基于隨機(jī)共振的輸氣管道微泄漏音波信號(hào)特征提取方法
【專(zhuān)利摘要】本發(fā)明提供了一種基于隨機(jī)共振的輸氣管道微泄漏音波信號(hào)特征提取方法，包括如下步驟：建立離散的非線(xiàn)性濾波器隨機(jī)共振系統(tǒng)模型，對(duì)隨機(jī)共振系統(tǒng)模型的輸出信號(hào)進(jìn)行轉(zhuǎn)換，對(duì)轉(zhuǎn)化后的音波信號(hào)進(jìn)行加窗處理，轉(zhuǎn)化到Melfilter域上，進(jìn)行離散余弦變換提取特征參數(shù)，采用倒譜均值歸一化算法進(jìn)行去噪。該方法將隨機(jī)共振系統(tǒng)模型引入到Mel頻率倒譜系數(shù)算法的音波信號(hào)特征提取中，與MFCC特征提取算法相比，具有更高的信噪比，且進(jìn)一步加快了識(shí)別的運(yùn)行時(shí)間，更有助于動(dòng)態(tài)特征提取。
【專(zhuān)利說(shuō)明】
基于隨機(jī)共振的輸氣管道微泄漏音波信號(hào)特征提取方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及輸氣管道安全檢測(cè)領(lǐng)域，具體設(shè)及一種基于隨機(jī)共振的輸氣管道微泄 漏音波信號(hào)特征提取方法。
【背景技術(shù)】
[0002] 隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，對(duì)天然氣的需求越來(lái)越大，而管道是陸上輸送天然氣 的主要方式，為此國(guó)家建設(shè)了大量天然氣管道。然而，由于管道腐蝕、自然破壞、管道自身缺 陷或者第=方破壞等原因，管道泄漏時(shí)有發(fā)生。管道發(fā)生泄漏不僅帶來(lái)經(jīng)濟(jì)損失和環(huán)境破 壞，嚴(yán)重時(shí)還會(huì)導(dǎo)致群死群傷的重大事故，因此泄漏檢測(cè)及定位方法作為保障管道安全的 重要手段，具有重要的研究意義。目前檢測(cè)輸氣管道狀態(tài)多采用人工檢測(cè)，效率較低，部分 危險(xiǎn)輸氣管道采用安裝壓力和流量傳感器來(lái)檢測(cè)泄漏，但在實(shí)際情況下，主要的管道系統(tǒng) 都較為龐大，由于傳感器結(jié)構(gòu)的物理限制，當(dāng)泄漏量很小時(shí)傳感器并不能識(shí)別，直到泄漏量 達(dá)到一定閥值。
[0003] 微泄漏的準(zhǔn)確快速檢測(cè)能夠降低危險(xiǎn)，為搶險(xiǎn)提供寶貴的時(shí)間，通過(guò)大量的研究 發(fā)現(xiàn)，音波信號(hào)是檢測(cè)輸氣管道微泄漏最有效的方法之一。當(dāng)輸氣管道發(fā)生破裂時(shí)，管道中 的壓力平衡受到破壞，輸送介質(zhì)從泄漏點(diǎn)流出，與管壁摩擦產(chǎn)生瞬間音波震蕩，從而產(chǎn)生泄 漏音波信號(hào)。泄漏音波信號(hào)在管內(nèi)介質(zhì)中傳播過(guò)程中，不可避免的受到儀器、儀表、采集系 統(tǒng)產(chǎn)生的隨機(jī)噪聲W及各種外界干擾引起的噪聲的影響，運(yùn)些操作都有可能產(chǎn)生音波噪聲 信號(hào)，而將泄漏產(chǎn)生的音波信號(hào)所淹沒(méi)，導(dǎo)致無(wú)法準(zhǔn)確的識(shí)別泄漏音波信號(hào)，而出現(xiàn)誤報(bào)和 漏報(bào)現(xiàn)象。
