-
公开(公告)号：CN111341319B
公开(公告)日：2023-05-16
申请号：CN201811559040.4
申请日：2018-12-19
Applicant: 中国科学院声学研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种基于局部纹理特征的音频场景识别方法，所述方法包括：将待识别的音频信号进行预处理后逐帧提取Mel‑fbank特征和描述局部纹理的LTP特征；进行融合后输入预先训练得到的时延深度神经网络模型；得到对应于不同音频场景类型的后验概率；采用后处理决策机制处理后验概率获取待识别音频信号对应的音频场景标签。本发明的音频场景识别方法，基于对场景时频信息的有效表征，更好地实现了音频场景种类的识别。
-
公开(公告)号：CN110111814B
公开(公告)日：2021-09-21
申请号：CN201910419117.6
申请日：2019-05-20
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明实施例提供一种网络类型识别方法及装置。所述方法包括：获取待识别语音；将待识别语音输入至预设的网络识别模型，得到识别结果；其中，所述网络识别模型为通过样本数据对随机森林模型以及支持向量机模型进行预设数据训练得到的。本发明实施例将网络类型识别的过程自动化实现，效率较高，可有效降低人工成本；且网络识别通过机器学习的方式建立，满足精确度需求；预先通过大量样本数据建立网络识别模型，适用于VoIP通话；本发明实施例解决了现有技术中，VoIP电话的出现使得难以准确地根据号码判断主叫方网络类型的问题。
-
公开(公告)号：CN113326689A
公开(公告)日：2021-08-31
申请号：CN202010128327.2
申请日：2020-02-28
Applicant: 中国科学院声学研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F40/205 , G06F40/211 , G06N20/00 , G06K9/62
Abstract: 本发明属于数据通信和数据处理技术领域，具体涉及一种基于深度强化学习模型的数据清洗方法，该方法包括：获取待清洗的带标签的数据集；采用预筛选算法，删除待清洗的带标签的数据集中的无内容数据、不在标签集内的标签数据和标签矛盾的数据，获得待分类的数据集；将待分类的数据集输入至预先训练的深度强化学习模型中，获得不同类别的延迟奖励；再根据获得的不同类别的延迟奖励，依据预先训练的深度强化学习模型中的动作集合，丢弃掉有偏数据，保留有效数据，并更新状态列表S，最大化每一类别的延迟奖励值，将每一类别的最大延迟奖励值对应的带标签的训练数据集作为清洗干净的带标签的训练数据集，从而完成数据清洗。
-
公开(公告)号：CN110708418B
公开(公告)日：2021-06-29
申请号：CN201910848492.2
申请日：2019-09-09
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
IPC: H04M1/72484 , H04M1/72403 , H04M1/72454 , H04M1/57 , G10L25/54 , G10L25/03
Abstract: 本发明公开了一种识别呼叫方属性的方法及装置，涉及通信技术领域，包括：接收到第二设备的通话请求后，与所述第二设备建立通话连接；获取所述第二设备发送的语音数据；提取所述语音数据的噪声特征，作为待处理噪声特征；所述噪声特征包括以下任意一项或多项：期望、熵和超熵；在预先建立的噪声特征与属性标签的对应关系中，查找所述待处理噪声特征对应的属性标签，作为所述第二设备的第一属性。本发明通过噪声特征来识别呼叫方的属性，相比于现有技术提升了识别准确性。
-
公开(公告)号：CN110545359B
公开(公告)日：2021-06-29
申请号：CN201910713518.2
申请日：2019-08-02
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
IPC: H04M3/22
Abstract: 本发明公开了一种通信线路特征提取方法、通信线路识别方法及装置。所述方法包括：通过运营商通信线路建立位于主叫地的主叫终端与位于被叫地的被叫终端之间的通话连接；在所述主叫终端处播放语音；在所述被叫终端处获取所述语音对应的音频；从所述音频中提取音频特征作为通信线路特征，所述通信线路特征为所述主叫地与所述被叫地之间的所述运营商通信线路的特征，从而有助于准确且高效的识别相应的运营商和来源地，进而提高用户通话的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN112989839A
