[發(fā)明專利]一種基于改進(jìn)softmax函數(shù)的聲學(xué)場景分類方法

有效

• 申請?zhí)枺?/td>: 202011296395.6
• 申請日: 2020-11-18
• 公開（公告）號: CN112447188B
• 公開（公告）日: 2023-10-20
• 發(fā)明（設(shè)計）人: 楊吉斌;張強(qiáng);張雄偉;曹鐵勇;張睿;白瑋;趙斐
• 申請（專利權(quán)）人: 中國人民解放軍陸軍工程大學(xué)
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/03;G10L25/30;G06N3/0464;G06N3/047;G06N3/045;G06N3/08
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 朱遠(yuǎn)楓

1.基于改進(jìn)softmax函數(shù)的聲學(xué)場景分類方法，其特征在于，包括：獲取聲學(xué)信號樣本的時頻特征；將時頻特征作為預(yù)先訓(xùn)練完成的聲學(xué)場景分類模型的輸入，利用所述聲學(xué)場景分類模型對時頻特征進(jìn)行類別判別，得到聲學(xué)場景分類結(jié)果；其中，采用改進(jìn)softmax函數(shù)訓(xùn)練所述聲學(xué)場景分類模型。

2.根據(jù)權(quán)利要求1所述的基于改進(jìn)softmax函數(shù)的聲學(xué)場景分類方法，其特征在于，所述聲學(xué)場景分類模型包括深度卷積神經(jīng)網(wǎng)絡(luò)和全連接層；采用深度卷積神經(jīng)網(wǎng)絡(luò)提取聲學(xué)表示特征，將獲得的所述聲學(xué)表示特征輸出到所述全連接層；所述全連接層用于對聲學(xué)表示特征進(jìn)行類型判別輸出聲學(xué)場景分類結(jié)果。

3.根據(jù)權(quán)利要求1或2所述的基于改進(jìn)softmax函數(shù)的聲學(xué)場景分類方法，其特征在于，所述聲學(xué)場景分類模型的訓(xùn)練方法如下：

輸入聲學(xué)信號訓(xùn)練樣本的時頻特征；

利用深度卷積神經(jīng)網(wǎng)絡(luò)提取聲學(xué)表示特征；

根據(jù)聲學(xué)表示特征，利用全連接層對聲學(xué)場景進(jìn)行分類；計算聲學(xué)表示特征與全連接層每個輸出節(jié)點(diǎn)所對應(yīng)的權(quán)重的正余弦相似性度量和負(fù)余弦相似性度量；基于所述正余弦相似性度量和負(fù)余弦相似性度量計算改進(jìn)softmax函數(shù)的交叉熵?fù)p失；

利用計算獲得的交叉熵?fù)p失對聲學(xué)場景分類模型進(jìn)行訓(xùn)練，分別得到深度卷積神經(jīng)網(wǎng)絡(luò)各層網(wǎng)絡(luò)參數(shù)和全連接層輸出節(jié)點(diǎn)的權(quán)重參數(shù)。

4.根據(jù)權(quán)利要求3所述的基于改進(jìn)softmax函數(shù)的聲學(xué)場景分類方法，其特征在于，計算聲學(xué)表示特征與所述全連接層每個輸出節(jié)點(diǎn)所對應(yīng)的權(quán)重的正余弦相似性度量和負(fù)余弦相似性度量的具體方法如下：

計算第i類聲學(xué)表示特征與全連接層對應(yīng)第i類的輸出節(jié)點(diǎn)的權(quán)重的余弦相似性，獲得正余弦相似性值s_ip，計算第i類聲學(xué)表示特征與全連接層對應(yīng)第j類的輸出節(jié)點(diǎn)的權(quán)重的余弦相似性，獲得負(fù)余弦相似性值s_jn，i≠j；基于獲得的正余弦相似性值s_ip和負(fù)余弦相似性值s_jn得到改進(jìn)的正余弦相似性度量和負(fù)余弦相似性度量

5.根據(jù)權(quán)利要求4所述的基于改進(jìn)softmax函數(shù)的聲學(xué)場景分類方法，其特征在于，采用式(1)得到改進(jìn)的正余弦相似性度量和負(fù)余弦相似性度量

其中λ_p是正相似性對應(yīng)的尺度因子，λ_n是負(fù)相似性對應(yīng)的尺度因子；α_p是正相似性對應(yīng)的權(quán)重更新因子，α_n是負(fù)相似性對應(yīng)的權(quán)重更新因子，Δp是正相似性對應(yīng)的邊距因子，Δn是負(fù)相似性對應(yīng)的邊距因子。

6.根據(jù)權(quán)利要求1所述的基于改進(jìn)softmax函數(shù)的聲學(xué)場景分類方法，其特征在于，所述改進(jìn)softmax函數(shù)表示如下:

其中，N為樣本數(shù)，m為第一調(diào)整參數(shù)，a為第二調(diào)整參數(shù)，λ_p為第三調(diào)整參數(shù)，C為聲學(xué)場景類別數(shù)，s_ip為正余弦相似性值，s_jn為負(fù)余弦相似性值，為改進(jìn)的正余弦相似性度量，為改進(jìn)的負(fù)余弦相似性度量，λ_p是正相似性對應(yīng)的尺度因子。

7.根據(jù)權(quán)利要求6所述的基于改進(jìn)softmax函數(shù)的聲學(xué)場景分類方法，其特征在于，通過調(diào)整第一調(diào)整參數(shù)m和第二調(diào)整參數(shù)a改變聲學(xué)場景分類的決策邊界。

8.根據(jù)權(quán)利要求1任意一項權(quán)利要求所述的基于改進(jìn)softmax函數(shù)的聲學(xué)場景分類方法，其特征在于，將獲得的所述聲學(xué)表示特征歸一化后輸出到全連接層。

9.一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1～8任意一項權(quán)利要求所述方法的步驟。