[發(fā)明專利]基于深度學習的聲音事件檢測與定位方法有效
| 申請?zhí)枺?/td> | 202010184468.6 | 申請日： | 2020-03-16 |
| 公開（公告）號： | CN111443328B | 公開（公告）日： | 2023-07-18 |
| 發(fā)明（設計）人： | 齊子禛;黃青華;魯乃達;房偉倫 | 申請（專利權(quán)）人： | 上海大學 |
| 主分類號： | G01S5/18 | 分類號： | G01S5/18;G06N3/0464;G06N3/0442;G06N3/048;G06N3/08 |
| 代理公司： | 上海上大專利事務所(普通合伙) 31205 | 代理人： | 陸聰明 |
| 地址： | 200444*** | 國省代碼： | 上海;31 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 深度 學習 聲音 事件 檢測 定位 方法 | ||
1.一種基于深度學習的聲音事件檢測與定位方法，其特征在于，具體包括以下步驟：
步驟一，分割數(shù)據(jù)集，即將數(shù)據(jù)集分為訓練集、驗證集、測試集，并按照一定比例劃分；
步驟二，預處理，即將包含聲音信號的數(shù)據(jù)集進行特征提取得到適合于SED訓練的Log-Mel譜圖和計算速度快且有一定抗混響能力的GCC-PHAT；
步驟三，構(gòu)建深度學習模型，構(gòu)建出結(jié)合ResNet框架和RNN相結(jié)合的一種網(wǎng)絡架構(gòu)，并且層與層之間復合了池化、正則化、歸一化模塊用于優(yōu)化特征提取提高非線性度；
步驟四：兩步訓練，即先進行SED任務的訓練，得到最佳模型并將訓練結(jié)果作為特征輸入到DOA任務的訓練中；之后再進行DOA任務的訓練，最終得到最佳訓練模型；
在所述步驟三中構(gòu)建深度學習模型時，訓練模型按如下所示次序采用的具體參數(shù)分別為：
1）卷積層1，共計64個卷積核，卷積核大小為3*3，步長設置2，填充模式設置為SAME；激活函數(shù)設置為ReLU，并執(zhí)行局部響應歸一化，且不設置偏執(zhí)單元；
2）ResNet網(wǎng)絡，共計32個卷積層，且每兩層卷積層的輸入和輸出之間建立一條直接關聯(lián)的通道；
3）降維，將2）輸出維度進行降維處理再輸入到4）中；
4）雙向門控循環(huán)單元Bi-GRU，對于SED分支，使用一層Bi-GRU其映射為256維；對于DOA分支使Bi-GRU的疊加層數(shù)設置為2，其他設置和SED分支相同；
5）全連接層，映射為512維，設置偏執(zhí)單元bias，對于SED分支輸出為N維，對于DOA分支輸出為2N維使其分別作用于方位角和俯仰角；
6）對于SED分支，使用sigmoid激活函數(shù)；對于DOA分支使用Linear激活函數(shù)；
7）上采樣，對最后輸出的多通道數(shù)據(jù)進行上采樣，使用默認方式nearest。
該專利技術資料僅供研究查看技術是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于上海大學，未經(jīng)上海大學許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010184468.6/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
