采用听觉外周模型改进电子耳蜗CIS方案

提出了一种改进的CIS电子耳蜗的脉冲刺激方案。利用听觉外周模型产生一种符合听神经发放机制的刺激脉冲序列来刺激电极,代替传统的均匀交替刺激方案,不仅可以通过包络而且可以通过脉冲间隔来传递语音信息,确保了语音的空间编码和时间编码。听觉仿真实验表明,相对于其他两种方案,方案可以有效地传递更多更丰富的语音信息,在汉语声调识别实验中至少提高19.2%识别率,在可懂度的对比实验中具有最高可懂度。

基于听觉谱特征的变压器绕组状态检测研究

绕组松动是变压器常见故障之一,对变压器的安全运行产生巨大威胁。故对其进行精准的监测,对提高电力系统的安全稳定性具有十分重要的意义。基于声信号的变压器绕组松动检测,由于其具有无损检测和不需停运变压器等优点,成为近年来研究的热点。但声信号检测存在故障特征提前复杂和易受噪声干扰等缺陷,限制了其工程应用。该文提出了一种基于声信号听觉谱特征和支持向量机的变压器绕组松动识别方法。首先,将采集的声信号进行去均值和消除趋势项的预处理,以减小信号采集环境和传感器性能对所采集信号的影响;然后,将预处理后的声信号输入到多特征频率分析的听觉外周模型,经过中耳滤波器滤波、基底膜模型选频、外毛细胞模型放大、内毛细胞模型换能作用后,输出内毛细胞电压信号,实现多个特征频率听觉信号的提取,以此构成听觉谱,并在听觉谱基础上提取多种统计特征;最后,每种特征分别使用遗传算法优化的支持向量机进行识别试验,以验证提取特征的有效性。为进一步提高识别准确率,融合多种统计特征构成特征向量并进行测试,以此确定最优融合特征。研究表明,该文所建立的变压器绕组状态检测方法可以有效地应用于变压器故障诊断和监测中。

基于机器视觉与听觉响应的干式变压器状态智能诊断方法

为提升干式变压器的状态监测与故障诊断能力,提出了一种新的整合机器视觉与听觉响应的变压器状态诊断方法。首先,通过目标检测算法对干式变压器的潜在故障位置进行识别监控,获取其位置信息;其次,整合延迟求和波束成形算法计算其潜在故障位置的声学信息,利用该声学信息实时监控变压器是否出现放电缺陷;最后,对于无法快速诊断的机械故障,利用听觉外周模型获取听觉谱,依据其声音信号的特征频段,设置各特征频率获得多特征频率听觉谱,通过卷积神经网络进行变压器故障类型识别。实验结果显示,所提的方法在噪声情况下的变压器状态识别准确率仍高达87.51%,优于其他对比的时频域特征提取方法。故所提方法能较准确地诊断干式变压器状态,并且具备良好的抗噪性能,有效补充了当前变压器的监测手段。

瞬态诱发耳声发射(TEOAE)的建模与仿真

耳声发射是当前耳科学研究的热点。由于它的检测简便、客观、无损、迅速 ,因此一般认为它将与听觉诱发响应一起成为临床上听觉系统功能测试的两项互补的客观手段。本文借助听觉外周系统的同胚模型对瞬态诱发耳声发射进行了深入研究。通过对模型参数的辨识 ,我们不仅使得仿真的耳声发射信号具有与临床相近似的特征 。