基于神经网络的声场景数据声谱图提取方法

来源：系统工程与电子技术杂志2021年第12期北京时间：

作者：韦娟, 丁智恺, 宁方立

单位：1. 西安电子科技大学通信工程学院, 陕西 西安 710071；2. 西北工业大学机电学院, 陕西 西安 710072

摘要：在复杂环境声场景识别任务中, 梅尔频谱作为输入的深度卷积神经网络有良好的识别能力, 然而梅尔滤波器组依据人耳生理特征设计, 对于声场景识别并非最优滤波器组。针对此问题提出声谱图提取神经网络取代传统梅尔频谱提取过程, 通过训练该网络使声谱图自动适应声场景数据集。声谱图提取神经网络连接ResNet50作为声场景识别架构, 在DCASE2019声场景数据集上进行训练与测试, 实验结果表明该架构比传统模型有更高的识别率, 能够有效调整频率曲线、滤波器幅值以及滤波器形状。

关键词：声场景分类,深度卷积神经网络,声谱图提取神经网络,梅尔频谱

基金资助：国家自然科学基金(52075441);陕西省重点研发计划项目(2018GY-181);陕西省重点研发计划项目(2020ZDLGY06-09)