本发明涉及一种基于电网防灾减灾系统的变压器运行辅助监测系统及其监测方法，包括相互连接的现场数据收集模块、数据分析传输模块以及防灾减灾后台模块，所述的现场数据收集模块包括灾害预警信息监测单元以及与其相连的微气象监测单元、变压器声音收集单元、水浸监测单元；所述的数据分析传输模块包括声音信号过滤单元、异常判断单元以及信号传输单元，所述声音信号过滤单元包括频域能量检测器；所述的防灾减灾后台模块包括信号增强单元。本发明能够降低数据量，提高识别精度。
1.一种基于电网防灾减灾系统的变压器运行辅助监测系统，其特征在于：包括相互连接的现场数据收集模块、数据分析传输模块以及防灾减灾后台模块，所述的现场数据收集模块包括灾害预警信息监测单元以及与其相连的微气象监测单元、变压器声音收集单元、水浸监测单元；所述的数据分析传输模块包括声音信号过滤单元、异常判断单元以及信号传输单元，所述声音信号过滤单元包括频域能量检测器；所述的防灾减灾后台模块包括信号增强单元；
其中，所述基于电网防灾减灾系统的变压器运行辅助监测系统的监测方法，包括以下步骤：步骤S1：所述现场数据收集模块中的灾害预警信息监测单元接收到防灾减灾后台模块发来的预警信号后，启动所述微气象监测单元监测包括环境温度、风速、湿度在内的微气候条件，启动所述变压器声音收集单元采集变压器声音，启动所述水浸监测单元采集水浸信息；
步骤S2：所述数据分析传输模块中的声音信号过滤单元接收步骤S1中变压器声音收集单元采集的变压器声音，并通过频域能量检测方法对所述变压器声音进行过滤，判断是否存在有用信号，若存在有用信号，则启动所述频域能量检测器对变压器声音或水浸信息进行检测，并进入步骤S3；若不存在有用信号，则返回步骤S1；
步骤S3：若所述频域能量检测器检测到变压器声音或者水浸信息异常时，启动异常判断单元，所述的异常判断单元依次进行MFCC特征识别、采用GMM模型建立变压器声识别概率模型以及变压器声异常判断，进一步对异常信息进行确定与处理，并进入步骤S4；若所述频域能量检测器检测到变压器声音以及水浸信息均正常时，返回步骤S1；
步骤S4：当所述异常判断单元确定变压器运行声异常时，向所述信息传输单元发送异常信息，所述信息传输单元将现场数据收集模块采集的异常声音信号传输给所述防灾减灾后台模块的信号增强单元，所述信号增强单元对异常声音信号做信号增强处理，并得出变压器异常判断结论。
2.根据权利要求1所述的一种基于电网防灾减灾系统的变压器运行辅助监测系统，其特征在于：步骤S2中频域能量检测方法具体为：将待监测信号Y(n)通过傅里叶变换将时域信号转为频域信号，再将频域信号取平方后累加获得声音信号的频域能量值，最后将频域能量值与噪声功率相除的值与判决门限值λ进行比较，进而判断是否存在有用信号。
3.根据权利要求1所述的一种基于电网防灾减灾系统的变压器运行辅助监测系统，其特征在于：步骤S3中所述MFCC特征识别具体包括以下步骤；
步骤S301：将频率过滤后的声音信号功率谱通过一组20个频带的三角滤波器，这20个频带在Mel频率上是均匀分布的，其中Mel频率和一般频率f的关系式为：mel(f)＝2595*log10(1+f/700)；
步骤S302:声音信号划分成一系列连续的帧，加汉宁窗分帧，每帧包含N＝512个样本，相邻帧有256个样本重叠；设音频数据时域信号为x(n)，第i帧音频信号xi(n)可以表示成:xi(n)＝x(i*N+n)w(n),0≤n≤N-1；其中汉宁窗为：对每帧信号x(n)做快速傅立叶变换(FFT)后，取模的平方得到离散功率谱P(k)；Pi(k)表示第i个频带的起始位置的离散功率谱，第i个频带的起始位置刚好是第i-2个频带的终止位置；得到每个三角形滤波器的输出：其中Wl(k)是第l个滤波器，其中h(l)表示：h(l)＝2/(freq(l+2)-freq(l)),l＝1,
