本发明公开了一种基于多维数据分析的伪造音频检测方法，涉及音频分析技术领域，步骤S1、获取鉴定音频并进行鉴定数据提取，所述鉴定数据包括音频基础数据和音频相关数据；步骤S2、对音频基础数据进行分析输出音频影响系数，根据音频影响系数进行分析，对鉴定音频进行音频基础标记的生成；步骤S3、对音频相关数据进行处理分析，输出相关影响系数；步骤S4、对相关影响系数与音频影响系数进行权重比分析，对鉴定音频进行环境影响程度标记的生成；步骤S5、对鉴定音频中的音频基础标记和环境影响程度标记进行整合处理，生成伪造结果目标；通过对鉴定设备与实时气候的分析，排除鉴定设备由于温度因素带来的鉴定误差，提高了鉴定的精准性。
📄 2023109673203
📂 G10L25_51
👤 中国信息通信研究院
📅 2023-08-02
本发明公开了一种具有采集信号分析功能的音频鉴伪方法，涉及音频鉴定技术领域，包括步骤S1、构建音频综合分析模型，传输鉴定音频、鉴定音频录制设备数据和录制地点数据；步骤S2、对所述鉴定音频进行音频数据的提取；步骤S3、对所述音频数据进行分析处理，生成音频数据处理信息，并对音频录制设备数据进行数据比对，生成设备匹配信息；步骤S4、根据音频数据处理信息与设备匹配信息进行整合分析，生成内因影响标识；步骤S5、对录制地点数据进行分析，并通过网络端获取录制周期的外因影响数据并进行分析处理，生成外因影响标识；步骤S6、对所述内因影响标识与外因影响标识进行组合分析，对鉴定音频进行匹配目标的生成。
📄 2023109089772
📂 G10L25_51
👤 中国信息通信研究院
📅 2023-07-24
本发明公开了一种音频场景识别分类方法，属于音频场景和事件的检测和分类技术领域。该方法通过将测试集数据输入到使用训练集数据训练完成的CNN模型中进行分类并得到分类结果，再对分类结果进行判断，若分类结果是初次分类，则保存为初次识别分类结果，并对训练集数据重新标记后继续进行分类；若分类结果不是初次分类，则保存为二次分类结果，并对二次分类结果进行维度映射，融合初次识别分类结果和二次分类结果得到最终分类结果。本发明的音频场景识别分类方法实现了在不扩大数据集的情况下，充分利用数据，有针对性地提高初次分类效果不好的类别，从而提高整体识别准确率，且该方法能有效减小分类结果的偏差。
📄 2020115454464
📂 G10L25_51
👤 南京邮电大学
📅 2020-12-24
本发明公开了一种基于多特征融合的伪造语音检测方法及装置，包括：通过提取语音中的多种特征，通过特征缩放和特征平衡矩阵将提取的特征进行融合获得融合特征，融合特征尽可能的融合了语音中的特征，然后利用融合特征训练基于长短期记忆网络的伪造语音检测模型，实现对各种伪造语音方法生成的伪造语音的检测。
📄 2021107625916
📂 G10L25_51
👤 浙江工业大学
📅 2021-07-06
本发明公开了一种基于声信号语谱图纹理分布的声特征提取方法。本发明包括如下步骤：步骤1：将采集到的声音信号预处理。步骤2：将增强的声音信号以语谱图的形式输出。步骤3：将彩色语谱图转换成灰度图。步骤4：将灰度图二值化处理，转换成对应的二值图。步骤5：根据转换后的二值图纹理分布特征提取相应特征数据。步骤6：通过分类器对提取到的声信号进行训练建模分类。本发明对于远距离声信号，通过本方法提取的特征其识别率有所提高。在复杂噪音环境下通过本方法提取到的声特征能有效的与噪音信号区分开。
📄 2018103856680
📂 G10L25_51
👤 杭州电子科技大学
📅 2018-04-26
本发明公开了一种基于混合深度神经网络模型的城市噪声识别方法。本发明包括如下步骤：步骤1.采集城市噪声，建立声音样本库；步骤2.将声音样本库中的声音信号转换成语谱图；步骤3.将得到的语谱图进行裁剪，然后使用多个预训练好的深度神经网络模型分别进行特征提取；步骤4.将多个模型提取的特征进行拼接；步骤5.将拼接后得到的融合特征作为最后分类器的输入，进行预测模型训练；步骤6.对于未知的声音，首先将其转换成语谱图，使用上述的多个预训练好的深度神经网络模型进行特征提取，提取的特征进行拼接，然后使用训练好的预测模型进行预测，得到最终的声音类型。本发明不需要大量的数据集，且运算速度更快，所需资源更少。
