一种基于数据增强的高压断路器声纹去噪方法与存储介质

本发明提供一种基于数据增强的高压断路器声纹去噪方法与存储介质，包括对采集到的原始声纹数据序列进行处理，提取稳定有效的梅尔频率倒谱系数特征，并构建二维特征矩阵。采用并行混合数据增强策略，生成正样本对，结合对比学习机制训练编码器，从而提升模型在不同声纹变化条件下的表征鲁棒性。利用变分模态分解将原始含噪声纹信号分解为多个模态分量，提取低频有效成分并引入高斯白噪声，构造腐蚀目标信号作为解码器训练目标，通过去噪自动编码器进行学习，最终输出去噪后的声纹特征信号。本发明兼具鲁棒性强、噪声抑制能力高和特征表达能力优异等优点，适用于高压断路器设备状态的在线监测与智能诊断领域，具有良好的应用前景与工程价值。