一种基于声学检测的电能表内异物自动识别方法

摘要

本发明公开了一种基于声学检测的电能表内异物自动识别方法，它包括：采集电能表内的声音信号数据；对采集到的声音信号数据进行通道变换，提取含有异物通道的声音信号数据；对提取的声音信号数据进行去噪处理；对去噪后的声音信号数据进行预处理，组合成特征矩阵，对特征矩阵进行处理得到最大特征值对应的特征向量；将特征向量输入基于Adaboost的神经网络弱分类器中，以该特征向量作为电能表内异物声音信号的特征进行分类识别。本发明提高了的电能表的检测效率，有利于提高电能表检测的自动化进程；缩短了电能表检测的时间，提高了生产效率和设备的利用率，实现了快速、高效、安全可靠的电能表异物声音检测工作；大大提高了异物电能表的识别率。