-
公开(公告)号：CN104156628B
公开(公告)日：2017-05-31
申请号：CN201410437529.X
申请日：2014-08-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于多核学习判别分析的舰船辐射信号识别方法，对舰船辐射信号样本依次进行预处理、听觉模型特征提取、维数约简、分类器分类判决。其中在维数约简阶段，使用了基于多核学习判别分析的方法，利用交替优化，分别对核映射系数和线性多核组合系数，在用图嵌入形式表示的核判别分析优化目标下，进行优化运算。与现有方法相比，本发明的方法在舰船辐射信号的识别方面，能够有效地提升系统的识别性能。
-
公开(公告)号：CN103854645B
公开(公告)日：2016-08-24
申请号：CN201410078383.4
申请日：2014-03-05
Applicant: 东南大学
IPC: G10L15/08 , G10L21/003 , G10L25/63
Abstract: 本发明公开了一种基于说话人惩罚的独立于说话人语音情感识别方法，对语音信号样本依次进行预处理、语音情感原始特征提取、维数约简、分类器分类判决。其中在维数约简阶段，使用了基于说话人惩罚的图嵌入学习方法，利用说话人标签信息，分别针对属于同一类情感类别但说话人不同，以及属于同一说话人但分属于不同情感类别的语音信号样本对，在图嵌入理论的基础上利用已有理论，进行组合优化运算。与现有方法相比，本发明的方法在独立于说话人的语音情感识别中，能够有效地提升系统的识别性能。
-
公开(公告)号：CN105047194A
公开(公告)日：2015-11-11
申请号：CN201510450338.1
申请日：2015-07-28
Applicant: 东南大学
Abstract: 本发明公开了一种用于语音情感识别的自学习语谱图特征提取方法，首先对已知情感的标准语料库中的语音进行预处理，得到量化后的语谱图灰度图像；然后计算所得到的语谱图灰度图像的Gabor语谱图；再采用可辨别特征学习算法对提取到的LBP统计直方图进行训练，构建不同尺度、不同方向下的全局显著性模式集合；最后采用全局显著性集合对语音不同尺度、不同方向下Gabor图谱的LBP统计直方图进行特征选择，得到处理后的统计直方图，将N个统计直方图级联，得到适合情感分类的语音情感特征。本发明提出的情感特征可以较好地识别不同种类的情感，识别率显著优于现有的声学特征。
-
公开(公告)号：CN104050963A
公开(公告)日：2014-09-17
申请号：CN201410283309.6
申请日：2014-06-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于情感数据场的连续语音情感预测算法，首先根据数据场理论，利用情感数据场中势函数建立不同语音情感特征向量之间的联系；其次，在短时间上选取多个语音情感特征向量，用群体智能算法在情感数据场中研究各语音情感特征向量的变化趋势，将这种变化趋势作为语音情感的识别结果。实验表明，本发明的方法可以有效的解决语音情感识别中存在的情感跟踪延迟问题并有效预测说话人情感的变化。
-
公开(公告)号：CN108175426A
公开(公告)日：2018-06-19
申请号：CN201711315604.5
申请日：2017-12-11
Applicant: 东南大学
IPC: A61B5/16
Abstract: 本发明公开了一种基于深度递归型条件受限玻尔兹曼机的测谎方法，首先在连续语音段落中，利用条件受限玻尔兹曼机对时间序列具有良好的建模特性和简易的推理过程，对训练样本进行建模，得到说话人是否说谎的高阶统计信息；接着用该高阶统计信息和训练样本的标签对递归神经网络进行有监督的参数训练。在获得条件受限玻尔兹曼机和递归神经网络的初始化参数后，将这两个基本网络单元由下至上搭建而成；并在验证数据集上，基于最小二乘回归微调递归神经网络的参数；利用建立的网络，对说话人的语音信号特征进行测试。本发明能够自动得到测谎的结果，且具有相对较高的识别率，该方法对评测者的专业知识和技能要求不高，有较高的测试效率。
-
Patent Agency Ranking
公开(公告)号：CN103531198B
