曾 宇 戶文成

(北京市勞動保護(hù)科學(xué)研究所 北京 100054)

0 引言

近年來隨著公共場所安全問題復(fù)雜性的提高，公共場所的異常監(jiān)控和危險(xiǎn)預(yù)警得到了越來越多的關(guān)注[1]。公共場所環(huán)境中的聲信號包含了大量的安全信息，異常事件的發(fā)生常會伴隨特定的異常聲。聲頻監(jiān)控系統(tǒng)用于實(shí)時(shí)公共安全監(jiān)控，所需的數(shù)據(jù)存儲和傳輸條件都低于視頻監(jiān)控系統(tǒng)，同時(shí)也能更好地保護(hù)隱私。公共場所異常聲的識別作為公共場所聲頻監(jiān)控的關(guān)鍵技術(shù)之一，具有重要的研究意義和實(shí)用價(jià)值。

對于異常事件的聲音識別，學(xué)者們進(jìn)行了一系列的研究。韋娟等[2]對公共場所異常聲進(jìn)行總體平均經(jīng)驗(yàn)?zāi)B(tài)分解并提取各層信號的Mel倒譜系數(shù)(Mel-frequency cepstrum coefficient,MFCC)、短時(shí)能量和能量比，采用改進(jìn)的決策導(dǎo)向無環(huán)圖支持向量機(jī)(Support vector machine,SVM)對槍聲、爆炸聲、玻璃破碎聲、說話聲和腳步聲進(jìn)行識別。胡濤等[3]將公共場所異常聲分幀后各幀的Mel 倒譜系數(shù)及其一階、二階差分按照時(shí)間先后順序沿著不同方向排列分別形成二維和一維特征圖，采用卷積神經(jīng)網(wǎng)絡(luò)對爆炸聲、玻璃破碎聲、槍聲、警報(bào)聲、開關(guān)門聲和哭聲進(jìn)行識別。李偉紅等[4]提出改進(jìn)的極點(diǎn)對稱模態(tài)分解特征提取方法，采用支持向量機(jī)對爆炸聲、尖叫聲、槍聲與玻璃破碎聲進(jìn)行識別。羅森林等[5]以Mel 倒譜系數(shù)為特征，將分別使用高斯混合模型(Gaussian mixed model,GMM)和支持向量機(jī)獲得的識別結(jié)果進(jìn)行融合，對兩類槍聲進(jìn)行識別。劉鑫錦等[6]提取巖石脆性破壞時(shí)聲信號的Mel倒譜系數(shù)、譜質(zhì)心和過零率作為特征，采用高斯混合模型對顆粒彈射和巖板劈裂情況進(jìn)行檢測。蘇國韶等[7]提取巖爆過程聲信號的波形持續(xù)時(shí)間、主頻及短時(shí)能量作為特征，基于隨機(jī)森林對顆粒彈射、巖板劈裂和塊片彈射情況進(jìn)行識別。張鐵民等[8]提取雞叫聲的短時(shí)過零率和短時(shí)能量，采用模糊神經(jīng)網(wǎng)絡(luò)對禽流感病雞進(jìn)行識別。韓磊磊等[9]提取生豬異常聲的Mel 倒譜系數(shù)及其一階、二階差分，采用支持向量機(jī)對生豬打斗聲、咳嗽聲、噴嚏聲、饑餓聲和嗆水聲進(jìn)行識別。楊元威等[10]基于KS檢驗(yàn)和ReliefF 算法對高壓斷路器故障時(shí)的聲信號進(jìn)行特征提取和選擇，采用支持向量機(jī)對線圈電源低壓、電磁鐵卡阻、合閘彈簧疲勞、脫扣延遲和傳動阻尼增大情況進(jìn)行檢測。王豐華等[11]對變壓器噪聲信號的Mel 倒譜系數(shù)進(jìn)行主成分分析，基于降維后的特征采用矢量量化算法對變壓器鐵芯未壓緊故障進(jìn)行檢測。

