计算机应用研究

作者：吴佳赛,高振斌,

单位：河北工业大学电子信息工程学院,天津300401；

关键词：声音分类,特征融合,密集卷积网络,D-S融合,双二流网络,

针对现有模型声音分类精度不足的问题，提出了一种基于多特征双二流网络的D-S融合模型。首先，提出了四种组合特征来更全面有效地表征声音。其次，提出双二流网络结构来更好地训练模型。第一和二流网络采用多分辨率多通道特征送入二阶密集卷积网络（2-DenseNet），其中2-DenseNet被分成了两个密集块。第三和四流网络采用单分辨率单通道的特征拼接送入四层CNN。然后利用D-S证据理论对softmax层的输出结果进行融合，得到D-S-Net模型。实验结果表明，基于UrbanSound8k数据集，经数据增强后该模型的准确率达96.36%，较基线提高了25.34%，并验证了在噪声环境下的鲁棒性，在20 dB信噪比下具有90.34%的识别率，在低信噪比下的性能得到了很好的提升。

来源：2022年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第3期