MVDR-陣列信號增強技術在電力變壓器聲紋監測中的應用

摘要：為提升現場電力變壓器工作狀態的監測水平，提出了一種基于非接觸式陣列檢測的MVDR（Minimum Variance Distortionless Response）信號增強技術。將麥克風陣列測試技術和自適應MVDR技術相結合，以實現期望目標聲源信號質量的定向增強。單頻音和語音數據的數值仿真和變壓器現場測試試驗均表明該信號增強方法可有效抑制無關噪聲的干擾，相比于常規波束形成方法，信噪比提升約3.29 dB。

關鍵詞：最小方差無畸變響應；陣列信號增強；電力變壓器；聲紋監測

中圖分類號：TM41" " 文獻標志碼：A" " 文章編號：1671-0797（2024）17-0085-05

DOI：10.19514/j.cnki.cn32-1628/tm.2024.17.021

0" " 引言

電力變壓器在整個電力系統中起著至關重要的作用，其除了輸送電能，還兼具電能的分配和保護功能，其運行狀態的好壞直接影響整個電網系統的安全穩定運行[1]。因此，如何有效實現變壓器的狀態監測，對于提升電網的安全、高效運行異常重要。

基于振動信號的監測技術是一種有效的技術，目前已有大量研究，主要通過在變壓器箱壁貼放置傳感器以獲取振動信號，并提取信號特征對變壓器狀態進行監測分析[2]，具備抗干擾強與高靈敏度等優勢。但該方法也存在相應不足，例如：傳感器的不同布置位置對于監測效果有較大影響；建立完善的監測系統需大量傳感器，花費不菲；振動監測方式屬于接觸式監測手段，對于帶電運行設備存在安全隱患。聲音信號由運行中的變壓器振動并經空氣傳播形成，二者相互聯系且具有同源性，聲紋監測技術具備非接觸式安全、監測覆蓋面大、傳感器成本低等優勢，但其在復雜環境下存在無關噪聲的干擾問題。針對上述問題，相關學者進行了研究并提出了一系列方法：周晶等人[3]為有效去除變壓器局部放電超聲信號中的白噪聲干擾，提出了一種基于改進小波閾值和自適應噪聲完全集合經驗模態分解的聲信號去噪方法，并利用仿真和試驗表明了所提方法的可行性與有效性；周國華等人[4]提出了一種基于改進雙鏈量子遺傳算法與正交匹配追蹤方法相結合的局部放電稀疏分解去噪新方法，并利用現場實際數據驗證了該方法的有效性和實用性。

針對實際現場在運變壓器設備的狀態監測要求，將基于陣列測量的MVDR信號增強技術應用于電力變壓器聲紋監測中，并基于數值仿真和現場試驗驗證了所提方法的可行性與有效性。

1" " MVDR-陣列信號增強方法原理

MVDR（Minimum Variance Distortionless Response）[5]陣列信號增強算法是一種自適應波束形成的信號增強方法，其憑借辨識度高、自適應智能化等優勢被廣泛應用于語音處理、雷達和聲納系統定位、無線通信信號增強等領域[6-7]。該算法以最小均方誤差（Minimum Mean Square Error，MMSE）[8]準則為基準，在實現最優信號輸出的同時也能保證目標聲源方向的增益不變，即可實現最佳信噪比的信號輸出。

2" " 仿真驗證

利用數值仿真對比所提方法對于聲紋信號增強的可行性與有效性。仿真設置由10個聲學傳感器組成的線性陣列，其長度為0.5 m，通過不同的聲源信號以對比常規與MVDR信號增強方法性能。

2.1" " 單頻聲信號增強效果對比

利用單頻音對比基于陣列的常規波束形成（Conventional Beamforming，CBF）與MVDR信號增強方法的可行性。陣列正前方放置兩個聲源，陣列距離聲源2 m，左邊聲源1播放頻率為1 kHz的單頻音，右邊干擾聲源2播放頻率為2 kHz的單頻音，采樣頻率設置為16 kHz，兩個聲源均與陣列中心呈30°角擺放，如圖1所示。為盡量模擬實際環境，還在信號中添加了信噪比為15 dB的高斯白噪聲。

圖2所示為原始混合信號的頻譜結果，圖3～4與表1所示為利用常規波束形成（CBF）[10]與MVDR增強技術得到的增強后信號結果。由圖可知，兩種方法均可以實現原始混合聲紋數據的信號增強，但MVDR具備更好的增強性能，信噪比相較于CBF方法提升約1.12 dB。

