-
公开(公告)号：CN118486330B
公开(公告)日：2024-11-05
申请号：CN202410582116.4
申请日：2024-05-11
Applicant: 哈尔滨理工大学
Abstract: 一种基于关联特征判别性融合网络的伪造语音检测方法及系统，属于语音处理及生物识别技术领域。本发明首先对语音进行预处理并CQT特征，将其作为双向注意力网络和SCG‑Res2Net50这个两个平行网络的输入，在训练阶段通过关联特征判别性融合方法进行网络参数初始化，将初始化投影矩阵参数与原特征相乘得出转换后的新特征，再将两个特征拼接，然后将此拼接后的特征输入全连接层分类，得到训练好的网络模型，用于作为真实语音与欺诈语音的分类器，根据全连接层输出中的两个数值相减的结果进行真实语音与伪造语音的分类。
-
公开(公告)号：CN118824234A
公开(公告)日：2024-10-22
申请号：CN202410793099.9
申请日：2024-06-19
Applicant: 哈尔滨理工大学
IPC: G10L15/06 , G06N3/0464 , G06N3/08 , G10L15/16
Abstract: 基于优化三元组损失的语种识别模型训练方法及识别方法、系统，属于语音处理和生物识别技术领域。为了解决利用现有的训练方式对语种识别模型进行训练时存在损失函数针对语种识别的数据训练有效性不高的问题，本发明针对识别模型进行训练时，采用三元组损失函数并对其进行改进，在损失增加了对正负样本距离的计算，能够有效提高训练效果；此外本发明在计算改进的三元组损时，采用改进的困难选择策略选择样本，改进的困难选择策略：在选取正样本时，选择离锚点距离最远的正样本；选择负样本时，用随机选择的方式。
-
公开(公告)号：CN118818975A
公开(公告)日：2024-10-22
申请号：CN202410795892.2
申请日：2024-06-19
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明属于足式机器人运动控制技术领域。本发明公开了一种应用于关节执行器能力缺失受限条件下的六足机器人自适应控制方法，解决了六足机器人发生关节执行器能力缺失后，运动性能下降问题，具体方法为：首先使用PPO算法，将机器人的关节效能状态作为状态输入的一部分，针对六足机器人关节执行器能力缺失受限这个条件设计奖励函数，对六足机器人每个关节执行器可能的关节能力缺失的情况进行训练，共得到十八个控制策略模型，其次通过离线蒸馏的方式，使用Transformer网络训练，最终得到一个通用的控制策略模型。本发明使六足机器人可根据机器人针对任意单个关节执行器的不同受限程度进行实时自适应调整，实现连续有效的行走和任务执行，提高了六足机器人在崎岖地形下的运动能力以及现实应用性。
-
公开(公告)号：CN118721187A
公开(公告)日：2024-10-01
申请号：CN202410795890.3
申请日：2024-06-19
Applicant: 哈尔滨理工大学
IPC: B25J9/16
Abstract: 本发明公开一种基于多目标优化与学习策略融合的多移动机械臂协同搬运控制方法。其技术方案是：首先运用层级动力学解析建模的方法，建立一种考虑协同搬运时机械臂‑负载‑机械臂和机械臂‑移动底盘紧耦合关系的多移动机械臂协同搬运无约束动力学模型，在此的基础上，确保搬运过程中多移动机械臂系统稳定性与快速性，建立多目标优化方程。构建多移动机械臂协同搬运过程的马尔科夫决策过程模型，基于深度确定性策略梯度和回放经验库算法，通过强化学习与环境进行交互训练，得到协同搬运轨迹和力矩的决策值。最后根据多移动机械臂系统的实际需求和性能要求，定义自适应权重函数，合理分配多目标优化算法和学习算法的控制权重，实现智能协同搬运控制。
-
公开(公告)号：CN115910073B
公开(公告)日：2024-09-20
申请号：CN202211186472.1
申请日：2022-09-27
Applicant: 哈尔滨理工大学
IPC: G10L17/18 , G10L17/02 , G10L17/04 , G10L17/22 , G06N3/044 , G06N3/045 , G06N3/048 , G06N3/08 , G06N3/084
Abstract: 本发明提出了一种基于双向注意力残差网络的语音欺诈检测方法，能够有效提升欺诈语音检测系统的识别性能，防止欺诈语音通过自动说话人验证系统(ASV)。在训练过程中，本发明首先对语音进行预处理，并提取常数Q变换(CQT)特征矩阵，将其作为残差网络(ResNet)的输入，利用ResNet提取浅层特征，然后将此特征输入双向注意力网络，以区分特征中不同维度的重要程度，从而得到区分性更强的特征表示。在测试阶段，利用训练好的网络模型作为真实语音与欺诈语音的分类器，对语音进行打分，根据打分结果对真实语音与欺诈语音进行分类。实验结果表明，本发明方法能够明显提升欺诈检测系统的性能，保护ASV系统免受不法用户的侵害。本发明可应用在语音处理和生物识别领域。
-
Patent Agency Ranking
公开(公告)号：CN118644499A
公开(公告)日：2024-09-13
申请号：CN202410702041.9