[0004] 自從1981年BenZ等研究古氣象冰川問(wèn)題提出隨機(jī)共振（Stochastic resonance， SR)概念W來(lái)，SR現(xiàn)象受到了廣泛的關(guān)注，隨機(jī)共振現(xiàn)象是一種非線(xiàn)性現(xiàn)象，它在一定條件 下，將部分噪聲能量轉(zhuǎn)移到信號(hào)上，在降低噪聲的同時(shí)能夠使淹沒(méi)于噪聲中的弱信號(hào)得到 共振加強(qiáng)，極大地提高輸出的信噪比，從而實(shí)現(xiàn)從噪聲干擾中檢測(cè)微弱信號(hào)的目的。

【發(fā)明內(nèi)容】

[0005] 本申請(qǐng)通過(guò)提供一種基于隨機(jī)共振的輸氣管道微泄漏音波信號(hào)特征提取方法，將 隨機(jī)共振原理引入到Mel頻率倒譜系數(shù)算法的音波信號(hào)特征提取中，W解決現(xiàn)有技術(shù)中因 隨機(jī)噪聲及各種外界干擾引起的噪聲等影響，導(dǎo)致無(wú)法準(zhǔn)確識(shí)別泄露音波信號(hào)，從而出現(xiàn) 誤報(bào)或者漏報(bào)的技術(shù)問(wèn)題。
[0006] 為解決上述技術(shù)問(wèn)題，本申請(qǐng)采用W下技術(shù)方案予W實(shí)現(xiàn)：
[0007] -種基于隨機(jī)共振的輸氣管道微泄漏音波信號(hào)特征提取方法，包括如下步驟：
[000引Sl:建立離散的非線(xiàn)性濾波器隨機(jī)共振系統(tǒng)模型：
[0009]輸入信號(hào)關(guān)
，式中，Ao為幅度，CO為頻率，巧為初相位， e(t)為噪音波信號(hào)，輸出信號(hào)為x(t)，根據(jù)隨機(jī)共振理論，周期信號(hào)與噪聲共同作用的隨機(jī) 共振系統(tǒng)模型為:扯/化=日義(1：)-13義3(1：)+3(1：)，式中，日、13是系統(tǒng)的結(jié)構(gòu)參數(shù)；
[0010] S2:對(duì)隨機(jī)共振系統(tǒng)模型的輸出信號(hào)進(jìn)行轉(zhuǎn)換：即通過(guò)一階歐拉方程求解得:x(n+ l)=A(a，b，h)x(n)+B(a，b，h)x3(n)巧(a，b，h)s(n)，式中，x(n)為輸出信號(hào)x(t)的第n個(gè)采 樣值，s(n)為輸入信號(hào)s(t)的第n個(gè)采樣值，4(曰，6，11)、8(曰，13，11)心(曰，13，11)是與曰、6和11相關(guān) 的權(quán)值矩陣，h為采樣步長(zhǎng)；
[0011] S3:對(duì)轉(zhuǎn)化后的音波信號(hào)進(jìn)行加窗處理，轉(zhuǎn)化到Melfilter域上；
[0012] S4:進(jìn)行離散余弦變換提取特征參I
，式中，Hik 為濾波系數(shù)，q為濾波器階數(shù)，k= 1，2，…q;
[0013] S5:采用倒譜均值歸一化算法進(jìn)行去噪，即：E(t) = c(t)-m(t)，式中，E(t)為微泄 漏音波信號(hào)提取的特征素，倒譜均值
），y為每次計(jì)算的更 新步長(zhǎng)，N為窗寬，且滿(mǎn)，
[0014] 4(3,6，11)、8(3，13，11)心(3，13，11)是隨機(jī)共振系統(tǒng)的權(quán)值矩陣，運(yùn)^個(gè)參數(shù)之間沒(méi)有 任何線(xiàn)性關(guān)系，為了得到較佳的信噪比，作為一種優(yōu)選的技術(shù)方案，權(quán)值矩陣A(a，b，h)為 0.35,8(曰，6，11)為0.18，乂(曰，13，11)為0.8。
[0015] 與現(xiàn)有技術(shù)相比，本申請(qǐng)?zhí)峁┑募夹g(shù)方案，具有的技術(shù)效果或優(yōu)點(diǎn)是:與MFCC特征 提取算法相比，具有更高的信噪比，且進(jìn)一步加快了識(shí)別的運(yùn)行時(shí)間，更有助于動(dòng)態(tài)特征提 取。
