本研究依托国家自然科学基金(41572347)“泥石流次声预警机制及降低误报率的算法研究”项目。通过室内泥石流声波模拟实验及野外现场实测同步观测数据,对多组不同类型泥石流声波信号进行有效波形特征提取、初至识别以及机器学习分类算法研究。本论文主要在以下几方面进行了研究和探索:(1)针对泥石流声波信号非线性、非平稳的特点,通过引入窗函数参数,提出了广义S变换。该变换可根据信号差异灵活地调节高斯窗函数的宽度,有效的改善时频分布的分辨率。最后运用MATLAB编译了一套声波信号处理软件,实现了声波信号快速规范化处理,为后续海量泥石流声波信号的处理奠定了基础。(2)通过集成经验模式分解法(EEMD)对原始声波信号进行了预处理,利用阈值规则提取了信号的优势分量并重构,采用双尺度盒维数分形算法对重构后的信号进行分析,求得典型稀性、过渡性、粘性泥石流的原始次声信号盒维数值有明显差异,即随容重增加,盒维数值呈下降趋势,可以区分泥石流的类型。(3)利用EEMD分解的主分量IMF盒维数值,并将其作为特征值输入最小二乘支持向量机(LS-SVM)分类器进行训练和分类。通过模型训练测试,泥石流类型正确识别率达87%,其中稀性和过渡性泥石流达80%,粘性泥石流识别率可达100%。(4)运用小波包变换方法,提取声波信号的频带能量分布特征,以此基于声波信号频率区间和频带能量综合识别不同类型泥石流。结果表明:随着泥石流容重的增加,其声波信号的峰值频率向低频移动。不同类型的泥石流声波信号频带能量分布差异明显,稀性泥石流主要分布在30 Hz以上的较高频段,过渡性和粘性泥石流分布在中低频段。(5)对2000年8月9日蒋家沟实测泥石流声波信号分析发现,该段粘性泥石流声波信号峰值频率10-15 Hz,频带能量主要集中于7.5-15 Hz。实测信号有效的验证了小波包频带分类试验结果,即随着容重的增加,泥石流声波信号峰值频率、能量主要分布于中低频段。