-
公开(公告)号：CN116840777A
公开(公告)日：2023-10-03
申请号：CN202310699258.4
申请日：2023-06-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明属于目标跟踪定位领域，提供了一种自适应平方根无迹卡尔曼滤波空间偏差配准方法和系统，初始化待测目标传感器，构建传感器量测方程和目标状态方程；自适应求取协方差矩阵的平方根，计算采样点和权值；利用自适应无迹卡尔曼滤波算法，基于k‑1时刻状态均值和协方差矩阵，估计k时刻的状态、量测与其他滤波中间参数；根据系统当前时刻是否因噪声等干扰造成异常量测数据，自适应校准状态方程中的可调参数；利用自适应无迹卡尔曼滤波算法和自适应聚类算法，根据k‑1时刻的偏差估计值及其误差协方差矩阵与预测的量测数据，构造偏差伪测量方程，对偏差值进行估计和补偿；重复上述步骤，形成闭环循环操作，进行迭代运算，直至完成所有传感器的配准。
-
公开(公告)号：CN115858792B
公开(公告)日：2023-06-09
申请号：CN202310132159.8
申请日：2023-02-20
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F16/35 , G06F40/289 , G06F40/30 , G06F40/216 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及数据处理技术领域，公开了基于图神经网络的招标项目名称短文本分类方法及系统；方法包括：获取待分类的招标项目名称；对文本进行分词处理；将分词结果输入到训练后的短文本分类模型中，输出分类结果；训练后的短文本分类模型，对分词结果提取出语义图的特征矩阵；对分词结果构建顺序图，得到顺序图的特征矩阵；对分词结果提取出文本特征，将文本特征分别映射到语义图的特征矩阵和顺序图的特征矩阵中，得到映射后的语义图特征矩阵和映射后的顺序图特征矩阵；实现语义图和顺序图的图内传播和图间传播，对招标项目名称短文本进行分类，得到分类标签；本发明能够解决现有人工标注效率不高和信息资源严重浪费的问题。
-
公开(公告)号：CN114664318B
公开(公告)日：2025-05-09
申请号：CN202210301250.3
申请日：2022-03-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G10L21/0208 , G10L25/30 , G06N3/0475 , G06N3/0442 , G06N3/047 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了基于生成对抗网络的语音增强方法及系统，包括：获取带噪声语音信号；将带噪声语音信号，输入到训练后的生成对抗网络中，输出增强后的语音信号；其中，所述生成对抗网络，包括两个生成器和两个判别器；所述生成对抗网络，训练过程中通过对两个生成器与两个判别器的相互博弈，提升生成器逼近目标信号的能力。本发明充分考虑了语音信号的时序关系，改进了先前的生成器与判别器的全卷积的设计，生成器中添加使用多头注意力机制，并将多生成器多阶段增强与注意力机制相结合，充分利用了多头注意力机制与生成对抗网络博弈思想。本方法能够是增强后的语音具有更高的质量与可懂度。
-
公开(公告)号：CN119360900B
公开(公告)日：2025-03-18
申请号：CN202411918160.4
申请日：2024-12-25
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于语音信号处理技术领域，提供了面向低速率通信的非侵入式窄带语音质量评估方法及系统，其技术方案为基于语音数据对构建好的语音质量评估模型进行训练得到训练后的语音质量评估模型；其中，所述语音质量评估模型的构建过程包括：提取语音数据的梅尔频谱特征；基于梅尔频谱特征提取得到语音数据的非对称特征图；将语音数据的非对称特征图分割为多个频段，对各个频段的特征进行增强，得到增强后的特征图；基于增强后的特征图计算每帧语音的评分，基于每帧语音的评分计算整个语音数据的评分；基于训练后的语音质量评估模型对待评估语音数据进行质量评估，无需原始参考信号，有效评估实际通信环境中的语音质量。
-
公开(公告)号：CN119360900A
公开(公告)日：2025-01-24
申请号：CN202411918160.4
申请日：2024-12-25
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于语音信号处理技术领域，提供了面向低速率通信的非侵入式窄带语音质量评估方法及系统，其技术方案为基于语音数据对构建好的语音质量评估模型进行训练得到训练后的语音质量评估模型；其中，所述语音质量评估模型的构建过程包括：提取语音数据的梅尔频谱特征；基于梅尔频谱特征提取得到语音数据的非对称特征图；将语音数据的非对称特征图分割为多个频段，对各个频段的特征进行增强，得到增强后的特征图；基于增强后的特征图计算每帧语音的评分，基于每帧语音的评分计算整个语音数据的评分；基于训练后的语音质量评估模型对待评估语音数据进行质量评估，无需原始参考信号，有效评估实际通信环境中的语音质量。
