利用自己构建的网络进行鼾声识别

1 目前的工作

1.1 数据

5692条3s且采集率为8000hz的鼾声与6824条3s且采集率为8000hz的其他类音频。通过FFT频谱转换为300个(30,513,1)的矩阵。训练集与测试集的比例为9：1。数据集来源为google开源的数据集。

1.2 模型

图1. The proposed deep neural network architecture for snore detection. layer1: Conv2D(1, (3, 3), strides=(1, 1), input_shape=(30, 513, 1))。第一层为卷积核为3，步长为1的卷积层，输入为(30,513,1)的矩阵，输出为(28,511,1)的矩阵。

layer2: Conv2D(1, (3, 3), strides=(1, 1))。第二层为卷积核为3，步长为1的卷积层，输入为(28,511,1)的矩阵，输出为(26,509,1)的矩阵。

layer3: Conv2D(1, (3, 3), strides=(1, 1))。第三层为卷积核为3，步长为1的卷积层，输入为(26,509,1)的矩阵，输出为(24,507,1)的矩阵。

layer4: Reshape((24, 507)，通过reshape给矩阵降维，将(24,507,1)转换为(24,507)。

Layer5: LSTM(2).输出为(2)的长短期记忆网络，输入为(24,507)的矩阵，输出为(2)的矩阵，再接一个softmax激活函数。

1.3 优化器与损失函数

优化器：选择的是学习率为0.0001的Adam优化器。

损失函数：二分类交叉熵。

1.4 评价指标

预测正确的个数/总的测试样本个数。

1.5 测试结果

训练轮数为500轮，采用10倍交叉验证得到最终测试结果为0.75。

2 下一步工作

2.1 数据

按鼾声、咳嗽、梦话、喷嚏收集数据（负责人：梁翔宇，彭子峰，最后梁翔宇汇总，完成时间：2021.10.26）

2.2 语音预处理

调研语音事件检测方法，对收集好的语音进行分割。（方法调研并完成测试：樊俊，完成时间2021.10.26）

2.3 模型优化

对现有模型进一步完善和优化（比如将现在的FFT模型改为Q转换，并能对网络有一定物理解释），并思考Android端代码的开发。（负责人：容斌元，完成时间：2021.10.26）