CN117490007A - 一种供水管网漏点的互相关定位方法、装置及电子设备 - Google Patents
一种供水管网漏点的互相关定位方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117490007A CN117490007A CN202311469651.0A CN202311469651A CN117490007A CN 117490007 A CN117490007 A CN 117490007A CN 202311469651 A CN202311469651 A CN 202311469651A CN 117490007 A CN117490007 A CN 117490007A
- Authority
- CN
- China
- Prior art keywords
- positioning
- target
- point
- envelope
- suspected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 71
- 238000004364 calculation method Methods 0.000 claims abstract description 40
- 239000013598 vector Substances 0.000 claims abstract description 30
- 238000001914 filtration Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims description 25
- 238000001228 spectrum Methods 0.000 claims description 17
- 238000005314 correlation function Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000009432 framing Methods 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 12
- 238000011835 investigation Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 22
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Medical Informatics (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本说明书实施例公开了一种供水管网漏点的互相关定位方法、装置及电子设备。该方法包括基于相关向量机分别计算各渗漏检测结果；当存在目标渗漏检测结果均超过预设的第一可信度门限时，计算相关性系数；当相关性系数大于预设的第二可信度门限时，基于预设的至少两组带通滤波器对各目标信号数据进行滤波处理，对滤波处理后的目标信号数据进行包络计算，并基于时延估计值确定至少一个疑似定位点；计算各疑似定位点的定位分数，将定位分数最高的疑似定位点确定为目标定位点。本说明书实施例受环境影响小，无论信号在哪个频段，都能够进行较为精准的定位计算。
Description
技术领域
本说明书一个或多个实施例涉及声源定位技术，尤其涉及一种供水管网漏点的互相关定位方法、装置及电子设备。
背景技术
当管道发生渗漏时，压力管中的流体高速穿过渗漏空隙，由于振动、摩擦、撞击等因素，流体会产生应力或剪切力形成渗漏声，该声波分别以管道和管道内流体为介质进行传播，并且受衰减特性的影响，渗漏声的声强会随着距离增加而迅速减弱。
对于渗漏时产生的声波，一般是利用安装在管道上的噪声监测仪进行数据采集与渗漏分析。然而，目前现有的噪声监测仪大多只能预警管道渗漏，但不具备定位漏点的功能，需要人工发现存在漏点后，前往现场主动控制听漏仪、相关仪等设备进行定位，漏点响应存在滞后性，且定位精度不高。此外，现有的少部分噪声检测设备虽然也可以实现漏点定位，但是漏点定位算法都是仅基于互谱的时延估计算法，这类算法受环境影响较大，处理后增益获取有限，定位精度仍然不高。
发明内容
为了解决上述问题，本说明书一个或多个实施例描述了一种供水管网漏点的互相关定位方法、装置及电子设备。
根据第一方面，提供了一种供水管网漏点的互相关定位方法，所述方法包括：
基于相关向量机分别计算各噪声监测仪的信号数据，得到各渗漏检测结果；
当存在相邻的两个目标噪声监测仪对应的目标渗漏检测结果均超过预设的第一可信度门限时，基于互相关函数计算两个所述目标噪声监测仪之间的相关性系数；
当所述相关性系数大于预设的第二可信度门限时，基于预设的至少两组带通滤波器对各目标信号数据进行滤波处理，基于广义互谱相位变换加权算法对滤波处理后的所述目标信号数据进行包络计算，并基于包络峰值对应的时延估计值确定至少一个疑似定位点；
基于包络特征分别加权计算各所述疑似定位点对应的定位分数，将所述定位分数最高的所述疑似定位点确定为目标定位点。
优选的，所述渗漏检测结果包括第一渗漏检测结果和第二渗漏检测结果；
所述基于相关向量机分别计算各噪声监测仪的信号数据，得到各渗漏检测结果，包括：
每经过预设时长，基于相关向量机分别计算各噪声监测仪的信号数据，得到各所述第一渗漏检测结果；
获取漏点排查指令，确定所述漏点排查指令对应的待测噪声监测仪，基于相关向量机分别计算各所述待测噪声监测仪的所述信号数据，得到各所述第二渗漏检测结果。
优选的，所述基于互相关函数计算两个所述目标噪声监测仪之间的相关性系数之前，还包括：
