-
公开(公告)号：CN113361592A
公开(公告)日：2021-09-07
申请号：CN202110620415.9
申请日：2021-06-03
Applicant: 哈尔滨工业大学
Abstract: 一种基于公共子空间表示学习的声学事件识别方法，涉及一种声学事件识别方法。本发明是为了解决不同语义特征间子空间不一致导致的声学事件识别任务准确率较低的问题。本发明首先对每一个原始声学事件信号进行采样、量化、帧级特征提取、段级特征提取及扩展；然后通过学习公共子空间获得其语义特征表示；计算训练集的核矩阵，并用以训练分类器得到分类模型。在测试时，对每一个原始声学事件信号进行采样、量化、帧级特征提取、段级特征提取及其扩展；在已学习到的公共子空间指导下获得其语义特征表示；最后，计算测试集的核矩阵，并在分类模型的指导下进行模型匹配，来得到预测结果。主要用于声学事件的识别。
-
公开(公告)号：CN110334243A
公开(公告)日：2019-10-15
申请号：CN201910626365.8
申请日：2019-07-11
Applicant: 哈尔滨工业大学
IPC: G06F16/65 , G06F16/683 , G10L15/02 , G10L15/06 , G10L25/30
Abstract: 本发明提供基于多层时序池化的音频表示学习方法，属于音频分类技术领域。本发明首先提取训练集和待表示音频中每个音频样本的频谱特征，并切分成长度相等的片段，利用训练集的片段级别时频特征集合训练CNN网络，然后用训练好的CNN网络提取待表示音频的片段级别特征表示；再将提取的待表示音频的片段级别特征表示作为多层时序池化网络的输入，所述多层时序池化网络的每个时序池化层依次对输入数据进行非线性特征映射和时序编码操作，最终输出待表示音频的表示向量。本发明解决了现有缺少能够灵活、高效地捕捉任意时长音频样本的时序动态信息的特征表示技术的问题。本发明可用于鲁棒和高级的音频表示。
-
公开(公告)号：CN110211574A
公开(公告)日：2019-09-06
申请号：CN201910477034.2
申请日：2019-06-03
Applicant: 哈尔滨工业大学
Abstract: 基于瓶颈特征和多尺度多头注意力机制的语音识别模型建立方法，属于建模方法领域。传统的注意力模型存在识别性能较差，注意力尺度单一等问题。一种基于瓶颈特征和多尺度多头注意力机制的语音识别模型建立方法，采用深度置信网络提取瓶颈特征作为前端，能够增加模型的鲁棒性，而后端则采用由不同尺度的卷积核组成的多尺度多头注意力模型，分别对音素、音节、词等级别的语音基元进行建模，逐个计算出循环神经网络隐含层状态序列以及输出序列；使用每个头的注意力网络所对应的解码网络计算输出序列在位置处的元素，最终将所有输出序列采整合成一个新的输出序列。本发明能够提高语音识别系统的识别效果。
-
公开(公告)号：CN110148417A
公开(公告)日：2019-08-20
申请号：CN201910439064.4
申请日：2019-05-24
Applicant: 哈尔滨工业大学
Abstract: 基于总变化空间与分类器联合优化的说话人身份识别方法，它属于说话人识别技术领域。本发明解决了目前的总变化空间估计方法对说话人身份识别的等错误率高的问题。本发明首先求得训练集均值超矢量在初始总变化空间上的表示；然后对该表示进行长度规整，并输入分类器PLDA；接着在分类器PLDA的监督下，更新分类器的参数与总变化空间的参数，重复上述步骤，直至达到设置的最大迭代次数，获得最终的分类器参数与总变化空间参数；测试时，利用测试语音的均值超矢量和目标说话人的均值超矢量，计算其在总变化空间上的表示，然后对该表示进行长度规整，并计算其在分类器上的联合概率密度作为最终分类的依据。本发明可以应用于说话人识别技术领域。
-
公开(公告)号：CN110120231A
公开(公告)日：2019-08-13
申请号：CN201910408086.4
申请日：2019-05-15
Applicant: 哈尔滨工业大学
Abstract: 基于自适应半监督非负矩阵分解的跨语料情感识别方法，它属于语音中的情感识别技术领域。本发明解决了话者语音不匹配现象导致的现有跨语料语音情感识别方法对情感识别的准确率低的问题。本发明通过特征空间与标签空间共享编码信息的方式，可以学习到更具判别性的语音情感特征表示，同时采用最大平均差异来度量特征表示中存在的差异，减少话者语音的不匹配，并根据流形一致性假设，使得新的特征表示尽可能保留原始特征空间的信息，增强了语音情感特征表示的健壮性。本发明在四组跨语料语音情感识别任务中的未加权平均召回率达到43.74％，加权平均召回率达到43.84％，有效提高了跨语料语音情感识别的准确率。本发明可以应用于语音中的情感识别技术领域。
