论文部分内容阅读
地下电缆作为一种经济、安全的铺设方式在我国已得到广泛应用。但地下电缆在运行中经常被损坏,使电缆供电的安全性受到严重威胁。国家电网对近三年电缆故障原因统计表明,外力破坏是造成地下电缆损坏的主要原因,故障率占了一半以上。这些外力主要来自:手持电动镐,切割机,液压冲击锤,挖掘机等道路开挖工程机械。因此,我们可以通过实时监测识别各类工程机械,从而达到保护地下电缆的目的。声音识别系统计算效率高,复杂度小,采集设备简单,而且它还可以和视频监控系统协作,具有广泛的应用前景。本课题,将声音识别技术应用于地下电缆防外力破坏监测系统中,实时监测识别各类工程机械。现实要求识别系统能正确识别不同距离下的各类工程机械信号,但采集得到的工程机械声音信号中往往含有复杂的噪声信号,不同距离下采集的信号具有不同的信噪比,这使目标信号的识别率很低。本文通过分析不同距离下各类工程机械作业声音信号的时域和频谱特性,将统计模式识别技术应用到工程机械声音识别系统中。本文的主要工作和贡献如下:(1)本文提出了短时能量变化比(Short-term Frames Energy Ratio,SFER)、短时频谱幅值比(Short-term Spectrum Amplitude Ratio,SSAR)、短时频谱幅值比占比(Short-term Spectrum Amplitude Ratio Rate,SSARR)、冲击脉冲宽度(Width of Pulse,WoP)、冲击脉冲间隔(Interval of Pulse,IoP)等统计特征。这些特征受距离变化影响较小,性能稳定。(2)将统计特征应用于各个分类器的设计中,最终组成一套完整的识别算法。该识别算法针对不同工程机械的特点设计相应的分类器,给出了每一个分类器具体设计步骤,并通过仿真实验证明了该算法的有效性。针对各类目标信号,该识别算法的平均识别率达到85%以上。(3)在性能研究测试方面,分析了特征参数的取值对各个分类器的影响,并最终通过实验选取了各个分类器特征参数的阈值;(4)通过实验对比分析线性预测倒谱系数(LPCC)、梅尔频率倒谱系数(MFCC)等智能识别算法与本文提出的识别算法的识别结果。结果表明本文提出的识别算法,泛化能力好,提取的统计特征稳定,识别率完全能到达应用需求。