向各所述目标噪声监测仪发送第一控制指令，所述第一控制指令用以控制各所述目标噪声监测仪接收卫星定位数据并与秒脉冲信号进行时间同步；
向各所述目标噪声监测仪发送第二控制指令，所述第二控制指令用以控制各所述目标噪声监测仪在预设的采集时刻采集所述信号数据。
优选的，所述基于预设的至少两组带通滤波器对各目标信号数据进行滤波处理，包括：
基于预设重叠比例对各所述目标噪声监测仪对应的目标信号数据进行分帧处理，得到分帧数据；
基于预设的至少两组带通滤波器对各所述分帧数据进行滤波处理。
优选的，所述基于包络峰值对应的时延估计值确定至少一个疑似定位点，包括：
将至少一个包络峰值对应的峰值时间点作为时延估计值，基于各所述目标噪声监测仪之间的管道长度以及所述时延估计值确定各所述时延估计值对应的各疑似定位点。
优选的，所述基于包络特征分别加权计算各所述疑似定位点对应的定位分数，包括：
分别确定各所述疑似定位点对应的包络特征，所述包络特征包括包络峰值、包络时域峰值系数、包络主瓣宽度和每路滤波数据的有效定位结果数量；
基于预设的包络特征权重对各所述包络特征进行加权计算，得到各所述疑似定位点对应的定位分数。
优选的，所述方法还包括：
基于所述目标定位点生成漏点定位信息，并将所述漏点定位信息发送至预设的目标终端，所述漏点定位信息为图表信息。
根据第二方面，提供了一种供水管网漏点的互相关定位装置，所述装置包括：
第一计算模块，用于基于相关向量机分别计算各噪声监测仪的信号数据，得到各渗漏检测结果；
第二计算模块，用于当存在相邻的两个目标噪声监测仪对应的目标渗漏检测结果均超过预设的第一可信度门限时，基于互相关函数计算两个所述目标噪声监测仪之间的相关性系数；
第三计算模块，用于当所述相关性系数大于预设的第二可信度门限时，基于预设的至少两组带通滤波器对各目标信号数据进行滤波处理，基于广义互谱相位变换加权算法对滤波处理后的所述目标信号数据进行包络计算，并基于包络峰值对应的时延估计值确定至少一个疑似定位点；
定位模块，用于基于包络特征分别加权计算各所述疑似定位点对应的定位分数，将所述定位分数最高的所述疑似定位点确定为目标定位点。
根据第三方面，提供了一种电子设备，包括处理器以及存储器；
所述处理器与所述存储器相连；
所述存储器，用于存储可执行程序代码；
所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行如第一方面或第一方面的任意一种可能的实现方式提供的方法的步骤。
根据第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机可读存储介质中存储有指令，当所述指令在计算机或处理器上运行时，使得所述计算机或处理器执行如第一方面或第一方面的任意一种可能的实现方式提供的方法。
本说明书实施例提供的方法及装置，能够实现如下技术效果：
1.能够无需人工操作的对漏点位置进行智能计算，且在漏点检测时不仅针对单个噪声监测仪的信号数据进行渗漏检测，还会结合噪声监测仪之间的相关度系数辅助判断，进一步降低了系统的误检率，保证关键参数的可靠性，提高了定位精度。
2.通过预设的多组带通滤波器结合广义互谱相位变换加权算法，提高了方法的使用范围以及整体的信噪比，受环境影响小，无论信号在哪个频段，都能够进行较为精准的定位计算。此外，还会根据包络特性对各个疑似定位结果进行加权评分，更具有鲁棒性，可以更客观、准确、合理地从多个备选结果中选择正确项。
3.具备主动、被动两种工作模式，更具备作业灵活性，对漏点发生时的响应处理更为及时。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本说明书一个实施例中在一种供水管网漏点的互相关定位方法的流程图。
图2是本说明书一个实施例中在一种供水管网漏点的互相关定位装置的结构示意图。
图3是本说明书一个实施例中在一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
在下述介绍中，术语“第一”、“第二”仅为用于描述的目的，而不能理解为指示或暗示相对重要性。下述介绍提供了本申请的多个实施例，不同实施例之间可以替换或者合并组合，因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而，如果一个实施例包含特征A、B、C，另一个实施例包含特征B、D，那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。
下面的描述提供了示例，并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下，对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行，并且可以添加、省略或组合各种步骤。此外，可以将关于一些示例描述的特征组合到其他示例中。
参见图1，图1是本申请实施例提供的一种供水管网漏点的互相关定位方法的流程示意图。在本申请实施例中，所述方法包括：
S101、基于相关向量机分别计算各噪声监测仪的信号数据，得到各渗漏检测结果。
本申请的执行主体可以是云端服务器。
在本说明书实施例中，云端服务器会获取设置在供水管网上的各个噪声监测仪采集到的信号数据，并通过相关向量机（Relevance Vector Machine，RVM）对各个信号数据进行计算，以得到每个信号数据对应的渗漏检测结果。
其中，RVM是一种用于回归和分类的贝叶斯稀疏核算法，借助于核函数把低维空间线性不可分问题转换为高维空间中的线性划分问题。RVM是基于贝叶斯框架构建的学习机，可以计算输出概率分布，适用于多分类问题，超参数不需要通过交叉验证得到，而且核函数可以任意指定，不是必须要正定。此外，本申请还会对信号数据的特征数据集进行归一化处理，将每个属性线性缩放到区间[0，1]范围内，避免大数值区间的属性过分支配了小数值区间的属性，避免计算过程中数值复杂度。
