本文介绍了一种低复杂度的深度学习系统，通过教师-学生网络训练实现声场分类，精度达到57.4%，比传统方法提升14.5%。同时，提出了基于残差-插入结构的深度神经网络模型，能够准确识别场景噪音，并进行了模型细节分析。