基于特征融合的煤矿瓦斯和煤尘爆炸声音识别方法

作者：余星辰; 李小伟

来源：煤炭学报, 2023, 1-10.

DOI：10.13225/j.cnki.jccs.2022.1421

• 瓦斯和煤尘爆炸
• 声音识别
• 特征提取
• 特征融合
• 主成分分析

为解决煤矿瓦斯与煤尘爆炸灾害报警方法监测手段单一、监测技术落后、误报率和漏报率高等问题，提高煤矿瓦斯和煤尘爆炸识别的准确率，提出了基于特征融合的煤矿瓦斯和煤尘爆炸声音识别方法：在煤矿井下重点监测区域安装矿用拾音器，实时采集煤矿井下设备工作声音和环境音等，将采集的声音信号通过提取由梅尔倒谱系数和Gammatone滤波器倒谱系数构成的新混合特征MGCC，通过主成分分析的方法提取其前9维特征值构成表征声音信号的特征向量，输入支持向量机中训练得到煤矿瓦斯和煤尘爆炸声音识别模型；待测声音样本通过提取其特征向量，输入到训练好的煤矿瓦斯和煤尘爆炸声音识别模型中，得到分类识别结果；并通过实验验证。首先，通过声音信号的特征提取实验分析通过MGCC和主成分分析提取的声音信号特征的特点，不同时长的同一声音信号特征值分布稳定，且差异不大；同一时长的不同声音信号特征值分布差异明显，因此，通过MGCC和主成分分析提取声音信号的特征向量可有效表征声音信号；其次，由识别实验结果可以得知，所提识别方法的识别率达到97%，高于比对算法；最后，通过贝叶斯超参数优化实验结果可知，优化后的煤矿瓦斯和煤尘爆炸声音识别模型明显优于优化前的识别模型，能够满足煤矿瓦斯和煤尘爆炸感知和报警需求。

• 单位
  中国矿业大学（北京）