具体而言，由于渗漏声信号波形极为复杂，是多种成分信号的组合，属于时变非平稳随机信号，直观上无明显可分辨的特征；从频谱上看，渗漏信号分布频带较宽，集中在200~2500Hz；该类信号难以用单一特征参数表征，并且管道渗漏检测条件恶劣，极易受周围干扰声影响（例如下雨声、汽车声、电磁类干扰等）因此本申请从不同角度进行特征量提取，充分将各类信号数据的特点进行准确表征，保证渗漏识别低漏检率和误检率，具体如下：
时域特征量：时域rms、时域无量纲特征（峰值系数、峭度）。
频域特征量：有效带宽、谱峭度、谱熵。
其他特征量：相关近似熵、赫斯特指数、分形维数。
针对管道渗漏检测的应用场景，场景中会存在渗漏声、下雨声、汽车声、水表声、电磁干扰声、白噪声等多种类型的声音。本申请将通过RVM分类器，对信号数据中各个类型的声音进行区分，以区分并得到渗漏声对应的声音大小数据，即渗漏检测结果。
RVM模型的计算公式可以是：
其中，y是分类标签向量，x是输入向量（即信号数据对应的向量数据），是x映射到高维后的基函数，/>是权参数矩阵（上标T代表矩阵转置操作）。
在相关向量机实例中，基函数由选择的核函数给出，训练集中的每个数据点都关联一个核函数，则上式可解释为：
其中，N是输入向量的样本数，b是偏置量，是核函数，u是模型中的相关向量relevanceVectors。
核函数可以采用高斯径向基函数，对应的计算公式可以是：
其中，是两个向量的欧氏距离，/>是高斯核宽度。
在一种可实施方式中，所述渗漏检测结果包括第一渗漏检测结果和第二渗漏检测结果；
所述基于相关向量机分别计算各噪声监测仪的信号数据，得到各渗漏检测结果，包括：
每经过预设时长，基于相关向量机分别计算各噪声监测仪的信号数据，得到各所述第一渗漏检测结果；
获取漏点排查指令，确定所述漏点排查指令对应的待测噪声监测仪，基于相关向量机分别计算各所述待测噪声监测仪的所述信号数据，得到各所述第二渗漏检测结果。
在本说明书实施例中，云端服务器可以通过主动检测和被动检测两种模式来计算确定出渗漏检测结果。其中，主动检测的具体过程为，云端服务器会每经过预设时长（例如24小时），便对获取自噪声监测仪的信号数据主动进行相关向量机的计算，以得到第一渗漏检测结果。被动检测的具体过程为，工作人员可以通过云端服务器查询获取到的各个信号数据，并对信号数据进行分析后，人为确定出需要进行渗漏检测结果计算的待测噪声监测仪。在工作人员完成对待测噪声监测仪的选择后，会生成漏点排查指令。云端服务器将根据漏点排查指令确定出需要排查的待测噪声监测仪，并根据相关向量机对待测噪声监测仪的各个信号数据进行计算，以得到第二渗漏检测结果。通过主动检测和被动检测两种检测模式，可以更及时的排查出漏点，进而使得本方案对于漏点发生时的响应性更为及时。
S102、当存在相邻的两个目标噪声监测仪对应的目标渗漏检测结果均超过预设的第一可信度门限时，基于互相关函数计算两个所述目标噪声监测仪之间的相关性系数。
在本说明书实施例中，渗漏检测结果可以表征检测到的渗漏数据信号的大小，云端服务器中会根据人工经验预先设置有第一可信度门限，如果渗漏检测结果大于第一可信度门限，即认为该渗漏检测结果表征为检测到漏点渗漏的声音。如果存在相邻的两个目标噪声监测仪检测到目标渗漏检测结果都超过了第一可信度门限，也就是说两个相邻的目标噪声监测仪都检测到了漏点渗漏的声音，此时云端服务器可以认为两个目标噪声监测仪之间有较大概率存在一个渗漏点。由于数据检测结果容易受到环境因素的影响，为了提高检测的准确性，本申请将采用双重检测机制，在根据目标噪声监测仪的单方面的独立检测结果和第一可信度门限确定两个目标噪声监测仪之间有较大概率存在一个渗漏点后，云端服务器还会计算两个目标噪声监测仪之间的相关性系数，以根据双方面的联合检测结果进一步判断二者之间是否存在渗漏点。
其中，相关性系数的具体计算过程可以为：
对两个目标噪声监测仪的两路信号和/>进行fft处理，分别得到频域数据/>、/>，接着，由下式计算获得互功率谱：
其中，K为fft点数，为角频率，/>为相位差，/>为两个信号之间的一个时间延迟。
接着，对互功率谱进行傅里叶逆变换ifft，得到互相关函数，计算公式如下：
互相关系数为归一化的互相关函数值，故接着对互相关函数进行归一化处理得到互相关系数，计算公式如下：
其中，、/>分别为x、y各自序列的平方和。
用来衡量两个信号之间的时域相关程度，值越接近于1，表明两个序列之间的共性越大；相关系数越接近于0，表明两者的相关程度越低。
在一种可实施方式中，所述基于互相关函数计算两个所述目标噪声监测仪之间的相关性系数之前，还包括：
向各所述目标噪声监测仪发送第一控制指令，所述第一控制指令用以控制各所述目标噪声监测仪接收卫星定位数据并与秒脉冲信号进行时间同步；
向各所述目标噪声监测仪发送第二控制指令，所述第二控制指令用以控制各所述目标噪声监测仪在预设的采集时刻采集所述信号数据。
在本说明书实施例中，计算两个目标噪声监测仪之间的相关性系数之前，为了提高计算结果的准确性，首先需要将两个目标噪声监测仪进行同步，以确保两个目标噪声监测仪采集到的是同一时刻的数据。具体而言，云端服务器会通过第一控制指令对两个目标噪声监测仪进行控制，使得两个目标噪声监测仪提前开启并接收北斗卫星定位数据，接着根据接收到的北斗卫星定位数据对应的秒脉冲信号（1PPS）进行时间同步。完成时间同步后，云端服务器还会通过第二控制指令向两个目标噪声监测仪确定一个采集时刻，使得两个目标噪声监测仪在当前时刻达到采集时刻的时候同时采集信号数据。最终，目标噪声监测仪会将数据以NB-IoT形式传输至云端服务器。
