電力物資質(zhì)量檢測(cè)環(huán)節(jié)語(yǔ)音信號(hào)預(yù)加重處理方法

摘 要：針對(duì)電力物資質(zhì)量檢測(cè)環(huán)節(jié)中的語(yǔ)音交互式檢測(cè)信息容易受到周?chē)h(huán)境因素的影響問(wèn)題，提出聲音信號(hào)預(yù)加重方法研究。構(gòu)建聲音信號(hào)數(shù)學(xué)模型，分析其時(shí)域特征，以此為基礎(chǔ)，計(jì)算每幀聲音信號(hào)頻譜能量與概率分布，衡量每幀聲音信號(hào)譜熵值，檢測(cè)聲音信號(hào)端點(diǎn)，估計(jì)聲音信號(hào)先驗(yàn)信噪比推出增益函數(shù)，以端點(diǎn)檢測(cè)結(jié)果為界限，以增益函數(shù)為依據(jù)，采用重疊相加運(yùn)算處理聲音信號(hào)，實(shí)現(xiàn)聲音信號(hào)的預(yù)加重。實(shí)驗(yàn)數(shù)據(jù)顯示，應(yīng)用提出方法預(yù)加重處理聲音信號(hào)后，其平均信噪比數(shù)值最大值為20.15 dB，充分證實(shí)了提出方法信號(hào)預(yù)加重效果較佳。

關(guān)鍵詞：質(zhì)量檢測(cè)環(huán)節(jié)；檢測(cè)信息；語(yǔ)音交互；電力物資；預(yù)加重

中圖分類(lèi)號(hào)：TP274 + .4；TM711.2 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-5922（2024）11-0183-04

Pre-emphasis processing method of voice signal in powermaterial quality inspection link of electric power materials

ZHANG Yan 1 ，LI Yang 2 ，LIN Minghui 2 ，DONG Yuanlong 2 ，QIAN Xiying 3

（1. Ningbo New Victory Electric Co.，Ltd.，Ningbo 315000，Zhejiang China；2. State Grid Ningbo Electric Power Supply Company，Ningbo 315000，Zhejiang China；3. Ningbo Electric Power Transmission and Substation Construction Co.，Ltd.，Ningbo 315032，Zhejiang China）

Abstract：In order to solve the problem that the voice interactive detection information in the quality inspectionprocess of power materials is easily affected by the surrounding environmental factors，a pre-emphasis method ofsound signal was proposed. The mathematical model of the sound signal was constructed，and its time domain char?acteristics were analyzed，and on this basis，the spectral energy and probability distribution of each frame of thesound signal were calculated，the spectral entropy value of each frame of the sound signal was measured，the end?point of the sound signal was detected，and the prior signal-to-noise ratio of the sound signal was estimated to intro?duce the gain function. The experimental data showed that the maximum value of the average signal-to-noise ratiowas 20.15 dB after applying the proposed method to pre emphasis the sound signal，which fully proves that the pro?posed method has better signal pre emphasis effect.

Key words：quality inspection link；detection information；voice interaction；power supplies；pre emphasis

國(guó)家電網(wǎng)是國(guó)民經(jīng)濟(jì)命脈與國(guó)家能源安全的關(guān)鍵企業(yè)之一，承擔(dān)著為社會(huì)提供持續(xù)性電力能源供應(yīng)的任務(wù) [1] 。電力物資是指電力系統(tǒng)應(yīng)用到的全部設(shè)備、材料與物品，其質(zhì)量是否合格直接關(guān)系著電網(wǎng)運(yùn)行安全，故需要對(duì)電力物資質(zhì)量進(jìn)行精確的檢測(cè)。電力物資質(zhì)量檢測(cè)環(huán)節(jié)已經(jīng)成為電網(wǎng)管理系統(tǒng)的關(guān)鍵構(gòu)成部分，通過(guò)多種手段準(zhǔn)確判定電力物資質(zhì)量的優(yōu)劣，為電力系統(tǒng)穩(wěn)定、安全運(yùn)行提供最有效的保障 [2] 。電力物資質(zhì)量檢測(cè)環(huán)節(jié)中包含多種類(lèi)型的檢測(cè)信息，由于環(huán)境噪聲、設(shè)備振動(dòng)以及人耳聽(tīng)覺(jué)特性等因素的影響，導(dǎo)致語(yǔ)音交互式聲音信號(hào)存在著信噪比較低、質(zhì)量較差等現(xiàn)象，容易引發(fā)電力物資質(zhì)量檢測(cè)失誤事件發(fā)生，威脅電網(wǎng)的穩(wěn)定運(yùn)行。為了解決上述存在的問(wèn)題，提出電力物資質(zhì)量檢測(cè)環(huán)節(jié)語(yǔ)音交互式檢測(cè)信息聲音信號(hào)預(yù)加重方法研究。

