车站列车运行安全监测系统异音检测算法研究

发布时间：2020-12-15 05:08

　　由于声音信号容易受到环境噪声的影响,因此有效的降噪方法和异常特征提取方法在异音检测中至关重要。行车噪声因行车环境、车重、车速的改变,存在较大的差异,无法对行车噪声进行有效的建模,针对运行列车噪声进行实时估计更新的算法有待进一步研究。现阶段,列车异音检测主要对单一异常类型进行分析,采用的异常特征提取方法只适用于特定异常类型,针对多种异常行车类型的有效识别有待进一步研究。基于此,本文的主要研究内容如下:(1)针对多噪声源、行车噪声变化较大无法有效建模的问题,提出一种改进的最小值控制递归平均算法(Minima Controlled Recursive Averaging,MCRA)作为行车噪声的估计方法,有效解决了MCRA算法存在的噪声估计延时问题和噪声功率谱估计不准确问题。该算法能实时估计行车噪声,有效解决了不同环境下无法有效噪声建模的问题。(2)针对异常行车类型多的特点,提出一种以改进能熵比值为特征值的列车异音检测方法。不同于传统能熵比方法只能实现能量突变检测的功能,改进的方法对应不同的异常类型选取特定的异常频段做能熵比检测,有效识别了四类异常行车情况。(3)搭建了车站列车运行安全监测系... 

【文章来源】：天津理工大学天津市

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 列车运行异音检测研究的背景和意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 列车运行异音检测研究现状
    1.3 本文主要研究内容与结构安排
        1.3.1 主要研究内容
        1.3.2 结构安排
    1.4 本文主要创新点
第二章 声音处理的相关理论与方法
    2.1 声音特征提取的常用方法
        2.1.1 时域特征提取方法
        2.1.2 频域特征提取方法
    2.2 噪声估计的基本方法
        2.2.1 声音端点检测与噪声估计
        2.2.2 噪声功率谱估计算法分类
        2.2.3 最小值跟踪算法
        2.2.4 噪声估计的时间递归平均算法
    2.3 谱减法
    2.4 本章小结
第三章 列车声音信号降噪方法研究
    3.1 针对列车声音信号的噪声估计算法
        3.1.1 最小值控制的递归平均算法及其存在的缺陷
        3.1.2 针对行车声音信号的最小值控制的递归平均算法
    3.2 改进的谱减法
        3.2.1 “音乐噪声”的产生
        3.2.2 改进的谱减法
    3.3 仿真实验和结果分析
    3.4 本章小结
第四章 车站列车运行安全监测系统搭建与分析
    4.1 车站列车运行安全监测系统搭建
        4.1.1 监测系统总体设计方案
        4.1.2 音频降噪模块
        4.1.3 车头车厢分离模块
        4.1.4 行车异常类型检测模块
    4.2 仿真实验和结果分析
        4.2.1 实验样本准备
        4.2.2 降噪性能验证实验
        4.2.3 异常检测性能验证实验
    4.3 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 工作展望
符号说明
参考文献
发表论文和科研情况说明
致谢



本文编号：2917712