买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南理工大学申请的专利基于特征图轻量卷积变换的婴儿哭声情感识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115565550B 。

龙图腾网通过国家知识产权局官网在2025-08-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211076635.0，技术领域涉及：G10L25/63；该发明授权基于特征图轻量卷积变换的婴儿哭声情感识别方法是由梁恒龙;李艳雄;吕奇澹设计研发完成，并于2022-09-05向国家知识产权局提交的专利申请。

本基于特征图轻量卷积变换的婴儿哭声情感识别方法在说明书摘要公布了：本发明公开了一种基于特征图轻量卷积变换的婴儿哭声情感识别方法，包括下列步骤：首先，对婴儿哭声样本进行数据增强；然后，对哭声样本进行预处理，包括分帧和加窗；接着，提取对数梅尔频谱特征；然后，将对数梅尔谱特征输入特征图轻量卷积变换神经网络，在特征图轻量卷积层进行特征图变换，并在输出层得到哭声情感识别结果。本发明设计的神经网络采用轻量卷积变换层进行特征图变换，具有参数量少和计算复杂度低的优点，能被有效部署在计算资源有限的终端，同时获得较高的识别准确率。

本发明授权基于特征图轻量卷积变换的婴儿哭声情感识别方法在权利要求书中公布了：1.一种基于特征图轻量卷积变换的婴儿哭声情感识别方法，其特征在于，所述婴儿哭声情感识别方法包括以下步骤： S1、对婴儿哭声样本进行时域增强和频域增强； S2、对数据增强后的哭声样本进行预加重、分帧和加窗处理； S3、提取每帧哭声信号的对数梅尔谱特征； S4、构造轻量化卷积层，过程如下： 设计一个轻量化卷积层，首先构造一个特定卷积层，特定卷积层的表达式为Convkw,kh,kn，其中kw表示卷积核的宽，kh表示卷积核的高，kn表示卷积核个数，输出通道数等于卷积核个数kn，同时卷积核个数kn等于原定输出通道数nc除以压缩比s，将对数梅尔谱特征输入一个卷积层Convkw,kh,kn变换得到kn个特征图，将这kn个特征图依次通过一个归一化层和一个激活函数层，激活函数层使用ReLU函数作为激活函数，kn的计算公式和ReLU函数的表达式如下： ReLUx＝max0,x math.ceil[.]表示对[.]中元素进行向上取整操作，x表示经过特定卷积层和归一化层后的输出； 然后构造深度卷积层Conv_depth，将上述特定卷积层Convkw,kh,kn的输出作为深度卷积层的输入，深度卷积层的输入通道数是kn，输出通道数是kn×s-1，此时得到kn×s-1个特征图，将kn×s-1个特征图依次通过一个归一化层和一个激活函数层，激活函数层使用ReLU函数作为激活函数； 将上述特定卷积层和深度卷积层得到的特征图拼接在一起，得到nc个特征图； S5、基于轻量化卷积层构造轻量化卷积瓶颈结构模块，过程如下： 设计一个轻量化卷积瓶颈结构模块，每个轻量化卷积瓶颈结构模块包括主干部分和残差边部分，两个部分并列排布； 其中，主干部分构造方式如下： 首先构造第一个轻量化卷积层，输入是对数梅尔谱特征，经过一个轻量化卷积层后得到的输出是nc个特征图，然后将nc个特征图依次输入一个深度卷积层和一个归一化层提取深度特征图，最后将深度特征图依次输入一个压缩激励模块层和第二个轻量化卷积层； 其中，压缩激励模块层由平均池化层、卷积层和激活函数层依次连接组成，第二个轻量化卷积层与第一个轻量化卷积层的参数相同； 其中，残差边部分构造方式如下： 首先构造一个深度卷积层，并将对数梅尔谱特征作为输入，得到深度特征图，然后将上述深度特征图依次输入第一个归一化层、一个点卷积层和第二个归一化层；其中，点卷积层的卷积核的宽和高均为1； 输入的对数梅尔谱特征分别通过主干部分和残差边部分，最后的输出是主干部分输出特征图与残差边部分输出特征图之和； S6、基于轻量化卷积瓶颈结构模块构造特征图轻量卷积变换神经网络，将对数梅尔谱特征输入特征图轻量卷积变换神经网络，训练得到用于婴儿哭声情感识别的特征图轻量卷积变换神经网络； S7、将测试哭声样本的对数梅尔谱特征输入上述经过训练的特征图轻量卷积变换神经网络，得到该测试哭声样本的婴儿哭声情感类别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。