圖5所示為利用兩方法獲得的聲源定向波束圖。由圖可知，MVDR方法在±30°的主瓣寬度相較于CBF更窄且旁瓣水平更低，表明了MVDR方法識別聲源的有效性。

2.2" " 語音信號增強效果對比

利用一段說話聲作為測試數據以對比兩種方法的可行性與有效性。聲源位于陣列的左前方、與陣列中心呈45°，距離陣列2 m，布置示意圖如圖6所示。

圖7和表2所示為利用常規CBF與MVDR增強技術得到的增強后信號結果。由圖表可知，MVDR相較于CBF獲得了更優的增強信號，信號波形更規整，且信噪比相較于常規方法增強了5.73 dB。由圖8可知，當聲源信號為更復雜的說話聲時，MVDR同樣具備更好的聲源辨識性能，主瓣更窄且旁瓣水平更低。

3" " 實際變壓器運行數據驗證

為進一步驗證所提方法的有效性，利用實際運行情況下的變壓器的數據進行計算。信號采集儀器為直徑0.24 m的圓形陣列，由8個聲學傳感器組成，其采集頻率范圍為20 Hz～24 kHz。現場采集裝置放置于被測變壓器的正前方，距離約1 m，被測變壓器附近存在多個干擾聲源。現場布置示意如圖9所示。

由圖10、表3和圖11可知，當聲源為實際場景下的變壓器時，MVDR信號增強技術始終具備較優的效果，相較于常規方法信噪比提升3.29 dB，且該方法具備更好的目標聲源識別與無關噪聲抑制（旁瓣）效果。

4" " 結語

針對現場在運變壓器設備的聲紋監測需求，提出了一種基于陣列采集的MVDR聲紋信號增強方法，所得結論如下：

1）數值仿真表明MVDR技術對于聲源為單頻音和語音信號皆具備良好的信號增強效果，相較于常規方法其信號質量分別提升1.12 dB和5.73 dB；

2）將本文方法應用在實際環境下運行的變壓器聲紋信號監測中，結果同樣驗證了所提方法的有效性與可靠性。

[參考文獻]

[1] 趙勇軍，徐肖偉，胡亞超.一起配電變壓器雷擊故障的診斷與分析[J].變壓器，2023，60（12）：73-76.

[2] 朱昊，馬宏忠，劉寶穩，等.基于合閘寬頻振動信號的繞組機械狀態評估[J].振動.測試與診斷，2023，43（5）：895-902.

[3] 周晶，羅日成，黃軍.基于改進小波閾值—CEEMDAN的變壓器局部放電超聲波信號白噪聲抑制方法[J].高壓電器，2024，60（1）：163-171.

[4] 周國華，原輝，林語，等.基于IDCQGA-OMP的變壓器局部放電稀疏分解去噪[J].高壓電器，2022，58（2）：126-134.

[5] YAZDI N，TODROS K.Measure-transformed MVDR Beam-forming[J].IEEE Signal Processing Letters，2020（27）：1959-1963.

[6] WANG Y，XU H Y，WANG B，et al.Broadband Spatial Spectrum Estimation Based on Space-Time Minimum Variance Distortionless Response and Frequency Derivative Constraints[J].IEEE Access，2023（11）：27955-27962.

[7] 習延鵬，劉劍，肖楠.基于MVDR算法的衛星通信地球站面天線組陣抗干擾仿真研究[J].電光與控制，2024，31（6）：47-55.

[8] SHANKAR N，BHAT G S，PANAHI I M S.Real-time Dual-Channel Speech Enhancement by VAD Assisted MVDR Beamformer for Hearing Aid Applications Using Smartphone[C]//2020 42nd Annual International Conference of the IEEE Engineering in Medicine amp; Biology Society（EMBC），2020：952-955.

[9] XU X G，WANG R X，FU C W，et al.SNR-aware Low-Light Image Enhancement[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition，2022：17714-17724.

[10] ZHU C Q，FANG S L，WU Q S，et al.A Time-Frequency Joint Time-Delay Difference Estimation Method for Signal Enhancement in the Distorted Towed Hydrophone Array[J].Remote Sensing，2021，13（22）：4586.

收稿日期：2024-05-06

作者簡介：常俊（1993—），女，上海人，工程師，研究方向：變電設備檢修、故障診斷及噪聲振動控制。