系统工程与电子技术

作者：韦娟*(), 周惠文, 宁方立

单位：1. 西安电子科技大学通信工程学院，陕西 西安 710071；2. 西北工业大学机电学院，陕西 西安 710072

关键词：声场景分类,跨模态注意力,动态门控,自适应融合

基金：国家自然科学基金（52475132）；陕西省重点研发计划（2024GX-ZDCYL-01-16）；航空科学基金（20200015053001）；西安市重点产业链技术攻关基金（23ZDCYJSGG0006-2023）资助课题

针对声场景分类任务中模态间关联获取不充分、特征融合效率低等问题，提出一种基于跨模态注意力与门控融合的声场景分类模型。该模型通过跨模态注意力模块实现声学与视觉模态的双向交互，动态捕捉模态间关联；同时设计门控融合模块动态调整声学与视觉模态权重，实现特征的自适应融合，并引入残差增强与双路池化策略提升特征的鲁棒性；从准确率、帧率和模型参数量3个维度对所提模型与同任务下的其他方法进行评估。仿真结果表明，所提模型在保持较高准确率的同时，整体分类效果优于其他方法，证明了其有效性与实用性。

来源：2025年第11期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2025年第11期