步骤S303：将上述滤波器输出通过对数运算，再做离散余弦变化，求出每帧的R个Mel频率倒谱参数，其中R取12，得到12维特征矢量，离散余弦转化公式为：其中，t＝1,2,…,n；k＝0,1,…,R；1≤R≤L；n为声音数据文件的帧数，L为三角频带的数量。
4.根据权利要求1所述的一种基于电网防灾减灾系统的变压器运行辅助监测系统，其特征在于：步骤S3中所述采用GMM模型建立变压器声识别概率模型具体包括以下步骤：步骤S311：假设每类变压器声是随机特征矢量，由M个D维的高斯分量组成高斯混合模型,对于第V种声音，用φk＝{μk,Σk}表示模型的第k个高斯分量的参数，Wk表示第k个高斯分量出现的概率,M个高斯分量加权和可以表示为 声音的类别用随机变量X来表示，在每个时刻t的状态值为随机变量X的采样值.则对于第k个分量，定义xt＝MFCC(t,k)，声音概率特征分布可表示为：其中μk和∑k分别表示期望和协方差矩阵,T
步骤S312：使用高斯分布密度表示初始声音模型后，通过EM算法重估高斯混合模型的h参数，pi(x|φi)为高斯分布，πi，μi和∑i是新估计的参数值，Φ 代表旧的参数值，p(i|xl,Φh)表示X属于第i个分布的概率，在每个时刻l的状态值为随机变量X的采样值，第k个状态定义xl＝MFCC(l,k)；则由贝叶斯公式可得变压器异常声概率 其中，M为高斯分量加
步骤S313：通过已知的N个采样值和步骤S311至S312中的方程，并用样本值和旧的参数值计算得到新的参数值，找出最大后验概率的声音模型。
5.根据权利要求1所述的一种基于电网防灾减灾系统的变压器运行辅助监测系统，其特征在于：步骤S3中所述变压器声异常判断具体为：通过现场环境的温度c、湿度h、风速s情况，制定异常判断概率pc，其中制定过程如下：设环境因子 其中c'、h'、s'为当月平均温度、湿度、风速；
其中x＝0.8为声音识别概率因子，pm为变压器故障率；
当变压器异常声概率p(i|xl,Φh)＜pc时，提示变压器运行声异常，并向信息传输单元发送异常信息。
6.根据权利要求1所述的一种基于电网防灾减灾系统的变压器运行辅助监测系统，其特征在于：步骤S4中所述信号增强单元对异常声音信号做信号增强处理具体包括以下步骤：步骤S41：对含噪信号功率谱|F(l,k)|2进行一阶递归平滑，得到平滑后的功率谱Y(l,2
k)：Y(l,k)＝sY(l-1,k)+(1-s)|F(l,k)| ；其中l为帧号，k为子频带号，σ为常量平滑参数，取σ＝0.7；
步骤S42：通过前向-后向相结合的双向搜索算法寻找Y(l,k)的最小值：Ymin(l,k)＝max{Yf(l,k),Yb(l,k)}；其中Yf(l,k)为前向搜索出的最小值，Yb(l,k)为后向搜索出的最小值；
步骤S43：计算有效信号的存在概率p(l,k)：p(l,k)＝σ1p(l-1,k)+(1-σ1)H(l,k)；其中σ1＝0.2为常量平滑参数，H(l,k)是有效信号存在性判别准则，具体为:如果Y(l,k)/Ymin(l,k)＞φ(k)则H(l,k)＝1，表示该帧存在有效信号，否则H(l,k)＝0，表示该帧不存在有效信号；φ(k)是依赖于频率的判别阈值，当k小于1kHz或界于1到3kHz时，φ(k)值为2，当k界于
步骤S44：根据时-频平滑因子σ(l,k)进行噪声功率谱N(l,k)估计：其中σ(l,k)＝σ2+(1-σ2)p(l,k)，N(l,k)＝σ(l,k)N(l-1,k)+(1-σ(l,k))|F(l,k)|2，其中σ2＝0.95，σ2≤σ*(l,k)≤
