随着社会的快速发展,城市现代化建设的加速进行,城市中存在的噪声污染问题也日益增加,噪声污染越来越引起政府部门及居民的重视,它直接影响政府形象和居民的生活环境。其中,建筑噪声是城市噪声中最引人关注的问题。城市建筑过程中,周边的居民经常会被施工器械发出的刺耳噪声干扰,日常生活严重受到影响。研究表明人们长期在噪声环境中生活,对身心健康会有严重的影响。因此,为了能够对城市建筑工程器械噪声进行监控,需要能够准确识别工程器械噪声的算法系统。本文在传统声音识别算法的基础上提出了将声音信号可视化处理,并提取声音信号的可视化特征。新的特征包含更多的声音信号的信息,通过新的声音信号特征对工程器械噪声的识别率与传统的方法相比性能有明显提高。本文的主要研究工作和创新点如下:(1)在传统声音识别研究的基础上,本文提出声音信号可视化处理方法,将声音信号通过可视化技术转换成图像,在声音信号可视化图像的基础上,提取了基于统计的声音信号可视化纹理分布特征;(2)引入了脉冲耦合神经网络,在此基础上提出了基于脉冲耦合神经网络的声音信号可视化图像的信息熵序列特征算法。由于图像经过脉冲耦合神经网络迭代处理后会得到一系列的二值图像,因此,在本文中,我们将声音信号可视化后的图像通过脉冲耦合神经网络模型处理,并计算每次迭代输出的二值图像的信息熵值,经过N次迭代后会得到一系列的信息熵序列特征;(3)研究了基于随机森林分类器结合声音信号可视化特征的算法,对常见的工程器械噪声信号进行了识别。通过特征融合将声音信号可视化特征与传统的声学特征融合形成新的融合特征。将声音信号可视化特征、融合后新特征、以及传统的声学特征进行了识别率对比实验。实验结果验证了本文提出的可视化特征及融合后的新特征在工程器械噪声信号识别上的优势。