[发明专利]一种基于深度学习的声音事件检测和定位方法

权利要求书

1.一种基于深度学习的声音事件检测和定位方法，其特征在于，包括：

S1、根据时域声音信号，提取时频域特征；

S2、确定训练目标，将得到的时频域表示送入到空间通道挤压激励模型网络中进行训练，提取特征图中时频域的深层信息；

S3、把提取得到的深层信息通过全连接层作为分类任务执行输出声音事件的标签；

S4、把提取得到的深层信息通过全连接层作为多输出回归任务执行实现声音的定位。

2.根据权利要求1所述的根据时域声音信号，提取时频域特征，其特征在于，所述S1中，采用4通道麦克风阵列，实际送入神经网络的通道数为12，其中4个输入通道是MIC信号的Log-Mel谱图表示，其余8个输入通道是MIC信号之间的广义互相关的时频表示。

3.根据权利要求1所述的提取特征图中时频域的深层信息的方法，其特征在于，所述S2包括：

S21：在Log-Mel谱图之后增加多尺度模块，提取Log-Mel谱图更深层次的特征；

S22：设计空间通道挤压激励模块。

4.根据权利要求3所述的在Log-Mel谱图之后增加多尺度模块的方法，其特征在于，所述S21中：在Log-Mel谱图之后增加多尺度模块，该模块采用了三组并行卷积分支，用1×n卷积和n×1卷积代替了n×n卷积。

5.根据权利要求3所述的设计空间通道挤压激励模块，其特征在于，所述S22中，把空间挤压激励模型和通道挤压激励模型进行并行加和操作，得到空间通道挤压激励模块。

6.根据权利要求1所述的把提取得到的深层信息通过全连接层，其特征在于，所述S3或S4中，把全连接层当做分类任务执行，输出结果为声音事件的标签；把全连接层当做多输出回归任务执行，输出的是声源的位置信息。