买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江西师范大学申请的专利一种基于多尺度残差注意力网络的声音场景分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114373476B 。

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210028342.9，技术领域涉及：G10L25/03；该发明授权一种基于多尺度残差注意力网络的声音场景分类方法是由雷震春;周勇设计研发完成，并于2022-01-11向国家知识产权局提交的专利申请。

本一种基于多尺度残差注意力网络的声音场景分类方法在说明书摘要公布了：本发明提供一种基于多尺度残差注意力网络的声音场景分类方法，包括将采集到的音频数据进行特征提取，提取出对数梅尔频谱图及其一阶差分和二阶差分作为输入特征；构建多尺度残差注意力网络，将提取到的对数梅尔频谱图输入到网络中进行训练建立分类模型；采用mixup方法增强数据多样性；采用焦点损失关注分类困难的样本；获取新的声音场景语音，利用分类模型对语音进行声音场景分类，得到声音场景分类结果。本发明采用对数梅尔频谱图及其一阶和二阶差分，使用多尺度残差注意力网络模型来对声音场景进行分类，能够挖掘更多丰富全面的特征信息，从而提高声音场景分类性能。

本发明授权一种基于多尺度残差注意力网络的声音场景分类方法在权利要求书中公布了：1.一种基于多尺度残差注意力网络的声音场景分类方法，其特征在于，包括以下步骤： 步骤1：采集音频数据进行特征提取，提取出对数梅尔频谱图及其一阶差分和二阶差分作为输入特征； 步骤2：构建多尺度残差注意力网络，将输入特征输入到网络中进行训练建立分类模型； 步骤3：采用mixup方法对音频数据进行处理，获得数据样本； 步骤4：将所述数据样本输入所述分类模型进行分类，采用焦点损失关注分类困难的样本，优化分类模型； 步骤5：获取新的声音场景语音，输入优化后的分类模型进行声音场景分类，得到声音场景分类结果； 所述步骤1中进行特征提取的具体过程为： 步骤1.1：对所采集到的语音数据进行预加重处理； 步骤1.2：将预加重后的语音数据进行分帧，分成若干帧语音信号； 步骤1.3：采用汉宁窗函数对每帧语音信号进行加窗处理，得到短时加窗的语音信号； 步骤1.4：将短时加窗的语音信号进行傅里叶变换将其从时域转换到频域，获得频域信号； 步骤1.5：将得到的频域信号通过梅尔滤波器，得到梅尔频谱图； 步骤1.6：对梅尔频谱图取对数得到对数梅尔频谱图； 步骤1.7：对对数梅尔频谱图求其一阶差分和二阶差分，再将对数梅尔频谱图及其一阶差分、二阶差分堆叠起来，得到最终的输入特征； 所述步骤2的具体过程为： 步骤2.1：将输入特征分为高频部分和低频部分； 步骤2.2：分别将高频部分与低频部分输入多尺度残差注意力网络的通道注意力模块，根据特征的重要性分配不同的权重，生成新的特征；所述步骤2.2中经过通道注意力模块生成新的特征的具体过程包括： 步骤2.2.1：将高频部分输入特征和低频部分输入特征分别进行最大池化和平均池化操作，得到两个特征图； 步骤2.2.2：将池化处理得到的两个特征图分别送入多层感知机中，获得两个感知结果； 步骤2.2.3：将经过多层感知机得到的两个感知结果进行相加，获得结果； 步骤2.2.4：将相加之后的结果经过sigmoid激活操作，获得输入特征的权重参数； 步骤2.2.5：最后将权重参数与输入特征进行乘积运算，生成新的特征； 步骤2.3：将新的特征输入到多尺度残差注意力网络的多尺度残差模块，提取不同精度与不同深度的特征信息，获得高频部分特征图和低频部分特征图；所述步骤2.3中新的特征依次通过批处理归一化层以及卷积层，经过两次由两个1×1、两个3×3和两个5×5的卷积核组成的残差块Residual01，再经过三次由两个1×1、两个3×3和两个5×5的卷积核、最大池化、平均池化和零填充组成的残差块Residual02以及残差块Residual01构成的组合块，从而获得高频部分特征图和低频部分特征图； 步骤2.4：将高频部分特征图和低频部分特征图在频率维度上拼接起来，获得全部特征； 步骤2.5：全部特征依次经过由批处理归一化层、修正线性单元以及1×1卷积层组成的卷积块，由BN层以及1×1卷积层组成的卷积块，批处理归一化层，全局平均池化层，以及softmax层进行分类，获得分类模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江西师范大学，其通讯地址为：330000 江西省南昌市紫阳大道99号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。