[发明专利]一种基于卷积神经网络的移动设备源识别方法及系统在审
| 申请号： | 201811229837.8 | 申请日： | 2018-10-22 |
| 公开（公告）号： | CN109378014A | 公开（公告）日： | 2019-02-22 |
| 发明（设计）人： | 王志锋;湛健;刘清堂;赵刚;田元;魏艳涛;姚璜;邓伟;夏丹 | 申请（专利权）人： | 华中师范大学 |
| 主分类号： | G10L25/51 | 分类号： | G10L25/51;G10L25/30;G10L25/45;G06N3/04;G06N3/08 |
| 代理公司： | 北京金智普华知识产权代理有限公司 11401 | 代理人： | 杨采良 |
| 地址： | 430079 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于语音取证技术领域，公开了一种基于卷积神经网络的移动设备源识别方法及系统,先提取训练语音片段的MFCC特征训练一个GMM‑UBM模型，然后再基于特定的带噪声的语音片段提取MFCC特征，进而调整GMM的参数，最后将提取到的特征用来训练卷积神经网络，达到自动识别分类的要求。本发明在训练GMM‑UBM模型时，根据语音数据音素和音调的特点对数据进行筛选，挑选出具有代表性的少量数据，即保证了模型的表征泛化性也降低了数据运算量，提高了建模了效率；首先训练一个GMM‑UBM模型，然后再用MAP自适应算法来调整GMM的参数，克服了样本量少，无法训练GMM模型的问题，同时加快了运算速度。 | ||
| 搜索关键词： | 卷积神经网络 移动设备 源识别 数据运算量 自适应算法 特征训练 训练语音 语音片段 语音数据 自动识别 泛化性 样本量 建模 音调 音素 运算 噪声 取证 语音 筛选 分类 保证 | ||
【主权项】：
1.一种基于卷积神经网络的移动设备源识别方法，其特征在于，所述基于卷积神经网络的移动设备源识别方法包括：提取训练语音片段的MFCC特征训练GMM‑UBM模型；再基于特定的带噪声的语音片段提取MFCC特征，调整GMM的参数；将提取到的特征训练卷积神经网络，进行自动识别分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华中师范大学，未经华中师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811229837.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种语音降噪方法
- 下一篇：一种语音学习系统及方法