1 語(yǔ)音交互式檢測(cè)信息聲音信號(hào)預(yù)加重方法研究

1. 1 聲音信號(hào)數(shù)學(xué)模型構(gòu)建

依據(jù)電力物資質(zhì)量檢測(cè)環(huán)節(jié)語(yǔ)音交互式檢測(cè)信息的特點(diǎn)，將聲音信號(hào)數(shù)學(xué)模型劃分為3個(gè)部分，分別為聲門(mén)激勵(lì)函數(shù)、聲道調(diào)制函數(shù)與聲音輻射函數(shù)，表達(dá)式為：

由圖1可知，當(dāng)估計(jì)因子 λ i 取值為0.47時(shí)，先驗(yàn)信噪比估計(jì)精度達(dá)到最大值85.5%。因此，確定先驗(yàn)信噪比估計(jì)因子 λ i 最佳取值為0.47。

將上述確定的先驗(yàn)信噪比估計(jì)因子 λ i 與當(dāng)前后驗(yàn)信噪比 μ i 代入式（3）中，即可精確估計(jì)聲音信號(hào)先驗(yàn)信噪比 ξ i ，為后續(xù)聲音信號(hào)預(yù)加重的實(shí)現(xiàn)提供支撐。

1. 4 聲音信號(hào)預(yù)加重實(shí)現(xiàn)

以上述估計(jì)的聲音信號(hào)先驗(yàn)信噪比為依據(jù)，制定聲音信號(hào)預(yù)加重程序，具體如圖2所示。

由圖 2 可知，增益函數(shù)計(jì)算是聲音信號(hào)預(yù)加重中的關(guān)鍵環(huán)節(jié)，決定著聲音信號(hào)預(yù)加重效果的好壞 [6] 。

2 實(shí)驗(yàn)與結(jié)果分析

選取基于雙層字典學(xué)習(xí)的單通道語(yǔ)音增強(qiáng)方法 [7]與面向旋翼飛機(jī)螺旋槳干擾的AM通信語(yǔ)音信號(hào)智能增強(qiáng)方法 [8] 作為對(duì)比方法，設(shè)計(jì)聲音信號(hào)預(yù)加重測(cè)試，驗(yàn)證提出方法的應(yīng)用性能。

2. 1 實(shí)驗(yàn)數(shù)據(jù)處理

實(shí)驗(yàn)數(shù)據(jù)是聲音信號(hào)預(yù)加重測(cè)試進(jìn)行的基礎(chǔ)及其前提。為了方便測(cè)試的進(jìn)行，在實(shí)驗(yàn)數(shù)據(jù)應(yīng)用之前對(duì)其進(jìn)行一定的處理。電力物資質(zhì)量檢測(cè)環(huán)節(jié)語(yǔ)音交互式檢測(cè)信息聲音信號(hào)是一種短時(shí)平穩(wěn)信號(hào)，其特性能夠在10～30 ms內(nèi)保持不變。因此，為了保障實(shí)驗(yàn)數(shù)據(jù)維持穩(wěn)定，采用窗函數(shù)對(duì)聲音信號(hào)進(jìn)行分幀處理，具體如圖3所示。

2. 2 實(shí)驗(yàn)參數(shù)確定

提出方法在聲音信號(hào)預(yù)加重過(guò)程中，采用了實(shí)驗(yàn)參數(shù) — —加重系數(shù) ? ，其取值是否合理、科學(xué)直接關(guān)系著聲音信號(hào)預(yù)加重的效果，故采用訓(xùn)練數(shù)據(jù)集合測(cè)試加重系數(shù) ? 與預(yù)加重聲音信號(hào)信噪比之間的關(guān)系，具體如圖4所示。

由圖4可知，當(dāng)加重系數(shù) ? 取值為0.47時(shí)，預(yù)加重聲音信號(hào)信噪比達(dá)到最大值14.4 dB。因此，確定加重系數(shù) ? 最佳取值為0.47。

2. 3 實(shí)驗(yàn)結(jié)果分析

以上述處理后的實(shí)驗(yàn)數(shù)據(jù)以及確定的實(shí)驗(yàn)參數(shù)為基礎(chǔ)，進(jìn)行聲音信號(hào)預(yù)加重實(shí)驗(yàn)。信噪比是顯示聲音信號(hào)預(yù)加重效果的關(guān)鍵指標(biāo)。應(yīng)用提出方法與對(duì)比方法對(duì)實(shí)驗(yàn)數(shù)據(jù) — —聲音信號(hào)進(jìn)行預(yù)加重操作，獲得聲音信號(hào)預(yù)加重結(jié)果如圖5所示。

