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！

龙图腾网获悉常州大学申请的专利基于生成对抗网络双数据表示的音频异常检测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：CN119993201B 。

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：202510059614.5，技术领域涉及：G10L25/51；该发明授权基于生成对抗网络双数据表示的音频异常检测方法是由张怡卓;孙正峰;石神;牛永锋设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本基于生成对抗网络双数据表示的音频异常检测方法在说明书摘要公布了：本发明涉及音频异常检测技术领域，尤其是一种基于生成对抗网络双数据表示的天然气管道音频异常检测方法，其包括如下步骤：S1、采集天然气管道在不同工况下的正常音频和异常音频，对采集的正常音频进行预处理，异常音频作为测试集；S2、使用生成器和判别器构建基于生成对抗网络的异常检测模型；S3、进行异常检测解耦，将管道检测相关的语义信息从全局频谱信息中分离出来，消除无关信息的干扰；S4、引入改进的潜在表示一致性损失，以防止潜在空间之间的信息泄漏；S5、使用改进的基于生成对抗网络的异常检测模型对天然气管道音频数据集进行检测，输出天然气管道音频异常检测结果。通过本发明方法可以提高天然气管道音频异常检测的效率和精确率。

本发明授权基于生成对抗网络双数据表示的音频异常检测方法在权利要求书中公布了：1.一种基于生成对抗网络双数据表示的天然气管道音频异常检测方法，其特征在于，包括如下步骤： S1、采集天然气管道在不同工况下的正常音频和异常音频，对采集的音频进行预处理，以适应模型训练需要，异常音频作为测试集； S2、使用生成器和判别器构建基于生成对抗网络的异常检测模型； S3、进行异常检测解耦，将管道检测相关的语义信息从全局频谱信息中分离出来，消除无关信息的干扰； S4、引入改进的潜在表示一致性损失，以防止潜在空间之间的信息泄漏； S5、使用改进的基于生成对抗网络的异常检测模型对天然气管道音频数据集进行检测，输出天然气管道音频异常检测结果； 所述步骤S2中基于生成对抗网络的异常检测模型由一个生成器、一个判别器、一个自动编码器和一个分类器C组成，所述生成器为双数据表示生成器，其由编码器、编码器和解码器D组成，所述编码器和编码器的架构相同且能独立学习不同参数； 其中，编码器和编码器均由步长为2的卷积层组成，每个卷积层之后是批量归一化层和负斜率为0.2的LeakyReLU激活函数，通过双数据表示生成器得到潜在表示和潜在表示；解码器D通过步长为2的转置卷积来执行解码，每个转置卷积后是批量归一化层、ReLU激活函数，且最后一个卷积层使用tanh激活函数来限制边界；判别器具有与编码器和编码器相同的架构，最后一个卷积层后是Sigmoid激活函数；分类器C是一种多层感知机，具有1个隐藏层和30个隐藏单元，输入层的大小由潜在表示的维数决定，输出层的大小由训练数据的类数决定；自动编码器具有与编码器相同的架构，网络参数与编码器相同； 基于生成对抗网络的异常检测模型的分类器运行步骤具体为： S21、训练分类器C根据潜在表示预测正确的类的标签，并根据潜在表示进行错误分类；该训练过程控制双重潜在表示中的信息内容，并在没有异常数据示例的情况下学习有意义的数据特征以进行异常检测； S22、使用梯度反转层对潜在表示进行变换，确保潜在表示没有用于分类的有用语义信息； 所述步骤S3中进行异常检测解耦具体为： S31、编码器捕获频谱语义信息，这些信息是表征正常训练数据的关键；编码器编码低层次残余特征，确保潜在表示和潜在表示能够编码相互独立的信息； S32、使用基于分类器C的解耦过程，将正常数据相关的语义信息在潜在表示中进行编码，且将不相关的残留信息强制编码到潜在表示中； 所述步骤S4中改进的潜在表示一致性损失是当潜在表示发生变化时，若编码器和编码器提取不一致的语义相关信息，则会对编码器进行惩罚，具体为： S41、采用余弦相似度衡量编码器和编码器得到的潜在表示和潜在表示，关注二者的方向，以捕捉局部的线性相关性，它们的余弦相似度公式表达如下： ， 其中，是和的点积，、分别是和的模长； S42、改进的潜在表示一致性损失引入基于互信息改进的目标函数：先计算和的联合密度函数，边缘概率密度函数分别为和，互信息公式表达如下： ， 再分别计算和的熵和，根据最小熵归一化公式，将互信息归一化到[0,1]之间； S43、结合步骤S41的余弦相似度和步骤S42的基于互信息改进的目标函数，得到改进的潜在表示一致性损失，其公式表达如下： ， 其中，α为权重参数。

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常州大学，其通讯地址为：213164 江苏省常州市武进区湖塘镇滆湖中路21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”。