基于OSALPCC与SVM的工程机械声音识别算法研究-控制理论与控制工程专业论文.docxVIP

万方数据 万方数据 Dissertation Submitted to Hangzhou Dianzi University for the Degree of Master Recognition of Construction Equipment Based on OSALPCC Features and SVM Candidate: Sanwei Yang Supervisor: Prof. Jianzhong Wang March, 2016 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研 究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人 或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集 体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 日期： 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕 业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。 学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全 部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。（保密论文 在解密后遵守此规定） 论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 杭州电 杭州电子科技大学硕士学位论文 摘 要 随着经济的快速发展，用电量逐年增加，而在配电系统中，由于地下电缆具 有占地面积少、供电可靠性高、不易受环境影响的优点，因此其所占比重越来越 大。但是在供电过程中，地下电缆经常遭到外力的破坏（主要来自四类工程机械： 手持电镐、切割机、机械破碎锤以及挖掘机），影响供电系统稳定性。因此，电 缆防破坏成为电力部门所面临的一个重大技术难题。 目前电缆防破坏多采用人工巡逻或设立警示牌的形式，但是这些方法人力物 力成本较高，并且收效甚微。也有使用分布式光纤传感系统进行振动源检测的， 但光纤传感器系统的误报率较高并且不能实现对振动源的分类。针对以上问题， 本文提出了基于声音的地下电缆防外力破坏方法。 本文对工程机械声音识别整体流程做了详细介绍，研究了噪声环境下工程机 械声音信号的特征提取方法以及基于支持向量机（Support Vector Machine, SVM） 的工程机械声音信号分类方法，并与 K 最近邻（k-Nearest Neighbor, KNN）算法 进行比较。最终利用 LabVIEW 平台开发出地下电缆防破坏监控软件。主要研究 内容如下： 1) 工程机械声音信号的采集以及预处理。对声音信号的采集、预加重、分 帧、加窗的过程进行了分析。 2) 工程机械声音信号特性分析以及特征提取。对工程机械声音特性进行分 析，将语音领域特征提取算法修改后应用到工程机械声音信号处理上。针对噪声 环境下识别率较低的问题，提出了线性预测倒谱系数（Linear Prediction Cepstrum Coefficient, LPCC）的改进算法单边自相关线性预测系数倒谱系数（One-sided Autocorrelation LPCC, OSALPCC），比较了四种工程机械声音信号特征向量的分 布范围，从而得出可以通过该特征向量对工程机械进行分类。 3) 智能分类算法。介绍了支持向量机（SVM）的原理，并针对两种特征向 量（LPCC、OSALPCC）进行分类实验，比较了 SVM 与 KNN 两种分类算法， 并最终确定采用 SVM 分类算法。实验中发现两种特征向量都有较高的识别率， 但是 OSALPCC 的抗噪声性能优于 LPCC。 4) 应用软件的开发。基于 LabVIEW 平台开发了地下电缆防破坏实时监控 系统软件用来对算法进行验证，经过现场测试，系统识别率达到 90%以上。 关键词：地下电缆、工程机械、SVM、LPCC、OSALPCC I ABSTRACT With the rapid development of economy, the electricity-consumption is increasing year by year. In the power distribution system, the proportion of underground cables is becoming higher and higher, because the underground cables has advantages of little occupied area, high rel