公开(公告)号：CN116341616A

公开(公告)日：2023-06-27

申请号：CN202211412348.2

申请日：2022-11-11

Applicant: 南京工程学院

Inventor： 曾文浩 ,  韩哲哲 ,  谢跃 ,  包永强 ,  梁瑞宇 ,  唐闺臣 ,  王青云

IPC: G06N3/0464 ,  G06N3/08 ,  G06Q50/06

Abstract: 本发明公开了基于矩阵重构二维卷积网络的电力负载信息获取方法，首先采集电器的总用电功率并作为输入序列y，再在输入序列y中加入余弦位置编码并得到编码序列ye，接着对编码序列ye进行滑窗截取并得到序列重构矩阵M，随后对输入序列y进行单位延时并得到延时序列y1，再求得动态检测序列yd，然后对序列重构矩阵M进行奇异值分解并得到分解重构子矩阵Mi，再对动态检测序列yd进行滑窗截取并得到动态检测重构矩阵Md；本发明通过采用将序列延时重构为矩阵的方法，能够充分利用序列的时序特性，并能在压缩网络参数量和训练时间的前提下增加网络层数，提升了负荷监测的精度，适合被广泛推广和使用。

公开(公告)号：CN114745299B

公开(公告)日：2023-06-13

申请号：CN202210259630.5

申请日：2022-03-16

Applicant: 南京工程学院

Inventor： 曾文浩 ,  谢跃 ,  汪涛 ,  包永强 ,  梁瑞宇 ,  唐闺臣 ,  王青云

IPC: H04L43/08 ,  H04L43/04 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了基于序列延时重构CSP卷积神经网络的非侵入式负荷监测方法，首先利用阵列信号处理的特性对数据集中的2xL长度时序序列通过序列延时重构为LxLx2维度的矩阵M，再针对矩阵M的特点利用CSP网络特性针对性的构建卷积神经网络，接着使用重构的矩阵M数据及CSP卷积神经网络进行训练并得到最优的网络参数，再在监测端布置网络并加载相应参数，再对输入数据进行分解，得到负荷电器的工作状态；本发明实现了在监测时考虑数据中的时序关系及状态变化，且在提升监测的精度的同时也保障了监测的效率，能够针对性的指导用户或企业合理和安全用电，并辅助电力供应部门完善电力调度工作，具有方法科学合理、适用性强和效果佳等优点。

公开(公告)号：CN115578619A

公开(公告)日：2023-01-06

申请号：CN202211322652.8

申请日：2022-10-27

Applicant: 南京工程学院

Inventor： 韩哲哲 ,  梁瑞宇 ,  包永强

IPC: G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06V10/762

Abstract: 一种基于多源信息融合的燃烧稳定性诊断方法，图像采集设备捕获炉膛燃烧火焰，形成数字图像并传输至服务器；服务器接收火焰图像，同时记录不同传感器的监测信息；建立对抗降噪自编码提取火焰图像的深层特征，并设计相关性系数校正深层图像特征与传感器监测信息之间的延迟时间；随后，将深层图像特征与传感器监测信息进行融合，送至燃烧稳定性评价指标，定量估计燃烧稳定性状态。本发明所提出的燃烧稳定性诊断方法能够量化表征燃烧稳定性，为燃烧状态调整提供重要指导依据。

公开(公告)号：CN111583948B

公开(公告)日：2022-09-27

申请号：CN202010385976.0

申请日：2020-05-09

Applicant: 南京工程学院

Inventor： 丁凯星 ,  谢跃 ,  梁瑞宇 ,  王青云 ,  陈建强 ,  姜维汉 ,  薛源

IPC: G10L21/02 ,  G10L21/0232

Abstract: 本发明公开了一种改进的多通道语音增强系统和方法，将采集的多麦信号输入训练的自适应波束形成网络生成单通道信号；将生成的单通道信号通过共享网络进行信息转换；将转换后的信号输入多目标学习网络的主任务网络得到增强后的语音信号；将转换后的信号输入多目标学习网络的子任务网络得到表征语音信息的特征。本发明避免了声源定位算法，并可以有效的抑制非平稳噪声。本发明在神经网络中加入了LSTM层，能够在一定程度上缓解梯度消失和梯度爆炸问题，减少训练结果不收敛的情况，从而改善语音增强的效果。同时，由于引入多任务学习策略，增加了算法的鲁棒性，提升了算法性能，具有良好的应用前景。

公开(公告)号：CN113993053B

公开(公告)日：2022-06-24

申请号：CN202111258499.2

申请日：2021-10-27

Applicant: 南京工程学院

Inventor： 王青云 ,  梁瑞宇 ,  郭如雪 ,  唐闺臣 ,  邹采荣 ,  赵立业

IPC: H04R25/00

Abstract: 本发明公开一种通道自适应的数字助听器宽动态范围压缩方法，首先，通过模拟人耳听觉特性选择一种非对称滤波器组分解与综合算法，然后根据患者听力图并融合心理声学模型设计滤波器组通道数和参数，得到符合患者听损的个性化滤波器组；最后运用上述方法的数字助听器对输入的声音信号分通道进行宽动态范围压缩；压缩的具体步骤包括：对输入信号进行自适应通道滤波器组分解，得到自适应通道的信号；对分解后的每个通道信号进行响度补偿；对补偿后的各通道信号进行滤波器组综合，得到全带信号；将综合后的全带信号转换为声音信号输出。在满足性能要求的同时降低系统的计算复杂度，提高患者的言语可懂度。

