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！

龙图腾网获悉江南大学申请的专利一种基于DR-Res2net模块的声纹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：CN115206327B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202210778411.8，技术领域涉及：G10L17/02；该发明授权一种基于DR-Res2net模块的声纹识别方法是由曹毅;李平;马慧欣;夏宇;高清源设计研发完成，并于2022-07-04向国家知识产权局提交的专利申请。

本一种基于DR-Res2net模块的声纹识别方法在说明书摘要公布了：本发明提供一种基于DR‑Res2net模块的声纹识别方法，其在处理声纹数据时能提供丰富、有效的特征信息，模型有较强的泛化能力，分类具有更低的等错误率，进而能够得到更理想的识别效果。本发明的技术方案中，将稠密DenseNet模型的特点融入到Res2Net模型中，构建DR‑Res2net模型，在声音识别模型中，以DR‑Res2Block为核心模块进行声纹数据的识别；识别过程中，每个DR‑Res2net模块中对每一个输出的特征同时进行残差和稠密连接，获取更加丰富的特征，模块中的addition处理使得每一个特征的所包含的信息量增加，同时concatennaiton处理使得特征包含高语义低分辨率和低语义高分辨率的特征，最大程度上保留了不同感受野下的特征。

本发明授权一种基于DR-Res2net模块的声纹识别方法在权利要求书中公布了：1.一种基于DR-Res2net模块的声纹识别方法，其包括以下步骤： S1：构建声学模型，并对所述声学模型进行训练，得到训练好的声学模型； S2：采集待处理声纹数据，对原始声纹信号进行预处理，输出声纹帧序列； S3：对所述声纹帧序列进行时域和频域分析，提取梅尔频率倒谱系数，输出待识别特征向量序列； S4：将所述待识别特征向量序列经过处理后，输入到所述训练好的声学模型中进行分类识别，得到的识别结果即为声纹识别的分类结果； 其特征在于： 所述声学模型包括：DR-Res2net模块，所述DR-Res2net模块基于Res2Net模型构建，将Res2Net模型的层与层的连接基于稠密连接和残差连接的相关性连接，当前特征图层输出与前个特征图层输入以及卷积后的特征图层相关； 在所述DR-Res2net模块中将输入到模块中的特征图层分割成s份， 分割后得到的从第1个所述特征图层到第i个所述特征图层的输入记作[x1,x2,...,xi]； 从第1个所述特征图层到第i个所述特征图层的中间变量记作[y1,y2,...,yi]； 从第1个所述特征图层到第i个所述特征图层的输出特征记作[z1,z2,...,zi]； 其中，i≤s； 则，中间变量yi的表达公式为： 其中： s和i为正整数，c为卷积；⊕为特征相加addition； 输出zi的表达公式为： 其中： s和i为正整数，c为卷积，为叠加concatenation； 输出特征[z1,z2,...,zi]合并后作为结果输出； 表示第i层的中间输出yi是上一层的中间输出yi-1经过卷积Convolution处理，再加批量标准化处理、激活函数RectifiedLinearUnit处理再与第i层的输入xi进行特征图相加Addition后的结果； 表示第i层的输出zi是第i层的中间输出变量yi经过Conv、BN、ReLU后，与中间变量yi进行add后，再与中间变量yi进行维数通道叠加Concatenation处理，最后再进行Conv、BN、ReLU处理后的结果； DR-Res2Net模型结构在训练过程中，每组特征先是通过残差连接对特征进行叠加，浅层特征可以直接传播到深层特征中，其中的恒等映射，使得信息前后传播更加顺畅；而后进行密集连接，使得后面的每一层都可以直接得到前面所有层的信息，每一层都可以直接利用梯度信息，加强了特征的传递。

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江南大学，其通讯地址为：214000 江苏省无锡市滨湖区蠡湖大道1800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”。

以上内容由龙图腾AI智能生成。