1.一种基于多种设备有监督域自适应的声场景分类方法,其特征在于,包括如下步骤,S1:读取多种不同种类拾音设备采集得到的场景音频信号,并对场景音频信号进行预处理,获得经预处理的样本数据;
S2:对步骤S1获得的样本数据进行傅里叶变换,对傅里叶变换处理后的样本数据进行梅尔滤波处理,再进行频段标准化修正,提取三个特征频谱图,融合三个特征频谱图得到三维声学特征;
S3:将步骤S2得到的三维声学特征输入数据增强模块,得到经过数据增强后的三维声学特征;
S4:构建有监督域自适应声场景分类模型,
基于CNN模型和域自适应方法构建声场景分类模型;
所述声场景分类模型由若干特征对齐卷积块和全连接层构成;
所述声场景分类模型在训练阶段按拾音设备种类将三维声学特征划分为源域和目标域,然后所述的源域和目标域分别通过声场景分类模型,并在每个特征对齐卷积块单独计算源域和目标域之间的差异损失,得到域差异损失;
所述特征对齐卷积块将源域和目标域的输出特征进行差异对比,并计算出域差异损失;
所述声场景分类模型的总损失为域差异损失、源域和目标域损失的加权求和;
S5:将步骤S3所述三维声学特征及其对应标签输入到步骤S4所述声场景分类模型中进行有监督训练,得到训练好的有监督域自适应声场景分类模型;
S6:将待分类的场景音频信号,输入到步骤S5所述有监督域自适应声场景分类模型中,得到分类结果。
2.根据权利要求1所述的基于多种设备有监督域自适应的声场景分类方法,其特征在于,步骤S1所述对场景音频信号进行预处理包括预加重、分帧、加窗。
3.根据权利要求1所述的基于多种设备有监督域自适应的声场景分类方法,其特征在于,步骤S2中,所述提取三个特征频谱图包括利用梅尔滤波器组、一阶差分滤波器组和二阶差分滤波器组提取获得经过频段标准化的对数梅尔特征频谱图、一阶差分特征频谱图和二阶差分特征频谱图。
4.根据权利要求1所述的基于多种设备有监督域自适应的声场景分类方法,其特征在于,步骤S2中,所述频段标准化首先在训练集的样本空间上按照设备的种类进行划分;然后分别对设备的声学特征频谱图的每个频段都计算出均值和标准差;根据输入声学特征的对应设备种类进行频段标准化处理。
5.根据权利要求1所述的基于多种设备有监督域自适应的声场景分类方法,其特征在于,步骤S3中,采用Mixup模块和SpecAugment模块先后对步骤S2所述三维声学特征进行数据增强处理。
6.根据权利要求1所述的基于多种设备有监督域自适应的声场景分类方法,其特征在于,步骤S4中,所述声场景分类模型由三个特征对齐卷积块和两个全连接层构成。
7.根据权利要求1所述的基于多种设备有监督域自适应的声场景分类方法,其特征在于,步骤S4中,所述特征对齐卷积块包括两个卷积层、两个批归一化层(Batch-Normalization,简称BN层)、两个激活函数层、一个池化层。