公共場所中，火災(zāi)可能導(dǎo)致嚴(yán)重的財(cái)產(chǎn)損失和人員傷亡，煙花爆竹燃放也在國內(nèi)數(shù)百個(gè)城市中被禁止，上述研究中沒有對此兩類安全事件中的異常聲進(jìn)行分析和識別。此外不同分類器的模型參數(shù)設(shè)置對識別結(jié)果有影響，上述研究中鮮有對異常聲分類器模型的參數(shù)優(yōu)化。本文針對公共場所異常聲的感知和識別問題，提出一種基于貝葉斯優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的識別方法。提取異常聲信號的Gammatone 倒譜系數(shù)(Gammatone cepstrum coefficient,GTCC)、短時(shí)能量、倍頻程功率譜和譜質(zhì)心，經(jīng)過信息融合形成特征圖，整合公共場所異常聲的時(shí)域、頻域和倒譜特性。以卷積神經(jīng)網(wǎng)絡(luò)為分類器，設(shè)計(jì)遞增的卷積核尺度和池化操作以處理不同尺度的特征，構(gòu)建批量歸一化層和丟棄層以提高網(wǎng)絡(luò)模型的泛化能力。提取該卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)和網(wǎng)絡(luò)訓(xùn)練參數(shù)，基于貝葉斯優(yōu)化算法對卷積神經(jīng)網(wǎng)絡(luò)的模型參數(shù)進(jìn)行優(yōu)化，對包括火苗噼啪聲、嬰兒啼哭聲、煙花燃放聲、玻璃破碎聲和警報(bào)聲的5 種公共場所異常聲進(jìn)行識別。最后分析比較了基于不同的特征提取和分類器方案得到的識別結(jié)果，并對本文方法在不同信噪比噪聲干擾下的識別效果進(jìn)行驗(yàn)證。

1 公共場所異常聲的特征提取

1.1 公共場所異常聲的特征表示

公共場所異常聲屬于環(huán)境聲，由于環(huán)境聲與語聲的相似性，語聲識別中的典型特征參數(shù)也常用于環(huán)境聲識別中。倍頻程功率譜分析是最常用的聲信號處理方法之一，倍頻程功率譜譜線少頻帶寬，符合人耳知覺頻帶低頻部分較窄、高頻部分較寬的特點(diǎn)，表征了環(huán)境聲信號的聲學(xué)特性。

Mel倒譜系數(shù)是語聲識別和說話人識別的有效特征之一，但其在低信噪比環(huán)境下識別效果較差。Gammatone 濾波器可以模擬人耳基底膜的時(shí)頻分析功能，在噪聲條件下具有較強(qiáng)的抗干擾性，濾波效果更好，且經(jīng)過Gammatone 濾波后的信號能夠更好增強(qiáng)目標(biāo)識別系統(tǒng)的魯棒性。將Mel 倒譜系數(shù)計(jì)算中的濾波器替換為Gammatone 濾波器得到的Gammatone倒譜系數(shù)已應(yīng)用于聲音識別中，在不同背景噪聲環(huán)境下取得比Mel倒譜系數(shù)更好的識別效果[12-14]。Gammatone濾波器的時(shí)域表達(dá)式如下：

式(1)中，A和a分別為濾波器增益和階數(shù)，U(t)為階躍函數(shù)，fi和φi分別為中心頻率和相位，Bw(fi)為等效矩陣帶寬函數(shù)， 其表達(dá)式為Bw(fi)=24.7+0.108fi。提取Gammatone 倒譜系數(shù)時(shí)，首先對聲信號進(jìn)行加窗分幀，對每幀信號進(jìn)行快速傅里葉變換，然后通過Gammatone 濾波器組進(jìn)行濾波，最后進(jìn)行離散余弦變換。

異常聲往往是突發(fā)的，瞬間爆發(fā)力較強(qiáng)，能量隨時(shí)間變化比較明顯。聲信號的短時(shí)能量是信號在一幀時(shí)間內(nèi)的能量值，在一定程度上能反映出信號在時(shí)域的幅度變化情況。對于聲信號xi(n)，其短時(shí)能量為

式(2)中，i為幀號，N為幀長。

譜質(zhì)心是描述音色屬性的重要信號特征之一。它是一定頻率范圍內(nèi)通過能量加權(quán)平均的頻率，關(guān)聯(lián)著信號的基頻特性；同時(shí)它也體現(xiàn)了聲音的明亮度，聲音明亮度隨譜質(zhì)心增加而增高。對于聲信號xi(n)，其譜質(zhì)心為

