-
公开(公告)号：CN113345427A
公开(公告)日：2021-09-03
申请号：CN202110628210.5
申请日：2021-06-07
Applicant: 桂林理工大学
IPC: G10L15/06 , G10L15/16 , G10L21/02 , G10L21/0316
Abstract: 本发明公开了一种基于残差网络的环境声音识别系统及方法，包括：数据输入模块、声音信号增强模块、预处理模块、特征提取模块、训练残差网络模块和模型库模块。本发明采用声音信号增强技术对数据样本作增强处理，凸显了数据样本的特征；预处理将声音样本分割为短时平稳的帧；采用FBank特征提取方法提取声音的深层次特征，并将时域信号转化为频域信号，FBank利用高维度特征的相关性，比梅尔频率倒谱系数更适合神经网络模型的训练；残差网络凭借其特殊的残差块结构可以避免随着网络加深而带来的网络退化、梯度消失和梯度爆炸的问题，从而优化网络模型，提升模型的泛化能力，从而提升环境声音的识别率，和传统的环境声音识别方法相比，有很大的提升。
-
公开(公告)号：CN113345399A
公开(公告)日：2021-09-03
申请号：CN202110482726.3
申请日：2021-04-30
Applicant: 桂林理工大学
IPC: G10K11/178 , G10L25/27
Abstract: 本文公开发明了一种强噪声环境下的机器设备声音监测方法，包括如下步骤：S1：样本数据采集，S2：自适应噪声对消，S3：样本数据预处理，S4：样本数据特征提取，S5：隐马尔科夫模型训练，S6：实测声音采集，S7：预处理，S8：特征提取，S9：识别结果；本发明分别采集被监测机器设备运行时的声音和周围环境声音，样本数据采集方便、真实有效；采用自适应噪声对消技术，可以使自适应滤波器输出的信号最大限度地逼近噪声信号，从而得到被监测机器设备纯净的声音信号；HMM具有严谨的数据结构和可靠计算性能，能够在实时监测声音信号的基础上，很好地描述机器设备运行时发出的声音信号和周围噪声的随机性和实时性。
-
公开(公告)号：CN114242112A
公开(公告)日：2022-03-25
申请号：CN202111484910.8
申请日：2021-12-07
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于改进深度残差神经网络的城市声音分类方法，包括4个步骤：S1数据预处理：将声音的振幅和频率图形化；S2数据特征提取：提取声音信号的音频特征并进行数据标准化处理；S3改进深度残差网络分类器：构建改进的深度残差网络模型，将处理后的训练数据集送入改进深度残差网络分类器进行训练，得出改进深度残差网络声音分类器模型；S4声音分类结果判定：将声音测试数据集送入改进深度残差神经网络声音分类器模型进行测试，得出分类准确率。与传统分类方法相比，本发明提供的一种基于改进深度残差神经网络的城市声音分类方法，不仅避免了梯度爆炸和梯度消失现象，同时可以实现多种声音类型的智能分类。
-
公开(公告)号：CN114004369A
公开(公告)日：2022-02-01
申请号：CN202111124714.X
申请日：2021-09-25
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于机器学习的学生行为分析方法，包括4个步骤：S1数据采集：将校园管理系统如一卡通管理系统、图书馆系统等系统数据上传至数据库；S2数据标准化:对采集到的数据按照规范化、正规化和归一化的方法得到标准数据；S3聚类模型训练:将经过数据处理后的数据送入聚类模型进行训练，得出学生各种行为的聚类结果；S4异常行为判定：对学生的各种行为通过SVM算法进行异常分析。本发明提供的一种基于机器学习的学生行为分析方法，可以通过学生的校园数据对学生行为进行细分，并判定是否为异常行为，实现学生行为智能分析的过程，有效提高学生管理工作人员的效率。
-
公开(公告)号：CN113362545A
公开(公告)日：2021-09-07
申请号：CN202110621538.4
申请日：2021-06-03
Applicant: 桂林理工大学
IPC: G08B13/16 , G08B13/196 , G10L25/51 , G01S5/20
Abstract: 本发明公开了一种声音及视频相结合的居民小区监控系统。包括声音定位模块，摄像头驱动模块，模块间通信接口，音频识别模块，报警模块。声音定位模块采集小区周围环境声音并进行定位，包括麦克风阵列和声源位置判断；模块间通信接口连接麦克风阵列、摄像头和音频识别模块；音频识别模块接收麦克风阵列采集的声音信号，并对其进行异常声音检测；摄像头驱动模块包括摄像头驱动电路和摄像头，摄像头驱动电路接收音频识别模块识别结果，当音频识别模块识别为异常声音时，摄像头驱动电路驱动摄像头转动使摄像头对准声源位置，同时启动报警模块进行报警。本发明解决了传统视频监控只有视频画面且存在视频盲区，同时缺少声音信号采集的问题。
