摘要
为实现变电站设备的无接触状态预警,提出了基于支持向量机(Support Vector Machine, SVM)线性分类的变电站声纹检测模型。文中基于变电站声纹的先验信息,采用梅尔滤波器降维提取变电设备的声纹特征;并将二元假设检测问题转化为高维SVM分类,有效提高了变电设备故障声纹检测的鲁棒性。考虑算法实时性,研究了梅尔滤波器输出维数与SVM线性核函数的对应关系,并进一步降低高频输出分量。变电站实测声纹数据表明:文中算法能有效检测故障声纹且运算量降低了26.4%。
-
单位河海大学; 国电南瑞科技股份有限公司; 中国电子科技集团公司第五十四研究所