挖掘设备暴力施工是致使地下管网受到破坏的首要因素。在本项目前一期,基于声音信号的挖掘设备的监测方法展示出可观的精度与效果。只依据识别辅以角度定位的监测方式,使得现在的监测系统仍然存在虚警率较高的问题。要提升监测系统在复杂的现实环境中的可靠性,亟待研究一种可靠的声源定位方法。本文提出了基于ELM-AE和分布矩阵的挖掘设备声源定位方法,并在实验基础上进行分析和验证。本文主要包括:(1)本文首先介绍了研究对象四种工程器械的发声原理及其声音特性,特别介绍了工程器械的声音随传播距离的衰减特性,然后介绍了系统的声音采集阵列及硬件处理模块,在此基础上研究了声音数据的预处理方法。(2)基于超限学习机改进的自动编码器(Extreme Learning Machine Based Auto Encoder,ELM-AE)用来提取挖掘设备声音距离特征,采用带正则项的超限学习机(Regularized Extreme Learning Machine,RELM)作为回归方法,通过对比展示了此特征提取方法和回归算法的优势,在实验的基础上证明了所提距离定位方法的有效性。(3)提出了基于线性预测倒谱系数(Linear Prediction Cepstral Coefficients,LPCC)和ELM预识别的距离定位方法,实验结果显示,采用预识别方法可以有效减少噪声信号的影响并指导距离模型的选择,此时距离定位方法具有更高的稳定性。(4)提出了基于ELM识别和DOA估计的分布矩阵统计决策的定位方法,通过对结合了识别和角度估计的分布矩阵分析决策,得到最具代表的数据帧以进行处理,有效降低了误识别对定位的干扰。实验验证了此算法比前述算法更有优势,特别是对存在误识别状况的器械,定位准确率有大大改进。