本(ben)發明涉及(ji)噪(zao)聲檢測，特別是(shi)涉及(ji)一種信道(dao)噪(zao)聲識別方法及(ji)系統(tong)。

背景技術：

1、本部分的(de)陳述(shu)僅(jin)僅(jin)是提供了與本發(fa)明相關的(de)背景技(ji)術(shu)(shu)信息，不必(bi)然構成(cheng)在(zai)先技(ji)術(shu)(shu)。

2、由(you)于電(dian)(dian)(dian)力線(xian)上(shang)設備的電(dian)(dian)(dian)磁輻(fu)射(she)、外部無(wu)線(xian)電(dian)(dian)(dian)信號干擾以(yi)及電(dian)(dian)(dian)力系統內部的突(tu)發事(shi)件，導(dao)致(zhi)電(dian)(dian)(dian)力線(xian)載波信道(dao)中存在有色背(bei)景噪(zao)(zao)聲(sheng)(sheng)(sheng)、窄帶(dai)噪(zao)(zao)聲(sheng)(sheng)(sheng)和脈沖噪(zao)(zao)聲(sheng)(sheng)(sheng)等(deng)噪(zao)(zao)聲(sheng)(sheng)(sheng)。現有技術通常借助(zhu)機器(qi)學(xue)習，將復雜的噪(zao)(zao)聲(sheng)(sheng)(sheng)信號轉換為直觀的圖像形式，基于圖像進(jin)行噪(zao)(zao)聲(sheng)(sheng)(sheng)識別(bie)。然而，當前將機器(qi)學(xue)習與噪(zao)(zao)聲(sheng)(sheng)(sheng)分類的方法(fa)具有一(yi)定(ding)的局限性。

3、現有技術如申(shen)請(qing)號為2022112731267，名稱為一種電力線載波信(xin)道噪聲(sheng)檢測方(fang)法及系統的發明(ming)專利(li)，提出了(le)利(li)用機器學習的噪聲(sheng)識別(bie)方(fang)法。其采用sobel算子定位噪聲(sheng)時域圖(tu)像邊(bian)緣(yuan)，但sobel算子在(zai)(zai)邊(bian)緣(yuan)方(fang)向(xiang)上的響(xiang)應不是最優的，特別(bie)是在(zai)(zai)邊(bian)緣(yuan)方(fang)向(xiang)與算子方(fang)向(xiang)不完全吻(wen)合時，可能會導致(zhi)邊(bian)緣(yuan)檢測的精(jing)度下降。同時，其采用傳(chuan)統的hog無法保證有效提取紋理特征。

技術實現思路

1、為了解決上述問題，本(ben)發明提出了一種(zhong)信道(dao)噪(zao)聲識別(bie)方法及系統，通過采(cai)用二階laplacian邊(bian)(bian)緣檢測算(suan)子(zi)能夠(gou)準確定(ding)位邊(bian)(bian)緣輪(lun)廓，并結(jie)合改進的(de)hog提取豐富的(de)特征向量，從而(er)提高噪(zao)聲識別(bie)的(de)準確性。

2、為了實現上述(shu)目的，本發明(ming)采用如下技術(shu)方案：

3、第一方面，本發明提供一種信道噪聲識別方法，包括(kuo)：

4、采集(ji)典型噪聲，并對典型噪聲進行隨(sui)機(ji)組合，構建典型噪聲時域圖像庫；

5、從(cong)典(dian)型噪(zao)聲時(shi)域圖(tu)(tu)像庫獲取典(dian)型噪(zao)聲時(shi)域圖(tu)(tu)像，進行預(yu)處理(li)，得(de)到去除干擾信號的噪(zao)聲時(shi)域圖(tu)(tu)像；

6、基于去(qu)除干擾信號的噪聲時域圖像提取邊(bian)緣特征；

7、對(dui)所述邊緣(yuan)特征采用改進(jin)hog提(ti)取特征描述符，以對(dui)分(fen)類器進(jin)行(xing)訓練；

8、獲取(qu)電(dian)力線信道的現場(chang)噪(zao)聲，對現場(chang)噪(zao)聲提取(qu)時(shi)域圖像，并以此采用(yong)訓練后的分類器進(jin)行噪(zao)聲類型的識別(bie)。

