%A 韦娟, 杨皇卫, 宁方立 %T 基于NMF与CNN联合优化的声学场景分类 %0 Journal Article %D 2022 %J 系统工程与电子技术 %R 10.12305/j.issn.1001-506X.2022.05.01 %P 1433-1438 %V 44 %N 5 %U {https://www.sys-ele.com/CN/abstract/article_8635.shtml} %8 2022-05-01 %X

针对声学场景分类任务中复杂声学环境的特征表示问题, 提出一种联合训练特征提取和分类模型的优化算法。将非负矩阵分解与卷积神经网络的训练相结合, 利用网络的损失值实现对特征提取和网络参数的共同更新, 以学习到更具判别性的有监督特征。在TUT2017数据集上提取对数声谱图作为基础特征, 搭建深度卷积神经网络进行实验验证。仿真结果表明, 所提算法的识别准确率相比优化前提升3.9%, 且优于其他两种常用声学特征, 证明该算法能够有效提升整体分类效果。