公开(公告)号：CN116386646B

公开(公告)日：2025-05-13

申请号：CN202310476907.4

申请日：2023-04-28

Applicant: 南京邮电大学

Inventor： 季薇 ,  杨茗淇 ,  李云

IPC: G10L17/02 ,  G10L17/04 ,  G10L17/18

Abstract: 本发明属于说话人识别技术领域，公开了一种基于不确定度的集成自监督的语音学习方法，应用于说话人识别学习任务，本发明采用大量无标签数据对掩蔽自监督模型、对比自监督模型以及自回归预测自监督模型进行预训练，并将语音数据的梅尔语谱图特征结果分别输入三个自监督模型中，提取模型最后一层的输出，将其作为全连接层的输入，并将全连接层的输出经过ReLU激活函数计算得到各模型下输入语音数据的证据，通过得到的证据以及狄利克雷分布参数，计算出各个自监督模型输出的置信质量和不确定度，使用Dempster规则将三个自监督模型输出的分类决策质量集进行融合，从而得到每个类的最终概率和总体不确定度，输出最终分类结果。

公开(公告)号：CN116386646A

公开(公告)日：2023-07-04

申请号：CN202310476907.4

申请日：2023-04-28

Applicant: 南京邮电大学

Inventor： 季薇 ,  杨茗淇 ,  李云

IPC: G10L17/02 ,  G10L17/04 ,  G10L17/18

Abstract: 本发明属于说话人识别技术领域，公开了一种基于不确定度的集成自监督的语音学习方法，应用于说话人识别学习任务，本发明采用大量无标签数据对掩蔽自监督模型、对比自监督模型以及自回归预测自监督模型进行预训练，并将语音数据的梅尔语谱图特征结果分别输入三个自监督模型中，提取模型最后一层的输出，将其作为全连接层的输入，并将全连接层的输出经过ReLU激活函数计算得到各模型下输入语音数据的证据，通过得到的证据以及狄利克雷分布参数，计算出各个自监督模型输出的置信质量和不确定度，使用Dempster规则将三个自监督模型输出的分类决策质量集进行融合，从而得到每个类的最终概率和总体不确定度，输出最终分类结果。

公开(公告)号：CN114299996A

公开(公告)日：2022-04-08

申请号：CN202111677396.X

申请日：2021-12-31

Applicant: 南京邮电大学

Inventor： 李云 ,  王晨哲 ,  季薇 ,  王传瑜 ,  杨茗淇 ,  符宇辰

IPC: G10L25/66 ,  G10L21/0208 ,  G10L25/18 ,  G10L25/24

Abstract: 本发明公开了一种基于AdaBoost算法的帕金森病冻结步态症状关键特征参数的语音分析方法。步骤一、采集帕金森病患者持续稳定的元音，并记录帕金森病患者是否有冻结步态症状；步骤二、对语音信号进行去噪预处理，并去除静音片段；步骤三、提取多种语音特征；步骤四、利用CART算法对原始特征进行特征选择，筛选出能够有效表征冻结步态症状信息的关键特征；步骤五、训练AdaBoost模型；步骤六、将待测语音的特征向量输入模型，得到帕金森病冻结步态症状的关键特征参数。本发明使用AdaBoost算法来进行帕金森病冻结步态症状的分析，利用集成学习提高模型精度，降低了帕金森病冻结步态症状早期分析的成本。