融合多维时频特征的环境声识别

• 作者: 李林桦 王学渊 李小霞
• 来源期刊: 制造业自动化
• 关键词: 环境声识别 多维时频特征 卷积神经网络 DS证据理论
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 检测与监控
• 页码范围: 49-52,94
• 页数: 5页
• 分类号: TB52+9
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0134.2021.06.010

摘要

针对单一的时频特征无法完全表征声信号在时频域上演变过程,从而导致环境声识别性能差的问题.首先,以对数梅尔和耳蜗时频特征为基础,提出一种在时、频两个维度上的一阶差分特征,用于表征声信号在时频域中能量变化的动态关系;然后融合对数梅尔、耳蜗及其一阶差分特征形成多维时频特征;最后,构建卷积神经网络充分提取更具判别性的特征信息,并使用DS证据理论进行信息融合,提出一种新的环境声识别模型.在ESC-10和ESC-50数据集上分别达到了96％与85.3％的识别率,比先进的DS-CNN模型分别提升了3.4％和2.2％,比人耳识别性能分别提升0.3％和4％.实验结果表明,所提出的模型在环境声识别任务能够达到较好的识别效果.