基于深度学习的声信号分类识别方法

• 作者: 王鹏程 崔敏 王彦博 李剑 赵欣
• 来源期刊: 单片机与嵌入式系统应用
• 学科: 工学
• 关键词: 声源探测 声信号分类识别 深度学习 深度残差网络 时频域分析
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 专题论述
• 页码范围: 23-26
• 页数: 4页
• 分类号: TP39
• 语种: 中文

摘要

提出了一种基于深度学习的声信号分类识别方法,将声场环境中声源目标的识别等效为声场信号—特定声源的端到端学习过程,建立一种以log-mel能量为声信号特征的预提取方法,以深度残差网络作为特征自动提取及分类的声信号分类识别模型.在两个大型数据集上对模型性能进行了验证,实验结果表明,本文提出的深度残差网络模型在DCASE2019数据集和UrbanSound8K数据集上能够实现80.2％和76.4％的识别精度,在声源探测领域具有一定的应用价值.