買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州電子科技大學申請的專利一種采用雙維度圖注意力的偽造語音檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119864053B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510026212.5，技術(shù)領(lǐng)域涉及：G10L25/51；該發(fā)明授權(quán)一種采用雙維度圖注意力的偽造語音檢測方法是由簡志華;梁承涵;蔡逸;閆鐸文;談林濤;楊曼設(shè)計研發(fā)完成，并于2025-01-08向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種采用雙維度圖注意力的偽造語音檢測方法在說明書摘要公布了：本發(fā)明涉及一種采用雙維度圖注意力的偽造語音檢測方法，對原始語音進行預(yù)加重處理，提取每一幀的線性頻率倒譜系數(shù)特征；根據(jù)線性頻率倒譜系數(shù)特征并使用BP算法對真實語音和偽造語音進行GMM建模，采用期望最大化算法對訓練數(shù)據(jù)進行迭代運算，直至收斂，統(tǒng)計語音幀數(shù)并分別計算每幀語音特征在各個高斯分量的LGP，再減去常數(shù)項并進行標準化處理；本發(fā)明通過采用雙向細分法BP對高斯混合模型進行建模，使相鄰高斯分量的均值向量差異較小，不僅使二維卷積能夠有效地捕捉高斯分量之間的依賴關(guān)系，為圖注意力模塊提供更明確、更緊密的特征關(guān)系，增強注意力機制對全局特征的表征能力，該方法從局部到全局優(yōu)化特征空間結(jié)構(gòu)，提升偽造語音檢測的性能。

本發(fā)明授權(quán)一種采用雙維度圖注意力的偽造語音檢測方法在權(quán)利要求書中公布了：1.一種采用雙維度圖注意力的偽造語音檢測方法，其特征在于：包括以下步驟： 步驟一：先對原始語音進行預(yù)加重處理，增強高頻部分波形的細節(jié)，然后進行加窗分幀，提取每一幀的線性頻率倒譜系數(shù)特征； 步驟二：根據(jù)線性頻率倒譜系數(shù)特征并使用BP算法分別對真實語音和偽造語音進行GMM建模，采用期望最大化算法對訓練數(shù)據(jù)進行迭代運算，直至收斂，統(tǒng)計語音幀數(shù)并分別計算每幀語音特征在各個高斯分量的LGP，再減去常數(shù)項并進行標準化處理； 步驟三：將LGP特征矩陣輸入到六個殘差塊模塊，每個殘差塊由兩個二維卷積層、一個SeLU激活函數(shù)和批量歸一化層組成，分別在前四個殘差塊的末尾添加2×2的最大池化層，降低復(fù)雜度并提高泛化能力； 步驟四：將殘差塊生成的深層特征分別輸入時間注意力模塊和高斯分量注意力模塊，得到相同維度但數(shù)量不同的圖節(jié)點，兩個注意力模塊均包含圖注意力網(wǎng)絡(luò)和圖池化模塊，后將兩個網(wǎng)絡(luò)分別得到的圖節(jié)點拼接，輸入高斯分量-時間聯(lián)合圖注意力模塊，得到最終的圖節(jié)點； 步驟五：對偽造語音和真實語音的輸入特征LGP以并行方式處理，將雙方節(jié)點展平并拼接為全連接層的輸入，生成真?zhèn)蝺蓚€類別的置信度，通過softmax函數(shù)將置信度轉(zhuǎn)化為概率，使用加權(quán)交叉熵損失函數(shù)計算實際標簽與預(yù)測標簽之間的誤差，最小化損失以優(yōu)化模型的分類性能，提高對語音真?zhèn)闻袥Q的準確性。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人杭州電子科技大學，其通訊地址為：310018 浙江省杭州市錢塘區(qū)白楊街道2號大街1158號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。