基于MC-CNN与多任务学习的音频识别方法、系统及设备

本发明提出了基于MC‑CNN与多任务学习的音频识别方法、系统及设备，包括以下步骤：S1、输入原始语音信号；S2、使用自适应时频分解方法，根据所述语音信号的瞬时特性，动态调整时间窗和基函数，输出多分辨率、多尺度的时频特征图；S3、根据多阶段卷积神经网络对步骤S2的时频特征图进行特征提取；S4、利用多任务学习框架，优化语音内容识别与噪声分类任务，输出语音识别结果；相较现有的语音识别技术在噪声抑制、计算复杂度和时序建模能力的不足，本发明通过引入MC‑CNN，将语音信号的特征提取过程划分为多阶段，这种逐级优化的特征提取方法不仅能够更有效地捕捉语音信号的时序特性，还能显著降低模型对噪声干扰的敏感性，提升识别的鲁棒性。