[发明专利]一种基于声信号特征分析的雨量检测方法和系统

权利要求书

1.一种基于声信号特征分析的雨量检测方法,其特征在于，所述方法包括如下步骤：

S1：设计雨声信号采集系统，获取不同的雨声信号，建立雨声信号库；

所述信号采集系统包括底座盒(1)，所述底座盒(1)的上方设有支撑杆(2)，所述支撑杆(2)的顶部设有空心半球(3)，所述空心半球(3)内设有阵列分布的一组麦克风前置放大器(4)；

S2：基于S1获取的雨声信号，采用阈值降噪法对雨声信号进行有效的降噪处理，通过分析不同小波基函数和分解层数，获取最优降噪的小波基函数和分解层数；

S3：基于S1、S2，利用BP神经网络分类算法，检测出降雨量的大小。

2.根据权利要求1所述的一种基于声信号特征分析的雨量检测方法，其特征在于，所述步骤S1中的雨声信号采集系统主要利用多个声音传感器对雨声信号进行采集，采用多ADC定时器中断采样的方法，将采集到的声音依次进行放大、滤波，把模拟信号转换成数字信号，通过串口通信模块输给上位机并将数据存储在雨声信号库中。

3.根据权利要求1所述的一种基于声信号特征分析的雨量检测方法，其特征在于，所述阈值降噪法包括如下步骤：

S21：对含有噪声的雨声信号进行小波变换，选择合适的小波基函数和分解层数N，对含噪声信号f(t)进行小波分解，得到分解后的小波系数W_jk；

S22：小波系数的阈值处理，对小波分解系数进行非线性软阈值处理，得到修正后的小波系数值W′_jk，即

其中，便可以得到非线性软阈值噪声强度σ＝|M|/0.6754，M为适当归一化后的小尺度小波系数中值；

S23：声信号重构，根据修正后的小波系数W′_jk对降雹声信号进行小波重构，得到降噪后的降雹声信号f'(t)。

4.根据权利要求1所述的一种基于声信号特征分析的雨量检测方法，其特征在于，所述的小波基函数对降雨声信号进行降噪处理时，采用信噪比参数来评价降噪效果，所述信噪比的定义为：

s(k)、n(k)分别表示纯净的降雨声信号和噪声信号，N表示信号长度。

5.根据权利要求1所述的一种基于声信号特征分析的雨量检测方法，其特征在于，所述BP神经网络的训练过程包括如下步骤：

S31：网络初始化，根据系统输入输出序列(X,Y)确定网络输入层节点数n、隐含层节点数l,输出层节点数m,初始化输入层、隐含层和输出层神经元之间的连接权值w_ij,w_jk初始化隐含层阈值a,输出层阈值b,给定学习速率和神经元激励函数；

S32：隐含层输出计算，根据输入变量X，输入层和隐含层间连接权值w_ij以及隐含层阈值a,计算隐含层输出H；

式中，l为隐含层节点数；f为隐含层节点数激励函数，该函数有多种表达形式，所选函数为

S33：输出层输出计算，根据隐含层输出H，连接权值w_ij和阈值b,计算BP神经网络预测输出O；

S34：误差计算，根据网络预测输出O和期望输出Y，计算网络预测误差e；

e_k＝Y_k-O_k k＝1,2,…,m

S35：权值更新，根据网络预测误差e更新网络连接权值w_ij，w_jk：

w_jk＝w_jk+ηH_je_k j＝1,2,…,l；k＝1,2,…,m

式中，η为学习速率；

S36：阈值更新，根据网络预测误差e更新网络节点阈值a，b；

b_k＝b_k+e_k k＝1,2,…,m

S37：判断算法迭代是否结束，若没有结束，返回步骤S32。