式(3)中，i為幀號，K為離散傅里葉變換的長度，Sik為頻率fk處的功率譜值。

本文提取公共場所異常聲的Gammatone 倒譜系數(shù)、倍頻程功率譜、短時(shí)能量和譜質(zhì)心，將這些特征組合成特征向量，即：

式(4)中，V為公共場所異常聲特征向量，GTCC為Gammatone 倒譜系數(shù)，E為短時(shí)能量，Oct為倍頻程功率譜，SC為譜質(zhì)心，Nm、Ne、No和Nc分別為Mel 倒譜系數(shù)、短時(shí)能量、倍頻程功率譜和譜質(zhì)心的個(gè)數(shù)。

1.2 公共場所異常聲的特征圖提取

二維的特征圖所包含的信息量大于一維的特征向量，以特征圖作為分類器的輸入會增加單次分類器訓(xùn)練所包含的信息量，提高訓(xùn)練效率。常用的特征圖生成方法包括短時(shí)傅里葉變換、Mel 譜圖等[3,15-16]，短時(shí)傅里葉變換和Mel譜圖分別表征了信號的頻域特性和倒譜特性，但沒有體現(xiàn)頻域特性和Mel 倒譜特性的交叉效應(yīng)。本文整合公共場所異常聲的時(shí)域特性、頻域特性和倒譜特性，構(gòu)建公共場所異常聲的特征圖表示，步驟如下：

(1)對聲頻文件進(jìn)行處理，如果聲頻文件采樣率不同或長度不同則進(jìn)行重采樣并裁剪到同樣長度，之后得到各聲頻文件的時(shí)域信號Si(n)，式中i為聲頻文件標(biāo)識號；

(2)對時(shí)域信號Si(n)進(jìn)行分幀加窗，幀信號時(shí)長為10～30 s，得到分幀時(shí)域信號sij(m)，式中j為幀標(biāo)識號；

(3)計(jì)算時(shí)域信號Si(n)的第j個(gè)分幀信號的特征向量Vij，該特征向量長度為28，包含13 個(gè)Gammatone 倒譜系數(shù)、13 個(gè)倍頻程功率譜、1 個(gè)短時(shí)能量和1個(gè)譜質(zhì)心；

(4)生成時(shí)域信號Si(n)的特征矩陣：

式(5)中，Pi為特征矩陣，k和j分別為特征矩陣Pi的行標(biāo)識和列標(biāo)識，Nf為幀數(shù)；

(5)對時(shí)域信號Si(n)的特征矩陣Pi進(jìn)行歸一化，得到歸一化的特征矩陣，即：

(6)保存時(shí)域信號Si(n)的歸一化特征矩陣作為該信號對應(yīng)的公共場所異常聲聲頻文件的特征圖。

2 公共場所異常聲的感知識別

2.1 卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)是一類包含卷積計(jì)算且具有深度結(jié)構(gòu)的多層神經(jīng)網(wǎng)絡(luò)，是研究和應(yīng)用最廣泛的深度神經(jīng)網(wǎng)絡(luò)。卷積神經(jīng)網(wǎng)絡(luò)的局部連接、權(quán)值共享等特性使之可以有效地降低網(wǎng)絡(luò)的復(fù)雜度，減少訓(xùn)練參數(shù)的數(shù)目，使模型對平移、扭曲、縮放具有一定程度的不變性，并具有強(qiáng)魯棒性和容錯(cuò)能力，且也易于訓(xùn)練和優(yōu)化[17-18]。

卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)由輸入層、卷積層、激活層、池化層、全連接層及輸出層構(gòu)成，此外還可以增加批量歸一化層和丟棄層以進(jìn)一步強(qiáng)化模型的泛化能力。卷積層包含多個(gè)卷積核，神經(jīng)元通過卷積核與上一層的局部區(qū)域相關(guān)聯(lián)，每個(gè)卷積核以局部權(quán)值矩陣的形式遍歷作為輸入的特征圖，進(jìn)行內(nèi)積運(yùn)算，同一卷積核實(shí)現(xiàn)權(quán)值共享，加上偏置完成特征映射，即：

式(8)中，var為方差，dimW1和dimW2為卷積核的兩個(gè)維度，Nch為輸入通道數(shù)。激活層實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)對非線性特征的檢測，典型的激活函數(shù)有sigmoid、tanh 和ReLU 等，其中ReLU 激活函數(shù)是最為常用的，其形式為

池化層旨在通過降低特征映射的分辨率來實(shí)現(xiàn)移位不變性，典型的池化類型有最大池化、均值池化等，其中最大池化函數(shù)為

式(10)中，X是維度為dimP1* dimP2的矩陣，dimP1和dimP2為池化窗口的尺度。全連接層與卷積層類似，差別在于該層的所有神經(jīng)元均與前一層的所有神經(jīng)元相連，即：

