基于DnCNN声音增强的高坝泄流微弱空化声音信号识别与提取

摘要：

空化空蚀是水工建筑物泄洪安全监测的重要内容,但是高坝泄流期间产生的强泄流噪声会大幅减弱空化空蚀音频监测方法的效果甚至致其失效.针对该问题提出了基于降噪卷积神经网络(denoising convolutional neural network,DnCNN)声音增强的空化声信号增强方法,该方法依据语音增强思想,通过DnCNN实现带噪音频监测信号中空化声信号的增强.首先对该方法的实现原理和DnCNN网络结构进行了阐述,然后使用采集自空蚀和泄流试验的空化声信号和泄流噪声对该方法的效果进行验证,最后通过支持向量机信号多分类识别试验和单分类支持向量机空化声信号单分类识别试验对该方法的泛化性能和工程实用性进行评价.研究结果表明该方法能够有效提升带噪空化声信号的信噪比,极大地还原空化声信号的频谱结构特征,实现强泄流噪声中微弱空化声信号的识别与提取,同时该方法具有较强的泛化性能和较好的工程实用性.

关键词：降噪卷积神经网络(DnCNN)、声音增强、空化噪声、支持向量机、单分类支持向量机、信号识别

所属期刊栏目：42

分类号：TV65(水利枢纽、水工建筑物)

资助基金：国家自然科学基金;云南省重点研发计划

在线出版日期：2023-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：52-62