[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有效
| 申请号： | 201810409511.7 | 申请日： | 2018-05-02 |
| 公开（公告）号： | CN108922560B | 公开（公告）日： | 2022-12-02 |
| 发明（设计）人： | 曹九稳;沈叶新;王建中 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G10L25/51 | 分类号： | G10L25/51;G10L25/30;G10L25/03;G10L15/08;G10L15/06 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 朱月芬 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 一种 基于 混合 深度 神经网络 模型 城市 噪声 识别 方法 | ||
【主权项】：
1.一种基于混合深度神经网络模型的城市噪声识别方法，包括训练阶段和测试阶段，其特征在于，训练阶段步骤如下：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.将转换完成的语谱图分别使用inception_v3,resnet152,inception_resnet_v2这三种预训练好的深度神经网络模型进行特征提取；步骤4.将经过步骤3中3种深度神经网络模型提取的特征进行拼接；步骤5.将拼接后的特征，作为分类器的输入，进行预测模型训练；测试阶段：步骤1.将一个未知的声音信号转换成语谱图；步骤2.如上述训练阶段步骤3、4进行特征提取与拼接；步骤3.使用预测模型进行分类预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学，未经杭州电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810409511.7/，转载请声明来源钻瓜专利网。
