基于重复模式提取与高斯混合模型的变压器故障声纹识别

摘要：

变电站存在大量干扰声音,高噪声环境会降低声纹识别的准确率.为此,提出一种基于重复模式提取(repeating pattern extraction technique,REPET)和高斯混合模型(Gaussian mixture model,GMM)的变压器故障声纹识别方法.首先,在真实的变压器油箱中模拟不同类型放电和机械故障声音.其次,针对变电站内非平稳性干扰声音,采用基于REPET的盲源分离算法将非稳定干扰声音从混合声音中分离.最后,针对主要由变压器冷却风扇声造成的持续性干扰声音,采用梅尔频率倒谱系数和基于GMM的声纹识别算法来降低风扇噪声对声纹识别系统的影响,并通过实验数据对该方法进行验证,实验室条件下对含噪声音的识别率可达100％.另外,GMM训练所需声音数据量少,针对实际变压器故障声音难以获取的情况,具有一定实用价值.

关键词：变压器、声纹识别、盲源分离、梅尔频率倒谱系数、高斯混合模型

所属期刊栏目：36

分类号：TM411;T391.42(变压器、变流器及电抗器)

资助基金：国家电网有限公司总部科技项目5200-201955050A-0-0-00

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：126-134