張 鐸，侯新國

?

一種電暈可聽信號中環(huán)境噪聲的檢測方法

張 鐸，侯新國

(海軍工程大學(xué)電氣工程學(xué)院，武漢 430033)

檢測電暈可聽信號易受復(fù)雜環(huán)境噪聲的干擾。針對在強噪聲背景下難以檢測環(huán)境噪聲的難題，利用能量熵能反映出信號中細微能量變化和能量統(tǒng)計復(fù)雜度對干擾具有較強魯棒性的優(yōu)點，在基于小波分解的條件下，將兩者的優(yōu)點相結(jié)合，得到新的特征值。通過檢測該特征值的大小，能準(zhǔn)確檢測出環(huán)境噪聲的位置，為消除環(huán)境噪聲提供了理論依據(jù)。仿真和實例表明，該方法即使在環(huán)境噪聲較弱時，也能得到較高的檢測精度。

電暈信號 噪聲檢測 能量熵 小波變換 能量統(tǒng)計復(fù)雜度

0 引言

在高壓電傳輸過程中，由于尖端放電現(xiàn)象，會產(chǎn)生可見光和可聽信號。其中的可聽信號是電能損耗和周圍環(huán)境污染重要原因，研究其產(chǎn)生的條件和消除方法，是每一個長距離高壓輸電項目必須研究的課題。在野外采集的電暈可聽噪聲信號，會存在大量的環(huán)境噪聲，特別當(dāng)外界的環(huán)境噪聲較大時，對電暈可聽噪聲的檢測產(chǎn)生較大的困難。環(huán)境噪聲中會在許多種不同的成分，其中主要包括如動物鳴叫聲、汽車行駛聲等類似語音信號。由于此類噪聲對電暈可聽噪聲的特性影響最大，針對此類環(huán)境噪聲的提取和消除，許多學(xué)者進行了相關(guān)的研究。文獻[1]～[4]提出了基于小波熵的微弱噪聲信號提取，可以在信號中發(fā)現(xiàn)較微弱的信號，但是由于小波熵對能量變化過于敏感，容易引起誤判；文獻[5]提出基于信號能量譜熵的噪聲檢測方法，提高了檢測的正確率，但在信噪比低的情況下精確度低；文獻[6]～[9]提出了基于C_0復(fù)雜度和能量的端點檢測算法，通過使用信號在能量空間的序列分布統(tǒng)計復(fù)雜度，對信號中能量突出的噪聲檢測時具有較好的魯棒性，但是對信號中微弱的能量變化沒有前兩種方法敏感。針對短時的環(huán)境噪聲的能量分布較電暈可聽信號相對集中的特點，利用能量熵能檢測出信號中微弱能量變化和能量統(tǒng)計復(fù)雜度對噪聲具有較高魯棒性的優(yōu)點，本文提出一種基于能量熵和能量統(tǒng)計復(fù)雜度相結(jié)合的環(huán)境噪聲檢測方法，能夠檢測出信號中較微弱的環(huán)境噪聲，同時在不同信噪比的條件下保持穩(wěn)定的檢測結(jié)果。

1 能量統(tǒng)計復(fù)雜度和能量熵

1.1 能量統(tǒng)計復(fù)雜度

（2）

能量統(tǒng)計復(fù)雜度結(jié)合了時域能量和頻域譜熵的特點，將統(tǒng)計復(fù)雜度代替了譜熵，對噪聲有著較強的魯棒性，能夠提高環(huán)境噪聲和電暈可聽噪聲的區(qū)分度，能清楚地將環(huán)境噪聲的起始點檢測出來。但是，基于能量統(tǒng)計復(fù)雜度的環(huán)境噪聲檢測方法對微弱信號的檢測能力差，故在低信噪比的情況下，其檢測效果并不理想，會忽略掉環(huán)境噪聲中能量微弱的成分。

1.2 能量熵

為準(zhǔn)確地檢測出電暈可聽噪聲中能量微弱的成分，以彌補單獨使用能量統(tǒng)計復(fù)雜度的檢測方法對微弱信號處理效果不理想的缺點，定義如下能量熵。用長度為的滑動矩形窗對進行加窗處理，設(shè)為窗口中包含的的數(shù)據(jù)，用每一個窗口的信號能量在整個信號能量空間中的所占比重代替其概率，則第個窗口包含的信號在能量空間出現(xiàn)的概率為:

