基于张量分解与卷积神经网络的声学注意焦点检测方法

本发明公开了一种基于张量分解与卷积神经网络的声学注意焦点检测方法，步骤如下：首先，利用多阵列麦克风和脑电采集设备采集多通道音频信号和脑电信号，进行预处理操作，包括重参考、降采样和归一化处理；然后将信号表示为时频多维张量，通过张量分解提取信号的低维特征，构建多通道特征表示；接着，将低维特征输入经过轻量化部优化的卷积神经网络，同时结合注意力机制提取与用户声学注意焦点相关的深层次特征；最终通过全连接层分类实现对用户声学注意焦点的检测。本发明方法通过结合张量分解与深度学习技术，能够有效提取音频与脑电信号中的核心特征信息，显著提升复杂环境下声学注意焦点检测的准确率，适用于助听器、智能语音助手和脑机接口等实时处理场景。