典型文献
基于深度学习的双耳声源定位算法研究
文献摘要：
针对多种定位因素存在复杂关联且不易准确提取的问题,提出了以完整双耳声信号作为输入的、基于深度学习的双耳声源定位算法.首先,分别采用深层全连接后向传播神经网络(Deep Back Propagation Neural Network,D-BPNN)和卷积神经网络(Convolutional Neural Network,CNN)实现深度学习框架;然后,分别以水平面15°、30°和45°空间角度间隔的双耳声信号进行模型训练;最后,采用前后混乱率、定位准确率与训练时长等指标进行算法有效性分析.模型预测结果表明,CNN模型的前后混乱率远低于D-BPNN;D-BPNN模型的定位准确率能够达到87％以上,而CNN模型的定位准确率能够达到98％左右;在相同实验条件下,CNN模型的训练时长大于D-BPNN,且随着水平面角度间隔的减小,两者训练时长之间的差异愈发显著.
文献关键词：
双耳声源定位;深度学习;卷积神经网络
中图分类号：
作者姓名：
宋昊;刘雪洁;俞胜锋;钟小丽
作者机构：
广东工业大学管理学院,广东广州510000;华南师范大学物理与电信工程学院,广东广州510006;华南理工大学物理与光电学院,广东广州510640
文献出处：
引用格式：
[1]宋昊;刘雪洁;俞胜锋;钟小丽-.基于深度学习的双耳声源定位算法研究)[J].声学技术,2022(04):602-607
A类：
双耳声源定位
B类：
源定位算法,算法研究,声信号,全连接,后向传播神经网络,Deep,Back,Propagation,Neural,Network,BPNN,Convolutional,深度学习框架,水平面,空间角度,模型训练,定位准确率,有效性分析,实验条件,长大,平面角度
AB值：
0.245407
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