由圖5可知，相較于原始聲音信號(hào)來(lái)看，應(yīng)用2種對(duì)比方法獲得的聲音信號(hào)預(yù)加重結(jié)果去除了部分噪聲，但同時(shí)也對(duì)聲音信號(hào)造成了影響，使得聲音信號(hào)丟失了部分有效信息，而應(yīng)用提出方法能夠去除全部噪聲，并不會(huì)對(duì)純聲音信號(hào)產(chǎn)生影響，表明提出方法聲音信號(hào)預(yù)加重效果更好。

圖5所示結(jié)果通過(guò)觀察得到，并不具備客觀性，再加之實(shí)驗(yàn)對(duì)象較少，很難體現(xiàn)實(shí)驗(yàn)結(jié)論的準(zhǔn)確性。因此，選取10組實(shí)驗(yàn)數(shù)據(jù) — —聲音信號(hào)，計(jì)算聲音信號(hào)預(yù)加重后的平均信噪比數(shù)值，具體如表1所示。

由表1 可知，相較于 2 種對(duì)比方法來(lái)看，應(yīng)用提出方法獲得聲音信號(hào)預(yù)加重后平均信噪比數(shù)值更大，最大值為20.15 dB，說(shuō)明聲音信號(hào)中有效信息含量更高，充分證實(shí)了提出方法信號(hào)預(yù)加重效果更好。

3 結(jié)語(yǔ)

電力物資質(zhì)量的優(yōu)劣直接關(guān)系著電力系統(tǒng)運(yùn)行的穩(wěn)定程度。由此可見(jiàn)，電力物資質(zhì)量檢測(cè)環(huán)節(jié)至關(guān)重要，如何對(duì)其語(yǔ)音交互式檢測(cè)信息進(jìn)行處理與分析也成為電力系統(tǒng)亟待解決的問(wèn)題之一，故提出聲音信號(hào)預(yù)加重方法研究。實(shí)驗(yàn)結(jié)果顯示，提出方法可有效去除聲音信號(hào)中的噪聲，提升聲音信號(hào)信噪比，從而達(dá)到聲音信號(hào)預(yù)加重目的，能為電力物資質(zhì)量檢測(cè)提供更有效的數(shù)據(jù)支撐。

【參考文獻(xiàn)】

[1] 宋鑫磊，黎莫林，詹勤輝，等. 基于SARIMA與ANFIS組合方法的電力物資需求預(yù)測(cè)[J]. 機(jī)械設(shè)計(jì)，2022，39（6）：66-72.

[2] 董慧芬，金晨陽(yáng)，史志波. IF-ANP組合賦權(quán)的灰聚類(lèi)飛機(jī)電能質(zhì)量評(píng)估[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2021，33（7）：49-55.

[3] 唐忠林，楊建華，雷宏偉. 語(yǔ)音交互與力感知式智能牙周 探 針 開(kāi) 發(fā) [J]. 傳 感 技 術(shù) 學(xué) 報(bào) ，2021，34（11）：1555-1562.

[4] 韓云霄，邵清，符玉襄，等. 復(fù)雜噪聲中基于MFCC距離的語(yǔ)音端點(diǎn)檢測(cè)算法[J]. 計(jì)算機(jī)工程，2020，46（3）：309-314.

[5] 雷婭，方勇，張立明. 基于Takenaka-Malmquist系的語(yǔ)音信號(hào)壓縮與降噪方法[J]. 上海大學(xué)學(xué)報(bào)：自然科學(xué)版，2020，26（1）：33-46.

[6] 張?bào)w奎，李森森，郁濱. 蜂窩移動(dòng)網(wǎng)類(lèi)語(yǔ)音信號(hào)加密通信同步方案研究[J]. 電子測(cè)量與儀器學(xué)報(bào)，2020，32（1）：163-170.

[7] 孫林慧，吳子皓，謝可麗，等. 基于雙層字典學(xué)習(xí)的單通道語(yǔ)音增強(qiáng)方法[J]. 信號(hào)處理，2020，36（6）：1001-1012.

[8] 田斌鵬，董文方，張昆，等. 面向旋翼飛機(jī)螺旋槳干擾的AM通信語(yǔ)音信號(hào)智能增強(qiáng)方法[J]. 電訊技術(shù)，2022，62（7）：947-952.