基于轻量级卷积神经网络的多模态混叠声信号分离方法

本发明公开了基于轻量级卷积神经网络的多模态混叠声信号分离方法，涉及信号处理技术领域，通过对采集到的多模态混叠声信号进行预处理，以去除噪声并进行归一化处理。然后利用梅尔频谱图提取特征，将声信号转换为符合人耳听觉感知的频谱表示。接着通过构建的轻量级卷积神经网络模型EfficientNet‑B0对提取的特征进行训练学习，得到训练好的模型权重。最后运用该模型对新的多模态混叠声信号进行分离识别，实现对不同类型损伤信号的准确分类，有效解决了复杂环境下多模态混叠声信号难以准确分离的问题。