成果信息
本發(fā)明公開(kāi)了··種基于融合特征的加性噪聲環(huán)境下手機(jī)來(lái)源識(shí)別方法,,其將從傅里葉域巾提取的 MFCC 特征,、STFTSDF 特征和從 CQT 域提取的 CQTSDF 特征組成的融合特征作為設(shè)備指紋,,相較于單一特征能夠更精確的表征設(shè)備區(qū)分信息;在訓(xùn)練階段采用了多場(chǎng)景訓(xùn)練的方式,訓(xùn)練集中不僅有未添加場(chǎng)景噪聲的干凈的語(yǔ)音樣本,,還有含有不同場(chǎng)景噪聲類(lèi)型和噪聲強(qiáng)度的含噪語(yǔ)音樣本,,訓(xùn)練得到的 M 分類(lèi)模型具有通用性并且對(duì)已知噪聲場(chǎng)景和未知噪聲場(chǎng)景的語(yǔ)音樣木都能進(jìn)行有效的手機(jī)來(lái)源識(shí)別:其使用深度學(xué)習(xí)的 CNN 模型來(lái)建立 M 分類(lèi)模型,,CNN 模型不僅提升了對(duì)未添加場(chǎng)景噪聲的干凈的語(yǔ)音樣本的來(lái)源識(shí)別準(zhǔn)確性,而且大幅度提升了含噪語(yǔ)音樣本的手機(jī)來(lái)源識(shí)別效果,,噪聲魯棒性強(qiáng)。 )
背景介紹
本發(fā)明公開(kāi)了··種基于融合特征的加性噪聲環(huán)境下手機(jī)來(lái)源識(shí)別方法)
應(yīng)用前景
-)