一种基于前后端联合训练的音频场景分类方法及系统

摘要

本发明公开了一种基于前后端联合训练的音频场景分类方法及系统，所述方法包括：对待分类的数字声音信号进行处理得到幅度谱图，将幅度谱图输入基于前后端联合训练得到的深度学习神经网络，输出所述对待分类的数字声音信号的每一帧的预测概率，将每一帧的预测概率取对数后求平均，最大值对应的类别为音频场景分类结果。本发明的方法使用联合训练同时训练网络的前端滤波器部分和后端的深度卷积神经网络，从而使滤波器从人为的先验知识转化为当前任务限定，能够取得更高的分类准确率。