公开(公告)号：CN116434759B

公开(公告)日：2024-03-01

申请号：CN202310380703.0

申请日：2023-04-11

Applicant: 兰州交通大学

Inventor： 陈志浩 ,  伍忠东 ,  郑礼 ,  汤春阳 ,  王鹏程 ,  张卓 ,  乔思诺

IPC: G10L17/20 ,  G10L17/02 ,  G10L17/04 ,  G10L19/02 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于SRS‑CL网络的说话人识别方法，属于说话人识别技术领域，包括步骤一：采集非约束场景下的带有高斯白噪声的说话人语音数据；步骤二：针对传统的Sup‑cl对比学习模型的不足，我们提出一种用于执行说话人识别任务的SRS‑CL模型；步骤三：使用步骤二中数据处理后得到的训练集对步骤二中构建的SRS‑CL模型进行训练；步骤四：将步骤二中数据处理后的测试集作为待识别说话人语音信号输入训练完成后的SRS‑CL模型，得到说话人识别结果。本发明采用小波变换和阈值去噪的方法对语音数据进行处理，将其转换为时频图，并通过对比学习网络进行语音信号的特征提取和训练，以提高网络在高噪声环境下的特征提取能力，并实

公开(公告)号：CN116304979A

公开(公告)日：2023-06-23

申请号：CN202310189632.6

申请日：2023-03-02

Applicant: 兰州交通大学

Inventor： 张卓 ,  伍忠东 ,  郑礼 ,  汤春阳 ,  王鹏程 ,  陈志浩 ,  乔思诺 ,  刘扬

IPC: G06F18/25 ,  G06F18/213 ,  G06F18/24 ,  G06N3/08 ,  G06N3/0464 ,  G06F18/214 ,  G06F18/241

Abstract: 本发明公开了一种基于注意力机制的多特征融合局部放电类型识别方法，属于电子信息技术领域，包含步骤一：通过特高频法采集变压器局部放电故障信号数据；步骤二：由采集的变压的局部放电故障信号数据构造局部放电灰度图谱（PRPD图谱）；步骤三：提取PRPD图谱统计特征构成向量S；步骤四：将变压器的PRPD图谱以及统计特征S输入基于注意力机制的多特征融合分类网络，对不同局部放电进行分类。本发明可根据不同的局部放电类型，通过多层注意力机制网络融合特征结合局部放电图谱统计特征实现分类网络的特征提取及自我学习，最终实现对不同的放电类型进行分类，进而实现对于不同故障类型的判断。

公开(公告)号：CN116434759A

公开(公告)日：2023-07-14

申请号：CN202310380703.0

申请日：2023-04-11

Applicant: 兰州交通大学

Inventor： 陈志浩 ,  伍忠东 ,  郑礼 ,  汤春阳 ,  王鹏程 ,  张卓 ,  乔思诺

IPC: G10L17/20 ,  G10L17/02 ,  G10L17/04 ,  G10L19/02 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于SRS‑CL网络的说话人识别方法，属于说话人识别技术领域，包括步骤一：采集非约束场景下的带有高斯白噪声的说话人语音数据；步骤二：针对传统的Sup‑cl对比学习模型的不足，我们提出一种用于执行说话人识别任务的SRS‑CL模型；步骤三：使用步骤二中数据处理后得到的训练集对步骤二中构建的SRS‑CL模型进行训练；步骤四：将步骤二中数据处理后的测试集作为待识别说话人语音信号输入训练完成后的SRS‑CL模型，得到说话人识别结果。本发明采用小波变换和阈值去噪的方法对语音数据进行处理，将其转换为时频图，并通过对比学习网络进行语音信号的特征提取和训练，以提高网络在高噪声环境下的特征提取能力，并实现说话人识别功能。

公开(公告)号：CN116343807A

公开(公告)日：2023-06-27

申请号：CN202310325635.8

申请日：2023-03-30

Applicant: 兰州交通大学

Inventor： 乔思诺 ,  伍忠东 ,  郑礼 ,  汤春阳 ,  王鹏程 ,  陈志浩 ,  张卓

IPC: G10L21/02 ,  G10L25/30

Abstract: 本发明属于语音降噪技术领域，公开了一种改进的语音增强方法、系统、介质、设备及终端，采集语音数据集并将语音数据集划分为训练集、测试集和验证集；将Wave‑U‑Net模型层数减少、融合LSTM网络，改变内部特征融合方法，并在模型前后加入形似U‑Net的编解码器得到改进后的Wave‑U‑Net模型用于执行语音增强任务；使用训练集和验证集对构建的语音增强模型进行训练；将待增强语音信号输入训练完成后的语音增强模型，得到增强后的语音信号。本发明通过对传统的Wave‑U‑Net网络进行改进，提高了模型的运算速度且有效提取局部和全局上下文的特征信息，获得了更高的语音可懂度和质量，简化了处理流程。

公开(公告)号：CN218850943U

公开(公告)日：2023-04-11

申请号：CN202223279766.7

申请日：2022-12-08

Applicant: 兰州交通大学

Inventor： 李杨 ,  伍忠东 ,  程倩 ,  敏捷 ,  乔思诺 ,  康苑

IPC: H04R1/10

Abstract: 本实用新型公开了一种具有防掉落结构的无线降噪耳机，属于无线降噪耳机防掉落技术领域，其技术方案要点包括耳机机构和防掉机构，所述防掉机构栓接在耳机机构的右侧，所述耳机机构包括无线降噪耳机本体、连接杆和耳塞，通过设置耳机机构和防掉机构，无线降噪耳机本体可以通过耳塞向使用者提供多媒体音乐声音传输，连接杆可以对防掉机构进行支撑，限位组件可以对夹持组件进行限位，夹持组件可以与无线降噪耳机本体上的耳塞配合，将无线降噪耳机本体夹持在使用者的耳部，从而提高使用者在使用无线降噪耳机本体时的舒适度，并且避免无线降噪耳机本体在受到外力时发生意外掉落的情况。