基于CNN和MFCC的供水管网漏损声信号识别方法

针对供水管网漏损识别效率低和对人工经验依赖性强等问题,基于卷积神经网络(CNN)和梅尔频率倒谱系数(MFCC)提出了一种供水管网漏损声信号识别方法。对噪声记录仪和水音传感器采集的漏损声信号提取MFCC及其一、二阶差分作为漏损声信号特征,得到了包含漏损特征的特征图像,将其输入到CNN模型,通过超参数优化后最终得到了漏损识别模型。结果表明,使用MFCC与MFCC的一阶差分特征参数组合作为输入特征训练模型时的识别效果最好,其测试集准确率达到95.26%,F1分数达到89.22%,具备优良的漏损识别能力。