聲音分類是多媒體信息處理中的基礎(chǔ)性研究工作,是聲音數(shù)據(jù)結(jié)構(gòu)化的核心技術(shù),在信號(hào)處理、語(yǔ)音識(shí)別等領(lǐng)域都有著重要的研究意義,眾多領(lǐng)域?qū)τ诟咝阅艿穆曇舴诸愊到y(tǒng)有著迫切的需求。近年來(lái),隨著深度學(xué)習(xí)技術(shù)的發(fā)展,深度神經(jīng)網(wǎng)絡(luò)與音頻數(shù)據(jù)處理分析的結(jié)合成為了新的研究熱點(diǎn),尤其是具有代表性的卷積神經(jīng)網(wǎng)絡(luò)在聲音分類任務(wù)上取得了顯著成效。本文基于卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)聲音分類方法進(jìn)行研究。首先,本文針對(duì)現(xiàn)有方法難以從音頻數(shù)據(jù)中提取強(qiáng)區(qū)分度特征的問(wèn)題,提出了一種帶特征融合機(jī)制的多尺度時(shí)域卷積網(wǎng)絡(luò)模型（WaveMsNet）。我們分析了卷積神經(jīng)網(wǎng)絡(luò)在波形信號(hào)提取中存在的兩難問(wèn)題,即無(wú)法使卷積核分布在全頻帶上的同時(shí)提高特征頻率分別率,在這種問(wèn)題下,我們通過(guò)網(wǎng)絡(luò)提取的特征總是不能很好的表達(dá)音頻信息,為此我們提出一種多尺度時(shí)域卷積操作用于增加特征的區(qū)分度。同時(shí)我們還提出了一種特征融合方法,將網(wǎng)絡(luò)提取的波形特征和二維時(shí)頻特征在同一個(gè)網(wǎng)絡(luò)中進(jìn)行有效融合。在聲音分類公開數(shù)據(jù)集ESC-10和ESC-50上,多尺度時(shí)域卷積操作可以使分類準(zhǔn)確度平均提升1.95%和2.82%,在加入特征融合方法以后我們?nèi)〉昧吮戎肮ぷ鞲叩姆诸愋阅堋Ｆ?.. 

【文章來(lái)源】：國(guó)防科技大學(xué)湖南省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．４?ＬＳＴＭ和ＧＲＵ網(wǎng)絡(luò)結(jié)構(gòu)??

國(guó)防科技太學(xué)研究生院碩士學(xué)位論文??練模型，即如何更新模型參數(shù)。問(wèn)題（１）可以由前向算法或者后向算法解決，問(wèn)??題（２）是典型的狀態(tài)空間搜索問(wèn)題，經(jīng)典的算法有Ｖｉｔｅｒｂｉ、Ａ＊和Ｂｅａｍ?Ｓｅａｒｃｈ等??算法，他們都利用了動(dòng)態(tài)規(guī)劃的思想；問(wèn)題（３）是統(tǒng)計(jì)學(xué)習(xí)過(guò)程，經(jīng)典算法包括??Ｂａｕｍ－Ｗｅｌｃｈ、梯度算法等。??

）??ｃｏｎｖｏｌｕｔｉｏｎａＬ?Ｌａｙｅｒ??ｉ—Ｉ￣１￣ｔ—ｌ￣Ｌ－４—Ｊ—?８０?ｆｉｌｔｅｒｓ?（１ｘ３）??、、＇?＼?＼?＊??ｎｏ?ｄｒｏｐｏｕｔ?．．．?ｍａｘ－ｐｏｏｌｉｎｇ??（１ｘ３，?ｓｔｒｉｄｅ?１ｘ３）??＿〇ｕ＿?－—?？?？?？?ｆｓ〇ｒＬｓｄ??ｄｒｏｐｏｕｔ?５０％?－？，?ＣＤ?？?ｆｕｌｌｙ?ｃｏｎｎｅｃｔｅｄ??（５０００?ＲｅＬＵｓ）??Ｃ＾）?ｏｕｔｐｕｔ?ｌａｙｅｒ??ｌ＇ｒ?（＃?ｏｆ?ｃｌａｓｓｅｓ）??圖２．６用于聲會(huì)分類的二維卷積神經(jīng)網(wǎng)絡(luò)示例??值得注意的是，在上面的方法中雖然使用了二維特征圖作為特征，但是和??ＲＧＢ圖像是有Ｅ別的，時(shí)頻特征一般是單通道的，無(wú)需考慮色彩、明晴等因素。??Ｓｈａｈｉｒｉ等人［４４］將生成的頻譜圖完全當(dāng)做圖像來(lái)處理，文中完全采用計(jì)算機(jī)視覺(jué)中??對(duì)待圖片的方式來(lái)使用ＡｌｅｘＮｅｔ、ＶＧＧ等網(wǎng)絡(luò)結(jié)構(gòu)對(duì)音頻進(jìn)行分類，還對(duì)比了使??用不同顏色（Ｃｏｌｏｒ?Ｍａｐ）的頻譜圖對(duì)于分類性能的影響。??２．４．２膨脹卷積模型??ｙ（ｉ，?．．．?１〇）?＇?ｉ?ｉ?ｉ?Ｉ?ｉ?Ｉ?ｉ?ｉ?１?ｙ｛ｉ．…，１〇）?＇?ｉ?ｉ?ｉ?????ｔ??口?□口???；■?————??：ｃｏｒｖ３，１?ａｆｅ?ｂ?■■?ｊ?ｃｏｎｖ３，１－Ｄ２?ｒ－＾－｜?—ｊ＾ｉ??．?：＇ｎｎ…ｎ．?：＇［＝ｚｒ．?ｖａ：?Ｄ＇?＂＇?卜?ｉ?ｒ?ｉ?ｉ?ｉ．?．．ｉ?丨■?ｉ?ｉ?ｉ?ｉ?ｔ?ｉ??ＣＮＮ?ｐｏｏｌ＾Ｚ?Ｋ?ｌ＼?！?ＣＮＮ！?ｐｏｏｌ２，１?ＫＮ＼??丨二－廣丁上―廣「－丟ｉ．?■?ｉ

【參考文獻(xiàn)】：
期刊論文
[1]基于高斯混合模型的自然環(huán)境聲音的識(shí)別[J]. 余清清,李應(yīng),李勇.  計(jì)算機(jī)工程與應(yīng)用. 2011(25)
[2]基于隱馬爾可夫模型的音頻自動(dòng)分類[J]. 盧堅(jiān),陳毅松,孫正興,張福炎.  軟件學(xué)報(bào). 2002(08)



本文編號(hào)：3570326