公开(公告)号：CN118887974A

公开(公告)日：2024-11-01

申请号：CN202411049616.8

申请日：2024-08-01

Applicant: 东南大学

Inventor： 王俊波 ,  高长江 ,  周亚鹏 ,  彭志新 ,  常传文 ,  朱伟

IPC: G10L25/51 ,  G10L25/30 ,  G10L25/78 ,  G10L21/0208 ,  H04W4/90

Abstract: 本发明公开了一种基于深度学习的Morse信号到达检测方法，用以在音频信号流中监听Morse信号，是Morse信号自动译码的前置技术。所述方法以每1s的音频采样数据为一帧，对每一帧进行一次信号判决。信号判决的目的是判断某一帧信号是否为Morse信号，包括数据预处理模块，对一帧数据进行降噪和特征提取；深度学习判决模块，将预处理得到的特征输入深度神经网络，基于网络的输出结果判断这一帧信号是否为Morse信号。以每一帧的判决结果为依据，判断Morse信号的到达时刻和结束时刻。本发明能够高效、准确的实现Morse信号的到达检测，该技术是实现Morse信号自动译码的前提，同时本发明对低信噪比、衰落等情况具有较好的适应性，有较广泛的实用价值。

公开(公告)号：CN117708634A

公开(公告)日：2024-03-15

申请号：CN202311563457.9

申请日：2023-11-21

Applicant: 东南大学

Inventor： 王俊波 ,  高长江 ,  彭志新 ,  吴立强 ,  毛钦曙 ,  郝岩明 ,  高庆鑫

IPC: G06F18/23213 ,  G06F18/22 ,  G06F18/213 ,  G06F18/15 ,  H03M13/15 ,  G06F123/02

Abstract: 本发明公开了一种基于统计的摩斯信号译码方法，所述方法包括：数据预处理，对原始摩斯信号进行时频矩阵计算、选频、提取一维信息序列；基于统计的方法获取高电平阈值，并基于该阈值计算高电平持续时间和间隔持续时间；对高电平持续时间进行聚类分析，将其分为2类，分别代表点和划；对间隔进行聚类分析，将其分为4类，分别表示3种间隔以及深衰落；进行点、划、间隔映射，将高电平持续时间、间隔持续时间构成的序列映射为由点、划、间隔构成的摩斯原始序列；依据摩斯码本，将摩斯原始序列转化为数字序列，保留非定状态；对非定状态进行纠错，获得最终译码序列。本发明能够快速的实现摩斯信号的自动译码，并且能够达到较好的识别准确率。

公开(公告)号：CN119363517A

公开(公告)日：2025-01-24

申请号：CN202411205315.X

申请日：2024-08-30

Applicant: 东南大学

Inventor： 王俊波 ,  周亚鹏 ,  高长江 ,  彭志新 ,  常传文 ,  朱伟

IPC: H04L15/28 ,  G06N3/0464

Abstract: 本发明公开了一种改进CTC的摩斯信号快速译码方法，包括：将提取的摩斯信号数据进行短时傅里叶变换，获取时频矩阵，提取时频矩阵中摩斯信号的一维特征，并将其对应的标签构成训练集；构建深度学习框架，包括深度残差收缩模块、全连接层和softmax结构；对深度残差收缩模块中间层经过全连接层和softmax结构输出，作为子模型，计算子模型的CTC损失，与全模型的CTC损失加权后作为损失函数，对网络模型进行训练；将提取的摩斯信号时频矩阵的一维特征，输入到训练好的网络模型，将输出进行基于CTC解码后处理，得到译码结果。本发明采用全模型的CTC损失与子模型的损失相结合进行训练，具有非常小的计算开销，可以有效提升译码准确率。

公开(公告)号：CN117789762A

公开(公告)日：2024-03-29

申请号：CN202311605306.5

申请日：2023-11-28

Applicant: 东南大学

Inventor： 王俊波 ,  高长江 ,  彭志新 ,  吴立强 ,  毛钦曙 ,  郝岩明 ,  高庆鑫

IPC: G10L25/51 ,  G10L25/45 ,  G10L25/21

Abstract: 本发明公开了一种摩斯信号活动区域检测与截取方法，用以在音频信号中完整的截取出存在摩斯信号的部分。所述方法包括信号能量提取，获取由信号能量构成的一维序列；局部最大值处理，获取能量序列包络的同时保留上升沿的突变特性；上升沿搜索，寻找信号的上升沿所在的位置，基于此判定摩斯信号的起点；信号能量估计，估计摩斯信号的能量；噪声估计，估计噪声能量；获取摩斯信号结束阈值，结束阈值依据摩斯信号能量估计值和噪声能量估计值来确定；摩斯信号结束点搜索，基于结束阈值来寻找摩斯信号的结束位置。本发明能够高效、准确的实现摩斯信号活动区域的检测与截取，有较广泛的实用价值。