S103、当所述相关性系数大于预设的第二可信度门限时，基于预设的至少两组带通滤波器对各目标信号数据进行滤波处理，基于广义互谱相位变换加权算法对滤波处理后的所述目标信号数据进行包络计算，并基于包络峰值对应的时延估计值确定至少一个疑似定位点。
在本说明书实施例中，云端服务器中还会根据人工经验预先设置第二可信度门限，如果计算得到的相关性系数大于第二可信度门限，则说明两个目标噪声监测仪之间的相关程度较高，且两个目标噪声监测仪均检测到渗漏信号。此时，云端服务器将确定两个目标噪声监测仪之间存在渗漏点。
本申请考虑到管道渗漏定位环境比较恶劣，时延估计精度受到多个因素的影响，包括噪声、混响和信号带宽等，信号所处主频段也会随声传播介质不同而变化，因此，采用固定滤波将无法满足所有场景的应用。现在部分同类产品会根据相干函数或是相位谱上的特征区域进行目标频段的选择，然后设置截止频率进行带通滤波，但是实际情况由于受到环境影响这些特征很难准确将其量化，同样会严重影响定位精度。
介于上述原因，本方案在广义互谱相位变换加权算法(Gcc_PHAT)基础上采用多路预滤波相关处理的方式，即对目标信号数据依据预设的多组带通滤波器进行滤波处理，再分别以Gcc_PHAT方式进行包络计算和时延估计，以获取的所有备选定位结果（即疑似定位点），再通过后续步骤的处理从各个疑似定位点中确定最终的目标定位点，而非直接计算确定出一个最终的目标定位点，以提高定位结果的准确性。
具体而言，设为第𝑖组滤波器截止频率，滤波方式采用4阶巴特沃兹带通滤波器，则/>、/>分别为/>、/>滤波后的信号。
接着，对、/>进行FFT计算，得到频域数据/>、/>，广义互谱相位变换加权算法的计算公式如下：
其中，为/>的共轭。
由上式可知，互谱相位变换加权函数实质上是一个白化滤波器，使得信号间的互功率谱更加平滑，从而锐化广义互相关函数。这样在后续经过PHAT加权后，互功率谱近似于单位冲激响应的表达式，突出时延峰值，能够有效抑制混响噪声，提高时延估计的精度和准确度。
接着，将对进行傅里叶逆变换ifft，得到加权互相关函数/>，并对/>进行Hilbert变换，即可得到对应包络。设/>为第𝑖组滤波器处理后对应第𝑛帧信号的包络数据。假设共有𝑁帧数据，云端服务器将其进行时序迭加，则由第𝑖组滤波器处理后获得最终迭加包络为/>。通过包络迭加操作减少了随机干扰或噪声的影响，获得信噪比增益，且理论上迭加次数越多，效果越好，包络叠加的计算公式如下所示：
最终，云端服务器会根据包络计算结果选择包络峰值，进而根据包络峰值确定出时延估计值，并根据时延估计值计算出两个目标噪声监测仪距离渗漏点的距离长度，进而确定出疑似定位点的位置。
在一种可实施方式中，所述基于预设的至少两组带通滤波器对各目标信号数据进行滤波处理，包括：
基于预设重叠比例对各所述目标噪声监测仪对应的目标信号数据进行分帧处理，得到分帧数据；
基于预设的至少两组带通滤波器对各所述分帧数据进行滤波处理。
在本说明书实施例中，为了充分利用数据长度、排除数据采集期间的突发干扰，本申请会将目标信号数据按照预设的一定重叠比例进行分帧处理，以得到分帧数据，后续将通过带通滤波器对分帧数据进行滤波处理。此外，前述相关性系数的计算过程所使用的信号数据、/>也可以是进行分帧处理后的同一时刻的一帧数据。
在一种可实施方式中，所述基于包络峰值对应的时延估计值确定至少一个疑似定位点，包括：
将至少一个包络峰值对应的峰值时间点作为时延估计值，基于各所述目标噪声监测仪之间的管道长度以及所述时延估计值确定各所述时延估计值对应的各疑似定位点。
在本说明书实施例中，包络计算结果中将存在至少一个包络峰值，包络峰值对应的峰值时间点将被云端服务器作为时延估计值/>，也就是说，一个时延估计值可以确定出一个疑似定位点。云端服务器将根据时延估计值/>、管道长度L和声波传播速度v分别计算出各个时延估计值对应的各个疑似定位点。具体计算公式如下：
其中，为疑似定位点与目标噪声监测仪/>的距离，/>同理。
S104、基于包络特征分别加权计算各所述疑似定位点对应的定位分数，将所述定位分数最高的所述疑似定位点确定为目标定位点。
在本说明书实施例中，为了从计算得到的多个疑似定位点中确定出最终的目标定位点，云端服务器在前述包络计算过程中，还会获取相应的包络特征，例如包络峰值、包络主瓣宽度等。不同的疑似定位点由于对应的包络峰值不同，其对应的这些包络特征也是不同的。此外，人工会预先根据经验为每种包络特征设置了不同的特征权重，云端服务器通过分别对每个疑似定位点的各个包络特征进行加权计算，即可得到每个疑似定位点的定位分数。定位分数最高的那一个疑似定位点，即被云端服务器确定为最终的目标定位点。通过对多组带通滤波器的滤波结果进行包络计算，并从包络计算结果中确定出多个疑似定位点，再根据加权计算每个疑似定位点的定位分数的方式，能够准确的确定出目标定位点，不需要其他仪器设备的辅助，且相对于直接计算确定出一个定位点的方式而言，定位精度高。
在一种可实施方式中，所述基于包络特征分别加权计算各所述疑似定位点对应的定位分数，包括：
分别确定各所述疑似定位点对应的包络特征，所述包络特征包括包络峰值、包络时域峰值系数、包络主瓣宽度和每路滤波数据的有效定位结果数量；
基于预设的包络特征权重对各所述包络特征进行加权计算，得到各所述疑似定位点对应的定位分数。
在本说明书实施例中，参与评分的包络特征的特征值可以如下：
包络峰值Peak，即近似的定位可信度，其值越大可信度越高；
包络的时域峰值系数peakFactor：该参数直接反映包络峰形状是否尖锐，一般越尖锐的包络形状可信度越高，计算公式如下：
其中，、/>分别为第𝑖路包络的最大值与有效值。
包络主瓣宽度lobeWidth：一般情况下主瓣宽度越小，说明参与处理的数据之间的相关性越高，且受到的干扰越小，计算方式：以peak值的-3db为门限进行截取的波瓣宽度；
