龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：南昌大学
摘要：本发明提供了一种基于经典‑量子混合网络的说话人识别方法。该方法首先利用卷积神经网络提取到说话人语音信号的深度特征，然后利用量子神经网络计算该深度特征的概率分布，将所得到的概率分布与深度特征点乘构建说话人的融合特征，利用该融合特征输入到说话人识别网络中实现说话人识别。本发明采用卷积神经网络和量子神经网络相结合构成一个新的说话人识别模型，该模型利用量子神经网络所提取的概率分布可以自适应地分配某卷积层不同通道的注意力权重，从而对不同通道的语音特征图进行加权，增强包含较多说话人话语特征信息的重要性，使得混合神经网络提取的说话人话语深度特征表示更有利于说话人识别，从而提高说话人识别的性能。
主权项：1.一种基于经典-量子混合网络的说话人识别方法，其特征在于：首先利用卷积神经网络提取到说话人语音信号的深度特征，然后利用量子神经网络计算该深度特征的概率分布，将所得到的概率分布与深度特征点乘构建说话人的融合特征，利用该融合特征实现说话人识别；所述的基于经典-量子混合网络的说话人识别方法具体步骤如下：①利用汉明窗将说话人的语音信号分帧，提取每一帧的频域特征向量，将所有帧的频域特征向量构成特征矩阵，即其中，fii＝1,…,T表示第i帧语音的频域特征向量，T表示语音帧的个数，D表示每帧语音的频域特征向量的维数；②F作为卷积神经网络的输入，将卷积神经网络的输出向量作为F的深度表示，即该说话人的深度特征，其中N表示深度特征向量的维数；③利用振幅编码将Fd映射到量子态|ψin，将|ψin作为可学习量子线路Uθ的输入，其中θ是可学习参数，得到输出量子态|ψout，通过测量|ψout得到各个态的概率Pjj＝0,…,N-1，其中j表示各个态，即|ψout＝Uθ|ψin1P＝|ψout*|ψout2其中|ψout*是|ψout的共轭，④将P与Fd点乘构建说话人的融合特征Ffusion＝Fd⊙P，将Ffusion作为说话人的语音特征实现说话人识别。
全文数据：
权利要求：
百度查询： 南昌大学 一种基于经典-量子混合网络的说话人识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号