式(12)中，xi為輸入的第i個(gè)特征映射圖，yi為xi規(guī)范化處理的結(jié)果，γ為縮放系數(shù)，β為偏移，γ和β會隨著網(wǎng)絡(luò)訓(xùn)練而自動變化，γ和β的初值分別為1 和0，μb和σb為數(shù)據(jù)的均值和方差，ε為一個(gè)非常小的數(shù)，旨在提高方差σb極小時(shí)歸一化處理的穩(wěn)定性。丟棄層會按照一定比例將部分輸入數(shù)據(jù)賦值為0，從而避免了所有的神經(jīng)元同步優(yōu)化其權(quán)重以致收斂到同樣的結(jié)果，防止過擬合的發(fā)生。

本文設(shè)計(jì)了包含多個(gè)卷積層和池化層的卷積神經(jīng)網(wǎng)絡(luò)，采用遞增的卷積核設(shè)置和池化操作處理不同尺度的特征，并增加批量歸一化層和丟棄層以避免過擬合，該網(wǎng)絡(luò)的結(jié)構(gòu)如下：

(1)輸入層；

(2)卷積層，卷積核數(shù)量為NC，卷積核的兩個(gè)維度相等，均為dimW；

(3)批量歸一化層；

(4)激活層，激活函數(shù)為ReLU函數(shù)；

(5)池化層，池化類型為最大池化，池化窗口的兩個(gè)維度分別為1和dimP；

(6)卷積層，卷積核數(shù)量為NC，卷積核的兩個(gè)維度相等，都為2*dimW；

(7)批量歸一化層；

(8)激活層，激活函數(shù)為ReLU函數(shù)；

(9)池化層，池化類型為最大池化，池化窗口的兩個(gè)維度分別為1和dimP；

(10)卷積層，卷積核數(shù)量為NC，卷積核的兩個(gè)維度相等，都為4*dimW；

(11)批量歸一化層；

(12)激活層，激活函數(shù)為ReLU函數(shù)；

(13)丟棄層，丟棄率為rDrop；

(14)全連接層，神經(jīng)元數(shù)為分類數(shù)；

(15)輸出層。

卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)，采用隨機(jī)梯度下降法對卷積層和全連接層的權(quán)值和偏差、批量歸一化層的縮放系數(shù)和偏移等參數(shù)進(jìn)行調(diào)整，隨機(jī)梯度下降法可表示為

式(13)中，l為迭代數(shù)，θ為調(diào)整的向量，W為權(quán)值向量，rLearn為學(xué)習(xí)率，momD為隨機(jī)梯度下降動量，L2Reg為L2正則化強(qiáng)度，E(θ)為損失函數(shù)。

本文選取4 個(gè)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)NC、 dimW、dimP、rDrop和3個(gè)網(wǎng)絡(luò)訓(xùn)練參數(shù)rLearn、momD、L2Reg作為卷積神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)變量。

2.2 貝葉斯優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)

貝葉斯優(yōu)化是一種全局優(yōu)化算法，通過設(shè)計(jì)恰當(dāng)?shù)母怕蚀砟Ｐ秃筒杉瘮?shù)，貝葉斯優(yōu)化框架只需經(jīng)過少數(shù)次目標(biāo)函數(shù)評估即可獲得理想解，非常適用于求解目標(biāo)函數(shù)表達(dá)式未知、非凸、多峰和評估代價(jià)高昂的復(fù)雜優(yōu)化問題[19-20]。

