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！

龙图腾网获悉河南工业大学申请的专利一种基于因果特征抽取的域自适应跨库语音情感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：CN115602197B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202211102845.2，技术领域涉及：G10L25/63；该发明授权一种基于因果特征抽取的域自适应跨库语音情感识别方法是由傅洪亮;汪洋;耿磊;单帅;于航;康超男;陶华伟;庄志豪;刘曼;杨静;郭歆莹;徐志军;程晓林设计研发完成，并于2022-09-09向国家知识产权局提交的专利申请。

本一种基于因果特征抽取的域自适应跨库语音情感识别方法在说明书摘要公布了：本发明公开了一种基于因果特征抽取的域自适应跨库语音情感识别方法，方法包括：1选取训练语音数据和测试语音数据，其中，训练语音数据中包含多段语音及其对应的情感类别标签，测试语音数据中仅包含待分类语音；2利用声学低维描述子处理语音片段，并利用统计函数对获得值进行扩充，将扩充后得到的数据拼接为向量，作为语音情感特征；3建立基于因果特征抽取的域自适应模型，利用训练语音情感特征和测试语音情感特征对模型进行训练，通过域自适应和因果特征抽取，得到一个从训练数据泛化到测试数据的鲁棒模型；4根据分类损失，域自适应损失和因果特征损失进行反向传播，优化模型网络参数，对测试数据进行分类。

本发明授权一种基于因果特征抽取的域自适应跨库语音情感识别方法在权利要求书中公布了：1.一种基于因果特征抽取的域自适应跨库语音情感识别方法，其特征在于该方法包括： 1使用两个语音数据库，分别作为训练语音库和测试语音库，其中，训练语音库包含多段语音及其对应的情感类别标签，测试数据库中仅包含待识别语音数据； 2利用声学低维描述子处理语音片段，并利用统计函数对获得值进行扩充，将扩充后得到的数据拼接为向量，作为语音情感特征； 3建立基于因果特征抽取的域自适应模型，采用一维卷积神经网络进行特征处理，通过最大均值差异度量训练语音情感特征和测试语音情感特征的分布距离并对齐，通过反卷积重构特征、构造相关性矩阵并优化为单位阵的方式抽取因果特征；利用训练语音情感特征和测试语音情感特征对所述模型进行训练，通过域自适应和因果特征抽取得到鲁棒模型，基于总体损失回传优化网络参数； 具体操作步骤如下： 所述基于因果特征抽取的域自适应模型总体损失设计为： 式中，为训练数据的分类损失，为训练数据和测试数据的特征分布对齐损失，为因果损失； 获取步骤2提取到的语音情感特征，输入一维卷积神经网络进行特征处理，利用相应的特征表征完成源域上的情感分类，以指导网络训练，模型的源域分类损失设计为： 式中表示训练过程中的批次大小，取值为1或0，表示样本属于第类情感类型的预测概率； 使用最大均值差异度量训练数据和测试数据的特征分布距离，并进行对齐，从而完成模型对测试数据的适应，特征分布距离损失设计为： 式中为再生希尔伯特空间，为特征映射函数，和分别为处理后的训练数据和测试数据特征； 将源域特征通过反卷积得到与原始特征一致的维度，构造相关性矩阵以度量特征在重构前后相同维度的相关性以及不同维度的独立性，相关性矩阵设计为： ；式中和分别表示原始特征和卷积重构后的特征，表示特征维度。将相关性矩阵优化为单位阵，获得特征与标签间的因果关系，因果损失设计为： ；4重复步骤3，直至训练达到预设的轮次，完成模型优化，对训练语音数据进行情感分类。

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河南工业大学，其通讯地址为：450001 河南省郑州市高新技术产业开发区莲花街100河南工业大学科技处；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。