技术特征:
技术总结
本发明提供一种基于卷积神经网络的异常声音信号识别方法,涉及声信号分类与识别技术领域。该方法首先利用现有的异常声音库采集6种异常声音样本,构成样本声音库,并形成带噪样本;然后对样本声音库中的声音进行预处理,并按照在时间和频域两个维度上排列成为二维的声音特征图,作为卷积神经网络模型的输入;使用代价函数计算训练集的实际输出结果与标签结果之间的误差,利用反向传播算法传递差值,并更新卷积神经网络的全连接层中的权值向量;使用监督学习方法训练卷积神经网络模型;最后输入测试集中的数据,验证卷积神经网络模型的准确性。本发明提供的基于卷积神经网络的异常声音信号识别方法,能够更加高效准确的识别出异常声音信号。
技术研发人员:姜彦吉;荆德吉;葛少成;郭羽含
受保护的技术使用者:辽宁工程技术大学
技术研发日:2018.11.14
技术公布日:2019.03.15