一种基于标签扩增与多频谱图融合的声音场景识别方法

摘要

本发明公开了一种基于标签扩增与多频谱图融合的声音场景识别方法，包括：利用不同的信号处理技术，为声音场景数据生成多种频谱图；针对每种频谱图，分别训练一个深度卷积神经网络模型，做为基础分类模型；利用标签扩增技术，为样本扩增超类别标签，使用人为构造的层次标签，将原有网络模型改进为多任务学习模型，优化基础分类模型的性能；利用改进的基础分类模型提取样本特征，拼接声音场景文件的多个深度特征，并加以降维得到全局特征。融合对应不同频谱图的多个全局特征，训练SVM分类器，做为最终分类模型。本发明应用多频谱图特征融合技术，有效提升识别性能；提出的标签扩增及模型提升方法，能有效优化基础分类器性能，可推广到其它应用研究中。