单通道信号源个数估计是单通道盲源分离问题的前提与难点，传统方法无法直接进行估计且准确率较低。文章提出了一种基于深度网络分类器的单通道信号源估计方法。该方法将源个数估计作为分类问题，在经典CNN的基础上引入一维卷积网络与残差结构作为分类器，采用短时傅里叶变换和梅尔倒谱系数作为联合特征输入分类器。在Libricount 数据集上的测试结果表明，该方法的源个数估计准确率明显优于基准模型。