基于特征融合的煤矿瓦斯和煤尘爆炸声音识别方法

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...