[发明专利]一种变压器声信号去噪装置在审

专利信息
申请号: 202210221507.4 申请日: 2022-03-09
公开(公告)号: CN114638260A 公开(公告)日: 2022-06-17
发明(设计)人: 许飞;许海峰;蔡继东;徐龙;沈祥;朱义勇;赵伟苗;徐超;王军慧;王志亮;倪钱杭;李丰;盛江;卢强;卢乾坤;李国广;沈辉;刘安文 申请(专利权)人: 国网浙江省电力有限公司绍兴供电公司;国网浙江省电力有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G01R31/00
代理公司: 杭州华鼎知识产权代理事务所(普通合伙) 33217 代理人: 刘竹青
地址: 312099 *** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 变压器 信号 装置
【权利要求书】:

1.一种变压器声信号去噪装置,其特征是,包括:

采集单元,用于采集原始声信号,并将原始声信号传输至处理单元,原始声信号为变压器测量面处的原始声信号;

处理单元,用于构建多重降噪自编码器模型,多重降噪自编码器模型在收到采集器发出的原始声信号后,将原始声信号进行重构;

输出单元,用于输出重构的声信号,重构的声信号即为去噪后的声信号。

2.根据权利要求1所述的一种变压器声信号去噪装置,其特征是,所述的处理单元中,多重降噪自编码器模型包括

输入层,用于构建输入矩阵,输入矩阵是一个规模为m×n的关联矩阵

加噪层,用于对数据矩阵加入高斯噪声;

重构层,通过对加入高斯噪声的数据矩阵进行编码解码操作,对原始声信号进行重构。

3.根据权利要求1所述的一种变压器声信号去噪装置,其特征是,还包括显示单元,用于显示原始声信号和重构的声信号的属性以及多重降噪自编码器模型的训练情况。

4.根据权利要求1所述的一种变压器声信号去噪装置,其特征是,所述的采集单元在采集原始声信号后对每一次采集到的原始声信号进行z-score标准化处理,计算公式为:

其中,为原始声信号标准化后的数据矩阵,μ为原始声信号均值,σ为原始声信号标准差,为原始声信号对应的输入矩阵。

5.根据权利要求2所述的一种变压器声信号去噪装置,其特征是,所述的加噪层,加入高斯噪声的最大加噪率pmax=s·p∈[0,1],p∈[0,s-1],s∈[1,9],k∈[10,100],无监督学习的训练次数∈[10,100],其中s为输入矩阵个数,p为设定的参数,k为节点个数。

6.根据权利要求5所述的一种变压器声信号去噪装置,其特征是,所述的所述s=4或5,p=0.04或0.02,k=50或60,无监督学习的训练次数为70次或80次。

7.根据权利要求1所述的一种变压器声信号去噪装置,其特征是,还包括优化单元,优化单元用于对多重降噪自编码器模型进行优化,具体优化过程为:优化单元首先设定多重降噪自编码器模型的最大训练次数,若在最大训练次数内重构信号与原始信号误差收敛于极小值,则优化单元不进行优化,若在最大训练次数内重构信号与原始信号误差未收敛于极小值,则优化单元进行优化,对于多重降噪自编码器模型的参数进行调整,调整的参数包括矩阵个数、节点个数以及加噪的次数,调整的参数的调整幅度为预设的幅度,若在多重降噪自编码器模型的参数进行调整后,最大训练次数内重构信号与原始信号误差收敛于极小值,则判断优化单元优化成功,若在多重降噪自编码器模型的参数进行调整后,最大训练次数内重构信号与原始信号误差未收敛于极小值,则对所有的重构信号进行聚类分析,通过聚类分析寻找聚类中心,聚类中心表示多重降噪自编码器模型的最佳优化程度,优化单元向相关人员提醒重构信号与原始信号误差未收敛于极小值并告知重构信号的最佳优化程度。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网浙江省电力有限公司绍兴供电公司;国网浙江省电力有限公司,未经国网浙江省电力有限公司绍兴供电公司;国网浙江省电力有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210221507.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top