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！

龙图腾网恭喜河南工业大学申请的专利一种基于一维卷积自编码器与对抗域自适应的跨库语音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：CN114038480B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202111308297.4，技术领域涉及：G10L25/24；该发明授权一种基于一维卷积自编码器与对抗域自适应的跨库语音情感识别方法是由傅洪亮;汪洋;陶华伟;耿磊;康超男;庄志豪;刘曼;杨静;郭歆莹;单帅;于航设计研发完成，并于2021-11-05向国家知识产权局提交的专利申请。

本一种基于一维卷积自编码器与对抗域自适应的跨库语音情感识别方法在说明书摘要公布了：本发明公布了一种基于一维卷积自编码器与对抗域自适应的跨库语音情感识别方法。本方法首先利用基于编解码风格的一维卷积自编码器对特征进行处理，得到了更具表征性的特征，随后，将最大均值差异（MaxmiunMeanDiscrepancy，MMD）作为源域目标域距离度量手段，纳入对抗域自适应架构用以减轻其学习过程中面临的平衡挑战，促进源域与目标域特征分布的有效对齐。最后，模型综合考虑了特征提取网络及特征分布差异损失，提升了识别效果。

本发明授权一种基于一维卷积自编码器与对抗域自适应的跨库语音情感识别方法在权利要求书中公布了：1.一种基于一维卷积自编码器与对抗域自适应的跨库语音情感识别方法，包含以下步骤：1语音预处理：提取原始语音信号中的基频，梅尔倒频谱和线谱对语音特征作为特征处理网络的输入；2特征处理：将步骤1提取到的一维统计特征送入一维卷积自编码器中，首先利用卷积层对特征进行处理，然后利用转置卷积层对特征进行还原，将还原后的语音特征与原始特征构造重构误差，其中训练库分类损失、卷积过程、反卷积过程以及重构损失定义如下：Lcls＝Lceyp,ys1其中yp为网络输出预测情感标签，ys为真实情感标签，Lce为交叉熵函数， 其中[Xj1，Xj2，...，Xjs]为相邻的统计特征，Yj为卷积联合后得到的结果，K和b分别为卷积过程中的权重和偏置， 其中XR和X分别重构后得到的特征与原始特征；3特征分布对齐：将步骤2中编码器输出的特征送入对抗域自适应模块的域鉴别器中，通过混淆域鉴别器对齐训练库和测试库的特征分布，并采用MMD同时度量训练库和测试库的统计差异，域鉴别器损失和MMD距离如下： 其中F为特征处理网络，D为域鉴别器，di为测试库的真实域标签， 其中H为再生希尔伯特空间，用于寻找特征映射函数φ，使得训练库和测试库经过映射后特征分布距离最小；4模型训练：将步骤1得到的一维统计特征输入特征处理网络，得到分类损失Lcls和重构损失Lreloss，将卷积自编码器中编码器提取到的具有强表征能力的特征送入域鉴别器，得到对抗损失Ladv，并使用MMD进行统计差异最小化，得到MMD损失LMMD，联合这些损失对模型进行优化：Lall＝Lcls+Ladv+LMMD+Lreloss_s+Lreloss_t7Lreloss_s为训练库的重构损失，Lreloss_t为训测试库的重构损失；5重复步骤234，优化网络模型参数；6经过迭代后，得到最优模型，实现跨库语音情感识别性能的提升。

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河南工业大学，其通讯地址为：450001 河南省郑州市高新技术产业开发区莲花街100号河南工业大学科技处；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”。