基于声信号统计特征的挖掘器械识别方法
【技术领域】
[0001 ]本发明涉及一种基于声信号统计特征的挖掘器械识别方法。
【背景技术】
[0002] 为适应城市电网的建设和现代化企业的发展，保证供电系统的安全可靠，同时为 了美化环境，节约线路走廊用地，城市中原本纵横交错的架空输电网络被地下电缆供电系 统所取代。电力电缆管沟在中心城市中急剧扩张。然而电缆在使用中时常受到工程器械的 外力破坏，如:手持电动镐、液压冲击锤、挖掘机、切割机等。电缆供电安全可靠受到严重影 响。一旦发生事故，将会出现城市大面积停电、企业停产，造成巨人的经济损失。
[0003] 随着传感器技术的快速发展，可采用声音传感器实时采集地下电缆周围的声音信 号，判断此时是否存在工程器械信号并识别出属于哪一种工程器械设备正在作业，最后给 出预警信号。
[0004] 传统的语音识别算法中，如LPCC、MFCC等在语音识别领域得到了很好的发展应用。
[0005] 地下电缆经常受到工程机械的破坏，而目前没有较为成熟的针对工程机械的识别 方法，因此，本发明提出了一种通过提取工程机械声音特征来识别工程机械的方法。
[0006] 传统语音识别算法在工程器械识别问题上的应用，存在以下问题：
[0007] 1.语音信号与本发明中的工程器械声音信号还是存在很大的不同，语音信号具有 短时平稳的特性，一般认为l〇ms到30ms认为语音信号是稳定的，而工程器械声音信号是非 稳定的信号，所以从信号分帧环节就存在着一些问题。
[0008] 2. -般语音识别算法包括两个部分，特征提取与分类识别。将所有目标器械声音 提取的特征建立一个声音样本库是这些算法有一个极其重要的步骤。
[0009] 3.这几种工程器械声音信号的频谱非常相似，它们都属于非稳定的带宽信号。随 着目标信号距离的增加，频谱会有很大的变化，如果使用传统的语音识别算法，同一种工程 器械的特征也会存在很大的不同。
[0010] 因此，单单时域或者频域的识别算法不能将所有目标器械信号分类识别。传统的 语音识别算法并不完全适合，在尝试使用语音算法之后发现其在识别工程机械声音很难提 高识别率，相反，误警率很高。
【发明内容】
[0011] 针对上述现有技术中的不足，本发明提供一种不需要建立样本库，其整体框架是 基于这几类挖掘器械声信号的统计特性，针对不同的挖掘器械设计相应的逐层分类器的基 于声信号统计特征的挖掘器械识别方法。
[0012] 本发明所采取的技术方案是：
[0013] -种基于声信号统计特征的挖掘器械识别方法，
[0014] 使用采样频率为20k的麦克风阵列采集装置采集工程器械声音样本，包括如下步 骤：
[0015] 待测声音信号的预处理步骤；
[0016] 冲击型信号与持续平稳型信号初步判断步骤；
[0017] 冲击信号精确判断步骤；
[0018] 持续型信号精确判断步骤。
[0019] 所述待测声音信号的预处理步骤，对于每一秒信号首先使用巴特沃斯高通滤波器 对待测声音信号进行过滤，截止频率为500Hz。
[0020] 信号在能量时间图中存在脉冲状信号确定为脉冲型信号。
[0021] 信号在在能量时间图中为平稳的信号确定为持续型信号。
[0022] 脉冲型与持续型信号判断步骤如下：
[0023] -秒信号共Fs个点，以帧移为1个点，帧长为N求一秒钟内所有帧的能量值；
[0024] -秒信号共有(Fs-Ν-Ι)帧信号，共(Fs-Ν-Ι)个能量值，得到1行(Fs-Ν-Ι)列矩阵；
[0025] 取这一秒信号中所有能量值的中位数E_mid，取所有小于E_mid的能量值的平均值 E_average，计算过程如（1)所示，公式（1)中，count(Q)函数定义如下，当Q为真时，函数值为 1;当Q为假时，函数值为〇; E_n表示一秒内所有小于E_mid的个数；
[0026] (13
[0027]
[0028]将每一帧信号能量值都除以E_average，当得到的值ai大于a时认为这一帧时脉冲 信号；
[0029] 统计一秒中脉冲信号的帧数Ν_α，当时Ν_α大于b时，认为这一秒符合脉冲信号条件 进入脉冲信号分类器，否则进入持续型信号分类器；计算过程如公式（2)所示，结果由 result 给出；
