本发明提供了一种基于深度学习技术的断路器声纹谱图自适应降噪重构方法，具体为：首先对无噪声干扰的声音时域信号x在训练过程中加噪后得到含噪的时域信号xnoisy，对x与xnoisy以相同声纹特征提取方式提取出纯净声纹谱图信号x与含噪声纹谱图xnoisy。然后将xnoisy输入自编码器得到隐层特征，将隐层特征输入解码器得到降噪重构后的声纹数据#imgabs0#最后使用平均绝对误差作为损失函数计算#imgabs1#与x的声纹谱图之间逐像素点的误差并在训练过程中最小化这个误差，以此使模型自动学习如何从复杂噪声干扰下重构出与纯净声纹数据无差别的新声纹数据。本方法在进行声纹谱图特征去噪重构的同时使用重构过程中的产生的重构误差作为异常检测判据，检测出误截取出的非断路器工作声音的噪声信号并进行剔除。