貝葉斯優(yōu)化算法以貝葉斯定理為理論基礎(chǔ)，該定理表示為

式(14)中，f為未知的目標(biāo)函數(shù)或參數(shù)模型中的參數(shù)，D1:t={(x1,y1),(x2,y2),···,(xt,yt)}為已評估點(diǎn)集合，xt為決策向量，yt=f(xt)+ε為觀測值，ε為觀測誤差，p(D1:t|f)為y的似然分布，p(D1:t)為邊際化f的邊際似然分布，p(f)為f的先驗(yàn)概率，p(f|D1:t)為f的后驗(yàn)概率，后驗(yàn)概率分布是通過已評估點(diǎn)集合對先驗(yàn)進(jìn)行修正后未知目標(biāo)函數(shù)或參數(shù)模型中的參數(shù)的置信度。貝葉斯優(yōu)化算法使用概率代理模型擬合真實(shí)的目標(biāo)函數(shù)，根據(jù)采集函數(shù)選擇下一個(gè)評估點(diǎn)。常用的概率代理模型包括貝塔－伯努利模型、線性模型、高斯過程、隨機(jī)森林等，其中高斯過程具有高度的靈活性、可擴(kuò)展性和可分析性，是貝葉斯優(yōu)化中應(yīng)用最廣泛的概率代理模型。高斯過程是多元高斯概率分布的范化，由均值函數(shù)和半正定的協(xié)方差函數(shù)構(gòu)成，即：

式(15)中，m(x)為均值函數(shù)，k(x,x′)為協(xié)方差函數(shù)。采用高斯過程對一系列離散數(shù)據(jù)對(xi,yi)進(jìn)行函數(shù)擬合時(shí)，m(x)通常設(shè)置為0，k(x,x′)通常采用Matern協(xié)方差函數(shù)，即：

式(16)中，r為x和x′的歐拉距離，σf為特征偏差，σl為特征長度，σf和σl會隨著高斯過程擬合而自動變化，σl的初值為xi的標(biāo)準(zhǔn)差，σf的初值為yi的標(biāo)準(zhǔn)差除以。常用的采集函數(shù)生成策略包括基于提升概率的策略、基于提升概率和提升量的策略、置信邊界策略、基于信息的策略等，基于提升概率和提升量的策略構(gòu)造的采集函數(shù)如下：

式(17)中，αt(x;D1:t)為采集函數(shù)，v*為當(dāng)前最優(yōu)函數(shù)值，φ(x)為標(biāo)準(zhǔn)正態(tài)分布累積密度函數(shù)，μt(x)和σt(x)分別為均值和標(biāo)準(zhǔn)差。

本文基于貝葉斯優(yōu)化算法對卷積神經(jīng)網(wǎng)絡(luò)模型的7 個(gè)設(shè)計(jì)變量進(jìn)行優(yōu)化，概率代理模型選用高斯過程模型，采集函數(shù)通過基于提升概率和提升量的策略構(gòu)造，優(yōu)化變量的約束條件如表1所示。

表1 優(yōu)化變量的約束條件Table 1 Constraints on optimizing variables

3 公共場所異常聲識別結(jié)果與比較

本文所用的異常聲來源于Freesound 網(wǎng)站，包括火苗噼啪聲、玻璃破碎聲、嬰兒啼哭聲、煙花燃放聲和警報(bào)聲，聲音文件的樣本數(shù)為1000 個(gè)，其中每類聲音文件的樣本數(shù)均為200，聲音文件長度均為5 s，采樣頻率均為44.1 kHz。為了比較不同特征提取和分類器方案的識別效果，選取Mel 倒譜系數(shù)(MFCC)、Mel 倒譜系數(shù)+Gammatone 倒譜系數(shù)(MFCC+GTCC)作為特征提取的比較對象，選取高斯混合模型(GMM)、支持向量機(jī)(SVM)作為分類器的比較對象，高斯混合模型和支持向量機(jī)也都采用貝葉斯優(yōu)化進(jìn)行模型參數(shù)優(yōu)化，高斯混合模型的優(yōu)化參數(shù)為階數(shù)，支持向量機(jī)的優(yōu)化參數(shù)為懲罰系數(shù)和徑向基核尺度，優(yōu)化過程最長時(shí)間均為20 h。訓(xùn)練集、驗(yàn)證集和預(yù)測集的分割比例為6 :2 :2，即訓(xùn)練集、驗(yàn)證集和預(yù)測集中的樣本數(shù)分別為600、200和200。每類異常聲的200個(gè)樣本中，120個(gè)樣本用于訓(xùn)練分類器，40 個(gè)樣本用于貝葉斯優(yōu)化分類器參數(shù)，40個(gè)樣本用于預(yù)測。

3.1 異常聲識別結(jié)果評價(jià)指標(biāo)

每類異常聲識別結(jié)果的評價(jià)指標(biāo)包括準(zhǔn)確率、召回率、F值，其計(jì)算表達(dá)式為

式(18)中，Pi、Ri和Fi分別為第i種異常聲識別的準(zhǔn)確率、召回率和F 值，TPi為預(yù)測集中第i種異常聲被正確識別出的數(shù)量，TPFPi為預(yù)測集中被預(yù)測為第i種異常聲的數(shù)量，TPFNi為預(yù)測集中第i種異常聲的數(shù)量。

