[发明专利]一种基于BSE和GMM-HMM的埋地排水管道声纹识别方法

说明书

本发明公开了一种基于BSE和GMM‑HMM的埋地排水管道声纹识别方法，属于管道故障检测技术领域，本发明首先对单一工况和复杂工况下运行的埋地排水管道采集低频声压信号并进行小波阈值降噪，之后采用子带谱熵作为判别参数进行端点检测，分割得到对应管道内不同类别个体的声压信号，进而提取精细复合多尺度散布熵构建能表征堵塞物，三通件和尾端的特征向量集；最后利用由单一工况下训练得声纹识别模型，测试复杂工况下的堵塞物，管道配件三通件以及管道尾端的识别性能，本方法能有效识别埋地排水管道中存在的堵塞物，管道配件三通件以及管道尾端，避免了由训练样本所包含的工况类型不足而带来新工况识别率低下的问题；本发明提出的识别方法准确率明显提高。

技术领域

一种基于BSE和GMM-HMM的埋地排水管道声纹识别方法，属于管道故障检测技术领域。

背景技术

随着我国进入高速城市化的进程中，城市的地下排水管道网络变得更复杂，成为了城市基础设施不可或缺的一部分。埋地排水管道在我们的生产生活中随处可见，比如生活污水和工业废水的排放以及雨季洪涝灾害中城市道路积水的排放。但随着使用年限的增长以及周围环境的变化，管道极容易发生堵塞且堵塞物的数量和位置具有不确定性，而且埋地排水管道空间分布复杂，各类管道的相互交织组成一个复杂的拓扑管网系统，管道配件三通件以及管道尾端的存在会干扰对堵塞物的识别。因此，对堵塞物准确识别以及能有效区分三通件和尾端具有重要的意义,不仅能够节约水资源，而且能提升国民生活幸福感。在目前的实际工程应用中，管道堵塞的研究方法主要有振动分析、放射性同位素技术、脉冲回波分析、频率响应图、随机连续线性估计量等。这些方法不仅在成本上花费高昂而且部分方法还需要对土地进行不同程度的开挖影响管道正常运行，耗时耗力但效果不一定理想。基于声学主动检测技术是一种无损检测方法，它具有易操作、不依赖于操作人员的主观判断的特点。通过对采集得到的声压信号进行有效预处理，特征提取以及模式识别就能识别管道堵塞物和管道配件。

发明内容

为了解决实际工程应用中，埋地排水管道中的堵塞物，管道配件三通件以及管道尾端的数量和位置具有不确定性和时变性而导致训练样本所包含的工况类型不足而带来的新工况识别率低下的问题，本发明提供了一种基于BSE和GMM-HMM的埋地排水管道声纹识别方法。

本发明的技术方案是：一种基于BSE和GMM-HMM的埋地排水管道声纹识别方法，所述的方法具体步骤如下：

Step1、通过数据采集装置对简单工况和复杂工况下运行的埋地排水管道进行检测，获得不同工况下的低频声压信号数据；

其中，数据采集装置包括带有PC机、声卡、功率放大器，带有扬声器的伸缩杆、带有水听器的固伸缩杆、滤波器；其具体实现过程为实验人员通过计算机控制声卡产生信号，经过功率放大器放大后通过带有扬声器的伸缩杆将信号释放到管道中，然后通过带有水听器的伸缩杆接收反射回来的信号，经滤波器去除不需要的背景和机械噪声，最后上传至计算机存储能获取信噪比较高的低频声压信号；

其中，简单工况为含管道内只含单个堵塞物或者单个三通件以及健康空管状态的埋地排水管道，复杂工况为管道内含两个及两个以上堵塞物或同时存在单个三通件的埋地排水管道；

Step2、分别对Step1中获得的不同工况下的低频声压信号数据进行小波阈值降噪，获得降噪后的低频声压信号数据；

Step3、采用子带谱熵作为判别参数，分别对Step2中获得降噪后的低频声压信号进行端点检测与信号分割；

其中，端点检测和信号分割过程具体为：首先对降噪后的信号进行加窗、分帧和傅里叶变换，然后计算每帧信号的子带谱熵，并利用子带谱熵作为判别参数进行端点检测。最后利用端点检测得到堵塞物，三通件和尾端声压信号起止点的具体帧数进行分割，得到堵塞物、三通件和尾端的个体声压信号；

Step4、分别对Step3中分割得到的低频声压信号提取精细复合多尺度散布熵，构建能表征堵塞物、三通件和管道尾端的特征向量集；