欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020114335082
申请人: 河南工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 乐器;声学
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于自编码网络联合学习的语音测谎方法,其特征在于,包括以下步骤:(1)语音信号预处理:在语音处理预处理阶段先给语音添加上真话与谎言的标签,然后再对语音进行分帧加窗等处理;

(2)语音特征提取:对(1)中经分帧加窗处理后的数据进行语音特征提取,该特征包括但不限于基频、短时平均能量、短时平均过零率、均方根能量、共振峰、MFCC等声学特征;

(3)搭建网络模型:首先该网络由两个自编码网络以及批归一化层、Dropout层和分类层,该过程的具体实现步骤如下:

A.首先,将(2)中提取的语音特征作为输入发送到一个自编码网络,同时,将经加噪处理后作为另一个自编码网络的输入,两个自编码网络同时进行学习,共同完成训练过程,这两个自编码网络均以原始的输入数据为目标进行学习,这一过程实现了对原始数据的重构,通过对最小化解码后的数据与输入数据之间误差函数,完成学习过程,其中,编码过程可以用以下公式来表示:

x1=x                                (1)y1=f(wx1+b)                           (2)k k‑1 k‑1 k‑1

y1=elu(w ·y1 +b )2≤k≤K                  (3)x2=x+xnoise                             (4)y2=f(wx2+b)                           (5)k k‑1 k‑1 k‑1

y2=elu(w ·y2 +b )2≤k≤K                   (6)其中x所代表的是一个自编码网络的输入,而y1、y2分别为编码网络的输出;

B.本发明中在数据进行编码之后,再以原始数据为目标进行数据的重构,该过程的实现过程可以表示为:

x1'=f(wy1+b)                            (7)k k‑1 k‑1 k‑1

(x1') =elu(wD ·(x1') +bD )2≤k≤K‑1             (8)x2'=f(wy2+b)                            (9)k k‑1 k‑1 k‑1

(x2') =elu(wD ·(x2') +bD )2≤k≤K‑1                 (10)C.计算两个自编码网络的数据重构误差,损失函数分别为公式(11)、(12),两个自编码网络无监督部分的总损失为公式(13):Lu=Lu1+Lu2                            (13)(4)将两个自编码网络的编码输出进行深层融合,该过程保留语音中的更多信息;

(5)将融合后的特征输入到全连接层,作为分类器的输入,该过程通过设置Dropout层,一直网络的过拟合,然后将该输出结果进行分类识别,计算该有监督过程的损失计算选择交叉熵损失函数,实现过程如下:

(6)分类识别输出:将步骤(4)得到的融合后的特征送入全连接层,并采用有标签的数据通过softmax层进行识别分类,该过程可以表示为:ypre=f(W·c+b)                           (15)其中,c是两个分支通过编码后进行融合的数据集合,ypre是融合后数据经分类器后的分类结果,W,b分别是编码网络与分类器间的权重和偏置;

(7)为优化该发明提出的方法,采用梯度下降法来最小化误差函数(重构误差与分类误差),并根据误差函数进行网络参数的调整,以使该发明所提出的语音测谎方法性能达到最佳。