手机来源识别技术类专利转让_商标转让

类型
法律状态
检索范围
名称/领域

专利名称：一种基于常Q变换域的加性噪声环境下手机来源识别方法申请号：2018110907988 转让价格：面议收藏
法律状态：已下证类型：发明关键词：手机来源识别技术信息技术手机录音设备相似专利发布日：2025/05/06
摘要：本发明公开了一种基于常Q变换域的加性噪声环境下手机来源识别方法，其利用常Q变换获取常Q变换域的频谱分布特征向量，常Q变换在低频具有更高的频率分辨率，在高频具有更高的时间分辨率，更适合于手机来源识别；其在训练阶段采用了多场景训练的方式，训练集中不仅有未添加场景噪声的干净的语音样本，还有含有不同场景噪声类型和噪声强度的含噪语音样本，训练得到的M分类模型具有通用性，并且对已知噪声场景和未知噪声场景的语音样本都能进行有效的手机来源识别；其使用深度学习的CNN模型来建立M分类模型，CNN模型不仅提升了对未添加场景噪声的干净的语音样本的来源识别准确性，而且大幅度提升了含噪语音样本的手机来源识别效果，噪声鲁棒性强。

专利名称：一种基于融合特征的加性噪声环境下手机来源识别方法申请号：2019102311192 转让价格：面议收藏
法律状态：已下证类型：发明关键词：手机来源识别技术信息技术手机录音相似专利发布日：2025/05/06
摘要：本发明公开了一种基于融合特征的加性噪声环境下手机来源识别方法，其将从傅里叶域中提取的MFCC特征、STFTSDF特征和从CQT域提取的CQTSDF特征组成的融合特征作为设备指纹，相较于单一特征能够更精确的表征设备区分信息；在训练阶段采用了多场景训练的方式，训练集中不仅有未添加场景噪声的干净的语音样本，还有含有不同场景噪声类型和噪声强度的含噪语音样本，训练得到的M分类模型具有通用性，并且对已知噪声场景和未知噪声场景的语音样本都能进行有效的手机来源识别；其使用深度学习的CNN模型来建立M分类模型，CNN模型不仅提升了对未添加场景噪声的干净的语音样本的来源识别准确性，而且大幅度提升了含噪语音样本的手机来源识别效果，噪声鲁棒性强。

第1页/共1页;本页2条记录/共2条记录

第页

用户指南

交易方式

专项服务

关于柿子坊

关注微信公众号

联系我们

咨询电话：13280638997
传真：0533-3110363
邮箱：kefu@shizifang.com

专利转让_商标转让_知识产权转让评估买卖_智来柿子坊专利交易平台