1.基于雨水敲击声识别的雨量测量系统，所述的测量系统由雨量测量计、主机和上位机共同组成，其特征是：所述的雨量测量计为利用雨水的敲击声识别雨量大小的雨量测量计，该雨量测量计包括由金属薄片加工制成的金属空心球(1)以及设置在该空心球(1)的球心处用于采集雨水敲打空心球(1)的表面产生的声信号的无线麦克风(2)，所述的无线麦克风(2)与主机(3)无线电信号相连接，该主机(3)能将无线麦克风(2)发送的声信号生成.mp3文件保存并将生成的文件上传给上位机，所述的上位机将接收的声信号进行去噪处理并结合BP神经网络训练，实现基于雨声信号的雨量测量。

2.根据权利要求1所述的基于雨水敲击声识别的雨量测量系统，其特征是：所述的金属薄片的材料为具有良好声传递特性和耐腐蚀性的不锈钢材料。

3.根据权利要求2所述的基于雨水敲击声识别的雨量测量系统，其特征是：所述的空心球(1)由上半球和下半球组合构成；所述的上半球的表面上的各点距无线麦克风(2)的声传递距离相等。

4.一种权利要求3所述的基于雨水敲击声识别的雨量测量系统的测量方法，其特征是：

该方法包括以下步骤：

1)、目标声信号的采集：利用设置在雨量测量计的空心球(1)内的无线麦克风(2)采集目标声信号，所述的目标声信号包含有雨水坠落时敲打空心球表面产生的雨声信号和由风声、雷声构成的噪声信号；

2)、目标声信号的去噪处理：用小波多阈值法对采集的目标声信号进行去噪；首先对目标声信号进行小波变换，选定一Daubechies小波函数，对其进行N层多尺度小波分解；其次，选定阈值对1到N层的小波分解后的高频系数进行阈值量化，即当小波分解后的系数小于选定的阈值时，则认为该部分是噪声信号产生的，应将其置零予以去除；当小波分解后的系数大于选定的阈值时，则认为该部分是雨声信号产生的，应对其按照一定的函数关系逐渐趋近于零；最后，将第N层的低频系数和阈值处理后的1到N层的高频系数进行小波重构，重构后的信号即为去噪后的雨声信号；所述的N为大于1的正整数；

3)、雨声信号特征参数提取：用MFCC即Mel频率倒谱系数与小波包对雨声信号进行特征向量提取，将提取出的特征向量联合作为BP神经网络的输入层；将雨声信号进行傅里叶变换获得其频谱；在频谱的基础上，求平方得到能量谱，同时用N个Mel滤波器对其进行滤波，设第n个滤波器的功率谱为y’(n)；MFCC系数公式如下：P选定为15；归一化转为一维向量；另外对同一雨声信号进行小波包三层分解后得到8个频率分量，其次对这8个频率分量进行重构获得其重构信号的分量，计算出重构信号分量的能量；然后以重构信号分量的能量作为声目标识别的特征向量，最后作归一化处理获得最终特征向量；由此，输入层共有15+8＝23个输入量；

4)、BP神经网络训练及识别：利用BP神经网络拓扑结构，输入层神经元个数为雨声信号的特征向量，共23个；隐含层神经元个数据经验值选为25个；由此，BP网络拓扑结构为23-

25-4；将训练好的神经网络用于雨量识别；实现基于雨声信号的雨量识别。