-
Patent Agency Ranking
公开(公告)号：CN119274014A
公开(公告)日：2025-01-07
申请号：CN202411292960.X
申请日：2024-09-14
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/774 , G06V10/20 , G06V10/764
Abstract: 本发明提出了基于AMAdam的对抗样本生成方法及系统，涉及对抗样本生成领域，具体方案包括：将获取的源图像预处理成被攻击的图像，创建与被攻击的图像形状相同的全零张量；将全零张量作为初始扰动，采用循环迭代的方式，基于当前扰动的梯度，采用AMAdam集合动量项的方法计算梯度的无偏一阶矩和无偏二阶矩，通过无偏一阶矩和无偏二阶矩生成新的扰动，直到达到最大迭代次数，得到最终的扰动；将最终的扰动添加到被攻击的图像上，生成对抗样本；本发明将AMAdam算法集成到基于梯度的迭代攻击中，使用梯度的无偏一阶矩和无偏二阶矩，为被攻击图像生成并更新扰动，构建对抗样本，提升基于迁移的对抗样本生成方法的整体性能。
-
公开(公告)号：CN115171642B
公开(公告)日：2024-10-29
申请号：CN202210795721.0
申请日：2022-07-07
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G10K11/178 , G06N3/08 , G06N3/044
Abstract: 本发明属于主动降噪技术领域，提供了一种基于改进的循环神经网络的主动降噪方法及系统，该方法包括获取待降噪信号数据；基于待降噪信号数据和训练好的改进的循环神经网络模型对噪声信号进行滤波控制，生成滤波后的信号；其中，所述改进的循环神经网络模型的构建过程为：采用门控循环单元替换传统循环神经网络中的隐藏单元中的tanh函数，形成了一个带有门控的RNN网络，同时使用遗忘门和记忆门对具有时间相关性的噪声信号进行处理；对滤波后的信号通过次级路径模型模拟得到抗噪声信号；依据相消干涉原理，根据抗噪声信号对噪声信号进行消除得到去噪后的信号。不仅保证了信号的时间相关性，而且提高了训练效率。
-
公开(公告)号：CN118335092B
公开(公告)日：2024-08-30
申请号：CN202410748437.7
申请日：2024-06-12
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明属于语音信号处理技术领域，提供了一种基于多尺度残差注意力的语音压缩方法及系统，包括获取语音信号；对语音信号进行卷积操作，得到第一特征，对第一特征进行操作，得到第一特征的残差和恒等映射；将残差和恒等映射相加得到第一输出特征，对第一输出特征进行特征提取，经过多次操作得到注意力分数，将注意力分数分别与残差和恒等映射相乘，经过多次操作得到第三输出特征；对第三输出特征进行多级迭代量化，得到第一矢量，第二网络根据接收到的第一矢量的索引，在码本中找到相应的量化矢量，将所有量化矢量相加，得到重构矢量；对重构矢量解码输出合成语音，并对生成语音的真伪通过判别器进行判断。本发明能够提高合成语音的质量。
-
公开(公告)号：CN117171698A
公开(公告)日：2023-12-05
申请号：CN202310882930.3
申请日：2023-07-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明涉及目标追踪领域，提供了一种异步多传感器目标追踪自适应融合方法及系统。该方法包括，构建目标状态方程和传感器测量方程；根据目标状态方程和传感器测量方程，采用无迹卡尔曼滤波算法，计算目标局部最优估计；根据传感器节点搭建动态通信拓扑结构，各个传感器的目标局部最优估计传输到融合中心；融合中心根据各个传感器的目标局部最优估计，进行自适应融合，得到融合估计结果。本发明考虑系统中传感器的采样率、传输率以及通信延迟等情况，讨论目标机动时的多传感器异步测量信息融合问题，设计了一种分层自适应融合结构，实现了传感器测量的分层序贯融合。
-
公开(公告)号：CN116884441A
公开(公告)日：2023-10-13
申请号：CN202310911528.3
申请日：2023-07-24
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提供了一种基于时频特征双重融合的语音情感识别方法及系统，涉及语音情感识别领域，包括：获取待识别的语音信号并进行预处理，得到语音信号的梅尔频率倒谱系数；提取梅尔频率倒谱系数的深度时间特征和深度频率特征；将深度时间特征和深度频率特征进行自适应融合和全局融合，得到时频特征；对得到的时频特征进行再整形，馈入全连接网络中进行分类，根据分类结果确定语音信号对应的情感。本发明能够充分利用语音信号所包含的情感信息特征，提高语音情感识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.174 seconds)
