首页|贝叶斯优化卷积神经网络公共场所异常声识别

贝叶斯优化卷积神经网络公共场所异常声识别

Recognition of abnormal sound in public places based on Bayesian optimal convolutional neural network

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
针对公共场所异常声的感知和识别问题,提出一种基于贝叶斯优化卷积神经网络的识别方法.提取声信号的Gammatone倒谱系数、倍频程功率谱、短时能量和谱质心,组合成声信号的特征图.构建卷积神经网络作为分类器,利用递增的卷积核设置和池化操作处理不同尺度的特征.基于贝叶斯优化算法优化卷积神经网络的模型参数,对包括火苗噼啪声、婴儿啼哭声、烟花燃放声、玻璃破碎声和警报声的5种公共场所异常声进行识别.该方法的识别结果与基于不同的特征提取和分类器方案得到的识别结果进行比较,结果表明该方法的识别效果优于其他特征提取和分类器方案的识别效果.最后分析了该方法在不同信噪比噪声干扰下的识别结果,验证了该方法的有效性.

曾宇、户文成

展开 >

北京市劳动保护科学研究所 北京 100054

公共场所 异常声识别 Gammatone倒谱系数 贝叶斯优化 卷积神经网络

北京市财政项目北京市劳动保护科学研究所自立课题

PXM2019_178304_000003H194

2020

应用声学
中国科学院声学研究所

应用声学

CSTPCDCSCD北大核心
影响因子：1.128
ISSN：1000-310X
年,卷(期)：2020.39(3)
  • 2
  • 19