基于音频去干扰自学习神经网络的地下线缆定位系统研究  

作　　者：吴清涛 傅晓杰 张晨 白蕾 龚侃 刘亦颖 

机构地区：[1]国网上海市电力公司市北供电公司 [2]上海久隆电力(集团)有限公司

出　　处：《电气时代》2024年第9期93-98,共6页Electric Age

摘　　要：城市地下线缆是城市电力、通信、网络和其他基础设施系统的核心组成部分,其管理和维护逐渐成为保证城市正常运行的关键。为便捷准确地对地下线缆的故障点进行定位,提出基于音频去干扰预处理算法和一种引入残差模块的深度神经网络的地下线缆定位方法。首先通过预加重、分帧和加窗等预处理步骤将采集到的原始音频数据转化为规则化的时域音频片段,然后快速傅里叶变换将其转化到频域,并提取音频信号的梅尔倒谱系数特征,最后将音频片段以频谱形式输入进基于VGG网络改进的深度学习神经网络,从而构建故障音频识别模型。设计不同神经网络模型对故障音频数据集的识别实验,结果显示改进的VGG网络结合MFCC混合特征向量进行故障音频识别,能进一步提高识别准确率。

关 键 词：快速傅里叶变换 梅尔倒谱系数 音频信号 预加重 深度神经网络 音频数据 音频识别 MFCC 

分 类 号：TM75[电气工程—电力系统及自动化] TP183[自动化与计算机技术—控制理论与控制工程]