计算机工程

作者：庞鑫, 葛凤培, 李艳玲

单位：1. 内蒙古师范大学计算机科学技术学院, 内蒙古 呼和浩特 0100222. 北京邮电大学图书馆, 北京 1008763. 内蒙古师范大学无穷维哈密顿系统及其算法应用教育部重点实验室, 内蒙古 呼和浩特 010022

关键词：声学场景分类,深度学习,音频分类,语音识别,数据增强

基金：国家自然科学基金(12204062); 国家自然科学基金(62266033); 国家自然科学基金(61806103); 国家自然科学基金(61562068); 无穷维哈密顿系统及其算法应用教育部重点实验室开放课题(2023KFZD03); 内蒙古自治区自然科学基金(2022LHMS06001); 内蒙古师范大学基本科研业务费专项资金(2022JBQN106); 内蒙古师范大学基本科研业务费专项资金(2022JBQN111); 内蒙古师范大学基本科研业务费专项资金(2022JBTD016); 内蒙

声学场景分类(ASC)旨在让计算机模拟人类听觉识别不同的声学环境，是计算机听觉领域中具有挑战性的任务之一。随着智能音频处理技术以及神经网络学习算法的快速进步，近年来ASC任务也涌现出一系列新算法和新技术。为了全面展示该领域的技术发展脉络和演进过程，梳理了该领域的早期工作和近期发展，全面介绍了ASC任务。首先描述了ASC的应用场景和面临的挑战；其次详细介绍了ASC的主流框架，重点阐述了应用于此领域的深度学习算法；然后系统性地总结了ASC的前沿探索与延伸任务以及公开数据集；最后对ASC的发展趋势进行探讨与展望。

来源：2025年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第6期