-
Patent Agency Ranking
公开(公告)号：CN110867196A
公开(公告)日：2020-03-06
申请号：CN201911222026.X
申请日：2019-12-03
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于深度学习及声音识别的机器设备状态监测系统。包括训练数据采集模块采集声音信号；人工标记模块对声音信号进行标记形成声音样本库；声音样本经预处理和特征提取被送入预设神经网络模型进行训练；实时数据采集模块采集声音信号并送入训练后的神经网络模型；状态识别模块结合人工经验通过声音信号对机器运行状态进行综合识别判断，并将结果进行反馈及输出。本发明不仅可以实时监测机器设备运行状态，同时在机器设备发生故障或处于危险状态时发出报警信号，通知设备管理员及时进行维护，提高工作效率；同时由于采用深度学习算法结合人工经验对神经网络模型进行训练，因而具有识别准确性高、安全性好、效率高和智能化等优点。
-
公开(公告)号：CN114648988A
公开(公告)日：2022-06-21
申请号：CN202210284020.0
申请日：2022-03-22
Applicant: 桂林理工大学
Abstract: 本发明公开了一种车辆鸣笛识别定位系统及方法，包括：声音采集模块、声音处理模块、声音识别模块、MUSIC声源定位模块、车牌识别模块和确认身份模块。本发明采用球形声阵列多角度采集道路上的声音；对采集的声音进行分帧加窗预处理，得到平滑连续的声音，使用谐波冲击源分离方法提取声音的特征；设计了双向窥视孔网络和残差网络相结合的分类器模型，并使用大量车辆鸣笛声音对分类器进行训练，然后对道路声音进行识别；对识别到的鸣笛声音使用MUSIC方法进行定位，并对该车辆的车牌进行拍照识别，最后确定车主的身份，供执法人员对其进行处罚。本发明与传统的车辆鸣笛识别定位系统及方法相比，有着更高的鸣笛声音识别率和更准确的定位。
-
公开(公告)号：CN113852612A
公开(公告)日：2021-12-28
申请号：CN202111076255.2
申请日：2021-09-15
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于随机森林的网络入侵检测方法，包括4个步骤：S1数据预处理：将网络流量测试数据集经过归一化处理后上传至数据库；S2数据再平衡:对预处理后的数据进行再平衡，增加少数类样本；S3二分类模型训练:将经过数据再平衡后的数据送入随机森林模型进行训练，得出网络入侵的检测模型；S4网络入侵判定：将测试数据通过模型进行网络入侵判定。本发明提供的一种基于随机森林的网络入侵检测方法，可以通过网络流量测试数据集对网络入侵进行训练，并预测是否为入侵行为，实现网络安全智能检测过程，有效提高网络防控风险能力。
-
公开(公告)号：CN110867196B
公开(公告)日：2024-04-05
申请号：CN201911222026.X
申请日：2019-12-03
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于深度学习及声音识别的机器设备状态监测系统。包括训练数据采集模块采集声音信号；人工标记模块对声音信号进行标记形成声音样本库；声音样本经预处理和特征提取被送入预设神经网络模型进行训练；实时数据采集模块采集声音信号并送入训练后的神经网络模型；状态识别模块结合人工经验通过声音信号对机器运行状态进行综合识别判断，并将结果进行反馈及输出。本发明不仅可以实时监测机器设备运行状态，同时在机器设备发生故障或处于危险状态时发出报警信号，通知设备管理员及时进行维护，提高工作效率；同时由于采用深度学习算法结合人工经验对神经网络模型进行训练，因而具有识别准确性高、安全性好、效率高和智能化等优点。
-
公开(公告)号：CN113852612B
公开(公告)日：2023-06-27
申请号：CN202111076255.2
申请日：2021-09-15
Applicant: 桂林理工大学
IPC: H04L9/40 , G06F18/214 , G06F18/2431
Abstract: 本发明公开了一种基于随机森林的网络入侵检测方法，包括4个步骤：S1数据预处理：将网络流量测试数据集经过归一化处理后上传至数据库；S2数据再平衡:对预处理后的数据进行再平衡，增加少数类样本；S3二分类模型训练:将经过数据再平衡后的数据送入随机森林模型进行训练，得出网络入侵的检测模型；S4网络入侵判定：将测试数据通过模型进行网络入侵判定。本发明提供的一种基于随机森林的网络入侵检测方法，可以通过网络流量测试数据集对网络入侵进行训练，并预测是否为入侵行为，实现网络安全智能检测过程，有效提高网络防控风险能力。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