公开(公告)号：CN117713841A

公开(公告)日：2024-03-15

申请号：CN202311564369.0

申请日：2023-11-21

Applicant: 东南大学

Inventor： 王俊波 ,  高长江 ,  彭志新 ,  吴立强 ,  毛钦曙 ,  郝岩明 ,  高庆鑫

IPC: H03M13/29 ,  G06N3/02

Abstract: 本发明公开了一种手键摩斯信号二阶段译码方法，所述方法包括：第一阶段译码，依据摩斯音频的时频图人工制作神经网络训练标签并进行模型训练，利用训练好的模型进行第一阶段译码，该译码序列包含两种纠错码并且存在连码的情况；第二阶段处理，对第一阶段的预测结果进行纠错码的识别与纠错、连码分割。本发明能够很好的解决实际工作中摩斯信号的连码、纠错码问题，并且契合于各种神经网络模型。

公开(公告)号：CN116469011A

公开(公告)日：2023-07-21

申请号：CN202310467399.3

申请日：2023-04-27

Applicant: 东南大学

Inventor： 王俊波 ,  王冰珊 ,  惠军卫 ,  彭志新 ,  潘怡瑾 ,  程铭

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/22 ,  G06V10/82 ,  G06V10/774 ,  G06F18/10 ,  G06F18/2131

Abstract: 本发明提出了一种基于深度学习的多源数据融合未爆弹探测方法。主要解决现有未爆弹探测技术中准确率低、虚警及漏报过多的问题。方法包括：数据处理模块将接收到的磁探测数据以及图像数据进行处理并传输至深度学习模型，深度学习模型进行未爆弹识别，数据存储模块对深度学习模型的输入输出进行记录，显示模块对获取的磁场、图像及未爆弹的位置进行显示；该发明同时利用磁探测模块及摄像头获取信息，并基于多源数据融合和深度学习得到未爆弹探测结果，有效避免了现有单一磁探测模块探测方法的不足，得到的信息更加全面、多元，减少虚警以及漏报情况的发生，进一步保障人身安全、减少资源消耗。

公开(公告)号：CN118449809A

公开(公告)日：2024-08-06

申请号：CN202410652053.5

申请日：2024-05-24

Applicant: 东南大学

Inventor： 王俊波 ,  高长江 ,  毛钦曙 ,  吴立强 ,  梁中凯 ,  彭志新

IPC: H04L15/00 ,  G10L25/51 ,  G10L21/0232

Abstract: 本发明公开了一种Morse信号实时监听与截取方法，用以在音频信号流中实时检测并截取出Morse信号段。所述方法包括数据读取模块，实时从音频口读取采样数据；帧预处理模块，从每一帧数据中提取出用来监听截取Morse信号的特征值；阈值估计模块，基于噪声特征值自适应的确定阈值；检测截取模块，依据特征值和阈值实时判定Morse信号的起点和终点，完成信号截取。本发明能够高效、准确的实现Morse信号实时监听与截取，对低信噪比的情况具有较好的适应性，有较广泛的实用价值。

公开(公告)号：CN118197328A

公开(公告)日：2024-06-14

申请号：CN202410212128.8

申请日：2024-02-27

Applicant: 东南大学

Inventor： 王俊波 ,  高长江 ,  毛钦曙 ,  吴立强 ,  彭志新 ,  梁中凯

IPC: G10L19/02 ,  G10L19/16 ,  G10L25/30 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出一种不定长摩斯信号自动译码方法，该方法包括：对采集的摩斯信号音频进行短时傅里叶变换获取时频矩阵，基于时频矩阵提取出摩斯信号的一维特征，并获取摩斯信号音频对应的译码结果形成训练集；构建神经网络模型，所述神经网模模型包括融合注意力机制的一维卷积模块、Bi‑GRU模块、全连接+softmax结构、CTC报文转录模块；步骤3，将基于时频矩阵提取出摩斯信号的一维特征输入到构建的神经网络模型中，以获取摩斯信号音频对应的译码结果为输出对构建的神经网络模型进行训练；步骤4，重新采集摩斯信号音频进行短时傅里叶变换获取时频矩阵，提取出摩斯信号的一维特征，将一维特征输入到训练好的神经网络模型得到摩斯信号音频译码结果。