随着我国工业化进程的不断推进,输配电线路的安全稳定运行成为居民持续供电的基本保障。然而,因自身老化、环境因素等造成的输配电线路故障不可避免。研究表明,输配电线路40%-70%的故障是由雷击引起的,提高雷声识别方法的准确度是目前电力系统的研究热点。但输配电线路运行环境比较复杂,大部线路需要经过高原、平原等野外区域或商业区、工业区、居民区等城乡结合区域,在这种复杂、多变的环境中采集的雷声信号伴随着多种干扰信号。本文以此为研究背景,对复杂环境下雷声识别技术进行了研究。首先,针对音频采集设备采集到的雷声信号中含有热噪声的现象,分别采用了一维小波降噪和小波包降噪的方法,对音频信号进行降噪处理;分析了两种方法在降噪过程中最优参数的选取,利用信噪比和时域图的相关度分别评价了两种方法的降噪质量;确定了在雷声音频降噪处理中,采用一维小波降噪的方法效果更佳。然后,对若干段雷声及干扰音频进行了频谱分析,确定了雷声音频中短时能量分布的主要频段,采用低通滤波的方法将该频段的信号滤除,保留了雷声能量分布频段的有效信号;对滤波后的信号分别提取了线性预测倒谱系数、Mel倒谱系数、经验模式分解后的奇异值、信息熵等特征点,并构造特征向量;对多维特征向量进行了降维处理,保留了有效的特征信息。最后,构造了以径向基RBF为核函数的支持向量机分类器,并采用该分类器对音频信号的特征向量进行训练、识别。实验结果表明,通过经验模式分解提取奇异值、信息熵作为特征向量的识别效果最佳,其识别率可以达到99.26%,其对复杂环境下雷声识别方法的研究具有较好的稳定性。