根據(jù)Shannon熵的定義，故第個窗口所包含信號的能量熵值[4]為

（5）

按式（5）定義的能量熵，能有效地反映出時域信號()的能量變化劇烈程度。隨著窗函數(shù)的移動，將每個窗口的能量值轉(zhuǎn)化為能量概率分布，從而轉(zhuǎn)化為反映能量分布有序程度的能量熵值。能量熵相對能量統(tǒng)計復(fù)雜度而言，對微弱信號的檢測效果更好，但在復(fù)雜環(huán)境下，其抗干擾能力較差，容易造成誤判。

2 基于能量熵和能量統(tǒng)計復(fù)雜度的端點檢測方法

能量熵和能量統(tǒng)計復(fù)雜度都能反映信號在能量空間中的分布情況，能有效地檢測出信號能量空間中的變化，但單獨使用能量統(tǒng)計復(fù)雜度的檢測方法時對微弱信號檢測能力不足，單獨使用能量熵的檢測方法時抗干擾能力差。為此本文利用能量統(tǒng)計復(fù)雜度對干擾具有良好穩(wěn)定性和能量熵對能量變化具有高敏感性的優(yōu)點，將兩者相結(jié)合，提出基于能量熵和能量統(tǒng)計復(fù)雜度的環(huán)境噪聲檢測方法。該方法將同一個窗口所包含信號的能量熵和能量統(tǒng)計復(fù)雜度的乘積定義為，用的值表征信號中的能量變化。大時表示信號中能量變化較大，反之較小。該的特征值在復(fù)雜環(huán)境下也能準(zhǔn)確地區(qū)分環(huán)境噪聲和電暈可聽信號，從而實現(xiàn)準(zhǔn)確地環(huán)境噪聲的檢測。該算法的步驟為：

3）將同一個窗口所包含信號的能量統(tǒng)計復(fù)雜度和能量熵值相乘，求出新的特征值，并將每一個的相同位置區(qū)間的疊加，即：

3 仿真與實例結(jié)果分析

3.1 仿真分析

為驗證上述方法有效性，使用不同信噪比的鳥鳴聲與高斯白噪聲的混合信號在Matlab軟件平臺上進行仿真實驗。采用基于能量統(tǒng)計復(fù)雜度的檢測方法和基于能量熵的檢測方法分別進行檢測，并將結(jié)果與基于能量熵和能量統(tǒng)計復(fù)雜度的檢測方法的結(jié)果進行比較。實驗中所用仿真信號如下式：

圖1 采集的純凈鳥鳴聲

仿真實驗是用滑動窗長度系數(shù)為100，每次平移一個采樣點。下圖2～4為混合信號信噪比為-3.23 dB、-6.46 dB、-8.60 dB三種不同情況下的檢測結(jié)果。圖2至圖4中的（a）為混合信號的時域波形圖，（b）為使用基于能量統(tǒng)計復(fù)雜度的檢測方法的結(jié)果，（c）為基于能量熵的檢測方法的結(jié)果，（d）為使用基于能量熵和能量統(tǒng)計復(fù)雜度的檢測方法的結(jié)果。

從圖2至圖4中可以看出，雖然三種方法都能反映出信號中環(huán)境噪聲的位置，但是使用基于能量熵和能量統(tǒng)計復(fù)雜度的檢測方法比其余兩種方法能更明顯地區(qū)分非環(huán)境噪聲段和環(huán)境噪聲段。在非噪聲段，高斯白噪聲的能量基本上被全部抑制，基本上保持在最低值附近，只有少許微弱的波動，而其余兩種方法則在非噪聲段有著較大的波動。

為進一步證明該方法的優(yōu)越性，按如下概念和規(guī)定，予以分析判定：若檢測結(jié)果中，若某點位于存在鳥鳴聲的信號區(qū)間內(nèi)卻被判定為非鳥鳴聲點，則定義為漏檢點；若某點不位于存在鳥鳴聲的信號區(qū)間內(nèi)卻被判定為鳥鳴聲點，則定義為虛檢點。虛檢點與漏檢點之和定義為誤檢點，它在整個信號長度中所占的比重定義為誤檢率。誤檢率是判定檢測結(jié)果準(zhǔn)確與否的最重要依據(jù)。