每路滤波数据对应的帧数据的有效定位结果数量validCnt：以第i组数据为例，设每帧定位结果为，通过计算平均值/>，标准差，如满足下逻辑则认为该帧结果有效的：
其中依据经验进行设置，取值范围一般为1.2~2.0。
根据各个特征值对渗漏识别贡献量，分别赋予不同的权重W，评分方式通过如下公式进行计算：
其中，、/>、/>、分别为各个特征对应的分数。
在一种可实施方式中，所述方法还包括：
基于所述目标定位点生成漏点定位信息，并将所述漏点定位信息发送至预设的目标终端，所述漏点定位信息为图表信息。
在本说明书实施例中，为了让工作人员能够直观的看到渗漏的位置以及渗漏的情况，云端服务器会根据目标定位点生成图标信息形式的漏点定位信息，并将其发送至工作人员对应的目标终端，以向工作人员自动展示漏点的位置。工作人员可以直观获取渗漏情况并以此做出后续决策。
下面将结合附图2，对本申请实施例提供的供水管网漏点的互相关定位装置进行详细介绍。需要说明的是，附图2所示的供水管网漏点的互相关定位装置，用于执行本申请图1所示实施例的方法，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请图1所示的实施例。
请参见图2，图2是本申请实施例提供的一种供水管网漏点的互相关定位装置的结构示意图。如图2所示，所述装置包括：
第一计算模块201，用于基于相关向量机分别计算各噪声监测仪的信号数据，得到各渗漏检测结果；
第二计算模块202，用于当存在相邻的两个目标噪声监测仪对应的目标渗漏检测结果均超过预设的第一可信度门限时，基于互相关函数计算两个所述目标噪声监测仪之间的相关性系数；
第三计算模块203，用于当所述相关性系数大于预设的第二可信度门限时，基于预设的至少两组带通滤波器对各目标信号数据进行滤波处理，基于广义互谱相位变换加权算法对滤波处理后的所述目标信号数据进行包络计算，并基于包络峰值对应的时延估计值确定至少一个疑似定位点；
定位模块204，用于基于包络特征分别加权计算各所述疑似定位点对应的定位分数，将所述定位分数最高的所述疑似定位点确定为目标定位点。
在一种可实施方式中，所述渗漏检测结果包括第一渗漏检测结果和第二渗漏检测结果；
第一计算模块201具体用于：
每经过预设时长，基于相关向量机分别计算各噪声监测仪的信号数据，得到各所述第一渗漏检测结果；
获取漏点排查指令，确定所述漏点排查指令对应的待测噪声监测仪，基于相关向量机分别计算各所述待测噪声监测仪的所述信号数据，得到各所述第二渗漏检测结果。
在一种可实施方式中，第二计算模块202具体用于：
向各所述目标噪声监测仪发送第一控制指令，所述第一控制指令用以控制各所述目标噪声监测仪接收卫星定位数据并与秒脉冲信号进行时间同步；
向各所述目标噪声监测仪发送第二控制指令，所述第二控制指令用以控制各所述目标噪声监测仪在预设的采集时刻采集所述信号数据。
在一种可实施方式中，第三计算模块203具体用于：
基于预设重叠比例对各所述目标噪声监测仪对应的目标信号数据进行分帧处理，得到分帧数据；
基于预设的至少两组带通滤波器对各所述分帧数据进行滤波处理。
在一种可实施方式中，第三计算模块203具体还用于：
将至少一个包络峰值对应的峰值时间点作为时延估计值，基于各所述目标噪声监测仪之间的管道长度以及所述时延估计值确定各所述时延估计值对应的各疑似定位点。
在一种可实施方式中，定位模块204具体用于：
分别确定各所述疑似定位点对应的包络特征，所述包络特征包括包络峰值、包络时域峰值系数、包络主瓣宽度和每路滤波数据的有效定位结果数量；
基于预设的包络特征权重对各所述包络特征进行加权计算，得到各所述疑似定位点对应的定位分数。
在一种可实施方式中，装置还包括：
发送模块，用于基于所述目标定位点生成漏点定位信息，并将所述漏点定位信息发送至预设的目标终端，所述漏点定位信息为图表信息。
本领域的技术人员可以清楚地了解到本申请实施例的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件，其中硬件例如可以是现场可编程门阵列（Field－ProgrammableGate Array，FPGA）、集成电路（IntegratedCircuit，IC）等。
本申请实施例的各处理单元和/或模块，可通过实现本申请实施例所述的功能的模拟电路而实现，也可以通过执行本申请实施例所述的功能的软件而实现。
参见图3，其示出了本申请实施例所涉及的一种电子设备的结构示意图，该电子设备可以用于实施图1所示实施例中的方法。如图3所示，电子设备300可以包括：至少一个中央处理器301，至少一个网络接口304，用户接口303，存储器305，至少一个通信总线302。
其中，通信总线302用于实现这些组件之间的连接通信。
其中，用户接口303可以包括显示屏（Display）、摄像头（Camera），可选用户接口303还可以包括标准的有线接口、无线接口。
其中，网络接口304可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。
其中，中央处理器301可以包括一个或者多个处理核心。中央处理器301利用各种接口和线路连接整个电子设备300内的各个部分，通过运行或执行存储在存储器305内的指令、程序、代码集或指令集，以及调用存储在存储器305内的数据，执行终端300的各种功能和处理数据。可选的，中央处理器301可以采用数字信号处理（Digital SignalProcessing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（ProgrammableLogic Array，PLA）中的至少一种硬件形式来实现。中央处理器301可集成中央中央处理器（Central Processing Unit，CPU）、图像中央处理器（GraphicsProcessing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到中央处理器301中，单独通过一块芯片进行实现。