公开(公告)日：2016-03-23
申请号：CN201310534319.8
申请日：2013-11-01
Applicant: 东南大学
Abstract: 本发明公开了一种基于伪说话人聚类的语音情感特征规整化方法，适合应用于非特定说话人情感识别。本发明首先提取出能够反映说话人信息的特征空间；接着在此特征空间内进行模糊聚类，自动获得情感语料中的说话人的身份信息，据此信息进行“伪说话人”分组，每一条样本按照其相似程度划分到不同的伪说话人分组中；而后根据每条样本的伪说话人组别信息，进行情感特征的规整化；最终在规整化后的数据中加入相应组别的模糊隶属度信息。通过上述处理过程，使得情感特征空间中的样本分布更加清晰有效，降低了大量说话人带来的特征差异，增强了说话人鲁棒性。
-
公开(公告)号：CN108175426B
公开(公告)日：2020-06-02
申请号：CN201711315604.5
申请日：2017-12-11
Applicant: 东南大学
IPC: A61B5/16
Abstract: 本发明公开了一种基于深度递归型条件受限玻尔兹曼机的测谎方法，首先在连续语音段落中，利用条件受限玻尔兹曼机对时间序列具有良好的建模特性和简易的推理过程，对训练样本进行建模，得到说话人是否说谎的高阶统计信息；接着用该高阶统计信息和训练样本的标签对递归神经网络进行有监督的参数训练。在获得条件受限玻尔兹曼机和递归神经网络的初始化参数后，将这两个基本网络单元由下至上搭建而成；并在验证数据集上，基于最小二乘回归微调递归神经网络的参数；利用建立的网络，对说话人的语音信号特征进行测试。本发明能够自动得到测谎的结果，且具有相对较高的识别率，该方法对评测者的专业知识和技能要求不高，有较高的测试效率。
-
公开(公告)号：CN105047194B
公开(公告)日：2018-08-28
申请号：CN201510450338.1
申请日：2015-07-28
Applicant: 东南大学
Abstract: 本发明公开了一种用于语音情感识别的自学习语谱图特征提取方法，首先对已知情感的标准语料库中的语音进行预处理，得到量化后的语谱图灰度图像；然后计算所得到的语谱图灰度图像的Gabor语谱图；再采用可辨别特征学习算法对提取到的LBP统计直方图进行训练，构建不同尺度、不同方向下的全局显著性模式集合；最后采用全局显著性集合对语音不同尺度、不同方向下Gabor图谱的LBP统计直方图进行特征选择，得到处理后的统计直方图，将N个统计直方图级联，得到适合情感分类的语音情感特征。本发明提出的情感特征可以较好地识别不同种类的情感，识别率显著优于现有的声学特征。
-
公开(公告)号：CN104050963B
公开(公告)日：2017-02-15
申请号：CN201410283309.6
申请日：2014-06-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于情感数据场的连续语音情感预测算法，首先根据数据场理论，利用情感数据场中势函数建立不同语音情感特征向量之间的联系；其次，在短时间上选取多个语音情感特征向量，用群体智能算法在情感数据场中研究各语音情感特征向量的变化趋势，将这种变化趋势作为语音情感的识别结果。实验表明，本发明的方法可以有效的解决语音情感识别中存在的情感跟踪延迟问题并有效预测说话人情感的变化。
-
公开(公告)号：CN106205636A
公开(公告)日：2016-12-07
申请号：CN201610533439.X
申请日：2016-07-07
Applicant: 东南大学
IPC: G10L25/63
CPC classification number: G10L25/63
Abstract: 本发明公开了一种基于MRMR准则的语音情感识别特征融合方法，包括如下步骤：1、提取语音信号的韵律特征、音质特征和谱特征；2、对提取的韵律特征、音质特征和谱特征采用MRMR准则进行特征融合。本发明公开的语音情感识别特征融合方法融合了语音的韵律特征、音质特征和谱特征，在保证识别率的同时有效优化了特征向量维度，提高了语音情感识别系统的效率。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.016 seconds)
