科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决煤矿瓦斯与煤尘爆炸灾害报警方法误报率和漏报率高等问题，提高煤矿瓦斯和煤尘爆炸感知准确率，提出了基于小波散射变换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设备，实时采集设备工作声音和环境音；将采集到的声音通过小波散射变换得到小波散射系数，构建了声音信号的小波散射系数图，通过计算小波散射系数图的图像灰度梯度共生矩阵得到由小梯度优势、大梯度优势、能量、灰度平均、梯度平均、灰度均方差、梯度均方差、相关性、灰度熵、梯度熵、混合熵等构成的11维特征参数，构成表征该声音信号的特征向量，输入到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；对待测声音信号同样提取其小波散射系数图的灰度梯度共生矩阵得到11维特征向量，输入到训练好的煤矿瓦斯和煤尘爆炸声音识别模型中进行声音识别分类，并进行了实验验证。通过声音信号的特征提取实验可知，分析了不同声音的小波散射图及其特征参数分布特点，瓦斯和煤尘爆炸声音的小波散射系数图及其11维特征向量与煤矿井下其他声音差异明显，证明了所提特征提取方法的可行性；通过贝叶斯优化完成支持向量机超参数优化试验，选取更符合训练模型的超参数，识别实验结果表明，本文所提方法的识别率为95.77%，明显优于其他比对算法，能够满足煤矿瓦斯和煤尘爆炸识别的需求。
- 单位
