買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉華南理工大學申請的專利基于特征圖輕量卷積變換的嬰兒哭聲情感識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115565550B 。

龍圖騰網通過國家知識產權局官網在2025-08-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211076635.0，技術領域涉及：G10L25/63；該發明授權基于特征圖輕量卷積變換的嬰兒哭聲情感識別方法是由梁恒龍;李艷雄;呂奇澹設計研發完成，并于2022-09-05向國家知識產權局提交的專利申請。

本基于特征圖輕量卷積變換的嬰兒哭聲情感識別方法在說明書摘要公布了：本發明公開了一種基于特征圖輕量卷積變換的嬰兒哭聲情感識別方法，包括下列步驟：首先，對嬰兒哭聲樣本進行數據增強；然后，對哭聲樣本進行預處理，包括分幀和加窗；接著，提取對數梅爾頻譜特征；然后，將對數梅爾譜特征輸入特征圖輕量卷積變換神經網絡，在特征圖輕量卷積層進行特征圖變換，并在輸出層得到哭聲情感識別結果。本發明設計的神經網絡采用輕量卷積變換層進行特征圖變換，具有參數量少和計算復雜度低的優點，能被有效部署在計算資源有限的終端，同時獲得較高的識別準確率。

本發明授權基于特征圖輕量卷積變換的嬰兒哭聲情感識別方法在權利要求書中公布了：1.一種基于特征圖輕量卷積變換的嬰兒哭聲情感識別方法，其特征在于，所述嬰兒哭聲情感識別方法包括以下步驟： S1、對嬰兒哭聲樣本進行時域增強和頻域增強； S2、對數據增強后的哭聲樣本進行預加重、分幀和加窗處理； S3、提取每幀哭聲信號的對數梅爾譜特征； S4、構造輕量化卷積層，過程如下： 設計一個輕量化卷積層，首先構造一個特定卷積層，特定卷積層的表達式為Convkw,kh,kn，其中kw表示卷積核的寬，kh表示卷積核的高，kn表示卷積核個數，輸出通道數等于卷積核個數kn，同時卷積核個數kn等于原定輸出通道數nc除以壓縮比s，將對數梅爾譜特征輸入一個卷積層Convkw,kh,kn變換得到kn個特征圖，將這kn個特征圖依次通過一個歸一化層和一個激活函數層，激活函數層使用ReLU函數作為激活函數，kn的計算公式和ReLU函數的表達式如下： ReLUx＝max0,x math.ceil[.]表示對[.]中元素進行向上取整操作，x表示經過特定卷積層和歸一化層后的輸出； 然后構造深度卷積層Conv_depth，將上述特定卷積層Convkw,kh,kn的輸出作為深度卷積層的輸入，深度卷積層的輸入通道數是kn，輸出通道數是kn×s-1，此時得到kn×s-1個特征圖，將kn×s-1個特征圖依次通過一個歸一化層和一個激活函數層，激活函數層使用ReLU函數作為激活函數； 將上述特定卷積層和深度卷積層得到的特征圖拼接在一起，得到nc個特征圖； S5、基于輕量化卷積層構造輕量化卷積瓶頸結構模塊，過程如下： 設計一個輕量化卷積瓶頸結構模塊，每個輕量化卷積瓶頸結構模塊包括主干部分和殘差邊部分，兩個部分并列排布； 其中，主干部分構造方式如下： 首先構造第一個輕量化卷積層，輸入是對數梅爾譜特征，經過一個輕量化卷積層后得到的輸出是nc個特征圖，然后將nc個特征圖依次輸入一個深度卷積層和一個歸一化層提取深度特征圖，最后將深度特征圖依次輸入一個壓縮激勵模塊層和第二個輕量化卷積層； 其中，壓縮激勵模塊層由平均池化層、卷積層和激活函數層依次連接組成，第二個輕量化卷積層與第一個輕量化卷積層的參數相同； 其中，殘差邊部分構造方式如下： 首先構造一個深度卷積層，并將對數梅爾譜特征作為輸入，得到深度特征圖，然后將上述深度特征圖依次輸入第一個歸一化層、一個點卷積層和第二個歸一化層；其中，點卷積層的卷積核的寬和高均為1； 輸入的對數梅爾譜特征分別通過主干部分和殘差邊部分，最后的輸出是主干部分輸出特征圖與殘差邊部分輸出特征圖之和； S6、基于輕量化卷積瓶頸結構模塊構造特征圖輕量卷積變換神經網絡，將對數梅爾譜特征輸入特征圖輕量卷積變換神經網絡，訓練得到用于嬰兒哭聲情感識別的特征圖輕量卷積變換神經網絡； S7、將測試哭聲樣本的對數梅爾譜特征輸入上述經過訓練的特征圖輕量卷積變換神經網絡，得到該測試哭聲樣本的嬰兒哭聲情感類別。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人華南理工大學，其通訊地址為：510640 廣東省廣州市天河區五山路381號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。