基于Mel频谱值和深度学习网络的鸟声识别算法

摘要：

为了增强网络对鸟鸣声信号的特征学习能力并提高识别精度,提出一种基于深度残差收缩网络和扩张卷积的鸟声识别方法.首先,提取鸟鸣声信号的对数Mel特征及其一阶和二阶差分系数组成log-Mel特征集,作为网络模型的输入;其次,通过深度残差收缩网络自动学习噪声阈值,减少噪声干扰;然后,引入扩张卷积增大卷积核感受野并利用注意力机制使网络聚焦于关键帧特征;最后,通过双向长短时记忆网络从学到的局部特征中学习长期依赖关系.以北京百鸟数据库中的19种中国常见鸟类作为实验对象,识别正确率可以达到96.58%,并对比模型在不同信噪比数据下的识别结果,结果表明该模型在噪声环境下的识别效果优于现有模型.

关键词：鸟声识别、log-Mel特征、深度残差收缩网、扩张卷积神经、注意力机制

所属期刊栏目：42

分类号：TN912.34

资助基金：国家自然科学基金62076064

在线出版日期：2023-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：825-832