-
公开(公告)号：CN111968666A
公开(公告)日：2020-11-20
申请号：CN202010847510.8
申请日：2020-08-20
Applicant: 南京工程学院
IPC: G10L21/0216 , G10L21/0232 , G10L25/03 , G10L25/30 , G06N3/04 , G06N3/08 , H04R25/00
Abstract: 本发明公开了一种基于深度域自适应网络的助听器语音增强方法，包括：分别从带噪语音和干净语音中提取帧级对数功率谱特征；构建基于编码器-解码器结构的深度学习模型作为基线语音增强模型；在基线语音增强模型的基础上，构建基于深度域自适应网络的迁移学习语音增强模型；迁移学习语音增强模型在特征编码器和重建解码器之间引入域适配层和相对鉴别器；利用域对抗性损失训练迁移学习语音增强模型；在增强阶段，根据训练后的深度域自适应迁移学习语音增强模型，输入目标域带噪语音的帧级LPS特征，重建增强语音波形。本发明通过域对抗性训练来激励特征编码器生成域不变性特征，从而提高语音增强模型对未见噪声的适应性。
-
公开(公告)号：CN111754988A
公开(公告)日：2020-10-09
申请号：CN202010585359.5
申请日：2020-06-23
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于注意力机制和双路径深度残差网络的声场景分类方法，包括如下步骤：对原始语音信号计算原始语音频谱图、水平频谱图和垂直频谱图，将水平频谱图和垂直频谱图变换得到新的两路时域信号；分别计算原始语音信号、新的两路时域信号的对数梅尔谱图以及一阶差分对数梅尔谱图和二阶差分对数梅尔谱图，并在通道维度上进行融合得到融合谱图；割在频率轴上将融合谱图平均分为高频谱图和低频谱图；搭建带有注意力层的双路径深度残差网络；将高频谱图和低频谱图输入深度残差网络，输出原始语音信号所属的声场景类别。本发明可以更好的捕获高频和低频分量的时频特性以及特征图中不同通道的重要度，提升了声场景分类系统的准确性和鲁棒性。
-
公开(公告)号：CN106901758B
公开(公告)日：2019-10-25
申请号：CN201710099098.4
申请日：2017-02-23
Applicant: 南京工程学院
IPC: A61B5/16
Abstract: 本发明公开了一种基于卷积神经网络的言语置信度评测方法。该方法首先对采集的语音样本进行分帧，并提取每帧的梅尔倒谱系数，构成单通道梅尔倒谱系数图像；然后构建六层卷积神经网络，构建前三层为使用尺寸不同的卷积滤波器的卷积层，第四层为生成全局特征图的聚合层，第五层和第六层为由2048个线性修正单元的全连层；最后将梅尔倒谱系数图像输入构建的卷积神经网络进行言语置信度评测。实验结果显示，该置信度评测方法对谎言的识别率达到73％。
-
公开(公告)号：CN117592371A
公开(公告)日：2024-02-23
申请号：CN202311608464.6
申请日：2023-11-28
Applicant: 南京工程学院
IPC: G06F30/27
Abstract: 本发明公开了基于序贯博弈模型的敌我体系对抗评估方法，包括：基于实时作战态势读取敌我体系作战节点属性、读取开源武器装备性能和敌我武器装备相对毁伤能力配置，建立描述敌我体系对抗关系的交战格局图；按照统一基准赋权交战格局图中作战节点权重；构建序贯博弈模型，求解敌我火力分配方案；估算当前时序内的敌我损耗，更新实时作战态势中的敌我作战节点状态；比较当前态势中的敌我作战节点状态与预设敌我作战节点终态距离，重复上述过程直至至少敌我一方作战节点状态抵达终态。本发明开发了作战节点赋权算法、火力分配算法和敌我战损估计算法，通过全局控制器集成，实现敌我对抗时长预测和敌我战损估计，补齐仿真系统和战场管理系统相关功能弱项，服务于作战指挥决策。
-
公开(公告)号：CN116778937A
公开(公告)日：2023-09-19
申请号：CN202310314078.X
申请日：2023-03-28
Applicant: 南京工程学院
IPC: G10L21/013 , G06N3/0464 , G06N3/0475 , G06N3/094 , G10L19/16 , G10L25/18 , G10L25/24 , G10L25/30
Abstract: 本发明公开了一种基于说话人对抗子网络的语音转换方法。本发明通过在将说话人对抗子网络嵌入至语音转换模型StarGAN‑VC2中，提出了添加说话人对抗子网络辅助特征解码的策略，并融合了说话人对抗损失函数与生成器损失函数，使得二者在对抗中提高编码器的说话人身份信息去除效果，同时为了更好地适应语音转换任务，引入了自适应实例归一化算法辅助特征解码，能够有效的提升语音转换的质量以及说话人相似度，因此，使得语音在转换过程中，具有检验与反馈机制，非语义特征剔除彻底，可以在保持多对多的非平行语料转换方法优越性的前提下，创造出一个说话人身份信息去除辅助与验证机制，语音转换效果好，具有良好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN114283830A
