-
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：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
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：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
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：CN119446166A
公开(公告)日：2025-02-14
申请号：CN202411674055.0
申请日：2024-11-21
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于融合空间特征的多通道语音增强方法，首先从带噪多通道语音中分别提取多通道复频谱特征和融合空间特征，再将提取的多通道复频谱特征和融合空间特征输入深度神经网络进行处理并设定处理目标为理想复值比率掩蔽，再构建基于复卷积编码器解码器结构的深度复卷积循环语音增强网络，再利用深度复卷积循环语音增强网络对多通道复频谱特征和融合空间特征进行处理，输出预测复值比率掩蔽。本发明充分整合光谱信息、方向特征、通道间特征和相关系数特征，并对动态声源进行空间建模，使得网络对于语音信号的理解和处理能力远超传统方法，能够有效应对复杂多变的语音场景，有效地提升静态场景和动态场景下的语音增强效果。
-
公开(公告)号：CN113411733A
公开(公告)日：2021-09-17
申请号：CN202110679746.X
申请日：2021-06-18
Applicant: 南京工程学院
IPC: H04R25/00
Abstract: 本发明公开了一种面向免验配助听器的参数自调节方法，包括以下步骤：步骤一：确定10组参数[a1,b1,a2,b2,r,s,t]1～10；步骤二：根据患者在中心频率CF处的听力损失，分别计算10组参数对应的内/外毛细胞听力损失，正常耳和患耳的最大增益和补偿系数；步骤三：将输入语音xin分帧加窗，并计算每帧信号的能量谱E(k)；步骤四：计算10组参数对应的补偿增益；步骤五：将步骤四计算得出的补偿增益作用在信号谱上，获得补偿后的10组语音信号；步骤六：计算10组语音信号的适应度，并重新生成10组参数。该面向免验配助听器的参数自调节方法根据耳蜗听损模型建立响度补偿模型，同时基于智能算法自适应调节参数，具有响度补偿效果好且调配方便的优点。
-
Patent Agency Ranking
公开(公告)号：CN111968677A
公开(公告)日：2020-11-20
申请号：CN202010854269.1
申请日：2020-08-21
Applicant: 南京工程学院
Abstract: 本发明公开了一种面向免验配助听器的语音质量自评估方法，包括：构建并训练语音质量自评估网络：待测语音通过卷积神经网络提取并输出待测语音的帧级特征；待测语音的帧级特征通过循环神经网络得到并输出待测语音的段级特征；待测语音的段级特征输入至线性映射模型和Softmax分类器，对分类器的输出进行判决确定语音的失真类型，并结合线性映射模型的输出得到客观评分。本发明公开了一种面向免验配助听器的语音质量自评估方法，将卷积神经网络、循环神经网络和Softmax分类器有机地结合成一个整体，结合卷积神经网络的特征挖掘能力和循环神经网络的时序建模能力，提高无参考语音质量客观评价方法准确度，大大简化了处理过程。
-
公开(公告)号：CN111968677B
公开(公告)日：2021-09-07
申请号：CN202010854269.1
申请日：2020-08-21
Applicant: 南京工程学院
Abstract: 本发明公开了一种面向免验配助听器的语音质量自评估方法，包括：构建并训练语音质量自评估网络：待测语音通过卷积神经网络提取并输出待测语音的帧级特征；待测语音的帧级特征通过循环神经网络得到并输出待测语音的段级特征；待测语音的段级特征输入至线性映射模型和Softmax分类器，对分类器的输出进行判决确定语音的失真类型，并结合线性映射模型的输出得到客观评分。本发明公开了一种面向免验配助听器的语音质量自评估方法，将卷积神经网络、循环神经网络和Softmax分类器有机地结合成一个整体，结合卷积神经网络的特征挖掘能力和循环神经网络的时序建模能力，提高无参考语音质量客观评价方法准确度，大大简化了处理过程。
-
公开(公告)号：CN103152672B
公开(公告)日：2015-04-15
申请号：CN201310110995.2
申请日：2013-04-03
Applicant: 南京工程学院
IPC: H04R3/00
Abstract: 本发明提出了一种微麦克风阵列接收信号压缩编码及信号恢复方法。其具体方法是对每个时刻微麦克风阵列接收的信号进行压缩变换，并对压缩变换后的信号进行编码。压缩变换矩阵为对角元为1的下三角阵，其非对角元系数由自适应过程更新。自适应过程及其代价函数在更新过程中最小化压缩变换后的信号能量，对各麦克风阵元接收信号解相关，消除各阵元信号之间的冗余信息。每一时刻的压缩编码信号可以通过压缩变换矩阵的逆矩阵恢复出原始接收信号。由于压缩变换矩阵始终保持对角元为1的下三角阵，所以其逆矩阵始终存在，信号恢复过程稳定可靠。
-
公开(公告)号：CN120071972A
公开(公告)日：2025-05-30
申请号：CN202510120197.0
申请日：2025-01-25
Applicant: 南京工程学院
IPC: G10L25/66 , G10L25/45 , G10L25/18 , G10L25/24 , G10L25/21 , G10L19/02 , G10L19/022 , G10L19/26 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种非侵入式语音评分预测方法、系统及介质，属于音频信号处理技术领域。本发明针对处方公式对语音评分预测的影响，融合语音标签优化策略，有效减小因处方公式差异导致的预测偏差，进一步提升模型预测精度；综合考虑语音清晰度映射对敏感性影响的问题，通过引入语音包络特征，实现语音清晰度评分预测精度的显著提升；相较于单任务学习，本发明采用多任务学习框架，通过任务间的协同作用提升各分支的预测性能，不仅可以共用模型中部分语音特征，节省计算资源，还可起到相互促进的作用，有利于预测精度的提升。
-
公开(公告)号：CN119517061A
公开(公告)日：2025-02-25
申请号：CN202411576166.8
申请日：2024-11-06
Applicant: 南京工程学院
IPC: G10L21/0208 , G10L21/0216 , G10L21/0232 , G10L25/30 , G10L25/18
Abstract: 本发明公开了基于异构多尺度卷积循环网络的回声消除方法及系统，首先基于多帧上下文提取相关特征模式构建相关编码器，再根据单帧提取频谱模式构建频谱编码器，接着采用相关编码器和频谱编码器组成异构多尺度编码器并获得多路编码特征；本发明实现了具有利用异构双路编码器从输入混合信号频谱和参考信号频谱中提取不同特征的功能，且为适应参考信号和混合信号之间的时延情况而采用相关性编码并从多帧频谱中提取相关性特征表达，同时为了加强当前帧的频谱分辨率而采用频谱编码从当前帧中提取频谱模式表达，还实现了对于双路特征具有进一步采用通道注意力特征软选择机制融合相关性特征编码和频谱编码的功能，适合被广泛推广和使用。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.02 seconds)
