麦克风阵列声纹采集与分析优势

声纹识别是当前研究的热点，声音非接触式远程测试的优势是适用范围广，应用前景广阔。

传统单mic采集声音

传统的声纹识别方式还是使用多麦克风分布式排布，逐点测试收集数据；这种方式采集的数据在产线、特殊机械结构的监测场合也能够解决部分问题，但在电力行业并不完全适用，比如变压器、开关柜、GIS等。

电力行业典型特点

现存的声纹采集困难：

麦克风阵列的声纹提取与分析优势

使用麦克风阵列能够很好的解决以上问题，主要有以下优势：

（1）多通道数据录制与声音原始特征提取分析

▲原始数据分析

▲故障数据对比

（2）异响故障可视化定位

▲变压器风扇异响

▲电容器异响

▲电子围栏异响

（3）故障特征定向增强

▲信号延迟叠加（Delay & Sum）算法示意图

通过多个mic信号的延迟叠加，可定向增强某指定位置的声音，同时抑制其他位置的声音，实现故障特征的信噪比增加。首先设定期望增强信号的位置，然后计算该位置点相对麦克风阵列各个传感器之间的相对距离差，再依据距离差计算出时间差；最后把麦克风阵列采集到的信号进行延迟对齐叠加，并归一化为同一比例尺，即可得到增强后的信号；麦克风数量越多，对信号的增强效果则越好。

▲延迟叠加信号增强对比数据

上图为多通道数据延迟叠加降噪仿真结果，时域波形归一化为同一比例尺。仿真数据源为包含850Hz频率的噪声信号，从频谱上看850Hz有效信号也已经被噪声淹没；通过多通道阵列叠加处理，原始信号中850Hz噪声信号信噪比明显提升，明显高于旁边噪声的能量，信噪比得到明显提升。

（4）单设备大幅面监控

阵列可远距离采集几米、十几米，甚至几十米的声源，通过增强、定位方式识别故障，同时摄像头具有60°以上视角，单设备即可覆盖多个被测结构，能够实现长期监控，有利于降低项目实施难度，同时节约采购、施工、维护等各项成本。

▲相关产品