)‑m(t)，式中，E(t)为微泄漏音波信号提取的特征素，倒谱均值μ为每次计算的更新步长，N为窗宽，且满足