作为非语音音频分类任务中最重要的研究领域之一,声音事件识别被广泛应用于音频监控、音频场景分析、生物声学监测、医疗诊断等领域。声音是信息传播的主要途径,通过分析声音中携带的信息指导人类的生活和生产,提高生活生产效率。传统的特征提取器在设计的时候需要研究者具有大量的先验知识以及进行复杂的计算;传统的人工设计的网络模型对声音进行建模,其精度难以达到令人满意的结果。本文将使用深度学习的方法解决声音事件识别任务。针对声音事件识别技术中输入特征图维度单一导致携带信息不充足的问题,本文设计了一种多通道多分辨率的特征。首先选用对数梅尔特征、伽马通滤波器倒谱系数、恒定Q变换、色度特征组成四通道特征,不同特征之间可以实现信息互补。由于不同的声音对时间尺度的灵敏度不一样,通常具有辨别能力的特征会存在于不同的时间尺度中,本文设计了声音信号的多分辨率特征。它可以实现不同特征分辨率之间信息互补,增强特征的表达能力。针对声音事件识别模型精度不高的问题,本文提出了时频注意力模块。前面设计的多通道多分辨率特征的引入必定导致信息冗余和背景噪音,该时频注意力模块先利用不同大小的条形卷积分别关注时域和频域中的有效信息,再利用二维卷积将两者进行融合,从而抑制环境声中背景噪声并消除由多通道多分辨率带来的冗余信息干扰。针对声音事件识别任务样本不足的问题,通过对实际环境的调研,构建了音频数据库Audio-7,该数据集主要包含7类声音,共1050个样本,为了保证样本的独立性,每个样本都是来自不同的音频片段。此外又利用数据增强:时间拉伸、音调偏移、添加随机高斯噪声等技术进一步缓解由于数据集不足而产生的一系列问题。最后在ESC-10、ESC-50和自建数据集Audio-7上分别进行了实验,利用消融实验验证了多通道多频率特征、时频注意力模块以及数据增强的有效性,在只有对数梅尔特征且不进行数据增强的时候,三个数据集上的精度分别为89.32%、82.76%、85.00%;加上提出的时频注意力模块和多通道多频率特征以及数据增强最终能达到98.50%、88.46%、92.50%,分别提高了9.18%、5.70%、10.50%。如此显著地提升已经可以证实每个模块的正向作用。