基于空间注意力机制和多特征数据增强的环境声分类

来源：计算机工程与科学杂志2025年第11期北京时间：

作者：刘翔, 李传坤, 郭锦铭, 刘宇

单位：1.中北大学信息与通信工程学院,山西 太原 030051;2.中国矿业大学机电工程学院,江苏 徐州 221116;3.山西工程技术学院,山西 阳泉 045000

摘要：针对环境声分类任务中,数据集样本信噪比低、对数梅尔谱(Log-Mel)谱图特征表达能力不足等问题,提出了一种基于高低频分离的环境声分类改进模型。首先在输入特征中增加了相位谱作为Log-Mel谱图的补充,构建相位、Log-Mel和时频谱的多特征参数输入,增强了模型输入特征的表达能力；其次在神经网络的输入部分添加注意力机制,提升网络模型的抗噪声干扰能力并提高了网络的鲁棒性和泛化能力。实验表明,所提模型有效地提升了对环境声的识别准确率,在ESC10，ESC50和UrbanSound8K数据集上的分类准确率达到了97.25%，89.00%和83.45%,与原有的模型相比准确率提升了2.25%，10.50%和2.22%。

关键词：环境声分类,多特征,注意力机制,

基金资助：国家自然科学基金（62101512）