专利交易市场

一种基于关联特征判别性融合网络的伪造语音检测方法及系统，属于语音处理及生物识别技术领域。本发明首先对语音进行预处理并CQT特征，将其作为双向注意力网络和SCG‑Res2Net50这个两个平行网络的输入，在训练阶段通过关联特征判别性融合方法进行网络参数初始化，将初始化投影矩阵参数与原特征相乘得出转换后的新特征，再将两个特征拼接，然后将此拼接后的特征输入全连接层分类，得到训练好的网络模型，用于作为真实语音与欺诈语音的分类器，根据全连接层输出中的两个数值相减的结果进行真实语音与伪造语音的分类。

本实用新型涉及用于设备器件故障判断的声音采集装置。本实用新型包括主机体和拾音体，主机体包括主机壳体、控制处理器、无线通讯器和第一蓝牙无线连接器，主机壳体在内部设置有控制处理器、无线通讯器和第一蓝牙无线连接器，拾音体包括拾音壳体、拾音器和第二蓝牙无线连接器，拾音壳体在内部设置有拾音器和第二蓝牙无线连接器，拾音器用于采集设备器件的音频信号。相对于现有技术，本实用新型通过设置第一蓝牙无线连接器和第二蓝牙无线连接器，使主机体和拾音体能够实现数据的无线传输，从而使拾音体不需要进行额外的布线即可实现拾音功能，进而不需要对设备和设备器件本体进行结构性改装，进而能对设备器件进行音频检测分析法。

本申请涉及一种强噪声环境下的语音检测方法和系统，该方法包括：采集预设环境下在预设时间的声音信号；检测声音信号的幅值和频率，计算声音信号的功率谱密度；计算噪声的功率谱密度；将声音信号的功率谱密度和噪声的功率谱密度置入预设的语音检测模型，输出语音的功率谱密度；计算语音的信噪比；调整语音检测模型的系数，重新使用语音检测模型计算语音的功率谱密度以及重新计算语音的信噪比；根据信噪比达到最大值时语音的功率谱密度输出语音。本发明基于高斯白噪声机制估算强噪声环境下噪声的功率谱密度，基于玻恩—奥本海默近似理论构建语音检测模型，自动根据分析结果的信噪比对模型系数进行自动调节，从而确保最终输出准确的语音。

本发明提供了一种基于智能班牌的师生教学情况自动提醒方法，涉及信息处理技术领域，包括每节课教室内摄像头获取到的图像信息和拾音器采集到的音频信息；将所述图像信息进行学生位置比对和学生运动曲线模拟，得到每个学生的位置变化信息和运动曲线信息；基于语音清晰度算法对所述第二信息进行语音清晰度计算，得到老师讲课的语音清晰度值；将所有学生的位置变化信息、所有学生的运动曲线信息和老师讲课的语音清晰度值进行分析，并基于分析结果发送提醒信号。本发明通过对师生教学情况进行评分，然后基于评分进行实时达标判断，若实时判断师生教学情况不合格，则发送提醒信息至智能班牌上进行提醒，大量减少人力物力，并提高教学质量。