【附圖說(shuō)明】
[0016] 圖1為本發(fā)明的方法流程圖；
[0017] 圖2為本發(fā)明的微泄漏檢測(cè)方法的流程圖；
[0018] 圖3為本發(fā)明的環(huán)形輸氣管道的輸氣系統(tǒng)功能流程圖。
【具體實(shí)施方式】
[0019] 本申請(qǐng)實(shí)施例通過(guò)提供一種基于隨機(jī)共振的輸氣管道微泄漏音波信號(hào)特征提取 方法，將隨機(jī)共振原理引入到Mel頻率倒譜系數(shù)算法的音波信號(hào)特征提取中，W解決現(xiàn)有技 術(shù)中因隨機(jī)噪聲及各種外界干擾引起的噪聲等影響，導(dǎo)致無(wú)法準(zhǔn)確識(shí)別泄露音波信號(hào)，從 而出現(xiàn)誤報(bào)或者漏報(bào)的技術(shù)問(wèn)題。
[0020] 為了更好的理解上述技術(shù)方案，下面將結(jié)合說(shuō)明書(shū)附圖W及具體的實(shí)施方式，對(duì) 上述技術(shù)方案進(jìn)行詳細(xì)的說(shuō)明。
[0021 ] 實(shí)施例
[0022] -種基于隨機(jī)共振的輸氣管道微泄漏音波信號(hào)特征提取方法，如圖1所示，包括如 下步驟：
[0023] Sl:建立離前的韭純化池淋柴隨扣化庶態(tài)紐模型：
[0024] 輸入信號(hào)^ :中，Ao為幅度，O為頻率，廬為初相位， e(t)為噪音波信號(hào)，輸出信號(hào)為x(t)，根據(jù)隨機(jī)共振理論，周期信號(hào)與噪聲共同作用的隨機(jī) 共振系統(tǒng)模型為:扯/化=日義(1：)-13義3(1：)+3(1：)，式中，日、13是系統(tǒng)的結(jié)構(gòu)參數(shù)；
[0025] S2:對(duì)隨機(jī)共振系統(tǒng)模型的輸出信號(hào)進(jìn)行轉(zhuǎn)換：即通過(guò)一階歐拉方程求解得:x(n+ l)=A(a，b，h)x(n)+B(a，b，h)x3(n)巧(a，b，h)s(n)，式中，x(n)為輸出信號(hào)x(t)的第n個(gè)采 樣值，s(n)為輸入信號(hào)s(t)的第n個(gè)采樣值，4(曰，6，11)、8(曰，13，11)心(曰，13，11)是與曰、6和11相關(guān) 的權(quán)值矩陣，h為采樣步長(zhǎng)；
[0026] S3:對(duì)轉(zhuǎn)化后的音波信號(hào)進(jìn)行加窗處理，轉(zhuǎn)化到Melfilter域上；
[0027] S4:進(jìn)行離散余弦變換提取特征參鑽
式中，Hik 為濾波系數(shù)，q為濾波器階數(shù)，k= 1，2，…q;
[00%] S5:采用倒譜均值歸一化算法進(jìn)行去噪，即：E(t) = c(t)-m(t)，式中，E(t)為微泄 漏音波信號(hào)提取的特征素，倒譜均隹
，4為每次計(jì)算的更 新步長(zhǎng)，N為窗寬，且滿(mǎn)
[0029] 為了驗(yàn)證本發(fā)明特征提取的可靠性，將輸氣管道微泄漏音波信號(hào)提取的特征素通 過(guò)S層BP網(wǎng)絡(luò)進(jìn)行識(shí)別。微泄漏檢測(cè)方法的流程圖如圖2所示，當(dāng)識(shí)別結(jié)果為0時(shí)，表示微泄 漏事故已發(fā)生，當(dāng)識(shí)別結(jié)果為1時(shí)，則表示微泄漏事故未發(fā)生。