公开(公告)日：2022-04-05
申请号：CN202111554165.X
申请日：2021-12-17
Applicant: 南京工程学院
IPC: G10L21/0208 , G10L21/0216 , G10L25/27 , G10L25/45 , H04M9/08 , G06N20/00
Abstract: 本发明公开了基于深度学习网络的麦克风信号回声消除模型构建方法。本发明采用归一化最小均方算法消除由多路径和房间声学冲激响应引入的线性回声，然后利用残余回声信号和近端麦克风信号计算IRM作为训练目标，并将经过归一化最小均方算法处理的近端麦克风信号和远端参考信号作为输入，构建具有实时编码器‑解码器结构的CRN模型；最后，将预估残余信号从近端麦克风信号中减去重构语音，本发明联合归一化最小均方算法与基于CRN模型的深度学习网络实时回声消除算法，可以提高麦克风回声消除的性能，具有良好的应用前景。
-
公开(公告)号：CN111968677B
公开(公告)日：2021-09-07
申请号：CN202010854269.1
申请日：2020-08-21
Applicant: 南京工程学院
Abstract: 本发明公开了一种面向免验配助听器的语音质量自评估方法，包括：构建并训练语音质量自评估网络：待测语音通过卷积神经网络提取并输出待测语音的帧级特征；待测语音的帧级特征通过循环神经网络得到并输出待测语音的段级特征；待测语音的段级特征输入至线性映射模型和Softmax分类器，对分类器的输出进行判决确定语音的失真类型，并结合线性映射模型的输出得到客观评分。本发明公开了一种面向免验配助听器的语音质量自评估方法，将卷积神经网络、循环神经网络和Softmax分类器有机地结合成一个整体，结合卷积神经网络的特征挖掘能力和循环神经网络的时序建模能力，提高无参考语音质量客观评价方法准确度，大大简化了处理过程。
-
公开(公告)号：CN113095101A
公开(公告)日：2021-07-09
申请号：CN202110571510.4
申请日：2021-05-25
Applicant: 南京工程学院
IPC: G06K7/10
Abstract: 本发明公开了一种基于功放的便携式射频指纹识别装置，涉及射频技术领域。该便携式射频指纹识别装置包括：外壳、显示屏、电子标签、第一控制按钮、第一表带、第二表带、功率放大器、功分器、射频识别模块、第一电池、监测仪和移动机构。该便携式射频指纹识别装置可以对外部的RFID标签进行识别，同时又可以作为被其他识别装置识别的对象，同时也可以尽可能地降低信号的衰减程度以此保证信号的质量，可以穿戴，方便使用者日常的携带和操作。
-
公开(公告)号：CN110085249B
公开(公告)日：2021-03-16
申请号：CN201910385797.4
申请日：2019-05-09
Applicant: 南京工程学院
IPC: G10L21/0232 , G10L21/0264 , G10L25/18 , G10L25/24 , G10L25/30
Abstract: 本发明公开了一种基于注意力门控的循环神经网络的单通道语音增强方法，包括对带噪的单通道语音进行分帧加窗，提取38维信号特征；构建用于单通道语音增强的深度循环神经网络；利用纯净语音库和噪声库构建训练数据集；训练构建的深度循环神经网络；将提取的带噪语音特征输入训练好的深度循环神经网络，输出带噪语音的频带增益估计值，并进行平滑、内插得到内插增益；将内插增益作用于带噪的单通道语音，得到增强后的语音频谱。本发明能够有效抑制包括非平稳噪声在内的噪声，同时保持足够低的计算复杂度，从而能够用于实时的单通道语音增强，方法巧妙，构思新颖，具有良好的应用前景。
-
公开(公告)号：CN110111803B
公开(公告)日：2021-02-19
申请号：CN201910385769.2
申请日：2019-05-09
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于自注意多核最大均值差异的迁移学习语音增强方法，包括从原始语音中提取GFCC特征，并作为深度神经网络的输入特征；利用带噪语音与干净语音信息计算傅里叶变换域的理想浮值掩蔽，并作为深度神经网络的训练目标；构建基于深层神经网络的语音增强模型；构建自注意多核最大均值差异的迁移学习语音增强模型；训练自注意多核最大均值差异的迁移学习语音增强模型；输入目标域带噪语音的帧级特征，重建增强语音波形。本发明在多核最大均值差异前端添加自注意力算法，通过最小化源域注意到的特征和目标域注意到的特征之间的多核最大均值差异，实现对无标签的目标域的迁移学习，提高语音增强性能，具有良好的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.023 seconds)
