近年来,环境声音识别的分类问题逐渐成为了声音识别领域的一个研究热点,这也是一个在实际生活中应用非常广泛的问题。但是大多数的分类学习方法都是单标签的,即每个对象只具有一个标签,对于复杂而多义的现实世界来说并不适用,因此多标签分类问题是一个更接近真实世界且具有研究价值的热点问题。目前,音频多标签分类任务使用的方法可分为四大类:问题转换法、算法适用法、集成法和深度学习的方法。本研究提出了一种基于深度学习技术对带有噪声的环境音频多标签分类的方法,该方法同样满足单标签数据集的分类,具有通用性。首先将数据集中的噪声音频与干净音频区分开来。使用RNNoise降噪算法用事先训练好的降噪模型对数据集中的所有噪声音频降噪,从而得到干净的音频文件。然后使用VGGish模型提取更多且更完整的音频特征,把得到的特征向量作为神经网络模型的输入。接着分别使用Res Net34网络和Env Net-v2网络进行模型训练,需要注意的是,上一步中得到的特征向量并不能作用于Env Net-v2网络,因为该网络是直接基于降噪后的音频波形文件的。当模型进行训练时,关注各项指标的训练值,及时调整参数,获得最佳模型。最后定义评价指标并计算平均精度,加载训练好的准确度较高的模型对测试数据集进行标签预测,并将预测得到的概率结果输出。与传统的音频多标签分类方法相比,本研究首次在数据预处理模块增加独立的降噪算法,并且考虑到环境音频与语音的不同,采用VGGish模型提取更加完整的特征信息。通过大量的实验,本研究得到了对音频多标签分类领域具有研究价值的结论:以音频特征作为模型输入的分类器,在训练时采用半监督学习方法能够得到更佳的实验效果;以音频波形文件作为模型输入的分类器,在数据预处理模块增加降噪算法能使标签预测准确率明显提升。本研究分别在一个多标签数据集和一个单标签数据集上进行了实验验证。在多标签数据集上,使用半监督学习方法训练模型达到了40.17%的准确率,以音频波形文件为输入的模型达到了40.48%的准确率。与基准方法相比,本研究均取得了更佳的实验效果。在单标签数据集上,使用半监督学习方法训练模型达到了71.91%的准确率,以音频波形文件为输入的模型达到了68.64%的准确率。最后通过分析实验结果,找出目前工作具有的优势以及存在的不足,给出未来更深入研究的改进方向。