基于频谱位移模块的环境声音识别方法

来源：电子测量技术杂志2022年第5期北京时间：

作者：李传坤，郭锦铭，李剑，孙袖山

单位：1.中北大学 信息与通信工程学院 太原 030051 2.中北大学 省部共建动态测试技术国家重点实验室 太原 030051

摘要：针对卷积操作只能提取局部频谱信息，不能有效地挖掘频谱之间相关信息的问题，提出了一种基于频谱位移模块的神经网络。该网络采用密集卷积神经网络的架构，并在支路上使用频谱位移模块实现频谱信息之间的交互。利用这种频谱移位取代了频谱间的下采样操作，实现了频谱的全局化特征提取，同时避免了下采样过程中信息的丢失，进一步地提高了频谱特征图质量。并在公开的数据集ESC10和ESC50上验证频谱位移密集模块，在两种数据集的分类准确度分别达到了96.00%和88.75%,与原有的网络相比准确度分别提升了2.1%和2.25%。实验结果表明，和现有的其他卷积神经网络方法相比，所提出的网络能够更好有效地挖掘全局时频信息，具有更高的识别准确率。

关键词：环境声音识别;卷积神经网络;频谱位移;密集神经网络;深度学习;

基金资助：国家自然科学基金(62101512)； 山西省青年科学基金(20210302124031)项目资助