成果信息

本发明公开了一种基于常 Q 变换域的加性噪声环境下手机来源识别方法,其利用常0变换获取常 O变换域的频谱分布特征向量，常 变换在低频具有更高的频率分辨率在高频具有更高的时间分辨率，更适合于手机来源识别:其在训练阶段采用了多场景训练的方式，训练集中不仅有未添加场景噪声的干净的语音样本，还有含有不同场景噪声类型和噪声强度的含噪语音样本，训练得到的 M 分类模型具有通用性，并且对已知噪声场景和未知噪声场景的语音样本都能进行有效的手机来源识别:其使用深度学习的CNN模型来建立M分类模型，CNN 模型不仅提升了对未添加场景噪声的干净的语音样本的来源识别准确性，而且大幅度提升了含噪语音样本的手机来源识别效果，噪声鲁棒性强。 )

背景介绍

本发明公开了一种基于常 Q 变换域的加性噪声环境下手机来源识别方法)

应用前景

-)