9、優(you)選地，所述典型(xing)噪聲包括有色背景噪聲、窄帶(dai)噪聲和脈沖噪聲。

10、優選地，所述從典型噪(zao)聲時(shi)(shi)域圖像庫獲取典型噪(zao)聲時(shi)(shi)域圖像，進行預處(chu)理(li)，得到去除干擾信號(hao)的噪(zao)聲時(shi)(shi)域圖像，具體包括：

11、對典型噪聲時域(yu)圖像經(jing)灰度化(hua)處理后，進行小(xiao)波分(fen)解，得到高(gao)頻系(xi)(xi)數和(he)低頻系(xi)(xi)數；

12、對低(di)頻(pin)系(xi)數進行閾值(zhi)處(chu)理，濾除噪聲分(fen)量；

13、對高(gao)頻系數(shu)和經閾(yu)值(zhi)處理后的低頻系數(shu)進(jin)行小波重構，得到去除干擾信號的噪聲(sheng)時域圖像。

14、優選地，采用二階(jie)laplacian邊緣檢測算子提取圖像邊緣特征，以劃定(ding)邊緣輪(lun)廓。

15、優(you)選(xuan)地，所述(shu)對所述(shu)邊緣特(te)征采用改進hog提取特(te)征描述(shu)符，具體(ti)包(bao)括：

16、將邊緣特征劃分為細(xi)胞單(dan)(dan)元(yuan)，每2×2個細(xi)胞單(dan)(dan)元(yuan)組合(he)成一(yi)個塊單(dan)(dan)元(yuan)；采集細(xi)胞單(dan)(dan)元(yuan)中各(ge)像素(su)點的梯度或邊緣的方向直方圖；

17、對所(suo)述直方圖(tu)(tu)進行多尺(chi)度(du)縮放，得到多張不同尺(chi)度(du)的梯(ti)度(du)方向直方圖(tu)(tu)，每張梯(ti)度(du)方向直方圖(tu)(tu)生成9幅積分圖(tu)(tu)像；

18、滑動(dong)檢測(ce)窗口對積(ji)分(fen)圖像(xiang)進行滑動(dong)檢測(ce)；具體為(wei)，在檢測(ce)窗口中滑動(dong)塊(kuai)單(dan)元(yuan)，以每個像(xiang)素的(de)(de)梯度幅值(zhi)為(wei)權值(zhi)，通過檢索(suo)積(ji)分(fen)圖像(xiang)對細胞單(dan)元(yuan)的(de)(de)梯度方(fang)向直方(fang)圖進行計數，形成一組9維特征向量(liang)；

19、對(dui)所有塊單元對(dui)應的(de)征(zheng)(zheng)向量(liang)歸一化，將歸一化后的(de)特(te)征(zheng)(zheng)向量(liang)級聯組合，形成hog特(te)征(zheng)(zheng)向量(liang)，構(gou)成特(te)征(zheng)(zheng)描述符。

20、優選地，還包括，采用pca對所述(shu)特(te)征描述(shu)符(fu)進行降維(wei)。

21、優(you)選地(di)，所述分(fen)類(lei)器包(bao)括通過在任意兩類(lei)樣本(ben)之(zhi)間采用一對一法構造svm二值分(fen)類(lei)器，以(yi)多(duo)種噪聲進行分(fen)類(lei)。

22、第二方(fang)面(mian)，本發明提供一種信道噪聲識別系統，包括：

23、典型(xing)噪(zao)(zao)聲建模模塊，用于(yu)采集典型(xing)噪(zao)(zao)聲，并(bing)對典型(xing)噪(zao)(zao)聲進行(xing)隨機組合，構(gou)建典型(xing)噪(zao)(zao)聲時(shi)域圖(tu)像庫(ku)；

24、典型(xing)噪(zao)聲處理模塊(kuai)，用于從(cong)典型(xing)噪(zao)聲時(shi)域(yu)圖(tu)(tu)像(xiang)(xiang)庫獲取典型(xing)噪(zao)聲時(shi)域(yu)圖(tu)(tu)像(xiang)(xiang)，進行預處理，得到去除干擾信號(hao)的噪(zao)聲時(shi)域(yu)圖(tu)(tu)像(xiang)(xiang)；

