王 丽龚 君黄裕磊

(1.正德职业技术学院机电工程系，江苏南京 211106；2.东南大学信息科学与工程学院；江苏南京 210096)

声场景分类，就是训练计算机通过声音中所包含的信息将声音正确的划分到其所属的场景中，例如室内环境(家中)或室外环境(公园)等。声场景分类技术有着广泛的应用。在处理不同的声音信号前，将声音场景进行分类，然后针对不同场景的声音，采用不同的信号处理方式或者采用不同的参数来处理，可以带来效率的巨大提升[1]，比如带有声场景分类功能的助听器，能够自动的识别出佩戴者所处的场景，并相应的调整降噪、增强算法，实现智能的模式调整，无需佩戴者进行人工调整[2]。声场景分类算法也能应用于环境感知设备[3]，如根据当前声场景自动调节模式的智能手机[4]。当用户进入自习室等比较安静的环境时，手机能够自动设置为静音模式，当用户处于街道、商场等较为嘈杂的环境中，手机自动将音量设置为匹配这种场景的大小，使得用户不错过重要信息[5]。随着智能驾驶汽车的逐渐普及，声场景分类技术也将发挥很大的作用。虽然近年来基于计算机视觉的自动驾驶技术[6-10]发展迅速，但是其存在一些明显的不足:夜间检测困难、视觉上存在死角、运算量巨大等。基于声学场景分类的自动驾驶可以弥补视觉算法的不足，并且两者可以起到互补作用。比如在夜间，自动驾驶的汽车在行驶过程中，通过收集车外的声音进行声场景分类，然后根据分类的场景进行驾驶模式的切换。……