其中C(l,k)＝|F(l,k)|2-N(l,k)为纯净信号功率谱，α为过减因子，其值为：
步骤S47:所述防灾减灾后台模块通过比对变压器正常运行声音的功率谱和当前声音功率谱，得出变压器异常判断结论。
一种基于电网防灾减灾系统的变压器运行辅助监测系统及其
监测方法
技术领域
[0001] 本发明涉及电网防灾减灾领域，特别是一种基于电网防灾减灾系统的变压器运行辅助监测系统及其监测方法。
背景技术
[0002] 电网防灾减灾系统通过搭建三维可视化仿真平台，三维地理信息系统上构建电网三维模型，定义三维地理坐标。在模型中把气象局数据分布到电网设备、装置的各个坐标上，可视化台风、飑线相关的风雨场景，实现风偏、荷载等的预警分析技术。
[0003] 但是现有防灾减灾系统以气象局数据估计地理坐标点的自然环境情况，精度不够。电气设备的位置以模型图画入，坐标点会有误差。而气象数据的滞后性，无法实时判断风速、有没有下雨、温湿度等现场实际情况。并且现有防灾减灾系统声音信息的数据较大，受偏远地区网络传输带宽较差的限制，无法在短时间内传送声音信号。
发明内容
[0004] 有鉴于此，本发明的目的是提出一种基于电网防灾减灾系统的变压器运行辅助监测系统及其监测方法，降低数据量，提高识别精度。
[0005] 本发明的装置采用以下方案实现：一种基于电网防灾减灾系统的变压器运行辅助监测系统，具体包括相互连接的现场数据收集模块、数据分析传输模块以及防灾减灾后台模块，所述的现场数据收集模块包括灾害预警信息监测单元以及与其相连的微气象监测单元、变压器声音收集单元、水浸监测单元；所述的数据分析传输模块包括声音信号过滤单元、异常判断单元以及信号传输单元，所述声音信号过滤单元包括频域能量检测器；所述的防灾减灾后台模块包括信号增强单元。
[0006] 本发明的方法采用以下方案实现：一种基于上文所述的基于电网防灾减灾系统的变压器运行辅助监测系统的监测方法，具体包括以下步骤：
[0007] 步骤S1：所述现场数据收集模块中的灾害预警信息监测单元接收到防灾减灾后台模块发来的预警信号后，启动所述微气象监测单元监测包括环境温度、风速、湿度在内的微气候条件，启动所述变压器声音收集单元采集变压器声音，启动所述水浸监测单元采集水浸信息；
[0008] 步骤S2：所述数据分析传输模块中的声音信号过滤单元接收步骤S1中变压器声音收集单元采集的变压器声音，并通过频域能量检测方法对所述变压器声音进行过滤，判断是否存在有用信号，若存在有用信号，则启动所述频域能量检测器对变压器声音或水浸信息进行检测，并进入步骤S3；若不存在有用信号，则返回步骤S1；
[0009] 步骤S3：若所述频域能量检测器检测到变压器声音或者水浸信息异常时，启动异常判断单元，所述的异常判断单元依次进行MFCC特征识别、采用GMM模型建立变压器声识别概率模型以及变压器声异常判断，进一步对异常信息进行确定与处理，并进入步骤S4；若所述频域能量检测器检测到变压器声音以及水浸信息均正常时，返回步骤S1；
[0010] 步骤S4：当所述异常判断单元确定变压器运行声异常时，向所述信息传输单元发送异常信息，所述信息传输单元将现场数据收集模块采集的异常声音信号传输给所述防灾减灾后台模块的信号增强单元，所述信号增强单元对异常声音信号做信号增强处理，并得出变压器异常判断结论。