3.2 實例分析

圖2 信噪比為-3.23dB時三種方法的檢測結(jié)果

圖3 信噪比為-6.46dB時三種方法的檢測結(jié)果

圖4 信噪比為-8.60dB時三種方法的檢測結(jié)果

從表1中得知，在同一信噪比條件下，三種方法中，使用基于能量熵和能量統(tǒng)計復(fù)雜度的檢測方法誤檢率要比其余兩種方法低，說明其檢測效果最好；在不同信噪比條件下，使用同一種方法的誤檢率隨著信噪比的降低而增加，但使用基于能量熵和能量統(tǒng)計復(fù)雜度的檢測方法的誤檢率增長幅度最小，說明其具有更穩(wěn)定檢測效果。

現(xiàn)使用在800 kV的高壓輸電線路附近測得的電暈可聽噪聲與仿真實驗中使用的鳥鳴聲相混合的實際信號進行實驗，以檢驗該方法的有效性。本次所用的實例信號的信噪比為-23.6 dB。圖5中（a）為混合混合信號的時域波形，（b）為使用基于能量熵和能量統(tǒng)計復(fù)雜度的檢測方法的結(jié)果。

經(jīng)使用基于能量熵和能量統(tǒng)計復(fù)雜度的檢測方法處理后，實驗結(jié)果中的漏檢點數(shù)為121，虛檢點數(shù)為106，誤檢率為7.52%。該實驗說明本文提出的方法能夠在低信噪比和復(fù)雜的環(huán)境條件下準(zhǔn)確地檢測環(huán)境噪聲。

(a)

(b)

4 結(jié)論

針對基于能量統(tǒng)計度的環(huán)境噪聲檢測方法存在對微弱信號檢測效果差，以及基于能量熵的環(huán)境噪聲檢測方法抗干擾能力差的不足，本文結(jié)合兩者的優(yōu)點，提出一種基于能量熵和能量統(tǒng)計復(fù)雜度的環(huán)境噪聲檢測方法，并得到以下兩個結(jié)論。

首先，基于能量熵和能量統(tǒng)計復(fù)雜度的環(huán)境噪聲檢測方法，能夠有效地在進行環(huán)境噪聲的定位，在低信噪比的條件下也有較精確的定位效果。在實際使用中也能較為準(zhǔn)確地在電暈可聽噪聲中定位環(huán)境噪聲。其次，基于能量熵和能量統(tǒng)計復(fù)雜度的環(huán)境噪聲檢測方法在不同信噪比情況下穩(wěn)定性較好，誤檢率隨信噪比波動的變化幅度較小。

[1] 肖毅, 陳善廣, 韓東旭. 基于腦電節(jié)律的小波熵分析方法[J]. 科技導(dǎo)報, 2011, 29(16):39-44.

[2] 侯宏花, 桂志國. 基于小波熵的心電信號去噪處理[J]. 中國生物醫(yī)學(xué)工程學(xué)報, 2010, 29(1):22-28.

[3] 何正友, 蔡玉梅, 錢清泉. 小波熵理論及其在電力系統(tǒng)故障檢測中的應(yīng)用研究[J]. 中國電機工程學(xué)報, 2005, 25(5):38-43.

[4] 張榮標(biāo). 基于小波熵的微弱信號檢測方法研究[J]. 儀器儀表學(xué)報, 2007, 28(11):2078-2084.

[5] 李曄, 張仁智, 崔慧娟,等. 低信噪比下基于譜熵的語音端點檢測算法[J]. 清華大學(xué)學(xué)報(自然科學(xué)版), 2005, 45(10):1397-1400.

[6] 馬偉榮. 基于C_0復(fù)雜度和能量的語音端點檢測算法[J]. 計算機工程與應(yīng)用, 2009, 45(27):143-145.

[7] 尹巧萍. 含噪語音信號端點檢測方法的研究[C]// 促進中西部發(fā)展聲學(xué)學(xué)術(shù)交流會論文集. 2008.

[8] 王綱金. 低信噪比環(huán)境下語音端點檢測方法研究[D]. 湖南大學(xué), 2011.

[9] 虎大力. 噪聲環(huán)境下語音信號端點檢測的方法研究[D]. 西華大學(xué), 2012.

A Method of Detecting Ambient Noise on Corona Audible Noise

Zhang Duo , Hou Xinguo

(College of Electrical Engineering, Naval University of Engineering, Wuhan 430033, China)

TM712

A

1003-4862（2017）07-0068-04

2017-02-15

張鐸(1993-)，男，碩士。研究方向：信號檢測與處理。