公开(公告)号：CN111754988B

公开(公告)日：2022-08-16

申请号：CN202010585359.5

申请日：2020-06-23

Applicant: 南京工程学院

Inventor： 唐闺臣 ,  梁瑞宇 ,  谢跃 ,  黄裕磊 ,  王青云

IPC: G10L15/08 ,  G10L25/18 ,  G10L25/24 ,  G10L25/27 ,  G10L25/45 ,  G10L25/51

Abstract: 本发明公开了一种基于注意力机制和双路径深度残差网络的声场景分类方法，包括如下步骤：对原始语音信号计算原始语音频谱图、水平频谱图和垂直频谱图，将水平频谱图和垂直频谱图变换得到新的两路时域信号；分别计算原始语音信号、新的两路时域信号的对数梅尔谱图以及一阶差分对数梅尔谱图和二阶差分对数梅尔谱图，并在通道维度上进行融合得到融合谱图；割在频率轴上将融合谱图平均分为高频谱图和低频谱图；搭建带有注意力层的双路径深度残差网络；将高频谱图和低频谱图输入深度残差网络，输出原始语音信号所属的声场景类别。本发明可以更好的捕获高频和低频分量的时频特性以及特征图中不同通道的重要度，提升了声场景分类系统的准确性和鲁棒性。

公开(公告)号：CN114745299A

公开(公告)日：2022-07-12

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 ,  G06N3/04

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：CN114283836A

公开(公告)日：2022-04-05

申请号：CN202111582907.X

申请日：2021-12-22

Applicant: 南京工程学院

Inventor： 赵小燕 ,  童莹 ,  谢跃 ,  梁瑞宇

IPC: G10L21/0272 ,  G10L21/0308 ,  G10L21/0216 ,  G10L21/0232 ,  G10L15/06 ,  G10L25/45 ,  G10L25/75

Abstract: 本发明公开了一种基于门控循环网络的麦克风阵列语音分离方法，采用子带SRP‑PHAT空间谱作为语音分离的特征参数，可以根据空间位置信息有效分离混合信号；采用的GRU网络是LSTM的一种变体，GRU在LSTM网络的基础上减少一个门限，用更新门代替了遗忘门和输出门，其训练参数更少、训练速度更快，且具有与LSTM相当的性能；在频域进行子带分解和目标语音分离，该处理方式减少了分离语音和重构信号过程中信号傅里叶变换和傅里叶逆变换的次数，降低了总运算量。本发明可以实现全向水平方位的语音分离，获得更好的分离语音质量和可懂度，且具有较好的鲁棒性和泛化能力。

公开(公告)号：CN111933173B

公开(公告)日：2022-03-01

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：CN110739005B

公开(公告)日：2022-02-01

申请号：CN201911035076.7

申请日：2019-10-28

Applicant: 南京工程学院

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

IPC: G10L21/0232 ,  G10L21/0264 ,  G10L21/0332 ,  G10L25/03

Abstract: 本发明公开了一种面向瞬态噪声抑制的实时语音增强方法，包括步骤：采用分位噪声估计法来获得稳态噪声谱；利用基于信号重心的方法检测瞬态噪声，并根据是否存在瞬态噪声来修正稳态噪声谱；结合语音特征和谐波分析来估计语音存在概率；在语音概率估计的基础上，计算信号增益并作用于含噪语音，从而实现语音增强。本发明提出的方法，能够对瞬态噪声进行有效抑制，在综合语音增强性能和实时性指标方面，明显优于其它经典的语音增强方法。

公开(公告)号：CN113993053A

公开(公告)日：2022-01-28

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：CN112185404A

公开(公告)日：2021-01-05

申请号：CN201910601964.4

申请日：2019-07-05

Applicant: 南京工程学院

Inventor： 王青云 ,  梁瑞宇 ,  姜涛 ,  唐闺臣 ,  包永强

IPC: G10L21/0216 ,  G10L21/0264 ,  G10L25/51

Abstract: 本发明公开了一种基于子带信噪比估计的低复杂度双端检测方法，包括以下步骤。首先将一帧信号通过分解滤波器得到子带信号，并进行降采样处理；其次在每个子带信号的每帧内找最大值，再将其转到对数域，得到阶梯包络；然后分别估计语音包络和噪声包络，得到当前帧的信噪比估计值；最后将子带信噪比映射为双端判决阈值，将自适应判决阈值应用到相关性判决因子上。使系统进入双讲状态时，及时冻结自适应滤波器的更新步长。本发明在复杂的噪声环境下，能有效提高回声抵消器的双端检测的准确率，在音频会议系统中具有良好的应用前景。

公开(公告)号：CN112151059A

公开(公告)日：2020-12-29

申请号：CN202011028613.8

申请日：2020-09-25

Applicant: 南京工程学院

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

IPC: G10L21/0216 ,  G10L21/0224 ,  G10L25/30

Abstract: 本发明公开了一种面向麦克风阵列的通道注意力加权的语音增强方法，方法包括：从麦克风阵列中的每个麦克风分别采集一路带噪的语音时域信号；构建多通道语音增强模型；将麦克风阵每路带噪语音的短时傅里叶变换频谱作为多通道语音增强模型的输入特征，对多通道语音增强模型进行预训练；将麦克风阵列采集的多路含噪语音输入到多通道语音增强模型，并用该多通道语音增强模型实现麦克风阵列语音增强。本发明采用U‑NET网络对语音频谱特征进行处理，参数量少，计算复杂度较低，并在此基础上对通道维度采用注意力机制加权操作，对于每一层编码器和解码器都在通道维度进行注意力加权，在深层结构模拟波束形成对特征进行加权，提高语音增强的性能。

公开(公告)号：CN111583948A

公开(公告)日：2020-08-25

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：CN108520753B

公开(公告)日：2020-07-24

申请号：CN201810159072.9

申请日：2018-02-26

Applicant: 南京工程学院

Inventor： 谢跃 ,  梁瑞宇 ,  赵力 ,  包永强 ,  唐闺臣

IPC: G10L17/26 ,  G10L17/04 ,  G10L25/27 ,  G10L25/51

Abstract: 本发明公开了一种基于卷积双向长短时记忆网络的语音测谎方法，包括将整段语音进行统一归一化处理；根据数据库标签对统一归一化处理的语音进行切分；对切分的语音加窗分帧处理；建立变长数据的计算方式；将卷积操作引入长短时记忆网络中；构建完整的语音测谎网络模型；训练语音测谎网络模型，并加窗分帧处理后的语音进行测谎评测。本发明通过将卷积操作引入长短时记忆网络中，构建完整的语音测谎网络模型，实现深度学习，从原始语音数据中提取适用于谎言检测的特征，以提高谎言检测的性能，具有良好的应用前景。