10.19784/j.cnki.issn1672-0172.2023.01.012
基于迁移学习的室内小样本声源定位方法研究
针对实测数据样本数量不足,导致声源定位模型定位性能受限的问题,提出一种基于迁移学习的室内声源定位方法.该方法使用卷积神经网络搭建迁移学习模型,对大量的仿真数据进行预训练,在预训练模型的基础上对小样本实测数据进行再训练,从而实现小样本数据的室内声源定位.基于TAU Spatial Sound Events 2019数据集的实验表明:迁移学习模型针对不同小样本实测数据均可实现高准确率方位预测,且定位性能优于传统卷积神经网络模型,对迁移学习理论在室内声源定位中的应用具有一定的价值.
室内声源定位、迁移学习、小样本、卷积神经网络
1
TB52+9(声学工程)
2023-04-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
74-78