1. 本选题研究的目的及意义
随着城市化进程的加快，城市内涝、山洪、泥石流等自然灾害频发，对人民生命财产安全和社会经济发展构成严重威胁。
准确、及时的降雨量监测是做好防洪减灾工作的前提和基础。
传统的降雨量监测主要依赖于雨量计等地面观测设备，但其存在着布设成本高、维护困难、空间分辨率有限等问题，难以满足精细化气象服务的需求。
2. 本选题国内外研究状况综述
近年来，国内外学者在基于雨声的雨量识别领域开展了大量研究，并取得了一定的成果。
1. 国内研究现状
国内学者在雨声信号处理、特征提取、识别模型构建等方面进行了探索。
3. 本选题研究的主要内容及写作提纲
本研究将设计并实现一种基于雨声的雨量识别系统，主要内容包括：
1.雨声采集模块设计：选择合适的声学传感器，设计数据采集电路，并对采集到的雨声信号进行预处理，包括去噪、降噪等，以提高信号质量。
2.雨声特征提取模块设计：研究雨声信号的时域、频域特征，提取能够有效表征降雨强度的特征参数，如雨声强度、雨滴大小分布、雨滴撞击频率等。
3.雨量识别模型构建：研究适用于雨量识别的机器学习算法，如支持向量机、人工神经网络、深度学习等，并利用采集到的雨声数据和相应的降雨量数据对模型进行训练和优化，建立雨声特征与降雨量的映射关系。
4. 研究的方法与步骤
本研究将采用理论分析、实验研究和工程实践相结合的方法，按照以下步骤逐步开展：
1.文献调研与需求分析：查阅国内外相关文献，了解基于雨声的雨量识别技术的最新研究进展，分析系统的功能需求、性能需求、数据需求和运行环境需求。
2.系统设计：根据需求分析结果，设计系统的总体架构、功能模块和数据流程，确定雨声采集方案、特征提取方法和识别模型。
3.系统实现：根据系统设计方案，选择合适的硬件设备和软件工具，开发雨声采集模块、特征提取模块和雨量识别模型，并进行系统集成。
5. 研究的创新点
本研究预期在以下几个方面取得创新性成果：
1.高效的雨声特征提取方法：针对现有雨声特征提取方法存在的不足，研究更高效、更鲁棒的特征提取方法，提取更能反映降雨量信息的特征参数，提高雨量识别的精度。
2.基于深度学习的雨量识别模型：探索深度学习算法在雨量识别中的应用，构建基于深度学习的雨量识别模型，并利用大规模雨声数据对模型进行训练，提高模型的泛化能力和识别精度。
3.低成本、易部署的系统实现：采用廉价易得的声学传感器和嵌入式系统，设计低成本、低功耗、易部署的雨量识别系统，使其更易于推广应用。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
1. 张强, 周龙, 张静, 等. 基于音频信号的降雨量识别方法研究[J]. 电子测量技术, 2021, 44(16): 123-128.
2. 刘欢, 王志强, 张建伟. 基于深度学习的雨量等级识别方法[J]. 计算机应用研究, 2022, 39(04): 1169-1173.
3. 魏强, 刘少华, 郭雷, 等. 基于雨声的降雨量分级识别研究[J]. 计算机工程与应用, 2020, 56(14): 170-175.
