成果信息
本發(fā)明公開了一種基于常 Q 變換域的加性噪聲環(huán)境下手機來源識別方法,其利用常0變換獲取常 O變換域的頻譜分布特征向量,常 變換在低頻具有更高的頻率分辨率在高頻具有更高的時間分辨率,,更適合于手機來源識別:其在訓(xùn)練階段采用了多場景訓(xùn)練的方式,,訓(xùn)練集中不僅有未添加場景噪聲的干凈的語音樣本,,還有含有不同場景噪聲類型和噪聲強度的含噪語音樣本,訓(xùn)練得到的 M 分類模型具有通用性,,并且對已知噪聲場景和未知噪聲場景的語音樣本都能進行有效的手機來源識別:其使用深度學(xué)習(xí)的CNN模型來建立M分類模型,,CNN 模型不僅提升了對未添加場景噪聲的干凈的語音樣本的來源識別準確性,而且大幅度提升了含噪語音樣本的手機來源識別效果,,噪聲魯棒性強,。 )
背景介紹
本發(fā)明公開了一種基于常 Q 變換域的加性噪聲環(huán)境下手機來源識別方法)
應(yīng)用前景
-)