公开(公告)日：2021-06-18
申请号：CN201911309397.1
申请日：2019-12-18
Applicant: 中国科学院声学研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F40/30 , G06F40/284
Abstract: 本发明属于自然语言处理技术领域，具体涉及一种基于关键词特征嵌入语言模型的意图识别方法，包括：采用前后向最大分词算法，对提取的有效文本的语言信息进行分词，获得不同类别的分词结果；针对获得的不同类别的分词结果，获得不同类别的分词结果对应的候选意图相关的关键词列表；剔除每一种类别的分词结果对应的候选意图相关的关键词列表中的通用高频词和领域无关词，获得每一种类别的分词结果对应的最终关键词表，进而获得不同的关键词特征向量；将获得的每一个关键词特征向量嵌入至预先训练好的语言模型，获得带有关键词特征的有效文本的语音信息；并对其进行编码和分类，获得该有效文本的语言信息的意图识别结果。
-
公开(公告)号：CN110602332B
公开(公告)日：2021-06-15
申请号：CN201910708779.5
申请日：2019-08-01
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
Abstract: 本发明公开了一种通信线路特征提取方法、通信线路识别方法及装置。所述通信线路特征提取方法包括：获取主叫端与被叫端之间的通话音频；对所述通话音频进行处理，以去除所述通话音频中的人声音频；分别采用差分方法、频率划分方法和自编码网络方法从处理后的通话音频中对应提取第一噪声特征、第二噪声特征和第三噪声特征，并将所述第一噪声特征、所述第二噪声特征和所述第三噪声特征作为所述主叫端与所述被叫端之间的通信线路特征，从而能够准确且高效的提取通信线路特征，进而提高通信线路识别的准确性和高效性，提高电话通信的可靠性。
-
公开(公告)号：CN112331181A
公开(公告)日：2021-02-05
申请号：CN201910694870.6
申请日：2019-07-30
Applicant: 中国科学院声学研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本发明属于目标语音提取和自适应技术领域，具体涉及一种基于多说话人条件下目标说话人语音提取方法，该方法具体包括：实时获取多个说话人混合的语音，提取多个说话人混合的语音的频谱；将锚语音输入到预先训练的说话人识别模型中，提取出目标说话人的特征向量；将获取的多个说话人混合的语音的频谱和目标说话人的特征向量输入至预先训练的目标说话人语音提取网络中，获取目标说话人的语音频谱；基于该目标说话人的语音频谱，获取目标说话人的语音。
-
公开(公告)号：CN110930982A
公开(公告)日：2020-03-27
申请号：CN201911050896.3
申请日：2019-10-31
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院信息工程研究所
Abstract: 本发明提供一种多口音声学模型和多口音语音识别方法，所述多口音声学模型包括多个BLSTM层、多个Softmax输出层和一个门控单元，多个BLSTM层依次串接后与每一个Softmax输出层串接，门控单元位于所述多个BLSTM层中的其中两个相邻的BLSTM层之间。本发明对传统的普通话声学模型构造进行改进，针对需要识别的多种口音数据的类别数量，将传统的普通话声学模型中的Softmax输出层复制多份，每一个Softmax输出层为口音特定输出层，将输出层设计为口音特定的形式，即每种口音独享其对应的输出层；而门控单元对神经网络的BLSTM层的输出进行一种口音特定的调节，以使该模型更好地适用于多种口音。
-
公开(公告)号：CN110111814A
公开(公告)日：2019-08-09
申请号：CN201910419117.6
申请日：2019-05-20
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明实施例提供一种网络类型识别方法及装置。所述方法包括：获取待识别语音；将待识别语音输入至预设的网络识别模型，得到识别结果；其中，所述网络识别模型为通过样本数据对随机森林模型以及支持向量机模型进行预设数据训练得到的。本发明实施例将网络类型识别的过程自动化实现，效率较高，可有效降低人工成本；且网络识别通过机器学习的方式建立，满足精确度需求；预先通过大量样本数据建立网络识别模型，适用于VoIP通话；本发明实施例解决了现有技术中，VoIP电话的出现使得难以准确地根据号码判断主叫方网络类型的问题。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.072 seconds)
