目前,随着城镇化建设进程的加快及经济的飞速发展,城市用电日益剧增,为了维护城市形象及节约土地资源,减少可能威胁居民安全的意外事件,配电网高架已经逐步被地下电缆所替代。也因此对地下电缆沟的安全检测问题提出了严峻的挑战,设计一个自动化智能化的电缆沟外力破坏预警系统至关重要。随着计算机软硬件的更新换代及机器深度学习、大数据及物联网的快速发展,特别是特征提取新算法、语音声学新模型的出现,以及检索和自适应算法的广泛应用,声纹识别技术的发展和应用越来越成熟,基于此背景本文提出了声纹识别技术在电缆沟外力破坏预警系统中的应用研究这一课题。首先,本文为了解决电缆沟防外破的问题,通过对声纹识别技术的研究,提出本文的研究课题:声纹识别技术在电缆沟外力破坏预警系统中的应用研究。接着介绍了电缆沟外力破坏预警系统的软硬件架构,对不同条件下的振动信号进行深入的研究,根据振动信号的特征,对基于声纹识别技术进行外力破坏振动信号进行识别的可行性进行分析。接着,实验采集了外力破坏振动信号,做数据的预处理,包括去噪、预加重、加窗分帧、端点检测,并根据信号特征,选取信号的MFCC特征参数及其一阶二阶差分参数与基音周期进行加权平均获取融合参数。利用声纹识别技术中最常用的模型高斯混合模型-通用背景模型(GMM-UBM)进行模式识别。先预处理外力破坏信号,提取基音周期参数和MFCC特征参数及其一阶二阶差分参数,训练出振动信号的通用背景模型,利用目标振动信号训练高斯混合模型,并更新通用背景模型得到最终的高斯混合-通用背景模型。输入待识别信号进行模式匹配得到识别结果,实现外力破坏预警系统的功能。最后对基于声纹识别技术的外力破坏预警系统进行现场测试,通过对预警系统的实时性、报警级别、定位精度等需求进行测试,论证了基于声纹识别技术的识别模式可以应用在电缆沟外力破坏预警系统中。