Page 88 - 2023年第54卷第5期

图 ２ ＰＣＣＰ断丝模拟

图 ３ ＰＣＣＰ断丝信号实例

３ 基于深度学习特征的断丝信号识别方法

３．１ 短时傅里叶变换 声音信号是典型的非平稳信号，但其非平稳性由物体的运动过程产生，因而声
音信号的变化可认为是相对缓慢的，即在短时间内的信号可认为是平稳的。傅里叶变换是分析线性系
统和平稳信号稳态特征的重要手段，短时傅里叶变换则是采用稳态分析方法来处理非平稳信号，因此
可采用短时傅里叶变换对声波信号进行处理。假设声音波形时域信号为 ｓ（ｌ），分帧处理后得到的第 ｎ
帧声音信号为 ｓ（ｍ），ｎ为帧序号，ｍ为与帧同步的时间序号，０ ≤ｎ ≤Ｎ － １，０ ≤ｍ ≤Ｎ － １，其中 Ｎ为
ｎ
信号采样长度，则有：
ｓ（ｍ） ＝ｗ（ｍ）ｓ（ｎ ＋ ｍ） （１）
ｎ
其中 ｗ为窗口函数，决定声波的取样频率。将声波信号进行短时傅里叶变换后可得：
Ｎ－ １
－ ｊ ω ｍ
Ｓ（ｅ ） ＝ ｓ（ｍ）ｅ （２）
ｊ ω
ｎ
∑ ｎ
ｍ＝０
２
式中：ｊ为虚数单位，ｊ ＝－ １；ω为角频率，取 ω ＝ ２ π ｋ／Ｎ，０ ≤ｋ ≤Ｎ － １，则有：
Ｎ－ １
２ π ｋ ２ π ｋｍ
ｊ
ｎ (
ｓ（ｍ）ｅ
Ｓ ｅ Ｎ ) ＝ Ｓ（ｋ） ＝ ∑ ｎ － ｊ Ｎ （３）
ｎ
ｍ＝０
其中 Ｓ（ｋ）为一复数矩阵，横向按帧数 ｎ递增，纵向按频率 ｋ递增，以 Ｐ（ｋ）表示频谱能量密度，即
ｎ
ｎ
声波信号强度，则有：
２ π ｋ
ｊ
２
Ｐ（ｋ） ＝ Ｓ（ｋ） ＝ Ｓ ｅ ) ２ （４）
ｎ (
Ｎ
ｎ ｎ
式中 Ｐ（ｋ）为非负的实数矩阵，维数与 Ｓ（ｋ）一致，横向按帧数 ｎ递增，纵向按频率 ｋ递增。在本研
ｎ
ｎ
究中有效声波信号取 ２ｓ。
３．２ 知识迁移 知识迁移是将其他领域知识学习方法或者过程应用于本领域知识学习的一种智能算
法。尽管目前机器学习技术已经广泛应 用于各 个领域，但 其中 大部 分算 法 假 设训 练数 据（源 域）和
０
— ５ ９ —