公开(公告)号：CN116597813A

公开(公告)日：2023-08-15

申请号：CN202310806527.2

申请日：2023-06-30

Applicant: 电子科技大学

Inventor： 詹瑾瑜 ,  江维 ,  蒲治北 ,  彭穗地 ,  王翔 ,  刘佳瑞 ,  靳凌昕

IPC: G10L15/01 ,  G10L15/02 ,  G10L15/04 ,  G10L15/06 ,  G10L15/16

Abstract: 本发明公开了一种基于一维卷积神经网络的快速合成语音检测方法，包括以下步骤：S1、对语音数据集进行预处理；S2、预处理完成后进行语音特征提取，分别提取SFTF、CQT、DCT特征；S3、分别将STFT、CQT、DCT特征输入随机初始化后的神经网络模型值中进行训练；S4、将待识别的合成语音分别进行S1和S2的处理后，输入步骤S3训练好的神经网络模型中，得到最终的检测结果。本发明分别提取音频中的3种特征：STFT特征，CQT特征，DCT特征；然后通过3个神经网络模型分别对3种特征进行了拟合，然后对3个模型赋予不同的权值并测试，找到最合适的权重；相比于传统检测方法，本发明的方法检测精度更高，并且泛化性更强，能够检测更多类型的合成语音。

公开(公告)号：CN114897159A

公开(公告)日：2022-08-12

申请号：CN202210538029.X

申请日：2022-05-18

Applicant: 电子科技大学

Inventor： 詹瑾瑜 ,  于安泰 ,  江维 ,  杨永佳 ,  江昱呈 ,  蒲治北 ,  边晨 ,  雷洪

IPC: G06N3/08 ,  G06N3/04 ,  G06N3/063

Abstract: 本发明公开一种基于二值化神经网络的快速推断电磁信号入射角的方法，应用于神经网络硬件加速领域，针对在边缘计算环境下，将神经网络部署在资源受限设备时，边缘计算设备能耗过高的问题；本发明首先对现有全精度网络模型进行改进，具体的：在每个激活层前添加BN层，同时删去全精度网络模型中的bias偏差；然后使用二值化权重对改进后的网络模型进行训练；训练完成的网络模型结合硬件并行设计，可以有效降低所部署边缘设备功耗和资源消耗。

公开(公告)号：CN113012684A

公开(公告)日：2021-06-22

申请号：CN202110237780.1

申请日：2021-03-04

Applicant: 电子科技大学

Inventor： 詹瑾瑜 ,  江维 ,  蒲治北 ,  杨永佳 ,  边晨 ,  雷洪 ,  江昱呈 ,  于安泰

IPC: G10L15/02 ,  G10L15/04 ,  G10L15/06 ,  G10L25/24

Abstract: 本发明公开一种基于语音分割的合成语音检测方法，应用于语音检测领域，针对现有技术的检测精度低的问题，本发明提取音频中的两种特征：有声片段的CQCC特征，提取音频的无声(静音)片段的平均过零率特征；然后采用两个GMM模型分别对两种特征进行拟合，并对两个GMM赋予不同的权值并测试，找到最合适的权重；显著提升了合成语音的检测精度。

公开(公告)号：CN114897159B

公开(公告)日：2023-05-12

申请号：CN202210538029.X

申请日：2022-05-18

Applicant: 电子科技大学

Inventor： 詹瑾瑜 ,  于安泰 ,  江维 ,  杨永佳 ,  江昱呈 ,  蒲治北 ,  边晨 ,  雷洪

IPC: G06N3/082 ,  G06N3/08 ,  G06N3/04 ,  G06N3/063

Abstract: 本发明公开一种基于二值化神经网络的快速推断电磁信号入射角的方法，应用于神经网络硬件加速领域，针对在边缘计算环境下，将神经网络部署在资源受限设备时，边缘计算设备能耗过高的问题；本发明首先对现有全精度网络模型进行改进，具体的：在每个激活层前添加BN层，同时删去全精度网络模型中的bias偏差；然后使用二值化权重对改进后的网络模型进行训练；训练完成的网络模型结合硬件并行设计，可以有效降低所部署边缘设备功耗和资源消耗。

公开(公告)号：CN114169500A

公开(公告)日：2022-03-11

申请号：CN202111443034.4

申请日：2021-11-30

Applicant: 电子科技大学

Inventor： 詹瑾瑜 ,  杨永佳 ,  江维 ,  蒲治北 ,  边晨 ,  雷洪 ,  于安泰 ,  江昱呈

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于小规模电磁数据的神经网络模型处理方法，包括以下步骤S1、数据预处理：采集小规模电磁数据，将数据统一映射到[0,1]区间上，并采用缺失‑插补法对数据进行扩充，得到训练集；S2、设计全连接网络模型结构；S3、利用训练集数据搜索全连接网络模型结构的超参数，进行模型训练；S4、利用训练得到的全连接网络模型结构对新的电磁数据进行处理。本发明能够在小规模数据集上进行数据扩充，对小规模数据集上的拟合能力较强，使其在面对一些数据采集成本较高的或者本身数据量较小的任务中也能取得较高的精度。

公开(公告)号：CN114169500B

公开(公告)日：2023-04-18

申请号：CN202111443034.4

申请日：2021-11-30

Applicant: 电子科技大学

Inventor： 詹瑾瑜 ,  杨永佳 ,  江维 ,  蒲治北 ,  边晨 ,  雷洪 ,  于安泰 ,  江昱呈

IPC: G06N3/047 ,  G06N3/08

Abstract: 本发明公开了一种基于小规模电磁数据的神经网络模型处理方法，包括以下步骤S1、数据预处理：采集小规模电磁数据，将数据统一映射到[0,1]区间上，并采用缺失‑插补法对数据进行扩充，得到训练集；S2、设计全连接网络模型结构；S3、利用训练集数据搜索全连接网络模型结构的超参数，进行模型训练；S4、利用训练得到的全连接网络模型结构对新的电磁数据进行处理。本发明能够在小规模数据集上进行数据扩充，对小规模数据集上的拟合能力较强，使其在面对一些数据采集成本较高的或者本身数据量较小的任务中也能取得较高的精度。

公开(公告)号：CN113012684B

公开(公告)日：2022-05-31

申请号：CN202110237780.1

申请日：2021-03-04

Applicant: 电子科技大学

Inventor： 詹瑾瑜 ,  江维 ,  蒲治北 ,  杨永佳 ,  边晨 ,  雷洪 ,  江昱呈 ,  于安泰

IPC: G10L15/02 ,  G10L15/04 ,  G10L15/06 ,  G10L25/24

Abstract: 本发明公开一种基于语音分割的合成语音检测方法，应用于语音检测领域，针对现有技术的检测精度低的问题，本发明提取音频中的两种特征：有声片段的CQCC特征，提取音频的无声(静音)片段的平均过零率特征；然后采用两个GMM模型分别对两种特征进行拟合，并对两个GMM赋予不同的权值并测试，找到最合适的权重；显著提升了合成语音的检测精度。