基于深度学习的声目标识别算法

摘要

传统声目标识别算法的研究重点主要集中在对单一纯净声目标的识别方面,通常使用纯净的音频片段来训练模型,再用模型进行声目标分类.但在实际环境中,基本不存在只含单一目标的纯净音频,因此研究噪声背景下的复杂声目标识别具有重大的现实意义.传统声目标识别方法主要存在两方面问题:一方面,根据经验设计的传统分类器往往不能充分挖掘目标的深层次特征,目标识别效果很大程度取决于浅层特征.另一方面,用纯净音频训练的分类模型对交叠音频中各个事件的识别性能低下,识别交叠音频中的各个事件对于入耳且尚有难度,何况对于计算机.但是,若将复杂声目标至少识别为多个目标类别中的一种,再结合先验知识将有可能对复杂目标进行准确识别.因此本文将深度学习引入到复杂声目标的识别中,利用深度学习网络的自学习与智能感知特性对复杂声目标进行识别并通过仿真结果分析其有效性.