-
题名基于并联型神经网络的环境声音分类
- 1
-
-
作者
覃镜涛
高瑜翔
-
机构
成都信息工程大学通信工程学院
气象信息与信号处理四川省高校重点实验室
-
出处
《传感器与微系统》
CSCD
北大核心
2024年第7期106-109,113,共5页
-
基金
四川省教育厅高校创新团队项目(15TD0022)。
-
文摘
针对传统单输入模型在环境声音分类中准确率不高的问题,提出一种基于时域特征和频域特征并联型特征融合神经网络。在该网络中,首先通过数据增强的方法来处理原始音频;其次处理后的原始音频数据和梅尔(Mel)频谱特征数据分别送入原始波形网络和Mel频谱网络,得到其时域和频谱特征后,进行特征融合;最后,将特征融合后的结果送入SoftMax分类器进行分类。本文在UrbanSound8K数据集上进行了实验验证,最终分类准确率高达96.03%,优于其他模型。
-
关键词
并联型神经网络
特征融合
环境声音分类
-
Keywords
parallel neural network
feature fusion
environmental sound classification
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于特征融合和MACLNN的通信信号自动调制识别
- 2
-
-
作者
吴美霖
高瑜翔
涂雅培
覃镜涛
唐芷宣
胡斐
-
机构
成都信息工程大学通信工程学院
气象信息与信号处理四川省高校重点实验室
-
出处
《无线电工程》
北大核心
2022年第11期1970-1976,共7页
-
文摘
针对模拟、数字调制方式在简单网络下识别率不高的问题,提出了一种基于特征融合、自注意力机制、并联神经网络的调制识别算法——MACLNN。使用8个统计量特征参数组合和IQ数据分别作为卷积神经网络(Convolutional Neural Network,CNN)和卷积长短时神经网络的输入,由自注意力机制重新分配特征的权重,再通过并联层进行特征融合,最终完成11类调制方式的识别。仿真结果表明,在高信噪比下识别准确率可达到94.1%,使用复杂度较低的模型获得了高于同类算法的识别精度。
-
关键词
调制识别
高阶累积量
特征融合
长短时记忆网络
注意力机制
-
Keywords
modulation recognition
higher-order cumulant
feature fusion
LSTM
attention mechanism
-
分类号
TN911.3
[电子电信—通信与信息系统]
-