基于频谱位移模块的环境声音识别方法

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。