一种基于混合深度神经网络模型的城市噪声识别方法   0    0

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。

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。

2.根据权利要求1所述的一种基于混合深度神经网络模型的城市噪声识别方法，其特征在于训练阶段步骤2的具体实现包括以下：
设声音信号为x(n)，采样频率为fs；首先对声音信号进行分帧加窗，其帧长为wlen，帧移为inc，窗函数为汉明窗；将各帧信号进行傅里叶变换；将变换后的连续n帧信号进行拼接，得到语谱图。

3.根据权利要求2所述的一种基于混合深度神经网络模型的城市噪声识别方法，其特征在于训练阶段步骤3的具体实现包括以下：
读取语谱图，由于这三种深度神经网络对语谱图的尺寸有各自的要求，因此首先对语谱图进行裁剪，把裁剪后的图片分别输入到三种预处理模型中，得到各个模型下的特征向量；采用三种深度神经网络来对声信号语谱图进行特征提取；
在inception_v3模型中，需要将图片调整为299×299×3，然后使用该模型进行特征提取得到2048维特征向量；
在resnet152模型中，需要将图片调整为224×224×3，然后使用该模型进行特征提取得到2048维特征向量；
在inception_resnet_v2模型中，需要将图片调整为299×299×3，然后使用该模型进行特征提取得到1536维特征向量。

4.根据权利要求3所述的一种基于混合深度神经网络模型的城市噪声识别方法，其特征在于所述训练阶段步骤5的具体实现包括以下：
5.1在得到融合特征之后，把特征值输入全连接层，然后采用softmax函数进行分类；
softmax的函数为：
其中， 表示第L层第j个神经元的输入， 表示第L层第j个神经元的输出，e表示自然常数；任意的输入值经过softmax函数后都会变成和为1的概率预测值；
5.2在神经网络反向传播中，要求一个损失函数，损失函数表示的是真实值与网络估计值的误差，然后去修改网络中的权重；使用交叉熵能解决损失函数学习缓慢的问题；交叉熵函数如下：
其中，yi表示期望输出，ai表示神经元实际输出；
(1) (1) (m) (m) (i)
对于训练集{(x ,y ),…,(x ,y )}，有y ∈{1,2,3,…,k}总共有k个分类；对于每个输入x都会有对应每个类的概率，即p(y＝j|x)，从向量角度来看，有，其中， 是模型的参数；
训练模型参数θ，使其能够最小化代价函数：
5.3采用4折交叉验证，把输入模型的数据随机的分成5组，其中一组做为测试集，其他四组依次取其中单独的一组样本留做验证集，剩余3组样本留做训练集，来进行模型的训练和验证；交叉验证重复4次，每组样本验证一次，以此来得到一个可靠稳定的模型；
5.4得到训练数据集之后，设置训练步数step以及每组训练个数batch；在训练数据集中随机抽取batch个样本的特征值进行分类训练；循环step得到最终训练模型，在训练的过程中，每100次用验证集对已训练的模型进行验证；
5.5为了平衡模型的训练速度和模型震荡，采用学习率指数衰减的方式来调整学习率；
学习率的更新方式如下：
step/decay_step
adaptive_learining_rate＝learning_rate×decay_rate 。