基于自编码器的信号能量尖峰识别分割方法及存储介质与流程

本申请涉及工况故障检测和健康监测的，具体涉及一种基于自编码器的信号能量尖峰识别分割方法及存储介质。

背景技术：

1、准确检测到音频时间序列中的尖峰(spike)是数据预处理的重要技术之一，其作用体现在以下两方面，其一，是准确的尖峰检测对于提高数据质量有帮助。由于工况变化、环境干扰、人为操作失误等影响，从机器中采集的原始信号通常有大量奇异点(outlier，指幅值远高于信号平均幅值的点)，而这些奇异点又往往是正的，表现为“尖峰”，准确检测到这些尖峰值是对这些奇异点进行处理的前提。其二，是准确的尖峰检测对于提取故障特征有重要作用。故障的表现形式往往是以尖峰的形式表现在信号中的。准确检测并定位这类尖峰，对于提取与某类所关心的故障直接相关的特征具有重要作用。综上，准确的尖峰检测对于故障预测建模有重要意义。

2、然而现有对于尖峰检测的技术方案中，如申请号为201911121998.x公开的一种基于信号能量尖峰识别的音频分割方法中，主要是基于信号能量尖峰基础上进行音频切割，然后在实际中，经常有无规律间隔叠加能量的干扰导致伪尖峰出现，而导致能量尖峰的检查精度和准度会收到严重挑战；如申请号为201810962524.7公开了一种寻找非稳态音频时间序列微弱尖峰的方法，而该方案同样也是基于信号能量尖峰基础上进行音频分割，无法区分不同类型尖峰。

技术实现思路

1、鉴于上述问题，本申请提供了一种基于自编码器的信号能量尖峰识别分割方法及存储介质，解决现有基于信号能量尖峰识别的音频分割方法中，经常有无规律间隔叠加能量的干扰导致伪尖峰出现，而导致能量尖峰的检查精度和准度会收到严重挑战的问题。

