排序方式: 共有138条查询结果,搜索用时 31 毫秒
131.
132.
133.
电力变压器是直接影响电力系统安全运行的重要设备之一,目前多采用图像或侵入式传感测量的方式,本文设计了变压器声纹采集装置、特征提取方法、以及基于迁移学习的深度神经网络识别模型.首先,采集并预处理变压器噪声信号,对分帧信号进行时域和频域特征提取,获得声纹特征向量,然后,输入迁移学习算法模型,实现变压器直流偏磁、过负荷、以及绕组变形等8种工况的智能识别诊断,最后,设计声纹特征数据库建立方法,采集变压器运行声学样本,对声纹识别算法模型进行训练和优化.通过数据集对比测试和变电站部署应用,验证了算法模型的识别准确度和系统可行性,该装置可作为当前监测手段的有效补充,提高变压器综合监测和潜伏性缺陷识别能力. 相似文献
134.
目前,利用声纹识别提升智能建筑的智能化程度成为研究热点。文章首先探讨了声纹识别技术的应用现状及核心流程,其次分析了智能建筑中声纹识别技术的特点以及融合多场景应用的优势,最后阐述了智能建筑中声纹识别的架构设计以及其在智能建筑中的应用场景,旨在为智能建筑行业的发展提供参考。 相似文献
135.
说话人验证是一种自然、有效的生物特征身份认证方法,其性能很大程度上取决于所提取说话人特征的质量.残差网络(ResNet)具有优越的推理能力,可以提取高质量的说话人特征,因此广泛地应用于说话人验证任务中,然而目前残差网络仍存在音频数据信息利用不充分,提取的特征不利于分类说话人等问题,这些问题大大限制了残差网络的表征能力.本文聚焦于残差网络的模型结构,详细分析了残差块分布比例、激活层、跳跃连接这些结构因素对特征信息提取的影响,以及模型输出特征分布对说话人分类结果的影响,并据此对原始残差块、特征下采样过程以及模型输出头重新设计并构建了一个新的说话人验证模型:EIPFD-ResNet.该模型采用更少激活层的残差块和单独设计的下采样层共同作用来减少音频信号的损失和噪声信息的引入,采用归一化处理后的模型输出头帮助分类损失提供更清晰的分类决策面,并在3个公开数据集(VoxCeleb1、VoxCeleb2、Cn-Celeb2)上评估了所提模型的有效性.实验结果证明,本文提出的模型在仅有7.486M参数量的情况下,相较于传统ResNet34模型,在3个数据集上的等错误率(EER)分别降低了16.4%、3... 相似文献
136.
137.
为提高换流站智能化水平,充分利用巡检机器人硬件能力,文中基于变压器声音信息提出一种直流偏磁声纹识别方法,该方法可以无需特定降噪算法应对瞬态和稳态噪声。首先,对变压器声音信号进行分析;其次,为提高有效声音信息权重,结合变压器声音信号特点,使用W⁃50FMCC特征来表征声音信息;再次,基于多头注意力机制和残差结构设计了非自回归端到端偏磁声纹识别模型,使用信道补偿算法提升特征正交性并获取相似度得分,完成识别;最后通过实验进行了验证。实验表明,该方法可以直接对变压器声学信号的偏磁情况进行准确的识别,无需降噪算法。 相似文献
138.
针对非接触式电力变压器在监测及运行状态识别过程中存在的问题,提出了一种基于粒子群优化的电力变压器声纹识别技术。通过利用加权优化的线性预测倒谱系数和差分组合的梅尔频率倒谱系数作为变压器声纹识别的特征向量,构建了应用于变压器声纹识别的粒子群优化神经网络模型。实验结果表明,特征向量为线性倒谱系数时,所提模型识别效率要比BP神经网络的识别效率高33%;采用梅尔倒谱系数作为特征量识别准确率比线性预测倒谱系数大约提高了5.3%,平均识别时间缩短了约25%。 相似文献