申请/专利权人:国网江西省电力有限公司电力科学研究院;国家电网有限公司;南昌大学;南昌科晨电力试验研究有限公司
申请日:2020-03-27
公开(公告)日:2023-12-26
公开(公告)号:CN111626093B
主分类号:G06F18/24
分类号:G06F18/24;G06F18/213
优先权:
专利状态码:有效-授权
法律状态:2023.12.26#授权;2020.09.29#实质审查的生效;2020.09.04#公开
摘要:本发明公开了一种基于鸣声功率谱密度的输电线路相关鸟种识别方法。该方法通过建立输电线路渉鸟故障相关鸟种鸣声数据库,构建鸟种鸣声信号预处理算法模块和特征提取算法模块,运用离散傅里叶变换和功率谱估计方法提取鸣声信号的功率谱密度值,作为区分不同鸟种的特征向量;构建鸟种鸣声信号分类识别的机器学习算法模块,利用渉鸟故障相关鸟种鸣声信号的功率谱密度特征集对多分类模型进行训练,得到鸟种智能识别模型;将输电线路运维人员巡检过程中记录的鸟种鸣声信号导入预处理模块、特征提取模块和智能识别模型,输出对应的鸟种信息。本发明有利于提高鸟种分类识别的准确率,进而提高输电线路渉鸟故障防治的针对性和有效性。
主权项:1.一种基于鸣声功率谱密度的输电线路相关鸟种识别方法,其特征在于:包括如下步骤:S1:根据输电线路运行经验、地理环境特征和鸟类栖息习性,统计引起线路渉鸟故障的主要危险鸟种,收集相关鸟种的鸣声信号,建立渉鸟故障相关鸟种鸣声数据库;S2:构建鸟种鸣声信号预处理算法模块,将渉鸟故障相关鸟种的鸣声信号转换为时域波形,并进行模数转换、预加重、分帧加窗和端点检测;S3:构建鸟种鸣声信号特征提取算法模块,对经过预处理的鸟种鸣声信号进行离散傅里叶变换,通过平均周期图法、Bartlett法或加权交叠平均法计算各个鸣声信号的功率谱密度值,并进行对数转换,绘制出每种鸟类的功率谱密度值与其对应频率点的关系曲线,从曲线中提取N个频率点对应的功率谱密度值作为区分不同鸟种的特征向量,建立渉鸟故障相关鸟种鸣声信号的特征集;S4:构建鸟种鸣声信号分类识别算法模块,采用机器学习算法建立多分类模型,利用渉鸟故障相关鸟种鸣声信号的功率谱密度特征集对模型进行训练,得到鸟种智能识别模型;所述S4中的机器学习方法可选择随机森林或多分类支持向量机;S5:输电线路运维人员通过录音装置记录巡检过程中的鸟种鸣声,将其导入鸣声信号预处理算法模块和特征提取算法模块,获取输电线路相关鸟种的鸣声功率谱密度特征集,再将其导入鸟种智能识别模型,输出对应的鸟种信息。
全文数据:
权利要求:
百度查询: 国网江西省电力有限公司电力科学研究院;国家电网有限公司;南昌大学;南昌科晨电力试验研究有限公司 一种基于鸣声功率谱密度的输电线路相关鸟种识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。