系统工程与电子技术

作者：韦娟, 杨皇卫, 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：特征学习,非负矩阵分解,卷积神经网络,联合优化

基金：国家自然科学基金(52075441);陕西省重点研发计划(2018GY-181);陕西省重点研发计划(2020ZDLGY06-09)

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。

来源：2022年第5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2022年第5期