[发明专利]一种基于混合深度神经网络模型的城市噪声识别方法

说明书

本发明公开了一种基于混合深度神经网络模型的城市噪声识别方法。本发明包括如下步骤：步骤1.采集城市噪声，建立声音样本库；步骤2.将声音样本库中的声音信号转换成语谱图；步骤3.将得到的语谱图进行裁剪，然后使用多个预训练好的深度神经网络模型分别进行特征提取；步骤4.将多个模型提取的特征进行拼接；步骤5.将拼接后得到的融合特征作为最后分类器的输入，进行预测模型训练；步骤6.对于未知的声音，首先将其转换成语谱图，使用上述的多个预训练好的深度神经网络模型进行特征提取，提取的特征进行拼接，然后使用训练好的预测模型进行预测，得到最终的声音类型。本发明不需要大量的数据集，且运算速度更快，所需资源更少。

技术领域

本发明属于机器学习与智能声音信号处理领域，涉及一种基于混合深度神经网络模型的城市噪声识别方法。

背景技术

随着我国经济社会的快速发展，城市化建设进程的不断加快，建筑施工、交通运输、社会生活等活动会产生大量的噪声。城市噪声识别在城市管理和安全运行中起着至关重要的作用，特别是在建设智慧城市工程中。城市噪声的分析和测量在全球引起了广泛的关注和研究，严重的城市噪声会对周围居住居民产生严重的影响。同时，城市噪声识别在城市安全检测中也有很多潜在的应用，有效的特征表示和分类算法是城市噪声识别的关键。当前城市噪声识别研究大都是基于传统声学特征提取方法结合识别算法进行的。然而城市噪声复杂多样，传统的声学特征提取方法并不能完全的对城市噪声信号进行充分的表示，此外传统的分类算法往往由于其浅层结构，缺乏对信号的表征能力。目前流行的深度学习方法，由于其对信号的强大的表示能力。在特征提取阶段更少的人工干预，以及良好的识别性能，因此将其应用于城市噪声识别具有非常好的前景。但是，深度学习方法需要以百万计的城市噪声数据来作为支撑，而获取如此庞大的数据是一个非常损耗时间的过程。同时，深度学习方法在大数据处理过程中，面临着模型训练复杂度高等问题。

发明内容

针对传统的识别方法以及目前流行的深度学习方法中存在的问题，本发明提出了一种基于混合深度神经网络模型的城市噪声识别方法。其主要思想是，将多个深度学习方法在大型图像库上训练得到的模型，将它们的特征表示层抽取出来对城市噪声进行特征提取，将得到的不同的模型提取的特征进行融合，输入给最终分类器进行分类训练。本发明的优势在于模型训练速度快、准确率高。本发明具体采用了三种深度神经网络在大型数据库ImageNet上训练得到的模型，分别是inpection_v3、resnet152、inception_resnet_v2。Inception_v3是改进版的GoogLeNet，它具有很强的图像分类能力，在数据表征能力及计算量等方面都体现出优势。Resnet模型引入了一种称为残差的学习单元，用来减轻深度神经网络的退化问题，它能够在不断增加模型复杂度的情况下产生更好的分类精度。共有152层的深度残差网络resnet_152在图像分类目标检测和语义分割都取得了很好的成绩。Inception_resnet_v2借鉴了resnet的残差网络，将其应用到了inception_v3当中,因此它不仅能避免神经网络中随着层数增加而造成的退化问题，还能减少训练时间。相比于单个深度神经网络模型进行特征提取并训练得到的识别率，本发明采用这三种深度神经网络对声信号语谱图进行特征融合并训练的识别率具有很大的提升。为了更详细的阐述本发明，这里采用实测的11类城市噪声为例来进行说明，但本算法的实际使用不局限于这11类城市噪声。

本发明的技术方案主要包括如下步骤：

步骤1.采集城市噪声，建立声音样本库；

步骤2.将声音样本库中的声音信号转换成语谱图；

步骤3.将得到的语谱图进行裁剪，然后使用多个预训练好的深度神经网络模型分别进行特征提取；

步骤4.将多个模型提取的特征进行拼接；

步骤5.将拼接后得到的融合特征作为最后分类器的输入，进行预测模型训练；