中国安全科学学报

作者：周尹辉, 丁勇, 吴玉龙, 李登华, 葛大龙

单位：1 南京理工大学 安全科学与工程学院,江苏 南京 210094；2 昆山市质量检测中心, 江苏 昆山 215332；3 南京水利科学研究院,江苏 南京 210029；4 水利部水库 大坝安全重点实验室,江苏 南京 210024

关键词：特征融合,贝叶斯优化(BO),支持向量机(SVM),墙面空鼓检测,梅尔倒谱系数特征(MFCC),梅尔频谱系数特征(MSC)

基金：国家重点研发计划资助项目(2024YFC3210703); 国家自然科学基金资助(U2240221); 中央级公益性科研院所基本科研业务费专项资金资助项目(Y724011)

为高精度识别墙面空鼓声信号,提高多类别墙体空鼓检测准确率,提出一种基于贝叶斯算法优化-支持向量机(BO-SVM)的多特征融合空鼓检测方法。首先,对采集的不同墙体敲击声音信号进行预加重、分帧、加窗等预处理,并分别提取梅尔倒谱系数特征(MFCC)和梅尔频谱系数特征(MSC);其次,将2种声学特征进行帧级串联融合,并归一化处理融合特征,形成融合特征数据集;然后,构建BO-SVM分类模型,并利用五折交叉验证方法优化核函数惩罚系数和参数,建立MFCC+MSC-BO-SVM模型;最后,以水泥墙、涂料墙、大理石墙和瓷砖墙等多类墙体的空鼓和非空鼓样本为对象开展分类试验。结果表明:融合特征在分类准确率、召回率和F1值等指标上均优于单一特征;MFCC+MSC-BO-SVM模型整体识别准确率为96.36%,相较于标准SVM、随机森林、K近邻算法、网格搜索优化SVM模型和混沌粒子群优化SVM模型,准确率分别提高6.61%、9.58%、15.27%、13.90%和5.02%;BO法能够在较少迭代次数内获得最优参数组合,并表现出较好的模型收敛性与分类稳定性。

来源：2025年第11期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第11期