[0030] 圖3為環(huán)形輸氣管道的輸氣系統(tǒng)功能流程圖，壓縮機(jī)提供指定空氣壓力的氣體流 動(dòng)，壓力和流量傳感器的值通過(guò)ADAM設(shè)備發(fā)送到電腦端，電腦端發(fā)送控制信給氣動(dòng)控制閥、 氣體滿(mǎn)輪流量計(jì)和金屬管轉(zhuǎn)子流量計(jì)，W確保輸氣管道內(nèi)壓力穩(wěn)定。
[0031] 在數(shù)據(jù)采集過(guò)程中，盡管泄漏已發(fā)生，但管道氣體的壓力保持0.2MPa，滿(mǎn)足微泄漏 的定義。利用手機(jī)麥克風(fēng)收集音波信號(hào)，共采集100組微泄漏信號(hào)和15組背景信號(hào)。輸氣管 道微泄漏音波信號(hào)處理仿真實(shí)驗(yàn)使用軟件是matlab r2010b，內(nèi)存為RAM 8.0G。背景信號(hào)主 要由操作壓縮機(jī)、鋼管內(nèi)的氣體輸送等組成。
[0032] 在收集的音波信號(hào)數(shù)據(jù)集中隨機(jī)選取20組微泄漏信號(hào)作為測(cè)試集，剩余的作為訓(xùn) 練集，如此訓(xùn)練和測(cè)試了 20次，得到了信噪比平均值和信噪比平均對(duì)數(shù)值。從表1可見(jiàn)，本發(fā) 明獲得的信噪比SNR值明顯高于MFCC特征提取算法的SNR值，更有助于動(dòng)態(tài)特征提取。
[0033] 表1SNR 對(duì)比
[0034]
[0035] 在表2中，比較本發(fā)明方法和MFCC特征提取算法之間的性能，利用BP神經(jīng)網(wǎng)絡(luò)模型 區(qū)分動(dòng)態(tài)特性。=個(gè)指標(biāo)為:運(yùn)行時(shí)間，訓(xùn)練集的小批量均方誤差和全數(shù)據(jù)集的訓(xùn)練誤差。 首先，本發(fā)明花費(fèi)更少的時(shí)間完成識(shí)別。其次，由于采集到的音波信號(hào)的數(shù)量有限，在訓(xùn)練 誤差上，該方法能起到了較好的訓(xùn)練。
[0036] 表2B巧巾經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果
[0037]
[0038] A(a，b，h)、B(a，b，h)、X(a，b，h)是隨機(jī)共振系統(tǒng)的權(quán)值矩陣，經(jīng)過(guò)多次實(shí)驗(yàn)，得出 表3,運(yùn)=個(gè)參數(shù)之間沒(méi)有任何線(xiàn)性關(guān)系，為了得到較佳的信噪比，權(quán)值矩陣A(a，b，h)為 0.35,8(曰，6，11)為0.18，乂(曰，13，11)為0.8。
[0039] 表3權(quán)值矩陣參數(shù)值對(duì)比 「rwwil
L0041J 為了進(jìn)一步檢驗(yàn)本發(fā)明的優(yōu)越性，加入了不同信噪比的高斯白噪聲(WGNS)混合成 微泄漏信號(hào)，如表4所示，本發(fā)明具有更好的信噪比值。當(dāng)WGN的信噪比值達(dá)到3時(shí)，本發(fā)明的 方法比MFCC特征提取算法快4倍，隨著噪聲的增加，當(dāng)WGN的信噪比值達(dá)到1時(shí)，本發(fā)明的方 法比MFCC特征提取算法快10倍。
[0042] 表4增加 WGN后的運(yùn)行時(shí)間表
[0043]
[0044] 從表5中可W看出，本發(fā)明加入WGN后，訓(xùn)練集中分批處理均方誤差不高。
[0045] 表5增加 WGN后訓(xùn)練集中分批處理均方誤差表
[0046]
