摘要
本发明公开了一种基于AI声纹识别的GIS设备异常检测方法,包括如下步骤:步骤一:采集原始声波信号并进行预处理;步骤二:进行短时傅里叶变换,并基于最小相位重构算法与Gr iffin‑Lim相位恢复算法联合重建相位信息;步骤三:采用掩码预测网络提取目标设备声源掩码值,输出目标声纹图谱张量;步骤四:输出时序声纹特征张量;步骤五:基于改进DeepAR模型,引入谱残差激活函数获取参数集合;步骤六:构建预测概率密度函数,输出异常判别标签序列;步骤七:输出异常评分曲线;步骤八:将异常标签序列和异常评分曲线呈现在可视化界面。本发明基于多通道声纹建模与改进DeepAR模型,实现设备异常状态的精准识别。
技术关键词
设备异常检测方法
时间滑动窗口
短时傅里叶变换
门控循环单元
声纹特征
相位恢复算法
通道注意力机制
概率密度函数
声波
GIS设备
标签
图谱
神经网络单元
重构算法
序列
可视化界面
信号
加权特征
时序依赖关系
系统为您推荐了相关专利信息
缺陷识别方法
泥浆泵
能量分布特征
分解特征
频率
信道脉冲响应
节点
微运动
估计相位噪声
估计相位误差
吹扫控制方法
阻抗偏差
参数
门控神经网络
时间滑动窗口
分类方法
卷积模块
特征提取模块
电信号
短时傅里叶变换
声源定位方法
正三角形
短时傅里叶变换
麦克风
幅值