← 返回列表
一种基于卷积时序网络的脑电信号发声检测方法
摘要文本
本发明公开了一种基于卷积时序网络的脑电信号发声检测方法，包括：对原始脑电数据进行时频分析，作为神经特征；使用希尔伯特变换对音频数据进行包络分析，通过阈值分割进行标注，得到语音特征，对齐语音特征和神经特征；构建发声检测卷积时序网络，使用对齐后的神经特征作为输入数据，对齐后的语音特征作为真值标签构建数据集，对发声检测卷积时序网络进行训练；将待检测脑电信号经过时频分析输入到训练好的卷积时序发声检测器中，预测发音状态，进行脑电信号的发声检测。本发明取得了优于目前常用发声检测器的性能，同时本发明对检测器的检测性能做出解释，有效地改善了现有基于神经网络的发声检测方法的不可解释的问题。 来自马克数据网
申请人信息
- 申请人:浙江大学
- 申请人地址:310058 浙江省杭州市西湖区余杭塘路866号
- 发明人: 浙江大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于卷积时序网络的脑电信号发声检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311672981.X |
| 申请日 | 2023/12/7 |
| 公告号 | CN117688372A |
| 公开日 | 2024/3/12 |
| IPC主分类号 | G06F18/2135 |
| 权利人 | 浙江大学 |
| 发明人 | 张韶岷; 张海艳; 李悦; 郑能干; 陈光弟; 许世豪; 陈卫东 |
| 地址 | 浙江省杭州市西湖区余杭塘路866号 |
专利主权项内容
1.一种基于卷积时序网络的脑电信号发声检测方法，其特征在于，包括以下步骤：(1)同时采集原始脑电数据和音频数据，对采集到的原始脑电数据进行时频分析，将时频分析后的脑电数据作为神经特征；(2)使用希尔伯特变换对采集到的音频数据进行包络分析，通过阈值分割对包络分析后的音频数据进行标注，得到语音特征，对齐语音特征和神经特征；(3)构建一个由卷积神经模块和双向长短时记忆模块复合的发声检测卷积时序网络，使用步骤(2)对齐后的神经特征作为输入数据，步骤(2)对齐后的语音特征作为真值标签构建数据集，对发声检测卷积时序网络进行训练，得到训练好的卷积时序发声检测器；(4)将待检测脑电信号经过时频分析输入到步骤(3)中训练好的卷积时序发声检测器中，预测发音状态，完成脑电信号的发声检测。