申请日：2024-06-01
Applicant: 哈尔滨理工大学
IPC: G06T7/11 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/084 , G06N3/098
Abstract: 医学图像分割是各种疾病诊断和制定治疗计划的关键步骤之一。它有助于检测和定位图像中的病灶区域，可以快速识别肿瘤、癌变等病变区域的潜在存在，帮助医生快速准确地诊断。心脏、胰腺等作为公认的挑战性区域，由于其形态、位置以及周围组织的相似性，一直以来是医学图像分割的难点。本发明公开了一种基于CNN‑Transformer混合的模型。该模型特有的自适应级联解码器能根据不同的目标动态地调整模型的参数；MSC模块可以抑制背景区域突出目标器官；ADA模块克服了医学图像中对比度低和边缘模糊的问题；多阶段特征融合解决了最终预测图语义信息单一的问题。使用DICE指标测试模型的准确性，评估结果表明，本发明提出的模型在ACDC和Synapse多器官数据集上表现出优异的性能。
-
公开(公告)号：CN118486330A
公开(公告)日：2024-08-13
申请号：CN202410582116.4
申请日：2024-05-11
Applicant: 哈尔滨理工大学
Abstract: 一种基于关联特征判别性融合网络的伪造语音检测方法及系统，属于语音处理及生物识别技术领域。本发明首先对语音进行预处理并CQT特征，将其作为双向注意力网络和SCG‑Res2Net50这个两个平行网络的输入，在训练阶段通过关联特征判别性融合方法进行网络参数初始化，将初始化投影矩阵参数与原特征相乘得出转换后的新特征，再将两个特征拼接，然后将此拼接后的特征输入全连接层分类，得到训练好的网络模型，用于作为真实语音与欺诈语音的分类器，根据全连接层输出中的两个数值相减的结果进行真实语音与伪造语音的分类。
-
公开(公告)号：CN115762473B
公开(公告)日：2024-08-09
申请号：CN202211186809.9
申请日：2022-09-27
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于概率有监督总变化空间学习的语种识别方法，解决了传统i‑vector语种识别系统先验信息利用不充分的问题。在训练阶段，利用开发集移位差分倒谱(SDC)特征训练通用背景模型(UBM)，再将数据集中每段语音的SDC特征作为输入，在UBM上进行自适应得到每段语音的GMM均值超矢量；然后将开发集均值超矢量和类别标签作为模型输入，建立基于概率有监督总变化空间学习的语种识别模型。在识别阶段，分别得到开发集、注册集、测试集中全部语音在概率有监督总变化空间上的i‑vector特征，然后利用线性判别分析(LDA)进行降维，最后利用概率线性判别分析(PLDA)分类器进行评分。该方法能够充分利用先验信息，以此提高系统性能。本发明可以应用于语种识别领域。
-
公开(公告)号：CN114613369B
公开(公告)日：2024-08-09
申请号：CN202210221405.2
申请日：2022-03-07
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于特征差异最大化的说话人识别方法，使得说话人特征差异最大化，增加区分性。降低说话人识别系统的错误率。首先将训练集集的全部音频文件进行预处理，生成语谱图特征。将语谱图特征作为VGG‑M的输入，生成嵌入特征(embedding)。然后使用NPLDA打分选取三元组语音对，使用NPLDA的目标函数训练NPLDA模型，使用互信息损失函数计算正负样本对的损失，与NPLDA共同训练VGG‑M网络。在测试阶段，使用训练好的网络提取测试说话人和目标说话人的嵌入特征。使用余弦打分计算两种嵌入特征的相似度，即相似度得分。将计算好的相似度得分与设置好的阈值进行比较，判断是否语音来自同一说话人。该方法通过NPLDA选取三元组对，使得不同说话人特征差异更明显，并利用互信息损失函数和NPLDA共同优化网络，降低识别的错误率。本发明可以应用于说话人识别领域。
-
公开(公告)号：CN116719335B
公开(公告)日：2024-04-19
申请号：CN202310666612.3
申请日：2023-06-07
Applicant: 哈尔滨理工大学
IPC: G05D1/49 , G05D109/12
Abstract: 本发明属于足式机器人运动控制技术领域。本发明公开了一种考虑随机腿部故障的六足机器人容错步态规划方法，解决了六足机器人发生腿部故障后，运动效率及运动稳定性下降的问题，具体方法为：建立离线的六足机器人备选步态集及整机可容错腿部故障状态集，在此基础上以机器人实时腿部运动状态及故障状态为输入，通过设定腿部运动状态转换约束条件并建立对应评价函数，为六足机器人在备选步态集中在线搜索迈下一步时满足约束条件的最优容错腿部运动状态。本发明使六足机器人可根据随机腿部故障，自发地生成具备良好运动稳定性及行进效率的容错迈腿序列，提高了六足机器人在崎岖地形下的容错运动能力以及现实应用性。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.036 seconds)