📄 2018104095117
📂 G10L25_51
👤 杭州电子科技大学
📅 2018-05-02
本发明涉及一种采用联合特征与随机森林的伪装语音检测方法，包括以下步骤：S1、从训练语音库中随机选取真语音和伪语音，分别对随机选取的各语音进行LBP局部纹理特征和CQCC声学特征的提取，并将LBP局部纹理特征和CQCC声学特征联合组成联合特征向量，以得到训练数据集；S2、利用训练数据集对随机森林进行训练，以生成随机森林分类器；S3、将待测语音进行LBP局部纹理特征和CQCC声学特征的提取，并将LBP局部纹理特征和CQCC声学特征联合组成待测联合特征向量，将待测联合特征向量输入随机森林分类器以对待测语音进行真伪检测。本发明对待测语音进行真伪检测，有效提升ASV系统的安全性。
📄 2021106481768
📂 G10L25_51
👤 杭州电子科技大学
📅 2021-06-10
本发明公开了一种基于声纹库的油站服务质量提升方法、S1建立所处环境中的杂质音的语音数据库,S2拾取高好感度的礼貌用语节点、S3建立服务人员的声音模型库,S4抗干扰高识别度性的油站环境语音数据库、S5闭环.系统可以支持目标模型的快速训练，本算法极其应用适用于多种环境中，具备良好的市场前景。
📄 2020105192003
📂 G10L25_51
👤 河北悦舒诚信息科技有限公司
📅 2020-06-09
本申请公开一种改进原型网络的训练方法、声音分类方法、装置及设备，其中的改进原型网络由时域注意力卷积模块、频域注意力卷积模块、循环神经网络层和全连接层组成，该网络模型可使用少量的音频数据训练得到。进行声音分类时利用上述训练好的改进原型网络提取待测音频的原型特征表示，计算待测音频的原型特征表示与已知音频类别原型特征表示的距离，根据上述距离值计算待测音频属于已知声音类别的匹配分数，最后依据匹配分数判断待测音频是已知类别还是未知类别，若为已知类别，则根据匹配分数预测其具体类别所属。本发明实现了小样本数据下的开放环境声音分类，能很好地解决现实生活中因采集的声音样本数量少和声音类别不完备带来的问题。
📄 2023112305758
📂 G10L25_51
👤 中山大学
📅 2023-09-21
本发明公开了一种智慧电网的电力设备声纹缺陷故障识别方法，具体涉及声纹缺陷识别技术领域，本发明通过收集电力设备正常及不同故障状态的历史声纹信号，提取时域、频域、时频域参数，通过与正常状态参数的比值计算，构建时域、频域、时频域比值集合，将比值集合转化为封闭图形形成缺陷报警图形集合，并基于图形面积与权重计算缺陷报警值，实现历史故障特征的标准化处理，实时采集声纹信号后，按相同逻辑生成实时报警图形集合和实时报警值，通过两者的多维度比对选择性判定是否存在故障，并进一步计算综评值精准匹配故障类型，解决了现有技术中无法对电力设备实时声纹信号和历史声纹信号结合分析的问题。
📄 2025112550890
📂 G10L25_51
👤 福州兰开电器有限公司
📅 2025-09-04
本发明公开了一种基于密度聚类的说话人数目自动检测方法，其目的是从多个声道的卷积混叠系统中估计出说话人数目；本发明通过引进新的数学工具和新的研究方法，实现观测语音信号中真实说话人数目的自动检测，该方法是在时频域上对观测语音信号的统计信息进行计算并提取出相应的特征向量数据，再利用密度聚类方法逐频点获取特征数据的聚类中心，然后综合所有检测频点的聚类结果分析给出说话人估计数目。最后，对比当前较为流行的几种说话人数目检测方法，从数值实验上证明了所提出方法的优越性。
📄 2019104815396
📂 G10L25_51
👤 广东工业大学
📅 2019-06-04
本申请适用于声音识别技术领域，提供了一种异常声音检测的方法，包括：获取当前环境的声音数据；对所述声音数据进行分割获得所述声音数据的分片数据集；获取所述分片数据集中各个分片数据的频谱特征；对所述频谱特征进行识别获得异常声音检测结果。从而实现全天候的声音监控与异常声音检测，进而又节约了监控成本。
📄 2019108950560
📂 G10L25_51
👤 视道人工智能科技(山东)有限公司
📅 2019-09-20
柿子坊 · 知识产权运营
柿子坊知识产权运营平台