[0011] 进一步的，步骤S2中频域能量检测方法具体为：将待监测信号Y(n)通过傅里叶变换将时域信号转为频域信号，再将频域信号取平方后累加获得声音信号的频域能量值，最后将频域能量值与噪声功率相除的值与判决门限值λ进行比较，进而判断是否存在有用信号。具体为：当信号不存在的时候，通过已知的虚警概率PFA,可以确定出检测门限λ。因为在H0的情况下,T符合高斯分布, 则 其中，所以在N和PFA给定的情况下，其检测门限为 其中信噪比SNR为
可以从上面的分析看出，当确定了PFA后,噪声方差又已知的情况下,就可以计算出检测门限λ，从而就可以经过比较判断待监测信号可能存在故障声音信号。
[0012] 进一步的，步骤S3中所述MFCC特征识别具体包括以下步骤；
[0013] 步骤S301：将频率过滤后的声音信号功率谱通过一组20个频带的三角滤波器，这20个频带在Mel频率上是均匀分布的，其中Mel频率和一般频率f的关系式为：mel(f)＝
2595*log10(1+f/700)；
[0014] 步骤S302:声音信号划分成一系列连续的帧，加汉宁窗分帧，每帧包含N＝512个样本，相邻帧有256个样本重叠；设音频数据时域信号为x(n)，第i帧音频信号xi(n)可以表示成:xi(n)＝x(i*N+n)w(n),0≤n≤N-1；其中汉宁窗为：
[0015]
[0016] 对每帧信号x(n)做快速傅立叶变换(FFT)后，取模的平方得到离散功率谱P(k)；Pi(k)表示第i个频带的起始位置的离散功率谱，第i个频带的起始位置刚好是第i-2个频带的终止位置；得到每个三角形滤波器的输出：
[0017]
[0018]
[0019] 其中Wl(k)是第l个滤波器，其中h(l)表示：h(l)＝2/(freq(l+2)-freq(l)),l＝1,2,...,L；
[0020] 步骤S303：将上述滤波器输出通过对数运算，再做离散余弦变化，求出每帧的R个Mel频率倒谱参数，其中R取12，得到12维特征矢量，离散余弦转化公式为：其中，t＝1,2,…,n；k＝0,1,…,R；1≤R
≤L；n为声音数据文件的帧数，L为三角频带的数量。
[0021] 进一步的，步骤S3中所述采用GMM模型建立变压器声识别概率模型具体包括以下步骤：
[0022] 步骤S311：假设每类变压器声是随机特征矢量，由M个D维的高斯分量组成高斯混合模型,对于第V种声音，用φk＝{μk,Σk}表示模型的第k个高斯分量的参数，Wk表示第k个高斯分量出现的概率,M个高斯分量加权和可以表示为 声音的类别用随机变量X来表示，在每个时刻t的状态值为随机变量X的采样值.则对于第k个分量，定义xt＝MFCC(t,k)，声音概率特征分布可表示为：
[0023] 其中μk和Σk分别表示期望和协方差矩阵,T表示声音信号总长；
[0024] 步骤S312：使用高斯分布密度表示初始声音模型后，通过EM算法重估高斯混合模型的参数，pi(x|φi)为高斯分布，πi，μi和Σi是新估计的参数值，Φh代表旧的参数值，p(i|xl,Φh)表示X属于第i个分布的概率，在每个时刻l的状态值为随机变量X的采样值，第k个状态定义xl＝MFCC(l,k)；则
[0025]
[0026]
[0027] 由贝叶斯公式可得变压器异常声概率 其中，M为高斯分量加权和；
[0028] 步骤S313：:通过已知的N个采样值和步骤S311至S312中的方程，并用样本值和旧的参数值计算得到新的参数值，找出最大后验概率的声音模型。
[0029] 进一步的，步骤S3中所述变压器声异常判断具体为：通过现场环境的温度c、湿度h、风速s情况，制定异常判断概率pc，其中制定过程如下：
[0030] 设环境因子 其中c'、h'、s'为当月平均温度、湿度、风速；
[0031] 其中x＝0.8为声音识别概率因子，pm为变压器故障率；