2、为实现上述目的，发明人提供了一种基于自编码器的信号能量尖峰识别分割方法，包括以下步骤：

3、s110：通过拾音器采集现场音频，生成音频时间序列；

4、s120：通过高通滤波器对生成的音频时间序列进行过滤后得到音频序列；

5、s130：计算音频序列的时频谱；

6、s140：对时频谱进行尖峰粗定位，输出尖峰位置时频谱特征；

7、s150：构造自编码器，将尖峰时频谱特征输入自编码器进行表征学习各种尖峰位置特征；

8、s160：将经过尖峰粗定位得到的尖峰位置时频谱特征输入自编码器，输出目标尖峰。

9、在一些实施例中，所述计算音频序列的时频谱具体包括以下步骤：

10、去除音频序列的毛刺后，计算其时频谱。

11、在一些实施例中，所述对时频谱进行尖峰粗定位具体包括以下步骤：

12、对时频谱每一时刻对应的频率取均值后生成一维矩阵；

13、取一维矩阵的中值为阈值；

14、对一维矩阵中大于阈值的置1，小于阈值的置0，生成新的一维矩阵；

15、在新的一维矩阵中寻找成对出现的下降沿和上升沿，保存对应的坐标。

16、在一些实施例中，所述构造自编码器具体包括以下步骤：

17、首先提取预设时间内的音频数据，通过步骤s110-s140处理后，粗提取出尖峰位置的时频谱特征；

18、分别在时间维取均值后标准处理，输入自编码器中进行训练，得到训练好的自编码器。

19、在一些实施例中，所述经过尖峰粗定位得到的尖峰位置时频谱特征输入自编码器，输出目标尖峰具体包括以下步骤：

20、将获取目标尖峰位置的时频谱特征，输入自编码器编码后得到64维特征作为黄金编码；

21、对将粗定位得到的尖峰位置的时频谱特征输入自编码器进行编码，分别与黄金编码做预先相似度比对，过滤相似度较小的尖峰，左后输出目标尖峰位置坐标。

22、还提供了另一个技术方案，一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器运行时执行以下步骤：

23、通过拾音器采集现场音频，生成音频时间序列；

24、通过高通滤波器对生成的音频时间序列进行过滤后得到音频序列；

25、计算音频序列的时频谱；

26、对时频谱进行尖峰粗定位，输出尖峰位置时频谱特征；

27、构造自编码器，将尖峰时频谱特征输入自编码器进行表征学习各种尖峰位置特征；

28、将经过尖峰粗定位的尖峰位置时频谱特征输入自编码器，输出目标尖峰。

29、在一些实施例中，所述计算音频序列的时频谱具体包括以下步骤：

30、去除音频序列的毛刺后，计算其时频谱。

31、在一些实施例中，所述对时频谱进行尖峰粗定位具体包括以下步骤：

32、对时频谱每一时刻对应的频率取均值后生成一维矩阵；

33、取一维矩阵的中值为阈值；

34、对一维矩阵中大于阈值的置1，小于阈值的置0，生成新的一维矩阵；

35、在新的一维矩阵中寻找成对出现的下降沿和上升沿，保存对应的坐标。

36、在一些实施例中，所述构造自编码器具体包括以下步骤：

37、首先提取预设时间内的音频数据，通过步骤s110-s140处理后，粗提取出尖峰位置的时频谱特征；

38、分别在时间维取均值后标准处理，输入自编码器中进行训练，得到训练好的自编码器。

39、在一些实施例中，所述将经过尖峰粗定位的尖峰位置时频谱特征输入自编码器，输出目标尖峰具体包括以下步骤：

40、将获取目标尖峰位置的时频谱特征，输入自编码器编码后得到64维特征作为黄金编码；

41、对将粗定位得到的尖峰位置的时频谱特征输入自编码器进行编码，分别与黄金编码做预先相似度比对，过滤相似度较小的尖峰，左后输出目标尖峰位置坐标。

42、区别于现有技术，上述技术方案，通过对拾音器采集的原始音频数据进行处理后生成音频时间序列，然后通过高通滤波器对生成的音频时间序列进行过滤后得到音频序列，然后对音频序列计算其时频谱，对时频谱进行尖峰粗定位，通过构建自编码器，将尖峰时频谱特征输入至自编码器进行表征学习，最终自编码器可以学习到各种尖峰位置特征，包括目标尖峰和伪尖峰，然后将尖峰粗定位得到的尖峰位置时频谱特征输入至自编码器中，可以输出目标尖峰，通过引入自编码器网络能有效区分伪尖峰与目标尖峰，抗干扰能力强，切割点位正确，精度高，易于工程化。

43、上述技术实现要素：相关记载仅是本申请技术方案的概述，为了让本领域普通技术人员能够更清楚地了解本申请的技术方案，进而可以依据说明书的文字及附图记载的内容予以实施，并且为了让本申请的上述目的及其它目的、特征和优点能够更易于理解，以下结合本申请的具体实施方式及附图进行说明。

技术特征：

1.一种基于自编码器的信号能量尖峰识别分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于自编码器的信号能量尖峰识别分割方法，其特征在于，所述计算音频序列的时频谱具体包括以下步骤：

3.根据权利要求1所述的基于自编码器的信号能量尖峰识别分割方法，其特征在于，所述对时频谱进行尖峰粗定位具体包括以下步骤：

4.根据权利要求1所述的基于自编码器的信号能量尖峰识别分割方法，其特征在于，所述构造自编码器具体包括以下步骤：

5.根据权利要求1所述的基于自编码器的信号能量尖峰识别分割方法，其特征在于，所述经过尖峰粗定位得到的尖峰位置时频谱特征输入自编码器，输出目标尖峰具体包括以下步骤：

6.一种存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行以下步骤：

7.根据权利要求6所述的存储介质，其特征在于，所述计算音频序列的时频谱具体包括以下步骤：

8.根据权利要求6所述的存储介质，其特征在于，所述对时频谱进行尖峰粗定位具体包括以下步骤：

9.根据权利要求6所述的存储介质，其特征在于，所述构造自编码器具体包括以下步骤：

10.根据权利要求6所述的存储介质，其特征在于，所述将经过尖峰粗定位的尖峰位置时频谱特征输入自编码器，输出目标尖峰具体包括以下步骤：

技术总结本发明涉及一种基于自编码器的信号能量尖峰识别分割方法及存储介质，方法包括以下步骤：通过拾音器采集现场音频，生成音频时间序列；通过高通滤波器对生成的音频时间序列进行过滤后得到音频序列；计算音频序列的时频谱；对时频谱进行尖峰粗定位，输出尖峰位置时频谱特征；构造自编码器，将尖峰时频谱特征输入自编码器进行表征学习各种尖峰位置特征；将经过尖峰粗定位得到的尖峰位置时频谱特征输入自编码器，输出目标尖峰。通过引入自编码器网络能有效区分伪尖峰与目标尖峰，抗干扰能力强，切割点位正确，精度高，易于工程化。技术研发人员：何领朝,石顺中,林燕琴,林军,郑仁鑫受保护的技术使用者：福州数据技术研究院有限公司技术研发日：技术公布日：2024/4/17