-
公开(公告)号：CN110111803A
公开(公告)日：2019-08-09
申请号：CN201910385769.2
申请日：2019-05-09
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于自注意多核最大均值差异的迁移学习语音增强方法，包括从原始语音中提取GFCC特征，并作为深度神经网络的输入特征；利用带噪语音与干净语音信息计算傅里叶变换域的理想浮值掩蔽，并作为深度神经网络的训练目标；构建基于深层神经网络的语音增强模型；构建自注意多核最大均值差异的迁移学习语音增强模型；训练自注意多核最大均值差异的迁移学习语音增强模型；输入目标域带噪语音的帧级特征，重建增强语音波形。本发明在多核最大均值差异前端添加自注意力算法，通过最小化源域注意到的特征和目标域注意到的特征之间的多核最大均值差异，实现对无标签的目标域的迁移学习，提高语音增强性能，具有良好的应用前景。
-
公开(公告)号：CN110058928A
公开(公告)日：2019-07-26
申请号：CN201910227271.3
申请日：2019-03-25
Applicant: 南京工程学院
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。
-
公开(公告)号：CN109949531A
公开(公告)日：2019-06-28
申请号：CN201910199320.7
申请日：2019-03-15
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于深度学习和低频通信阵列的无线面隔离装置，该装置包括信号收发模块、微处理器、无线传输模块、电源模块、报警模块。其中信号收发模块，由单片机A、信号发生器、信号接收器、滤波器、定向天线，D/A转换器构成。微处理器，与信号接收器相连，负责特征提取及识别。无线传输模块，用以传输微处理器与报警模块的信号。电源模块，为整个装置供电。报警模块，由单片机B、窗口电压比较器、延时控制电路、多谐振荡器电路、电源，报警元件组成。本发明利用低频信号构建无线面隔离装置虽小众但经济、减少人力，较为高效和灵敏且不局限于场地、时间，对外界条件要求也不高，并针对后期信号发生改变进行特征提取及识别做进一步分析处理。
-
公开(公告)号：CN105228069B
公开(公告)日：2018-08-17
申请号：CN201510629503.X
申请日：2015-09-28
Applicant: 南京工程学院
IPC: H04R25/00
Abstract: 本发明公开了一种基于声压级分段的数字助听器宽动态压缩方法，其特征在于，将语音信号分帧，并将分帧后的信号通过16通道非等宽的6阶IIR分解滤波器组进行滤波；然后计算各通道的语音信号的声压级，并结合患者的听力图，获得患者的听力补偿曲线；根据听力补偿曲线对患者进行分通道听力补偿，并将补偿后的多通道信号进行综合，得到补偿后的有用信号提供给患者。本发明所达到的有益效果是：通过将声压级进行八段细化，能够获得更加准确的输入/输出曲线；通过符合人耳听觉特性的6阶IIR分解综合滤波器组，能够得到更加符合患者实际需要的补偿增益值。
-
公开(公告)号：CN114866168B
公开(公告)日：2024-04-12
申请号：CN202210463903.8
申请日：2022-04-29
Applicant: 南京工程学院
IPC: H04B17/309 , H04B17/318 , H04B17/373 , H04B17/391
Abstract: 本发明提供一种工业物联网环境中路径损耗预测方法和系统，其中方法包括获取信号发送功率、信号接收功功率、信号发送频率以及信号发送点与信号接收点的距离；构建实际路径损耗模型；拟合实际路径损耗模型的参数；计算频率路径损耗修正项；计算传播条件路径损耗修正项；计算金属机器遮挡路径损耗修正项；根据频率路径损耗修正项、传播条件路径损耗修正项和金属机器遮挡路径损耗修正项，构建路径损耗预测模型。本发明考虑工业物联网场景多频段、不同传播条件和金属机器遮挡的特点，能够精确地估计工业物联网场景下的路径损耗特性。解决现有的路径损耗预测方法可扩展性较差且难以适用于工业物联网场景的问题。
-
Patent Agency Ranking
公开(公告)号：CN117169347A
公开(公告)日：2023-12-05
申请号：CN202311141797.2
申请日：2023-09-06
Applicant: 南京工程学院
Abstract: 本发明涉及一种基于最小采样方差粒子滤波的Lamb波损伤定位方法，包括：以损伤坐标和Lamb波速演化的规律，结合材料属性，构建描述损伤状态演化的状态方程；结合Lamb波主动监测与三角测量法，以损伤散射信号的飞行时间作为观测参量，间接构建描述损伤状态的观测方程；结合状态与观测方程，构建Lamb波损伤定位动态演化的状态空间模型，适用于各向同性材料中，且可同时计算波速；针对标准粒子滤波存在粒子多样性匮乏而导致的损伤定位精度下降的问题，从重采样技术改进的角度出发，引入采样方差作为代价函数，使重采样过程中采样方差最小，最大程度地降低重采样过程中的信息损失，可有效缓解粒子多样性匮乏现象，提高损伤定位精度。
-
公开(公告)号：CN116341616B
公开(公告)日：2023-10-17
申请号：CN202211412348.2
申请日：2022-11-11
Applicant: 南京工程学院
IPC: G06Q50/06 , G06N3/0464 , G06N3/08
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：CN116471528A
公开(公告)日：2023-07-21
申请号：CN202310579592.6
申请日：2023-05-22
Applicant: 南京工程学院
IPC: H04R25/00
Abstract: 本发明公开了一种双耳助听器自声处理方法，该方法包括以下步骤：麦克风拾取佩戴者自声信号作为训练声学信号；根据双耳训练声学信号，估计佩戴者嘴部位置对应的耳间相对传递函数；麦克风拾取实际使用场景中的双耳声学信号，利用耳间相对传递函数分别抑制左右耳声学信号中的自声成分；自适应估计补偿滤波器，恢复自声抑制后信号中的外界声源成分，最终得到自声被抑制的输出语音信号。该方法可以实现对助听器佩戴者自声的抑制，并保留外界声源的自然度和空间信息。
-
公开(公告)号：CN111402929B
公开(公告)日：2022-09-20
申请号：CN202010185119.6
申请日：2020-03-16
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于域不变的小样本语音情感识别方法，包括如下步骤：从数据库提取具有时序信息的语音特征；建立LSTM模型，确定待训练的参数及初值；通过多任务学习同时进行情感识别与数据库分类，采用交叉熵结合加权系数，建立损失函数；在数据库分类任务的梯度更新中采取梯度取反的对抗学习方法；在梯度反向传播过程中，按各数据库样本比例对共享层进行梯度加权，得到最终的梯度公式；得到训练好的网络参数值；用预训练好的共享层参数来初始化新的模型，并在未知数据集上重训练，然后用重训练的模型对小样本测试集进行测试验证。本发明利用已知的情感数据集为未知小样本数据提供预训练，提高未知小样本数据库的情感识别性能。
-
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
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。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.022 seconds)