[0032] 当变压器异常声概率p(i|xl,Φh)＜pc时，提示变压器运行声异常，并向信息传输单元发送异常信息。
[0033] 进一步的，步骤S4中所述信号增强单元对异常声音信号做信号增强处理具体包括以下步骤：
[0034] 步骤S41：对含噪信号功率谱|F(l,k)|2进行一阶递归平滑，得到平滑后的功率谱Y(l,k)：Y(l,k)＝sY(l-1,k)+(1-s)|F(l,k)|2；其中l为帧号，k为子频带号，σ为常量平滑参数，取σ＝0.7；
[0035] 步骤S42：通过前向-后向相结合的双向搜索算法寻找Y(l,k)的最小值：
[0036] Ymin(l,k)＝max{Yf(l,k),Yb(l,k)}；其中Yf(l,k)为前向搜索出的最小值，Yb(l,k)为后向搜索出的最小值；
[0037] 步骤S43：计算有效信号的存在概率p(l,k)：p(l,k)＝σ1p(l-1,k)+(1-σ1)H(l,k)；其中σ1＝0.2为常量平滑参数，H(l,k)是有效信号存在性判别准则，具体为:如果Y(l,k)/Ymin(l,k)＞φ(k)则H(l,k)＝1，表示该帧存在有效信号，否则H(l,k)＝0，表示该帧不存在有效信号；φ(k)是依赖于频率的判别阈值，当k小于1kHz或界于1到3kHz时，φ(k)值为2，当k界于3kHz至信号采样频率的一半时，φ(k)值为5；
[0038] 步骤S44：根据时-频平滑因子σ(l,k)进行噪声功率谱N(l,k)估计：其中σ(l,k)＝σ2+(1-σ2)p(l,k)，N(l,k)＝σ(l,k)N(l-1,k)+(1-σ(l,k))|F(l,k)|2，其中σ2＝0.95，σ2≤σ*(l,k)≤1；
[0039] 步骤S45：计算频谱增益因子：
[0040] 其中C(l,k)＝|F(l,k)|2-N(l,k)为纯净信号功率谱，α为过减因子，其值为：
[0041] 步骤S46：最后增强后的信号功率谱为:
[0042] X(l,k)＝G(l,k)|F(l,k)|2；
[0043] 步骤S47:所述防灾减灾后台模块通过比对变压器正常运行声音的功率谱和当前声音功率谱，得出变压器异常判断结论。
[0044] 与现有技术相比，本发明有以下有益效果：灾害事件发生时，通过声音信息号实时分析变压器是否正常运行，是否存在运行安全隐患，装置安装方便。根据电网防灾减灾系统预警信息启动在线监测、数据传输量小，受网络带宽限制小。通过频域过滤和信号增强方法，进一步降低数据量，提高识别精度。
附图说明
[0045] 图1为本发明的系统原理框图。
具体实施方式
[0046] 下面结合实施例对本发明做进一步说明。
[0047] 如图1所示，本实施例提供了一种基于电网防灾减灾系统的变压器运行辅助监测系统，具体包括相互连接的现场数据收集模块、数据分析传输模块以及防灾减灾后台模块，所述的现场数据收集模块包括灾害预警信息监测单元以及与其相连的微气象监测单元、变压器声音收集单元、水浸监测单元；所述的数据分析传输模块包括声音信号过滤单元、异常判断单元以及信号传输单元，所述声音信号过滤单元包括频域能量检测器；所述的防灾减灾后台模块包括信号增强单元。
[0048] 本实施例还提供给了一种基于上文所述的基于电网防灾减灾系统的变压器运行辅助监测系统的监测方法，具体包括以下步骤：
[0049] 步骤S1：所述现场数据收集模块中的灾害预警信息监测单元接收到防灾减灾后台模块发来的预警信号后，启动所述微气象监测单元监测包括环境温度、风速、湿度在内的微气候条件，启动所述变压器声音收集单元采集变压器声音，启动所述水浸监测单元采集水浸信息；
