声音在人们与环境的交互中起着至关重要的作用,环境声音分类由于其在道路监控系统、智能家居与情感感知等领域的应用而成为一个重要的研究课题。近年来,随着深度学习的兴起与发展,基于深度学习的方法被广泛用于环境声音分类任务,为环境声音分类的研究奠定了技术基础。但当前用于环境声音分类任务的卷积神经网络存在难以扩展模型深度问题,此外,环境声音分类任务的标记数据相对稀缺也是卷积神经网络难以在较简单模型上改进的重要原因,虽然近年来已经发布了一些新的数据集,但它们仍然比可供研究的数据集要小得多,制约了环境声音分类技术的发展。为解决上述问题,本文通过研究残差网络与数据增强,提出其优化方案并实现高准确率的环境声音分类。本文的主要内容如下:1.提出了基于残差网络与数据增强的环境声音分类方法。首先,使用时间拉伸法和音高扭曲法对声音数据样本进行扩充;然后,基于环境声音的特点,对数据样本进行分帧处理,并提取其梅尔频率倒谱系数（Mel Frequency Cepstral Coefficient,MFCC）,以及它们的差分作为特征参数;最后,将提取的特征送入本文构建的残差网络模型Env Res Net进行分类。与多种环境声音分类算法进行实验对比,结果表明,基于残差网络与数据增强的方法可以取得较好的分类效果。2.提出了基于多级残差网络的环境声音分类方法。首先,通过分析残差网络和多级残差网络的特点,搭建深度多级残差网络Mul-Env Res Net,并选择较优的模型策略,缓解梯度消失问题,优化Mul-Env Res Net,采用动量梯度下降法加速训练过程,节省训练时间;然后,将环境声音信号的MFCC以及它们的差分作为Mul-Env Res Net的输入,用一个卷积层来提取局部特征,接着,利用多级残差块提取更深层次的信息,再进入池化层,池化的目的是保留主要的特征,同时减少参数和计算量,提高模型泛化能力;最后,通过全连接层进入Softmax层对结果进行分类。所提方法相较于其他用于环境声音分类任务的卷积神经网络模型大大加深了网络结构的层数,从而能够提取更深层次的重要特征,提高分类准确率。实验结果表明,该方法对环境声音具有较好的分类效果。