D-2-DenseNet噪音鲁棒的城市音频分类模型
为了提高噪音环境下城市音频分类系统的鲁棒性,提出了一种双特征2阶密集卷积神经网络(D-2-DenseNet)噪音鲁棒的城市音频分类模型.首先介绍了噪音添加和噪音鲁棒处理,阐述了一种双特征互补偿的算法;然后结合2阶密集卷积神经网络与自适应机制提出了一种噪音鲁棒音频分类模型:双特征2阶密集卷积神经网络.模型采用双特征互补偿自适应算法,可在特征提取与模型训练中更有针对性地提取有效音频信息,降低噪音干扰,以提高噪音鲁棒性.最后,基于Dcase2016数据集开展噪音环境下城市音频分类测试.实验结果表明,模型分类准确率分别可达77.12%、75.52%,与基线模型相比,平均分类准确率分别提高了8.51%和10.38%,验证了模型良好的噪音鲁棒性.
城市音频分类、噪音鲁棒性、双特征互补偿、2阶密集卷积神经网络、双特征2阶密集卷积神经网络
44
TP391.42(计算技术、计算机技术)
国家自然科学基金;江苏省"六大人才高峰"高层次人才项目;高等学校学科创新引智计划计划;江苏省研究生创新项目
2021-04-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
86-91