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！

龙图腾网获悉河海大学申请的专利一种基于联邦学习的声纹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：CN119479658B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411595253.8，技术领域涉及：G10L17/04；该发明授权一种基于联邦学习的声纹识别方法是由谢在鹏;黄忠;苏毅设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本一种基于联邦学习的声纹识别方法在说明书摘要公布了：本发明涉及一种基于联邦学习的声纹识别方法，利用联邦学习分布式特性，基于服务器下发的起始参数组，待处理客户端生成本地个性化起始参数组，再联系模型记忆和动量增量，以基于本地音频数据样本集彼此独立取样的第一样本子集、第二样本子集，实现参数组的迭代训练更新，并最终联系服务器的全局聚合方式，获得声纹识别模型，用于针对音频实现关于预设各音频发出者标签的识别；设计声纹识别方法，有效解决音频数据在不同设备间的数据隐私保护和分布异质性问题，提升系统中声纹识别模型在实际应用中的鲁棒性和泛化能力。

本发明授权一种基于联邦学习的声纹识别方法在权利要求书中公布了：1.一种基于联邦学习的声纹识别方法，其特征在于：基于服务器与客户端集合，由服务器初始化r＝1，以及初始化待训练模型构成第r次全局迭代下的待训练模型，然后执行如下步骤，获得声纹识别模型，用于针对音频实现关于预设各音频发出者标签的识别； 步骤A.服务器由客户端集合中随机选择至少两个客户端，作为第r次全局迭代下各个待处理客户端，并由服务器将第r次全局迭代下的待训练模型下发至第r次全局迭代下各个待处理客户端，然后进入步骤B； 步骤B.第r次全局迭代下各个待处理客户端分别基于其本地的音频数据样本集，联系模型记忆和动量增量，以音频样本为输入、以音频样本所对应音频发出者为输出，针对待训练模型进行训练，获得局部训练后模型，并结合相对应的预测准确率，上传至服务器；然后进入步骤C； 步骤B中，第r次全局迭代下各个待处理客户端分别初始化h＝1，并执行如下步骤： 步骤B1.待处理客户端由其本地包括各音频样本、以及各音频样本分别对应音频发出者标签的音频数据样本集中，随机获得预设第一数量、且覆盖该音频数据样本集中全部音频发出者标签的各个样本，构成初始样本子集并基于待训练模型的起始参数组联系待处理客户端对应的损失函数，以及待训练模型对应以音频样本为输入、以音频样本所对应音频发出者为输出，生成待训练模型的本地个性化起始参数组将作为作为然后进入步骤B2； 其中，1≤ir≤Ir，Ir表示第r次全局迭代下待处理客户端的数量，表示第r次全局迭代下第ir个待处理客户端对应的初始样本子集，表示第r次全局迭代下第ir个待处理客户端中待训练模型的起始参数组，表示第r次全局迭代下第ir个待处理客户端中待训练模型的本地个性化起始参数组，表示第r次全局迭代下第ir个待处理客户端中待训练模型对应第h次局部迭代的参数组；表示第r次全局迭代下第ir个待处理客户端中待训练模型对应第h次局部迭代的本地个性化参数组； 步骤B2.待处理客户端由其本地的音频数据样本集中，随机获得预设第二数量、且覆盖该音频数据样本集中全部音频发出者标签的各个样本，构成第一样本子集并根据参数组联系待处理客户端对应的损失函数，以及待训练模型对应以音频样本为输入、以音频样本所对应音频发出者为输出，获得参数组然后进入步骤B3；其中，表示第r次全局迭代下第ir个待处理客户端对应第h次局部迭代的第一样本子集，表示第r次全局迭代下第ir个待处理客户端中待训练模型对应第h+1次局部迭代的参数组； 步骤B3.待处理客户端根据参数组本地个性化参数组第一样本子集联系模型记忆和预设动量增量、以及待处理客户端对应的损失函数，以及待训练模型对应以音频样本为输入、以音频样本所对应音频发出者为输出，获得本地个性化参数组然后进入步骤B4；其中，表示第r次全局迭代下第ir个待处理客户端中待训练模型对应第h+1次局部迭代的本地个性化参数组； 步骤B4.待处理客户端由其本地的音频数据样本集中，随机获得预设第三数量、且覆盖该音频数据样本集中全部音频发出者标签的各个样本，构成第二样本子集同时随机获得预设第四数量、且覆盖该音频数据样本集中全部音频发出者标签的各个样本，构成第三样本子集然后进入步骤B5；其中，表示第r次全局迭代下第ir个待处理客户端对应第h次局部迭代的第二样本子集，表示第r次全局迭代下第ir个待处理客户端对应第h次局部迭代的第三样本子集； 步骤B5.待处理客户端根据第二样本子集第三样本子集参数组本地个性化参数组应用Hessian矩阵，联系待处理客户端对应的损失函数，以及待训练模型对应以音频样本为输入、以音频样本所对应音频发出者为输出，针对参数组进行更新，然后进入步骤B6； 步骤B6.待处理客户端判断基于参数组的待训练模型的预测准确率是否大于预设局部预测准确率阈值，是则以参数组的待训练模型作为待处理客户端的局部训练后模型，并结合相对应的预测准确率，上传至服务器；否则针对h的值进行加1更新，并返回步骤B2； 步骤C.服务器针对第r次全局迭代下各待处理客户端分别所上传局部训练后模型的参数组进行聚合，获得第r次全局迭代下的全局参数组，然后服务器获得第r次全局迭代下各待处理客户端分别所上传局部训练后模型的预测准确率的平均准确率，判断平均准确率是否大于预设全局模型准确率阈值或者全局迭代次数是否达到预设全局最大迭代次数，是则由待训练模型结合第r次全局迭代下的全局参数组，构成声纹识别模型；否则由待训练模型结合第r次全局迭代下的全局参数组，构成第r+1次全局迭代下的待训练模型，并针对r的值进行加1更新，再返回步骤A。

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海大学，其通讯地址为：211100 江苏省南京市江宁区佛城西路8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。