范裕莹，李成娟，易 强，李宝清

（1.中国科学院上海微系统与信息技术研究所 微系统技术重点实验室，上海 201800；2.中国科学院大学，北京 100049）

0 概述

野外监控传感网主要负责探测固定区域范围内的非法入侵目标，并将目标的一系列相关信息提供给决策者。该传感网主要由声音、震动、红外、图像等传感器节点组成，而基于声音、震动信号的探测识别方法具有隐蔽性好、能耗小、可克服光学侦探技术盲区等优点。

传统的野外运动目标分类方法主要依赖于对声音信号的特征分类。常用的特征有信号能量、能量熵、过零率、谱质心等时域特征［1］；有基于傅里叶变换、梅尔倒谱系数［2］、小波变换［3］、经验模式分解［4］等手段设计的手工特征；有融合谐波集、梅尔倒谱系数和小波能量得到的融合特征［5］。但上述的特征只能提取信号的浅层信息且对噪声敏感，这使得传统分类方法的鲁棒性差。

随着深度学习理论的提出，卷积神经网络（Convolutional Neural Network，CNN）在计算机视觉领域得到快速发展［6-8］。由于CNN 具有较强的深层表征能力，可以提高分类识别的准确率，因此其被应用于音频处理领域，如说话人识别、环境声音分类等。但此类方法大多将音频信号转换成二维表示（如谱图），并使用二维卷积核进行处理。使用二维表示的优势是可以把高维的波形概括成更紧凑的形式，但其缺点是网络所含参数量大，容易过拟合，识别的实时性也较差。而用一维卷积层设计出的网络参数量小，且能利用信号良好的时间结构直接从时域波形中学习声学模型。……