25、特征(zheng)提(ti)取模(mo)塊，用于基于去除干(gan)擾信號的噪(zao)聲時域圖像提(ti)取邊緣特征(zheng)；

26、訓練(lian)模塊，用于(yu)對所述邊緣特征采用改進(jin)hog提(ti)取特征描述符(fu)，以對分類器進(jin)行訓練(lian)；

27、噪聲(sheng)(sheng)檢測模塊(kuai)，用(yong)于獲取電力線(xian)信道的(de)(de)現(xian)場噪聲(sheng)(sheng)，對(dui)現(xian)場噪聲(sheng)(sheng)提取時(shi)域圖像，并以此采用(yong)訓(xun)練后的(de)(de)分類(lei)(lei)器(qi)進行噪聲(sheng)(sheng)類(lei)(lei)型的(de)(de)識別(bie)。

28、第三方(fang)面，本發明(ming)提供(gong)一(yi)種計算機可讀存儲介質(zhi)，其上(shang)存儲有(you)計算機程序，該(gai)程序被處理器執(zhi)行時實現第一(yi)方(fang)面所(suo)述(shu)的一(yi)種信道噪聲識別方(fang)法中的步驟。

29、第四方(fang)面(mian)，本發(fa)明提供一(yi)種(zhong)計(ji)算機設備，包(bao)括存(cun)儲(chu)器、處理器及存(cun)儲(chu)在存(cun)儲(chu)器上并可在處理器上運行(xing)的計(ji)算機程序，所(suo)述(shu)處理器執行(xing)所(suo)述(shu)程序時(shi)實現第一(yi)方(fang)面(mian)所(suo)述(shu)的一(yi)種(zhong)信道噪聲(sheng)識(shi)別方(fang)法中的步驟。

30、與現有技術(shu)相比，本發明的有益效(xiao)果(guo)為：

31、本發明(ming)提出一種信(xin)道噪(zao)聲(sheng)識(shi)別(bie)方法(fa)(fa)及系(xi)統，對典型噪(zao)聲(sheng)進行建模，構建基(ji)于改(gai)進hog算(suan)法(fa)(fa)的機器學習網(wang)絡模型，利用(yong)改(gai)進hog算(suan)法(fa)(fa)進行時域圖(tu)像的提取(qu)，獲取(qu)多尺度特征(zheng)(zheng)(zheng)信(xin)息，構成特征(zheng)(zheng)(zheng)描述符，再利用(yong)svm算(suan)法(fa)(fa)進行噪(zao)聲(sheng)分類預測。其中，本發明(ming)采(cai)用(yong)二階(jie)(jie)laplacian邊(bian)緣(yuan)(yuan)檢(jian)測算(suan)子對邊(bian)緣(yuan)(yuan)輪(lun)廓進行識(shi)別(bie)，與一階(jie)(jie)導數(shu)算(suan)子（如sobel、prewitt）相比，laplacian算(suan)子對細節和(he)紋理的響(xiang)應更加敏感，能夠更清(qing)晰地突出邊(bian)緣(yuan)(yuan)區域，為(wei)后期(qi)采(cai)用(yong)改(gai)進hog算(suan)法(fa)(fa)提取(qu)多尺度特征(zheng)(zheng)(zheng)打下基(ji)礎，二階(jie)(jie)laplacian邊(bian)緣(yuan)(yuan)檢(jian)測算(suan)子和(he)改(gai)進hog算(suan)法(fa)(fa)結合有效提高了對噪(zao)聲(sheng)時域圖(tu)像邊(bian)緣(yuan)(yuan)特征(zheng)(zheng)(zheng)提取(qu)的準確性。

32、本(ben)發(fa)明(ming)附加方面(mian)的(de)優點(dian)將在下面(mian)的(de)描述(shu)中部(bu)分給出，部(bu)分將從(cong)下面(mian)的(de)描述(shu)中變(bian)得明(ming)顯，或通(tong)過(guo)本(ben)發(fa)明(ming)的(de)實(shi)踐了(le)解到(dao)。

