基于深度复数网络的城市自来水管道泄漏检测的降噪方法

摘要

针对使用基于声信号的方法在城市环境下进行自来水管道泄漏检测和定位时,传统降噪方法需要手工设置固定的阈值,并且无法适用于信号和噪声频带重叠的情况,提出一种基于深度复数网络模块的降噪方法。该方法将信号变换到时频域中,同时,利用其模值和相位信息自动学习信号和噪声的特征,输出一个自适应掩膜用来估计干净信号的频谱,再将其变换回时域,从而实现降噪功能。结果表明,该方法与现有的自适应降噪方法相比,降噪后的音频在提升独立音频源分离信噪比(scale invariant source to noise ratio,SISNR)、泄漏音频分类准确率及减小泄漏点定位的误差方面都取得了更好的效果。

关键词

泄漏检测 / 漏点定位 / 城市噪声 / 深度学习 / 复数网络 / 卷积神经网络