[0050] 步骤S2：所述数据分析传输模块中的声音信号过滤单元接收步骤S1中变压器声音收集单元采集的变压器声音，并通过频域能量检测方法对所述变压器声音进行过滤，判断是否存在有用信号，若存在有用信号，则启动所述频域能量检测器对变压器声音或水浸信息进行检测，并进入步骤S3；若不存在有用信号，则返回步骤S1；
[0051] 步骤S3：若所述频域能量检测器检测到变压器声音或者水浸信息异常时，启动异常判断单元，所述的异常判断单元依次进行MFCC特征识别、采用GMM模型建立变压器声识别概率模型以及变压器声异常判断，进一步对异常信息进行确定与处理，并进入步骤S4；若所述频域能量检测器检测到变压器声音以及水浸信息均正常时，返回步骤S1；
[0052] 步骤S4：当所述异常判断单元确定变压器运行声异常时，向所述信息传输单元发送异常信息，所述信息传输单元将现场数据收集模块采集的异常声音信号传输给所述防灾减灾后台模块的信号增强单元，所述信号增强单元对异常声音信号做信号增强处理，并得出变压器异常判断结论。
[0053] 在本实施例中，步骤S2中频域能量检测方法具体为：将待监测信号Y(n)通过傅里叶变换将时域信号转为频域信号，再将频域信号取平方后累加获得声音信号的频域能量值，最后将频域能量值与噪声功率相除的值与判决门限值λ进行比较，进而判断是否存在有用信号。具体为：当信号不存在的时候，通过已知的虚警概率PFA,可以确定出检测门限λ。因为在H0的情况下,T符合高斯分布, 则 其中， 所以在N和PFA给定的情况下，其检测门限为 其中信噪比SNR为
可以从上面的分析看出，当确定了PFA后,噪声方差又已知的情况下,就可以计算出检测门限λ，从而就可以经过比较判断待监测信号可能存在故障声音信号。
[0054] 在本实施例中，步骤S3中所述MFCC特征识别具体包括以下步骤；
[0055] 步骤S301：将频率过滤后的声音信号功率谱通过一组20个频带的三角滤波器，这20个频带在Mel频率上是均匀分布的，其中Mel频率和一般频率f的关系式为：mel(f)＝
2595*log10(1+f/700)；
[0056] 步骤S302:声音信号划分成一系列连续的帧，加汉宁窗分帧，每帧包含N＝512个样本，相邻帧有256个样本重叠；设音频数据时域信号为x(n)，第i帧音频信号xi(n)可以表示成:xi(n)＝x(i*N+n)w(n),0≤n≤N-1；其中汉宁窗为：
[0057]
[0058] 对每帧信号x(n)做快速傅立叶变换(FFT)后，取模的平方得到离散功率谱P(k)；Pi(k)表示第i个频带的起始位置的离散功率谱，第i个频带的起始位置刚好是第i-2个频带的终止位置；得到每个三角形滤波器的输出：
[0059]
[0060]
[0061] 其中Wl(k)是第l个滤波器，其中h(l)表示：h(l)＝2/(freq(l+2)-freq(l)),l＝1,2,...,L；
[0062] 步骤S303：将上述滤波器输出通过对数运算，再做离散余弦变化，求出每帧的R个Mel频率倒谱参数，其中R取12，得到12维特征矢量，离散余弦转化公式为：其中，t＝1,2,…,n；k＝0,1,…,R；1≤R
≤L；n为声音数据文件的帧数，L为三角频带的数量。
[0063] 在本实施例中，步骤S3中所述采用GMM模型建立变压器声识别概率模型具体包括以下步骤：
[0064] 步骤S311：假设每类变压器声是随机特征矢量，由M个D维的高斯分量组成高斯混合模型,对于第V种声音，用φk＝{μk,Σk}表示模型的第k个高斯分量的参数，Wk表示第k个高斯分量出现的概率,M个高斯分量加权和可以表示为 声音的类别用随机变量X来表示，在每个时刻t的状态值为随机变量X的采样值.则对于第k个分量，定义xt＝MFCC(t,k)，声音概率特征分布可表示为：
