Page 166 - 《应用声学》2023年第4期

828 2023 年 7 月

dd
d
其中，N = 2，计算得到信号的动态信息z 、z ，与静 其中，z 为一维卷积的输出，β C 为注意力参数。
i
i
态特征 y i 组成 3 维 log-Mel 特征向量 X ∈ R t×f×k ， 最后注意力参数 β C 乘以向量 α，得到最终阈
其中，t 表示时间帧个数，f 表示 Mel 滤波器的个数， 值τ c ，从而确保阈值为正同时不会太大。
k 表示特征的通道数，这里t = 200、f = 40、f = 3。 综上所述，软阈值可以表示为
1.2 DRSN τ C = β C ⊙ Average |X M,N,C | , (6)
在实际环境中采集到的鸟鸣声数据，往往存在
其中，τ C 为特征矩阵对应通道的阈值；M、N、C 分
大量的背景噪声，影响模型识别的准确率。为解决
别为特征图 X 的宽度、高度和通道，⊙ 为矩阵的哈
此问题，本文提出一种改进的DRSN，从而减弱环境
达玛积。
噪声对识别结果的影响。文献 [11] 为解决滚动轴承
图 3 中 ⃝∼ 为软阈值操作，即将每个通道特征图
故障诊断中的高噪声问题，将信号去噪中经常使用
参数在 −τ C 6 X 6 τ C 的特征设为 0，其他特征参
的软阈值函数引入深度残差神经网络中，并利用通
数向0收缩。具体计算公式为
道注意力机制 [19] 自动确定噪声阈值，提出了一种 
X − τ C , X > τ C ,

能够自适应软阈值的 DRSN。本文为了进一步降低 

DRSN 网络的参数量，利用一维卷积替代 DRSN 模 Y = 0, −τ C 6 X 6 τ C , (7)



型注意力机制中的两层全链接，其具体结构如图 3  X + τ C , X < −τ C ,
所示。
其中，X 为输入特征参数，Y 为输出特征参数，τ C
为阈值。
MfNfC
在经典的信号去噪算法中，设置合适的阈值往
BN,ReLU,Conv(K/C)
往需要大量经验，残差收缩单元通过注意力机制实
MfNfC
现了不同通道阈值的自动确定，避免了人工设置的
BN,ReLU,Conv(K/C)
麻烦。为了进一步减少确定阈值所需的计算量、降
MfNfC
Absolute,GAP
低模型复杂度，本文借鉴 ECANet 网络的方法，用
X
α ffC
Conv1D 一维卷积替代残差收缩单元中两层全连接网络，实
(K=f(C))
ffC 现跨通道信息的交互，并通过选择一维卷积核大小
z Sigmoid
τ c 确定局部跨通道交互的覆盖范围。
ffC
对于给定的通道维度 C，一维卷积核大小 K 计
β c
算公式如下：
MfNfC
log (C) b
K = f(C) = 2 + . (8)
ᣄ᫠ϙܫေ ᅾ᫼Ћጉᄱҫ ᅾ᫼Ћጉᄱ˲ γ γ
对于参数 γ 和 b 采用 ECA-Net 网络中的设定，
图 3 改进的深度残差收缩单元
将γ 和b分别设置为2和1。
Fig. 3 Improved depth residual shrinkage unit
1.3 扩张卷积残差注意力结构
对于输入的三维特征图X(M ×N ×C)首先通
为了进一步有效提取鸟鸣声特征，减少池化带
过取绝对值和全局平均池化操作将特征信息进行
来的信息丢失，同时希望网络能够聚焦于关键帧信
压缩得到维度为1 × 1 × C 的向量α，计算公式如下：
息，本文结合扩张卷积和CBAM网络中的空间注意
α = |GolbalAverage(X M,N,C )| . (4) 力机制及残差的思想，提出了扩张卷积残差注意力

其次通过一维卷积得到每个通道的注意力参 结构。传统的 CNN主要由卷积层和池化层组成，其
中，卷积层用来提取局部特征；池化层用来对特征
数，同时在两层全连接网络后应用 sigmoid 函数，使
图进行下采样减小特征图尺寸，间接提高下层卷积
注意力参数缩放到(0,1)，其计算公式如下：
感知的范围。然而池化层在减小特征图尺寸的过程
1
β C = , (5) 中，可能会造成一些信息的丢失，对于此问题，在本
1 + e −z