-
公开(公告)号：CN113823321A
公开(公告)日：2021-12-21
申请号：CN202111010607.4
申请日：2021-08-31
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种基于特征预训练的深度学习分类的声音数据分类方法，包括：获取P通道的声音数据，按帧长L将所述P通道的声音数据截取为若干段声音样本，每段所述声音样本包括帧长为L的P通道声音样本数据和截取数据的分类类别；对所述帧长为L的P通道声音样本数据进行K倍降采样，得到L/K个点的P通道声音样本；按帧长L提取所述P通道的声音数据的MFCC特征；构建卷积神经网络，通过所述若干段声音样本和P通道的声音数据的MFCC特征来对所述卷积神经网络进行两次训练，得到训练好的卷积神经网络；通过训练好的卷积神经网络来识别输入声音信号的类别。本发明的卷积神经网络能够对输入的声音信号类别进行有效分类。
-
公开(公告)号：CN113807484A
公开(公告)日：2021-12-17
申请号：CN202111010853.X
申请日：2021-08-31
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种基于传感器阵列的稳健的运动目标计数方法，包括以下步骤：在经过检测和定向算法后，当第i帧的方向θi在设定的方向范围(α，β)内时，将第i帧的方向θi保存到缓冲区，有效目标索引数index加1，当有效目标索引数index达到缓冲区的最大长度len时，执行有效目标判定算法；当第i帧的方向θi不在设定的方向范围(α，β)内，有效目标索引数index不小于1且不大于缓冲区的最大长度len时，执行有效目标判定算法；当未检测到运动目标，若此时有效目标索引数index不小于1且不大于缓冲区的最大长度len，执行有效目标判定算法。本发明能够提高运动目标有效判定算法在野外环境下的稳健性。
-
公开(公告)号：CN113807484B
公开(公告)日：2024-06-28
申请号：CN202111010853.X
申请日：2021-08-31
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种基于传感器阵列的稳健的运动目标计数方法，包括以下步骤：在经过检测和定向算法后，当第i帧的方向θi在设定的方向范围(α，β)内时，将第i帧的方向θi保存到缓冲区，有效目标索引数index加1，当有效目标索引数index达到缓冲区的最大长度len时，执行有效目标判定算法；当第i帧的方向θi不在设定的方向范围(α，β)内，有效目标索引数index不小于1且不大于缓冲区的最大长度len时，执行有效目标判定算法；当未检测到运动目标，若此时有效目标索引数index不小于1且不大于缓冲区的最大长度len，执行有效目标判定算法。本发明能够提高运动目标有效判定算法在野外环境下的稳健性。
-
公开(公告)号：CN113823321B
公开(公告)日：2023-08-08
申请号：CN202111010607.4
申请日：2021-08-31
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种基于特征预训练的深度学习分类的声音数据分类方法，包括：获取P通道的声音数据，按帧长L将所述P通道的声音数据截取为若干段声音样本，每段所述声音样本包括帧长为L的P通道声音样本数据和截取数据的分类类别；对所述帧长为L的P通道声音样本数据进行K倍降采样，得到L/K个点的P通道声音样本；按帧长L提取所述P通道的声音数据的MFCC特征；构建卷积神经网络，通过所述若干段声音样本和P通道的声音数据的MFCC特征来对所述卷积神经网络进行两次训练，得到训练好的卷积神经网络；通过训练好的卷积神经网络来识别输入声音信号的类别。本发明的卷积神经网络能够对输入的声音信号类别进行有效分类。
-
-
-
Search Results
4
records
(took 0.038 seconds)
