申请/专利权人:南京土星信息科技有限公司
申请日:2024-03-14
公开(公告)日:2024-04-16
公开(公告)号:CN117894319A
主分类号:G10L17/04
分类号:G10L17/04;G10L17/18;G10L17/14;G10L21/0272;G06F18/23213;G06N3/0464;G06N3/08;G06N20/20
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.03#实质审查的生效;2024.04.16#公开
摘要:本发明属于局部放电故障识别技术领域,公开了一种基于机器学习数据生成的小样本声纹识别模型训练方法,方法包括步骤:采集任务场景中的原始语音信号;使用小波变换算法,将所述原始语音信号分离为环境噪声和局部放电信号,生成局部放电类型数据集;将局部放电类型数据集分为调优训练数据集和预训练数据集,使用同源多簇聚类算法,对所述预训练数据集进行样本空间扩充,生成样本量满足预设要求的预训练扩展数据集;使用预训练扩展数据集对预先构建的神经网络模型进行预训练,使用所述调优训练数据集进行调优训练,得到用于任务场景中局部放电检测的声纹识别模型。本发明能够有效扩增局部放电样本空间,解决当前声纹识别法鲁棒性不够理想等问题。
主权项:1.一种基于机器学习数据生成的小样本声纹识别模型训练方法,其特征在于,包括步骤:S1、采集任务场景中预设数量的原始语音信号;S2、使用小波变换算法,对原始语音信号进行波形分析,将所述原始语音信号分离为环境噪声和局部放电信号,所述局部放电信号构成局部放电数据集;根据局部放电信号生成局部放电相位分布图谱PRPD,为划分局部放电类型做准备;S3、基于任务场景的先验知识,确定任务场景中的局部放电信号特征,基于所述局部放电相位分布图谱PRPD和所述局部放电信号特征,划分局部放电类型,根据局部放电类型,将所述局部放电数据集分成多个局部放电类型训练数据集;S4、将所述局部放电类型训练数据集分为调优训练数据集和预训练数据集,使用同源多簇聚类算法,对所述预训练数据集进行样本空间扩充,生成样本量满足预设要求的预训练扩展数据集;S5、使用所述预训练扩展数据集对预先构建的神经网络模型进行预训练,使用所述调优训练数据集对完成预训练的神经网络模型进行调优训练,得到用于任务场景中局部放电检测的声纹识别模型。
全文数据:
权利要求:
百度查询: 南京土星信息科技有限公司 基于机器学习数据生成的小样本声纹识别模型训练方法
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。