Page 65 - 《应用声学》2025年第2期
P. 65
第 44 卷 第 2 期 李昌伟等： 应用于电气设备局部放电定位的改进相位变换加权可控响应功率算法 325
Keywords: Partial discharge; Acoustic source localization; Microphone array; Low-rank sparse decomposition;
Steered response power-phase transform
等 [11] 提出了一种基于四阶累积量的改进算法，显
0 引言 著提高了定位性能。但是，该方法会使计算复杂度
急剧提高，难以满足实时定位需求。李保伟等 [12]
局部放电是造成电气设备绝缘老化的重要原
提出了一种 SCOT-PHAT 联合加权算法 (以下称为
因。及时找到局部放电发生位置并进行检修能够有
SRP-PHAT-SCOT 算法)，提高了在强噪声环境下
效地防止电气设备绝缘老化，降低发生短路故障的
的声源定位精度。但是SCOT 加权会展宽相关函数
风险 [1] 。超声波法是目前研究较多的一种局部放电
的谱峰，降低了空间分辨率。Wan等 [13] 提出采用朴
定位方法，主要包括到达时差 (Time difference of
素贝叶斯分类器和欧氏距离分类器进行声源定位，
arrival, TDOA)法和波达方向(Direction of arrival,
提高了在混响和噪声环境下的定位精度。然而，该
DOA)法两类。TDOA 根据局部放电产生的超声波
方法定位精度受训练数据的数量及质量影响较大。
到达不同传感器之间的时间差，通过几何方法求解
针对低 SNR 情况下 SRP-PHAT算法定位性能
声源的位置。TDOA中时延估计的准确性直接关系
差的问题，本文提出一种基于矩阵低秩稀疏分解的
到定位结果的准确性。周凯等 [2] 提出了一种基于
改进 SRP-PHAT 算法。该算法首先综合所有传声
距离的互相关算法，相比于传统互相关方法具有更
器对信号的互功率谱信息，构建广义的互谱矩阵。
高的定位精度。李大华等 [3] 提出了一种三次相关
然后对其进行低秩稀疏分解，从分解后得到的低秩
的改进时延估计方法，减小了噪声对时延估计的影
矩阵中提取出各传声器对信号的互功率谱。改进算
响。DOA 采用超声传声器阵列接收局部放电产生
法不需要信号的频谱特性等先验信息，并且只增加
的超声波信号，根据阵列信号处理技术得到声源的
少量计算量，即可显著提高SRP-PHAT算法的定位
方向。相比于 TDOA，DOA 具有定位精度高、能同
性能，对于局部放电检测定位具有实用价值。
时定位多个局部放电声源等优点。目前基于传声器
阵列的局部放电定位技术中较多采用的是子空间 1 SRP-PHAT算法原理
算法。Luo等 [4] 将旋转子空间算法与高阶累积量展
开相结合，减小了噪声对定位的干扰。谢庆等 [5] 提 1.1 信号模型
出一种降维多重信号分类算法，相比于传统多重信 对于一个具有 M 个阵元的传声器阵列，环境中
号分类算法提高了定位精度。季怡萍等 [6] 采用压缩 共有K 个声源，则阵列的第m个阵元接收到的信号
感知稀疏重构算法代替子空间算法进行 DOA估计， x m (t)可以表示为
K
在复杂环境中实现了更高的估计精度。子空间算法 ∑
x m (t) = h km (t) ∗ s k (t) + w m (t),
容易受噪声和混响干扰，因此，本文拟采用相位变换
k=1
加权可控响应功率 (Steered response power-Phase
m = 1, 2, · · · , M, (1)
transform, SRP-PHAT) 算法 [7] 对局部放电声源进
式 (1) 中，h km (t) 表示第 k 个声源与第 m 个传声器
行定位。
的冲激响应，s k (t) 表示第 k 个声源信号，“∗” 表示卷
SRP-PHAT 算法是传声器阵列声源定位算法
积，w m (t) 表示第 m 个传声器的加性噪声。假设噪
中的一种，该算法对混响具有较强的鲁棒性，但是
声之间互不相关，噪声与信号之间也互不相关。
当信噪比(Signal-to-noise ratio, SNR)较低时，其定
声源与传声器的冲激响应可分解为声源的直
位性能有所下降 [8] 。为了提高 SRP-PHAT 算法在
达分量和剩余多径传播分量，因此，式(1)等价于：
噪声干扰情况下的定位性能，黄毅伟等 [9] 提出了
K
∑
一种基于最大值滤波的改进算法，有效提高了定位 x m (t) = α km s k (t − τ km ) + h ′ (t) ∗ s k (t)
km
精度和稳定性。Salvati 等 [10] 提出了一种基于对角 k=1
线卸载的增强算法，减少了空间白噪声对定位的影 + w m (t), m = 1, 2, · · · , M, (2)
响。然而，该算法需要以目标声源的频谱特征作为 式(2)中，α km 表示第k 个声源的直达分量传播到第
先验知识，不适用于对未知声源的定位。Swartling m 个传声器的衰减因子，τ km 表示第 k 个声源的直
