声音场景分类是机器听觉领域最重要的研究课题之一,旨在分析音频数据,然后将其分类为所提供的预定义类别之一,其特征在于记录音频信号所属环境,如“公园”、“步行街”、“地铁站”等。设计声音信号处理方法来自动提取声音场景信息在诸多应用中具有巨大的潜力,如:智能驾驶通过音频分析周围环境做出相应辅助决策,降噪耳机通过采集分析周边环境声音判断所处场景并产生相应降噪曲线实现主动降噪等。近年来,由于其强大的特征表达能力,深度卷积神经网络在图像识别、目标检测和语义分割等领域得到了广泛的应用。越来越多的声学研究者也将目光投向卷积神经网络的研究。鉴于此,本文基于深度卷积神经网络研究声音场景分类方法。现有的研究表明深度卷积神经网络在声音场景分类中只对声音谱图的部分频带敏感,如含有背景声音的频带和场景特征明显的频带。因此,若直接将声音谱图特征送入卷积神经网络进行训练,谱图中非辨别性的频带特征可能通过模型学习混淆分类边界从而影响分类性能。另外,虽然深度卷积神经网络已经在声音场景分类领域取得了突破性的进展,但高复杂度的网络模型也给算法的移植和部署带来许多问题,如何优化神经网络结构,减少模型参数量并将声音场景分类算法移植到智能产品目前仍然是一大挑战。针对上述问题,本文主要开展以下工作:（1）提出一种基于卷积神经网络的谱图特征学习方法。该方法使用卷积神经网络进行对数梅尔谱图特征的提取,在基于深度学习的音频分析中,使用端到端的方式进行声音信号处理。相比声音信号的手工特征提取手段,该方法能够减少特征的存储开销并可在具有神经网络优化的硬件平台上实现快速特征提取。（2）提出一种基于多通道谱图特征的声音场景分类方法。该方法首先将对数梅尔谱图特征的频带信息进行重组,生成具有不同频带信息组成的多通道谱图特征。然后针对不同通道具有的频带信息对声音场景分类贡献不同的特点,引入通道注意力网络,选取具有差异性特征的重组频带通道进行场景辨识。最后通过标签平滑方法提高模型的泛化能力,改善声音场景分类性能。该多通道谱图特征的声音场景分类方法能够选取辨别性突出的重组频带谱图特征进行声音场景分类;另外,每个通道的特征都是原谱图经过随机选择频带的结果,具有一定的局部性,通过集成学习融合了多个局部谱图信息的多通道特征具有一定的信息互补性,可以在一定程度上提高分类性能。最后通过DCASE2019声音场景分类挑战赛数据集进行实验并在验证集上取得了79.64%的分类正确率,高于官方基准方法和多数开源方法,验证了本文所提出方法的有效性。（3）实现了一种面向嵌入式平台的声音场景分类方法。该方法针对嵌入式等移动平台端资源受限,无法部署大规模的卷积神经网络算法问题,首先搭建了一种简化版MobileNetV2模型,然后根据模型参数融合和模型参数定点化等技术对简化版MobileNetV2模型进行优化压缩,最后根据嵌入式平台对简化版MobileNetV2模型进行部署。在参数量缩减为原MobileNetV2模型30%的基础上实现了嵌入式平台的声音场景分类算法移植。