基于双二流卷积和多特征融合的D-S声音分类

作者：吴佳赛; 高振斌^*

来源：计算机应用研究, 2022, 39(03): 693-703.

DOI：10.19734/j.issn.1001-3695.2021.08.0342

• 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。

• 单位
  河北工业大学; 电子信息工程学院