技術特征：

1.一(yi)種信(xin)道噪聲識別(bie)方法，其特征在于(yu)，包括：

2.如(ru)權利要求1所述的一種信道噪(zao)聲(sheng)識別方法，其特征在于，所述典型噪(zao)聲(sheng)包括(kuo)有色背(bei)景(jing)噪(zao)聲(sheng)、窄帶噪(zao)聲(sheng)和脈(mo)沖噪(zao)聲(sheng)。

3.如權利(li)要(yao)求1所述的一種信道噪(zao)聲(sheng)識別(bie)方法，其特(te)征在于，所述從(cong)典型噪(zao)聲(sheng)時域圖像庫獲取典型噪(zao)聲(sheng)時域圖像，進(jin)行(xing)預處理，得到去(qu)除干(gan)擾信號的噪(zao)聲(sheng)時域圖像，具體包括：

4.如權利要求1所述的一種信道噪(zao)聲識別方法，其特征(zheng)(zheng)在于(yu)，采用二階(jie)laplacian邊(bian)緣(yuan)檢(jian)測算子提(ti)取圖像邊(bian)緣(yuan)特征(zheng)(zheng)，以劃定邊(bian)緣(yuan)輪(lun)廓。

5.如(ru)權利要求1所述(shu)的一種信道噪聲識別方法，其特(te)征(zheng)在于，所述(shu)對所述(shu)邊緣特(te)征(zheng)采用改進hog提取特(te)征(zheng)描述(shu)符，具體包括(kuo)：

6.如權(quan)利要求5所述(shu)的一種信道噪聲(sheng)識別方法(fa)，其特征(zheng)在于(yu)，還包括，采用(yong)pca對所述(shu)特征(zheng)描述(shu)符進行(xing)降(jiang)維(wei)。

7.如權利要求1所(suo)述(shu)的一種信道噪聲識別方法(fa)，其特征(zheng)在(zai)(zai)于，所(suo)述(shu)分(fen)類器(qi)包括通過(guo)在(zai)(zai)任(ren)意兩類樣本之間(jian)采用一對(dui)一法(fa)構造svm二(er)值分(fen)類器(qi)，以多種噪聲進行分(fen)類。

8.一(yi)種信道噪聲識(shi)別系統，其(qi)特征在(zai)于，包(bao)括：

9.一(yi)種計(ji)算(suan)機可讀存(cun)儲介(jie)質，其上(shang)存(cun)儲有計(ji)算(suan)機程序(xu)，其特(te)征在(zai)于，所(suo)述(shu)程序(xu)被(bei)處理器執行時實現如權利要求1-7中任一(yi)項(xiang)所(suo)述(shu)的(de)一(yi)種信道噪聲識別方(fang)法中的(de)步(bu)驟。

10.一種計(ji)算機設備，包(bao)括存儲器(qi)、處理(li)器(qi)及(ji)存儲在存儲器(qi)上(shang)(shang)并可在處理(li)器(qi)上(shang)(shang)運行的計(ji)算機程序，其特征在于(yu)，所(suo)(suo)述(shu)處理(li)器(qi)執行所(suo)(suo)述(shu)程序時實現如權利要求1-7中任(ren)一項所(suo)(suo)述(shu)的一種信(xin)道噪聲(sheng)識(shi)別方法中的步驟。

技術總結
本發明公開一種信道噪聲識別方法及系統，涉及噪聲檢測技術領域。方法包括：采集典型噪聲，并對典型噪聲進行隨機組合，構建典型噪聲時域圖像庫；從典型噪聲時域圖像庫獲取典型噪聲時域圖像，進行預處理，得到去除干擾信號的噪聲時域圖像；基于去除干擾信號的噪聲時域圖像提取邊緣特征；對所述邊緣特征采用改進HOG提取特征描述符，以對分類器進行訓練；獲取電力線信道的現場噪聲，對現場噪聲提取時域圖像，并以此采用訓練后的分類器進行噪聲類型的識別。通過采用二階Laplacian邊緣檢測算子能夠準確定位邊緣輪廓，并結合改進的HOG提取豐富的特征向量，從而提高噪聲分類的準確性。

技術研發人員：李寧,朱偉,胡海波,孔猛,王昊,宮靜,孔琳琳,蘇純寶,武志恒,張萌星
受保護的技術使用者：國網山東省電力公司曲阜市供電公司
技術研發日：
技術公布日：2024/9/19