其中，存储器305可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-OnlyMemory）。可选的，该存储器305包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器305可用于存储指令、程序、代码、代码集或指令集。存储器305可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器305可选的还可以是至少一个位于远离前述中央处理器301的存储装置。如图3所示，作为一种计算机存储介质的存储器305中可以包括操作系统、网络通信模块、用户接口模块以及程序指令。
在图3所示的电子设备300中，用户接口303主要用于为用户提供输入的接口，获取用户输入的数据；而中央处理器301可以用于调用存储器305中存储的供水管网漏点的互相关定位应用程序，并具体执行以下操作：
基于相关向量机分别计算各噪声监测仪的信号数据，得到各渗漏检测结果；
当存在相邻的两个目标噪声监测仪对应的目标渗漏检测结果均超过预设的第一可信度门限时，基于互相关函数计算两个所述目标噪声监测仪之间的相关性系数；
当所述相关性系数大于预设的第二可信度门限时，基于预设的至少两组带通滤波器对各目标信号数据进行滤波处理，基于广义互谱相位变换加权算法对滤波处理后的所述目标信号数据进行包络计算，并基于包络峰值对应的时延估计值确定至少一个疑似定位点；
基于包络特征分别加权计算各所述疑似定位点对应的定位分数，将所述定位分数最高的所述疑似定位点确定为目标定位点。
本申请还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。其中，计算机可读存储介质可以包括但不限于任何类型的盘，包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米系统（包括分子存储器IC），或适合于存储指令和/或数据的任何类型的媒介或设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器（Read-Only Memory， ROM）、随机存取存储器（Random Access Memory，RAM）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通进程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器（Read-Only Memory， ROM）、随机存取器（RandomAccessMemory，RAM）、磁盘或光盘等。
以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。
Claims (10)
1.一种供水管网漏点的互相关定位方法，其特征在于，所述方法包括：
基于相关向量机分别计算各噪声监测仪的信号数据，得到各渗漏检测结果；
当存在相邻的两个目标噪声监测仪对应的目标渗漏检测结果均超过预设的第一可信度门限时，基于互相关函数计算两个所述目标噪声监测仪之间的相关性系数；
当所述相关性系数大于预设的第二可信度门限时，基于预设的至少两组带通滤波器对各目标信号数据进行滤波处理，基于广义互谱相位变换加权算法对滤波处理后的所述目标信号数据进行包络计算，并基于包络峰值对应的时延估计值确定至少一个疑似定位点；
基于包络特征分别加权计算各所述疑似定位点对应的定位分数，将所述定位分数最高的所述疑似定位点确定为目标定位点。
2.根据权利要求1所述的方法，其特征在于，所述渗漏检测结果包括第一渗漏检测结果和第二渗漏检测结果；
所述基于相关向量机分别计算各噪声监测仪的信号数据，得到各渗漏检测结果，包括：
每经过预设时长，基于相关向量机分别计算各噪声监测仪的信号数据，得到各所述第一渗漏检测结果；
获取漏点排查指令，确定所述漏点排查指令对应的待测噪声监测仪，基于相关向量机分别计算各所述待测噪声监测仪的所述信号数据，得到各所述第二渗漏检测结果。
3.根据权利要求1所述的方法，其特征在于，所述基于互相关函数计算两个所述目标噪声监测仪之间的相关性系数之前，还包括：
向各所述目标噪声监测仪发送第一控制指令，所述第一控制指令用以控制各所述目标噪声监测仪接收卫星定位数据并与秒脉冲信号进行时间同步；
向各所述目标噪声监测仪发送第二控制指令，所述第二控制指令用以控制各所述目标噪声监测仪在预设的采集时刻采集所述信号数据。
4.根据权利要求1所述的方法，其特征在于，所述基于预设的至少两组带通滤波器对各目标信号数据进行滤波处理，包括：
基于预设重叠比例对各所述目标噪声监测仪对应的目标信号数据进行分帧处理，得到分帧数据；
基于预设的至少两组带通滤波器对各所述分帧数据进行滤波处理。
5.根据权利要求1所述的方法，其特征在于，所述基于包络峰值对应的时延估计值确定至少一个疑似定位点，包括：
将至少一个包络峰值对应的峰值时间点作为时延估计值，基于各所述目标噪声监测仪之间的管道长度以及所述时延估计值确定各所述时延估计值对应的各疑似定位点。
6.根据权利要求1所述的方法，其特征在于，所述基于包络特征分别加权计算各所述疑似定位点对应的定位分数，包括：
分别确定各所述疑似定位点对应的包络特征，所述包络特征包括包络峰值、包络时域峰值系数、包络主瓣宽度和每路滤波数据的有效定位结果数量；