[0030]
[0031]
[0032] result = count (N_a>b)
[0033] 所述能量值为一帧信号各点信号幅度值平方后的求和。
[0034] 精确确定持续型信号步骤包括切割机信号判断步骤。
[0035] 采集得到一秒信号，取帧长为N个点，帧移为N/2对其分帧，这样每一秒都能得到 ncol帧信号；
[0036] 对每一帧信号加汉宁窗，汉宁窗公式如公式(3)，
[0037] w= l-cos(2jrn/N) 0 < η < N~1 (3)
[0038] 之后进行傅立叶变换，再取模，公式(4)给出了离散快速傅立叶变化的公式；
[0039] 由于傅立叶变数值后是共辄对称的，所以我们取前N/2个|X(k) | ;
[0040] -秒信号经过处理之后得到(N/2)*(ncol)的矩阵，记为yo;
[0041 ] 采样频率为20kHz，
[0042]
[0043] where
[0044] WN=e(-2lti)/N (4)
[0045] 由采样定律可知，可采集到的最大频率为10k;每帧信号中N/2个I X(k) I表示对应 那一帧信号幅频图中〇到10kHz的幅值大小，每一个点对应一个频率点，相邻频率点的间隔 为10k/(N/2)Hz;
[0046] 每一帧信号的f赫兹对应第k个|X(k) |，对应公式如公式(5)，其中Fs为采样频率，N 为帧长；
[0047] ki = fi/(Fs/N) (5)
[0048] 取fl赫兹到f2赫兹频率段，对应yo第ki行到k2行所有值得到矩阵A，A为(k2-ki+l) 行ncol列矩阵；
[0049] 计算A每一列数的平均值$卩，即每一帧信号所有频率点幅值的平均值；
[0050] 将A中每一列的所有值除以对应列的平均值，得到矩阵A_norma 1 i zed，矩阵A_ normalized与矩阵A行列数相同；
[0051 ]每一帧信号频谱中各个频率点上的幅值相差程度都能在A_normalized反映出，值 越大或者越小都代表相差程度越大；
[0052]正负β倍平均值之内都属于切割机正常情况；
[0053] 统计A_norma lized中每一帧信号l/β至旭的个数Tik;
[0054]当有超过80 %个时，确定是宽频带信号，满足切割机的第一个特点；
[0055]统计一秒中宽频带信号的帧数!^，当1~2占比超过90%时，确定这一秒信号是切割机 信号；
[0056] 公式(6)给出了计算过程，其中k表示yo行序号，对应某一频率，i表示yo列序号，对 应帧的序号;识别结果由〇utput4给出，
[0057]
[0058]
[0059] output4 = count(T2/(Fs-255) >90% )
[0060] 脉冲型信号确定包括:手持电动镐信号判断步骤；
[0061 ]液压冲击锤信号判断步骤；
[0062]挖掘机信号判断步骤。
[0063] 判断依据为冲击型信号的脉冲宽度，脉冲数量和脉冲间隔；
[0064] 取一秒信号中所有能量值的平均能量E，用平均能量值去截取这一秒信号的能量 时间图线，将所有大于或者等于平均能量的数都置为平均能量值，计算过程由公式(7)给 出。
[0065]
[0066] 假设一秒内共有n个1，取出这些值所在列的位置编号&1存入P行向量中，P中连续 的位置编号组成一个脉冲；
[0067] 相邻差为100个点内属同一个连续的脉冲，P中有几组连续的编号就代表有几个脉 冲，每一组连续编号的长度就是对应脉冲的脉冲宽度，将所有脉冲的宽度值存入w行向量；
[0068] 计算过程如公式(8)所示，式中Aai表示相邻两个ai的差，T表示一秒中脉冲数量， ht和rt分别表示第t个脉冲的起点与终点，wt表示第t个脉冲的宽度，dt表示第t个脉冲与第t +1个脉冲的间隔；当一秒中只有一个脉冲时，hi为ai，ri为an，wi为(an_ai+l);
[0069] Δ ai = ai+i-ai 1 < i < n_l
[0070]
[0071]
[0072] L?? "
[0073] wt = rt~ht 1 < t < T
[0074] dt = ht+i-ht or rt+i~rt 1 <