公开(公告)号：CN110728991B

公开(公告)日：2022-03-01

申请号：CN201910841092.9

申请日：2019-09-06

Applicant: 南京工程学院

Inventor： 包永强 ,  梁瑞宇 ,  王青云 ,  冯月芹 ,  唐闺臣 ,  朱悦

IPC: G10L25/12 ,  G10L25/18 ,  G10L25/24 ,  G10L25/30 ,  G10L25/45 ,  G10L15/02 ,  G10L15/06 ,  G10L15/20

Abstract: 本发明公开了一种改进的录音设备识别算法，构建模型一和模型二，模型一包括双向门循环神经网络层、单向门循环神经网络层和注意力层，模型二包括卷积层、跳跃连接层和全局平均池化层，对待检测的音频信号进行分帧和预处理，提取音频信号的多维帧级特征作为模型一的输入、梅尔频谱特征作为模型二的输入，并将模型一和模型二的输出特征进行拼接融合，分类并得出识别结果。本发明的识别算法保留了音频信号的时序特性，通过增加注意力机制、跳跃连接结构和隐藏单元拼接方法等方式，最终得到优质的录音设备相关的特征参数，提高了录音设备的识别效果和模型的鲁棒性。

公开(公告)号：CN111968666B

公开(公告)日：2022-02-01

申请号：CN202010847510.8

申请日：2020-08-20

Applicant: 南京工程学院

Inventor： 王青云 ,  梁瑞宇 ,  程佳鸣 ,  孙世若 ,  邹采荣 ,  唐闺臣 ,  谢跃 ,  包永强

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：CN113902104A

公开(公告)日：2022-01-07

申请号：CN202111282747.7

申请日：2021-11-01

Applicant: 南京工程学院

Inventor： 汪涛 ,  梁瑞宇 ,  王翀 ,  谢跃 ,  包永强 ,  唐闺臣 ,  王青云

IPC: G06N3/04 ,  G06N3/08 ,  G06Q50/06

Abstract: 本发明公开了联合无监督域自适应策略和注意力机制的非侵入式负荷监测方法，包括利用低频功率采样电表采集时间信息和功率信息样本作为总体样本，并将总体样本分为源域样本和目标域样本；对源域样本和目标域样本中样本集中的数据进行预处理，并得到模型的输入数据；联合无监督域自适应策略和注意力机制构建负荷监测网络模型；计算负荷监测网络模型损失；使用预处理后的数据对负荷监测模型进行训练和测试，并评估负荷分解性能。本发明可以有效的减小非侵入式负荷源域和目标域间特征空间和标签空间的分布差异，实现无监督的非侵入式负荷监测，具有良好的应用前景。

公开(公告)号：CN111933173A

公开(公告)日：2020-11-13

申请号：CN202010767816.2

申请日：2020-08-03

Applicant: 南京工程学院

Inventor： 王青云 ,  梁瑞宇 ,  余兵 ,  唐闺臣 ,  包永强 ,  谢跃

IPC: G10L21/04 ,  G10L21/0316

Abstract: 本发明公开了一种增益平稳调节的动态范围控制算法及系统，涉及音频信号处理技术领域，根据实际动态范围控制程度的需要，给定增益曲线相关参数，参数包括过渡段的起始点、过渡段的带宽及压缩段的斜率，通过求出过渡段曲线方程的未知参数，进而得出整个增益曲线；根据输入语音信号的幅度大小及增益曲线确定实时增益，通过期望增益和实际增益的平稳调节，确保参与运算的增益平稳变化。本发明的方法通过数据缓存，进一步确保增益能够跟上当前点数据对增益的需要，使得结果准确，与经典DRC算法相较，本发明所用方法的突出优势在于能够较小失真地对原始音频信号进行缩放处理，不会对后续功能模块造成影响。

公开(公告)号：CN110058928B

公开(公告)日：2020-11-06

申请号：CN201910227271.3

申请日：2019-03-25

Applicant: 南京工程学院

Inventor： 刘婷婷 ,  梁瑞宇 ,  包永强 ,  李小平 ,  唐蕾 ,  束锋 ,  桂林卿

IPC: G06F9/48 ,  G06F9/445 ,  H04W4/44

Abstract: 本发明提供了异构车联网中基于鞅理论的计算任务分配方法，判断需要卸载的计算任务在时间T内是否能完成计算，若源节点的本地资源足够，直接进行源节点本地计算；若不够，将计算任务卸载到异构车联网中的车辆结点、边缘结点和云中心结点中并行进行计算。在分配前，先建立数据产生模型和数据服务模型，根据鞅理论，构建到达鞅和服务鞅，确定计算任务量与时延违反概率之间的关系，确定所有计算资源结点所能容纳的最大计算任务量，若所需卸载任务量大于最大计算任务量，则直接丢弃；若其小于最大计算任务量，构建最小化时延违反概率和的优化问题，计算出任务卸载到各结点的数量。本发明与传统的计算任务分配方法相比时延违反概率得到了明显降低。