基于预设的包络特征权重对各所述包络特征进行加权计算，得到各所述疑似定位点对应的定位分数。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述目标定位点生成漏点定位信息，并将所述漏点定位信息发送至预设的目标终端，所述漏点定位信息为图表信息。
8.一种供水管网漏点的互相关定位装置，其特征在于，所述装置包括：
第一计算模块，用于基于相关向量机分别计算各噪声监测仪的信号数据，得到各渗漏检测结果；
第二计算模块，用于当存在相邻的两个目标噪声监测仪对应的目标渗漏检测结果均超过预设的第一可信度门限时，基于互相关函数计算两个所述目标噪声监测仪之间的相关性系数；
第三计算模块，用于当所述相关性系数大于预设的第二可信度门限时，基于预设的至少两组带通滤波器对各目标信号数据进行滤波处理，基于广义互谱相位变换加权算法对滤波处理后的所述目标信号数据进行包络计算，并基于包络峰值对应的时延估计值确定至少一个疑似定位点；
定位模块，用于基于包络特征分别加权计算各所述疑似定位点对应的定位分数，将所述定位分数最高的所述疑似定位点确定为目标定位点。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机可读存储介质中存储有指令，当所述指令在计算机或处理器上运行时，使得所述计算机或处理器执行如权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311469651.0A CN117490007A (zh) | 2023-11-07 | 2023-11-07 | 一种供水管网漏点的互相关定位方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311469651.0A CN117490007A (zh) | 2023-11-07 | 2023-11-07 | 一种供水管网漏点的互相关定位方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117490007A true CN117490007A (zh) | 2024-02-02 |
Family
ID=89670329
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311469651.0A Pending CN117490007A (zh) | 2023-11-07 | 2023-11-07 | 一种供水管网漏点的互相关定位方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117490007A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102606891A (zh) * | 2012-04-11 | 2012-07-25 | 广州东芝白云自动化系统有限公司 | 漏水检测仪及检测系统、及检测方法 |
| CN107061996A (zh) * | 2017-03-10 | 2017-08-18 | 内蒙古大学 | 一种供水管道泄漏检测定位方法 |
| CN108731886A (zh) * | 2018-05-30 | 2018-11-02 | 北京工业大学 | 一种基于迭代递推的供水管道多泄漏点声定位方法 |
| GB201908475D0 (en) * | 2018-06-14 | 2019-07-31 | Korea Atomic Energy Res | Apparatus and method of detecting leakage of pipe by using distance difference-frequency analysis |
| CN111895278A (zh) * | 2020-09-03 | 2020-11-06 | 武汉轻工大学 | 城市供水管网漏点定位方法、装置、设备及存储介质 |
| CN115575044A (zh) * | 2022-12-08 | 2023-01-06 | 浙江和达科技股份有限公司 | 一种管道节点的渗漏定位方法及智能消火栓 |
| CN116624790A (zh) * | 2023-06-05 | 2023-08-22 | 浙江宁水水务科技有限公司 | 基于融合广义互相关的供水管网泄漏精确定位方法 |
-
2023
- 2023-11-07 CN CN202311469651.0A patent/CN117490007A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102606891A (zh) * | 2012-04-11 | 2012-07-25 | 广州东芝白云自动化系统有限公司 | 漏水检测仪及检测系统、及检测方法 |
| CN107061996A (zh) * | 2017-03-10 | 2017-08-18 | 内蒙古大学 | 一种供水管道泄漏检测定位方法 |
| CN108731886A (zh) * | 2018-05-30 | 2018-11-02 | 北京工业大学 | 一种基于迭代递推的供水管道多泄漏点声定位方法 |
| GB201908475D0 (en) * | 2018-06-14 | 2019-07-31 | Korea Atomic Energy Res | Apparatus and method of detecting leakage of pipe by using distance difference-frequency analysis |
| CN111895278A (zh) * | 2020-09-03 | 2020-11-06 | 武汉轻工大学 | 城市供水管网漏点定位方法、装置、设备及存储介质 |