[0047] 本申請(qǐng)的上述實(shí)施例中，通過(guò)提供一種基于隨機(jī)共振的輸氣管道微泄漏音波信號(hào) 特征提取方法，包括如下步驟:建立離散的非線(xiàn)性濾波器隨機(jī)共振系統(tǒng)模型，對(duì)隨機(jī)共振系 統(tǒng)模型的輸出信號(hào)進(jìn)行轉(zhuǎn)換，對(duì)轉(zhuǎn)化后的音波信號(hào)進(jìn)行加窗處理，轉(zhuǎn)化到Melfilter域上， 進(jìn)行離散余弦變換提取特征參數(shù)，采用倒譜均值歸一化算法進(jìn)行去噪。該方法將隨機(jī)共振 系統(tǒng)模型引入到Mel頻率倒譜系數(shù)算法的音波信號(hào)特征提取中，與MFCC特征提取算法相比， 具有更高的信噪比，且進(jìn)一步加快了識(shí)別的運(yùn)行時(shí)間，更有助于動(dòng)態(tài)特征提取。
[004引應(yīng)當(dāng)指出的是，上述說(shuō)明并非是對(duì)本發(fā)明的限制，本發(fā)明也并不僅限于上述舉例， 本技術(shù)領(lǐng)域的普通技術(shù)人員在本發(fā)明的實(shí)質(zhì)范圍內(nèi)所做出的變化、改性、添加或替換，也應(yīng) 屬于本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種基于隨機(jī)共振的輸氣管道微泄漏音波信號(hào)特征提取方法，其特征在于，包括如 下步驟： S1:建立離散的非線(xiàn)性濾波器隨機(jī)共振系統(tǒng)模型： 輸入信號(hào)為中）=/i() COS(iy? +妒)+ ?'(?)，式中，A〇為幅度，ω為頻率，妒為初相位，ε (t) 為噪音波信號(hào)，輸出信號(hào)為x(t)，根據(jù)隨機(jī)共振理論，周期信號(hào)與噪聲共同作用的隨機(jī)共振 系統(tǒng)模型為:(^/扣=31(1：)^^3(1：)+8(1：)，式中，3、13是系統(tǒng)的結(jié)構(gòu)參數(shù)； S2:對(duì)隨機(jī)共振系統(tǒng)模型的輸出信號(hào)進(jìn)行轉(zhuǎn)換：即通過(guò)一階歐拉方程求解得:x(n+l) = A(a，b，h)x(n)+B(a，b，h)x3(n)+X(a，b，h)s(n)，式中，x(n)為輸出信號(hào)x(t)的第η個(gè)采樣值， s(n)為輸入信號(hào)s(t)的第η個(gè)采樣值，A(a，b，h)、B(a，b，h)、X(a，b，h)是與a、b和h相關(guān)的權(quán) 值矩陣，h為采樣步長(zhǎng)； S3:對(duì)轉(zhuǎn)化后的音波信號(hào)進(jìn)行加窗處理，轉(zhuǎn)化到Melfi Iter域上； S4:進(jìn)行離散余弦變換提取特征參?中，mk為濾 波系數(shù)，q為濾波器階數(shù)，k= 1，2，…q; S5:采用倒譜均值歸一化算法進(jìn)行去噪，即：E(t) = c(t)-m(t)，式中，E(t)為微泄漏音 波信號(hào)提取的特征素，倒譜均彳1.為每次計(jì)算的更新 步長(zhǎng)，N為窗寬，且滿(mǎn)浞2. 根據(jù)權(quán)利要求1所還的 t隨機(jī)開(kāi)振的輸氣管道微泄漏音波信號(hào)特征提取方法，其 特征在于，權(quán)值矩陣 A(a，b，h)為 0.35，B(a，b，h)S〇.18，X(a，b，h)S〇.8。
【文檔編號(hào)】G06K9/00GK105956577SQ201610338669
【公開(kāi)日】2016年9月21日
【申請(qǐng)日】2016年5月20日
【發(fā)明人】利節(jié), 陳國(guó)榮, 張志勇, 熊茜, 馮驪驍, 高錚, 李莉
【申請(qǐng)人】重慶科技學(xué)院