基于卷积神经网络的声源识别方法及系统

本发明提供了一种基于卷积神经网络的声源识别方法及系统，包括：通过麦克风阵列采集声压的时域信号，将时域信号分割为多帧，对每帧时域信号进行傅里叶变换得到频域信号，对频域信号进行共轭转置相乘，生成交叉谱矩阵；分别对交叉谱矩阵的实部和虚部进行归一化处理，生成交叉谱矩阵特征；将交叉谱矩阵特征输入卷积神经网络架构模型，输出声源强度分布向量，利用多层非线性激活函数对特征图进行特征强化；将声源强度分布向量转换为声源成像图，并结合声源强度误差来评估定位精度，所以，本发明直接生成高分辨率声源成像图，显著突破传统波束成形方法的瑞利分辨率限制，解决了网格密度依赖性问题，避免了声源位置偏离网格导致的定位误差。