[0065] 其中μk和Σk分别表示期望和协方差矩阵,T表示声音信号总长；
[0066] 步骤S312：使用高斯分布密度表示初始声音模型后，通过EM算法重估高斯混合模型的参数，pi(x|φi)为高斯分布，πi，μi和Σi是新估计的参数值，Φh代表旧的参数值，p(i|xl,Φh)表示X属于第i个分布的概率，在每个时刻l的状态值为随机变量X的采样值，第k个状态定义xl＝MFCC(l,k)；则
[0067]
[0068]
[0069] 由贝叶斯公式可得变压器异常声概率 其中，M为高斯分量加权和；
[0070] 步骤S313：:通过已知的N个采样值和步骤S311至S312中的方程，并用样本值和旧的参数值计算得到新的参数值，找出最大后验概率的声音模型。
[0071] 在本实施例中，步骤S3中所述变压器声异常判断具体为：通过现场环境的温度c、湿度h、风速s情况，制定异常判断概率pc，其中制定过程如下：
[0072] 设环境因子 其中c'、h'、s'为当月平均温度、湿度、风速；
[0073] 其中x＝0.8为声音识别概率因子，pm为变压器故障率；
[0074] 当变压器异常声概率p(i|xl,Φh)＜pc时，提示变压器运行声异常，并向信息传输单元发送异常信息。
[0075] 在本实施例中，步骤S4中所述信号增强单元对异常声音信号做信号增强处理具体包括以下步骤：
[0076] 步骤S41：对含噪信号功率谱|F(l,k)|2进行一阶递归平滑，得到平滑后的功率谱Y2
(l,k)：Y(l,k)＝sY(l-1,k)+(1-s)|F(l,k)| ；其中l为帧号，k为子频带号，σ为常量平滑参数，取σ＝0.7；
[0077] 步骤S42：通过前向-后向相结合的双向搜索算法寻找Y(l,k)的最小值：
[0078] Ymin(l,k)＝max{Yf(l,k),Yb(l,k)}；其中Yf(l,k)为前向搜索出的最小值，Yb(l,k)为后向搜索出的最小值；
[0079] 步骤S43：计算有效信号的存在概率p(l,k)：p(l,k)＝σ1p(l-1,k)+(1-σ1)H(l,k)；其中σ1＝0.2为常量平滑参数，H(l,k)是有效信号存在性判别准则，具体为:如果Y(l,k)/Ymin(l,k)＞φ(k)则H(l,k)＝1，表示该帧存在有效信号，否则H(l,k)＝0，表示该帧不存在有效信号；φ(k)是依赖于频率的判别阈值，当k小于1kHz或界于1到3kHz时，φ(k)值为2，当k界于3kHz至信号采样频率的一半时，φ(k)值为5；
[0080] 步骤S44：根据时-频平滑因子σ(l,k)进行噪声功率谱N(l,k)估计：其中σ(l,k)＝σ2+(1-σ2)p(l,k)，N(l,k)＝σ(l,k)N(l-1,k)+(1-σ(l,k))|F(l,k)|2，其中σ2＝0.95，σ2≤σ*(l,k)≤1；
[0081] 步骤S45：计算频谱增益因子：
[0082] 其中C(l,k)＝|F(l,k)|2-N(l,k)为纯净信号功率谱，α为过减因子，其值为：
[0083] 步骤S46：最后增强后的信号功率谱为:
[0084] X(l,k)＝G(l,k)|F(l,k)|2；
[0085] 步骤S47:所述防灾减灾后台模块通过比对变压器正常运行声音的功率谱和当前声音功率谱，得出变压器异常判断结论。
[0086] 以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。
