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！

龙图腾网获悉北京理工大学申请的专利一种基于语音自监督学习的躯体化障碍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：CN116030841B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202211667046.X，技术领域涉及：G10L25/66；该发明授权一种基于语音自监督学习的躯体化障碍识别方法是由胡斌;钱昆;鲍志浩设计研发完成，并于2022-12-22向国家知识产权局提交的专利申请。

本一种基于语音自监督学习的躯体化障碍识别方法在说明书摘要公布了：本申请实施例提供了一种基于语音自监督学习的躯体化障碍识别方法，在获取目标对象的待验证语音信息后，对待验证语音信息进行分帧和降噪处理，得到多帧去除噪声的第一语音信息。将每一帧的第一语音信息输入至目标躯体化障碍识别模型中，获取待验证语音信息的第一特征融合向量。基于第一特征融合向量，获取待验证语音信息对应的预测标识，通过预测标识表示目标对象是否患有躯体化障碍。由于目标躯体化障碍模型为基于自监督对比编码模型训练得到的模型，基于该模型可实现在语音样本标签稀缺的条件下学习挖掘出语音样本的监督特征。另外采用该模型可以实现自动、快速、准确的基于语音信息对相应的目标对象赋予健康状态标识。

本发明授权一种基于语音自监督学习的躯体化障碍识别方法在权利要求书中公布了：1.一种基于语音自监督学习的躯体化障碍识别方法，其特征在于，包括： 获取目标对象的待验证语音信息； 对所述待验证语音信息进行分帧和降噪处理，得到多帧去除噪声的第一语音信息； 将每一帧的所述第一语音信息输入至目标躯体化障碍识别模型中，获取所述待验证语音信息的第一特征融合向量；所述目标躯体化障碍识别模型为基于自监督对比编码模型训练得到的模型；所述第一特征融合向量为融合每一帧的所述第一语音信息的特征向量，其中，所述目标躯体化障碍识别模型的训练方法，包括：获取多个训练样本数据和多个测试样本数据；每一个所述训练样本数据和每一个所述测试样本数据中均包括第二语音信息和所述第二语音信息对应的健康状态标识，所述健康状态标识用于表示所述第二语音信息对应的样本对象是否患有躯体化障碍；对各所述训练样本数据中的第二语音信息分别进行分帧处理，获取与所述第二语音信息对应的多帧第三语音信息；将每一帧所述第三语音信息输入至初始躯体化障碍识别模型中进行特征融合，确定第三语音信息的第一特征融合向量，所述第一特征融合向量为用于区分各所述第三语音信息中的显著特征的向量，所述初始躯体化障碍识别模型包括自监督对比编码模型；基于所述第一特征融合向量，获取各所述测试样本数据的第二语音信息对应的预测标识；所述预测标识用于表示所述测试样本数据对应的样本对象是否患有躯体化障碍的预测信息；基于各所述预测标识、各所述测试样本数据中的健康状态标识和所述健康状态标识的种类数量，确定所述初始躯体化障碍识别模型的准确度；基于所述准确度和预设的准确度阈值，调整所述初始躯体化障碍识别模型的参数，直至所述准确度高于所述预设的准确度阈值，得到目标躯体化障碍识别模型； 基于所述第一特征融合向量，提取所述待验证语音信息的目标特征数据； 基于所述目标特征数据和预设的参数阈值，确定所述待验证语音信息对应的预测标识，所述预测标识用于表示所述目标对象是否患有躯体化障碍。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；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”。

以上内容由龙图腾AI智能生成。