本文的異常聲識別問題為多分類問題，以異常聲識別的準(zhǔn)確率、召回率和F 值分別求均值所得到的平均準(zhǔn)確率、平均召回率和平均F 值作為異常聲識別結(jié)果的綜合評價(jià)指標(biāo)。

3.2 異常聲識別結(jié)果

不同特征提取和分類器方案的異常聲識別結(jié)果如圖1～3所示，本文方法對不同類別異常聲的識別結(jié)果如圖4所示。本文方法對5 種異常聲識別的平均準(zhǔn)確率、平均召回率和平均F值均為最高，分別為91.3%、91.5%和91.0%，其識別效果優(yōu)于其他特征提取和分類器方案。主要原因在于本文方法整合了聲信號的時(shí)域、頻域和倒譜域特征，與單獨(dú)使用Mel 倒譜特征或整合使用Mel 和Gammatone 兩種倒譜特征相比，可以更全面地表征公共場所異常聲的特性。此外本文方法的分類器通過遞增的卷積核尺度和池化操作設(shè)計(jì)可以處理公共場所異常聲不同尺度的特征，而文中的高斯混合模型和支持向量機(jī)分類器在多尺度特征分析方面有所不足。

圖1 異常聲識別平均準(zhǔn)確率Fig.1 Average precise ratio of abnormal sound recognition

圖2 異常聲識別平均召回率Fig.2 Average recall ratio of abnormal sound recognition

圖3 異常聲識別平均F 值Fig.3 Average F score of abnormal sound recognition

為了考察本文方法在噪聲干擾下的識別效果，在聲音文件中加入信噪比分別為-10 dB、-6 dB、0 dB、10 dB 的高斯白噪聲，本文方法在不同信噪比噪聲干擾下的識別結(jié)果如圖5所示。識別結(jié)果隨著信噪比的增大而提高，信噪比為-10 dB 時(shí)平均準(zhǔn)確率、平均召回率和平均F 值分別為80.1%、80.0%和80.0%，本文方法在噪聲干擾下識別效果較好。主要原因在于本文方法的特征提取部分用抗干擾性更好、魯棒性更強(qiáng)的Gammatone 倒譜代替Mel 倒譜，而批量歸一化層和丟棄層的構(gòu)建也增強(qiáng)了分類器的泛化能力。因此本文方法可以有效地對火苗噼啪聲、玻璃破碎聲、嬰兒啼哭聲、煙花燃放聲和警報(bào)聲5種異常聲進(jìn)行識別。

圖4 本文方法的異常聲識別結(jié)果Fig.4 Results of abnormal voice recognition based on my method

圖5 本文方法在噪聲干擾下的異常聲識別結(jié)果Fig.5 Results of abnormal voice recognition under different SNR

4 結(jié)論

本文針對公共場所異常聲的感知和識別問題，提出一種基于貝葉斯優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的識別方法。提取聲信號的Gammatone倒譜系數(shù)、倍頻程功率譜、短時(shí)能量和譜質(zhì)心，組合成聲信號的特征圖。設(shè)計(jì)了包含多個(gè)卷積層和池化層的卷積神經(jīng)網(wǎng)絡(luò)作為分類器，采用遞增的卷積核設(shè)置和池化操作處理不同尺度的特征，并增加批量歸一化層和丟棄層以避免過擬合。采用高斯過程模型和基于提升概率和提升量的策略構(gòu)建概率代理模型和采集函數(shù)，基于貝葉斯優(yōu)化算法對卷積神經(jīng)網(wǎng)絡(luò)模型的設(shè)計(jì)變量進(jìn)行優(yōu)化，對包括火苗噼啪聲、嬰兒啼哭聲、煙花燃放聲、玻璃破碎聲和警報(bào)聲的5 種公共場所異常聲進(jìn)行識別。該方法的識別結(jié)果與基于MFCC 或MFCC+GTCC的特征提取、基于GMM 或SVM 的分類器得到的識別效果進(jìn)行比較，結(jié)果表明該方法的識別效果優(yōu)于其他特征提取和分類器方案的識別效果。最后分析了該方法在不同信噪比噪聲干擾下的識別結(jié)果，驗(yàn)證了該方法的有效性。