一种基于深度学习的多模态局部放电信号智能分离方法

本发明公开了一种基于深度学习的多模态局部放电信号智能分离方法，涉及信号处理技术领域，部署基于多模态传感器构成的智能传感系统，同步采集局部放电信号，获取多模态信号特征，并结合智能传感系统感知环境变化，提取环境状态特征；对多模态信号特征和环境状态特征进行预处理，得到综合特征序列表；通过跨模态注意力机制融合多模态信号特征和环境状态特征，生成融合环境信息的联合特征表示。本发明通过部署多模态传感器系统，同步采集局部放电的多模态信号及环境状态特征，结合跨模态注意力机制，有效融合多源信息，显著提升了局部放电信号的分离精度，能够更全面地反映信号特性，减少单一模态数据带来的误差，从而提高分离结果的准确性。