-
Patent Agency Ranking
公开(公告)号：CN115535161B
公开(公告)日：2024-11-26
申请号：CN202211189074.5
申请日：2022-09-27
Applicant: 哈尔滨工业大学
Abstract: 一种用于清理水面漂浮物垃圾的双能源船式智能装置，涉及水面漂浮物垃圾清理领域。该装置包括摄像头、摄像头支架、收集模块、隔离模块、船体、动力模块、气囊、发电模块和垃圾收集桶。摄像头通过摄像头支架与船体连接，为船体中的控制电路板收集周边环境的视觉信息，从而控制两个动力模块实现该装置在水中的多种运动方式，隔离模块将水域分割开产生良好的漩涡效果使周边漂浮物垃圾聚集在收集模块的入口处，再由收集模块完成漂浮物垃圾收集及转运，发电模块为装置提供电力并为蓄电池充电。本发明适用于清理水面漂浮物垃圾。
-
公开(公告)号：CN113362854B
公开(公告)日：2022-11-15
申请号：CN202110619344.0
申请日：2021-06-03
Applicant: 哈尔滨工业大学
Abstract: 基于稀疏自注意力机制的声学事件检测方法、系统、存储介质及设备，属于机器的听觉智能领域。为了解决现有的时序特征提取网络存在无法实现有效的时序建模的问题，从而限制了现有声学事件检测系统的性能。本发明首先对输入音频信号提取梅尔声谱图，然后分别输入到卷积神经网络提取局部特征，并利用基于稀疏自注意力机制的TransformerEncoder提取时域特征；最后输入到全连接层进行分类，并对结果进行后处理，结果输出每个被检测到的声学事件的类别及起止时间。主要用于声学事件的检测。
-
公开(公告)号：CN113362854A
公开(公告)日：2021-09-07
申请号：CN202110619344.0
申请日：2021-06-03
Applicant: 哈尔滨工业大学
Abstract: 基于稀疏自注意力机制的声学事件检测方法、系统、存储介质及设备，属于机器的听觉智能领域。为了解决现有的时序特征提取网络存在无法实现有效的时序建模的问题，从而限制了现有声学事件检测系统的性能。本发明首先对输入音频信号提取梅尔声谱图，然后分别输入到卷积神经网络提取局部特征，并利用基于稀疏自注意力机制的TransformerEncoder提取时域特征；最后输入到全连接层进行分类，并对结果进行后处理，结果输出每个被检测到的声学事件的类别及起止时间。主要用于声学事件的检测。
-
公开(公告)号：CN110164418B
公开(公告)日：2021-08-27
申请号：CN201910621276.4
申请日：2019-07-10
Applicant: 哈尔滨工业大学
Abstract: 基于卷积网格长短时记忆递归神经网络的自动语音识别加速方法，属于语音信号处理技术领域。本发明是为了解决目前的加速方法大多是在牺牲识别性能的条件下进行加速导致其不能满足实际任务的需要问题。本发明的方法针对频谱或者频谱的多通道频谱子带进行时频块切分，然后进行局部特征提取，将卷积神经网络与Grid‑LSTM相结合，弥补了Grid‑LSTM在大频域步长情况下的精度损失。主要用于自动语音识别。
-
公开(公告)号：CN110176250B
公开(公告)日：2021-05-07
申请号：CN201910464699.X
申请日：2019-05-30
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种基于局部学习的鲁棒声学场景识别方法，属于声音信号处理技术领域。本发明首先采集不同声学场景声音信号，进行频域特征提取；并对提取的特征数据预处理；然后对归一化后的数据进行均值平移、使用mixup方法进行数据扩充；再根据局部学习思想建立卷积神经网络模型，将经过数据扩充后的训练样本集输入该模型进行训练，得到训练好的模型；最后对待识别样本，依次进行频域特征提取、数据预处理，输入到所述训练好的模型中进行识别，得到声学场景识别结果。本发明解决了音频信道不匹配以及不同信道样本数目不平衡的情况下，声学场景识别准确度不高的问题。本发明可适用于信道多样且不同信道样本数目不平衡的声学场景识别。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.02 seconds)