| CN115575044A (zh) * | 2022-12-08 | 2023-01-06 | 浙江和达科技股份有限公司 | 一种管道节点的渗漏定位方法及智能消火栓 |
| CN116624790A (zh) * | 2023-06-05 | 2023-08-22 | 浙江宁水水务科技有限公司 | 基于融合广义互相关的供水管网泄漏精确定位方法 |
Non-Patent Citations (4)
| Title |
|---|
| 刘书明等: "供水管网漏损系统性管控技术与装备", 建设科技, vol. 7, 15 April 2022 (2022-04-15) * |
| 李小朋;辛云宏;: "基于互双谱时延估计的供水管道检漏系统研究", 陕西师范大学学报(自然科学版), no. 05, 10 September 2010 (2010-09-10) * |
| 路炜;文玉梅;: "供水管道泄漏定位中基于互谱的时延估计", 仪器仪表学报, no. 03, 28 March 2007 (2007-03-28) * |
| 高松巍;丛迪娜;杨理践;: "输气管道泄漏点的定位算法", 沈阳工业大学学报, no. 06, 15 December 2009 (2009-12-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiang et al. | A time-frequency spectral amplitude modulation method and its applications in rolling bearing fault diagnosis | |
| WO2020037555A1 (zh) | 评估麦克风阵列一致性的方法、设备、装置和系统 | |
| US8864671B2 (en) | Methods and systems for color flow imaging | |
| US9961460B2 (en) | Vibration source estimation device, vibration source estimation method, and vibration source estimation program | |
| Chen et al. | Acoustic source localization based on generalized cross-correlation time-delay estimation | |
| CN104360251B (zh) | 一种变压器局部放电的超声波信号时延估计方法 | |
| CN111142102A (zh) | 一种呼吸数据计算方法以及相关设备 | |
| AU2022275486B2 (en) | Methods and apparatus to fingerprint an audio signal via normalization | |
| CN107466240A (zh) | 用于产生流量分布的装置和方法 | |
| TWI572327B (zh) | 利用音頻訊號判斷流體管路窄化的檢測裝置、電腦程式產品及電腦可讀取媒體 | |
| CN106526566A (zh) | 基于fpga高速预处理的信号脉内特征实时分析处理方法 | |
| JPWO2016208173A1 (ja) | 信号検知装置、信号検知方法およびプログラム | |
| KR101294678B1 (ko) | 신호처리장치 | |
| CN117490007A (zh) | 一种供水管网漏点的互相关定位方法、装置及电子设备 | |
| Gonçalves et al. | STFT or CWT for the detection of Doppler ultrasound embolic signals | |
| CN115497501A (zh) | 基于sw-music的变压器故障声纹定位方法及系统 | |
| JP2020203032A (ja) | 脳症判定プログラム、脳症判定方法および情報処理装置 | |
| CN115575044A (zh) | 一种管道节点的渗漏定位方法及智能消火栓 | |
| KR101282692B1 (ko) | 충격음의 음장 표시 방법 | |
| CN104605886A (zh) | 喘鸣音检测装置和方法 | |
| ZhaoHeng et al. | Selection of the optimal wavelet bases for wavelet de-noising of partial discharge signal | |
| Tang et al. | Deep Learning Radar for High-Fidelity Heart Sound Recovery in Real-World Scenarios | |
| CN106533586B (zh) | 一种测量接收机的抗干扰能力的方法及设备 | |
| Liu et al. | A post-processing method called fourier transform based on local maxima of autocorrelation function for extracting fault feature of bearings | |
| Cao | Acoustical measurement and fan fault diagnosis system based on LabVIEW |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |