MVDR-阵列信号增强技术在电力变压器声纹监测中的应用

0引言

电力变压器在整个电力系统中起着至关重要的作用,其除了输送电能,还兼具电能的分配和保护功能,其运行状态的好坏直接影响整个电网系统的安全稳定运行^[1]。因此,如何有效实现变压器的状态监测,对于提升电网的安全、高效运行异常重要。

基于振动信号的监测技术是一种有效的技术,目前已有大量研究,主要通过在变压器箱壁贴放置传感器以获取振动信号,并提取信号特征对变压器状态进行监测分析^[2],具备抗干扰强与高灵敏度等优势。但该方法也存在相应不足,例如:传感器的不同布置位置对于监测效果有较大影响;建立完善的监测系统需大量传感器,花费不菲;振动监测方式属于接触式监测手段,对于带电运行设备存在安全隐患。声音信号由运行中的变压器振动并经空气传播形成,二者相互联系且具有同源性,声纹监测技术具备非接触式安全、监测覆盖面大、传感器成本低等优势,但其在复杂环境下存在无关噪声的干扰问题。针对上述问题,相关学者进行了研究并提出了一系列方法:周晶等人^[3]为有效去除变压器局部放电超声信号中的白噪声干扰,提出了一种基于改进小波阈值和自适应噪声完全集合经验模态分解的声信号去噪方法,并利用仿真和试验表明了所提方法的可行性与有效性;周国华等人^[4]提出了一种基于改进双链量子遗传算法与正交匹配追踪方法相结合的局部放电稀疏分解去噪新方法,并利用现场实际数据验证了该方法的有效性和实用性。

针对实际现场在运变压器设备的状态监测要求,将基于阵列测量的MVDR信号增强技术应用于电力变压器声纹监测中,并基于数值仿真和现场试验验证了所提方法的可行性与有效性。

1 MVDR—阵列信号增强方法原理

MVDR(Minimum Variance Distortionless Response)^[5]阵列信号增强算法是一种自适应波束形成的信号增强方法,其凭借辨识度高、自适应智能化等优势被广泛应用于语音处理、雷达和声纳系统定位、无线通信信号增强等领域^[6—7]。该算法以最小均方误差(Minimum Mean Square Error,MMSE)^[8]准则为基准,在实现最优信号输出的同时也能保证目标声源方向的增益不变,即可实现最佳信噪比的信号输出。

假设有一麦克风阵列,其接收到的声信号x(n)可由下式表示:

式中:n表示信号离散点数;d(θd)表示阵列导向矢量,其使得波束主瓣聚焦指向在θd期望方向上;S(n)表示期望信号数据;δ(n)表示无关噪声数据。

在对麦克风阵列接收到的信号进行波束形成处理后,则有输出数据y(n):

式中:W表示阵列各个阵元接收到信号的加权值;上标H表示共轭。

则有阵列接收到的信号功率可被表示为:

式中:Rxx表示接收信号数据的协方差矩阵。

为保证期望方向的增益不变,则需对权重向量W进行约束:

由MVDR原理可知,若要在满足期望方向增益不变的情况下使得信号输出功率最小,即使得权重向量W最小,则有求解公式如下:

对于式 (5)的求解,可采用拉格朗 日乘子法求解,首先定义代价求解函数:

式中:λ表示拉格朗日乘子。

对式(6)求导并令导数为零,将计算后的结果代入式(4),则有:

则有同时满足约束条件且使得输出功率最小的权重向量W/为:

将式(8)代入式(2),即可得到处理后的信号。在实际情况下,往往难以分离原始信号中的噪声及干扰成分,因此常采用采样协方差矩阵R'xx代替原先协方差矩阵,计算公式如下:

式中:N表示离散信号总点数。

2仿真验证

利用数值仿真对比所提方法对于声纹信号增强的可行性与有效性。仿真设置由10个声学传感器组成的线性阵列,其长度为0.5 m,通过不同的声源信号以对比常规与MVDR信号增强方法性能。

2.1 单频声信号增强效果对比

利用单频音对比基于阵列的常规波束形成(Conventional Beam Forming,CBF)与MVDR信号增强方法的可行性。阵列正前方放置两个声源,阵列距离声源2 m,左边声源1播放频率为1 KHz的单频音,右边干扰声源2播放频率为2 KHz的单频音,采样频率设置为16 KHz,两个声源均与阵列中心呈30°角摆放,如图1所示。为尽量模拟实际环境,还在信号中添加了信噪比为15 dB的高斯白噪声。

利用信噪比(Signal-to-Noise Ratio,SNR)评价指标^[9]对声纹信号的质量进行量化:

式中:N表示声信号总离散点个数;x(n)表示原始声

信号;x^-(n)表示增强后声信号,其值越大表示信号质量越好。

图2所示为原始混合信号的频谱结果,图3~4与表1所示为利用常规波束形成(CBF)^[10]与MVDR增强技术得到的增强后信号结果。由图可知,两种方法均可以实现原始混合声纹数据的信号增强,但MVDR 具备更好的增强性能,信噪比相较于CBF方法提升约1.12dB。

图5所示为利用两方法获得的声源定向波束图。由图可知,MVDR方法在±30°的主瓣宽度相较于 CBF更窄且旁瓣水平更低,表明了MVDR方法识别声源的有效性。

2.2 语音信号增强效果对比

利用一段说话声作为测试数据以对比两种方法的可行性与有效性。声源位于阵列的左前方、与阵列中心呈45°,距离阵列2 m,布置示意图如图6所示。

图7和表2所示为利用常规CBF与MVDR增强技术得到的增强后信号结果。由图表可知,MVDR相较于CBF获得了更优的增强信号,信号波形更规整,且信噪比相较于常规方法增强了5.73 dB。由图8可知,当声源信号为更复杂的说话声时,MVDR同样具备更好的声源辨识性能,主瓣更窄且旁瓣水平更低。

3 实际变压器运行数据验证

为进一步验证所提方法的有效性,利用实际运行情况下的变压器的数据进行计算。信号采集仪器为直径0.24 m的圆形阵列,由8个声学传感器组成,其采集频率范围为20 Hz~24 KHz。现场采集装置放置于被测变压器的正前方,距离约1 m,被测变压器附近存在多个干扰声源。现场布置示意如图9所示。

由图10、表3和图11可知,当声源为实际场景下的变压器时,MVDR信号增强技术始终具备较优的效果,相较于常规方法信噪比提升3.29 dB,且该方法具备更好的目标声源识别与无关噪声抑制(旁瓣)效果。

4结语

针对现场在运变压器设备的声纹监测需求,提出了一种基于阵列采集的MVDR声纹信号增强方法,所得结论如下:

1)数值仿真表明MVDR技术对于声源为单频音和语音信号皆具备良好的信号增强效果,相较于常规方法其信号质量分别提升1.12 dB和5.73 dB;

2)将本文方法应用在实际环境下运行的变压器声纹信号监测中,结果同样验证了所提方法的有效性与可靠性。

[参考文献]

[1]赵勇军,徐肖伟,胡亚超.一起配电变压器雷击故障的诊断与分析[J].变压器,2023,60(12):73-76.

[2]朱昊,马宏忠,刘宝稳,等.基于合闸宽频振动信号的绕组机械状态评估 [J].振动.测试与诊断,2023,43 (5):895-902.

[3] 周晶,罗日成,黄军.基于改进小波阈值—cEEMDAN的变压器局部放电超声波信号白噪声抑制方法[J].高压电器,2024,60(1):163-171.

[4] 周国华,原辉,林语,等.基于IDcQGA-OMp的变压器局部放电稀疏分解去噪[J].高压电器,2022,58(2):126-134.

[5]YAZDIN,TODROSK.Measure-transformedMVDRBeam- forming [J].IEEESignalprocessingLetters,2020(27):1959-1963.

[6] WANGY,XUHY,WANGB,etal.BroadbandSpatialSpectrumEstimationBasedonSpace-TimeMinimum VarianceDistortionlessResponseandFrequency Derivativeconstraints[J].IEEEAccess,2023 (11):27955-27962.

[7] 习延鹏,刘剑,肖楠.基于MVDR算法的卫星通信地球站面天线组阵抗干扰仿真研究 [J]. 电光与控制,2024,31(6):47-55.

[8] SHANKAR N,BHATG S,pANAHII M S.Real-time Dual-channel Speech EnhancementbyVADAssistedMVDRBeamformer forHearingAidApplicationsUsingSmartphone [c]//2020 42nd Annual Internationalconference of theIEEE Engineeringin Medicine&Biology Society (EMBc),2020: 952-955.

[9] XU X G,WANG RX,FUcW,etal.SNR-awareLow-LightImageEnhancement[c]//proceedings of the IEEE/cVFconferenceoncomputerVisionandpatternRecognition,2022: 17714-17724.

[10] ZHUcQ,FANGSL,WUQS,etal.ATime-FrequencyJointTime-DelayDifferenceEstimationMethodforSignalEnhancement in the DistortedTowedHydrophone Array [J].Remote Sensing,2021,13 (22):4586.

2024年第17期第21篇