-
公开(公告)号：CN110648351B
公开(公告)日：2022-02-01
申请号：CN201910886309.8
申请日：2019-09-19
Applicant: 安徽大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于稀疏表示的多外观模型融合目标跟踪方法及其装置，该方法包括：搭建粒子滤波框架；先确定跟踪图像的目标模板集和候选目标集，再将目标模板集与琐碎模板通过线性规划以产生稀疏系数解；建立局部稀疏外观模型；将全局稀疏外观模型与局部稀疏外观模型融合：先计算出两种相似性元素，再计算两个元素加权和作为融合相似性，计算重构误差、融合相似性和重构误差的加权和作为判别函数；向目标模板集的目标模板赋予与其重要度呈正比的权值，并对目标模板集的目标模板更新。本发明降低时间复杂度，在目标外观发生较大改变和遮挡面积较大的情况下具有较高的适应性，准确地、鲁棒地跟踪到目标，具有遮挡处理能力，外观模型更新效率高。
-
公开(公告)号：CN117712678A
公开(公告)日：2024-03-15
申请号：CN202311728892.2
申请日：2023-12-15
Applicant: 安徽大学
Abstract: 本发明涉及一种基于叠层结构的宽带圆极化滤波天线，包括自上而下依次水平布置的第一介质基板、第二介质基板、第三介质基板和第四介质基板，第一介质基板的下表面设置辐射贴片，第二介质基板的上表面设置切角辐射贴片，第三介质基板的上表面设置缝隙贴片，在缝隙贴片的中心开设双Y缝隙，第三介质基板的下表面设置微带馈线，第四介质基板的上表面设置反射贴片，短路探针夹置在第二介质基板与第三介质基板之间。本发明的天线结构简单，没有额外的滤波电路但实现了很好的滤波效果；本发明中天线具有较宽的阻抗带宽，且两个辐射零点可调控；本发明的天线轴比带宽相对于已有的无额外滤波电路的圆极化滤波天线结构来说更宽。
-
公开(公告)号：CN117037797A
公开(公告)日：2023-11-10
申请号：CN202311208449.2
申请日：2023-09-19
Applicant: 安徽大学
Abstract: 本发明涉及语音识别技术领域，更具体的，涉及一种基于间接异构图注意力模型的语音欺骗检测方法及系统。本发明使用训练好的间接异构图注意力模型对当前语音信号进行处理，并输出判别结果；其中，训练好的间接异构图注意力模型对语音信号的频域和时域进行特征提取，引入挤压激励网络来实现语音时频域节点内部信息的有效聚合，并引入了间接聚合型异构注意力网络，在节点之间信息聚合过程中充分考虑了间接语音时频域邻居节点的影响，最后融合直接与间接时频域邻居节点的信息，实现了对语音欺骗的可靠判别，使相关指标均得到了提升，解决了现有方法语音欺骗检测准确率出现瓶颈的问题。
-
公开(公告)号：CN116345143A
公开(公告)日：2023-06-27
申请号：CN202310343213.3
申请日：2023-03-31
Applicant: 安徽大学
Abstract: 本发明涉及一种叠层圆极化滤波天线，包括第一介质基板和第二介质基板，第一介质基板上设置第一切角辐射贴片、第一寄生贴片、第二寄生贴片、第三寄生贴片、第四寄生贴片与微带馈线；所述第二介质基板上设置第二切角辐射贴片，第二切角辐射贴片的中心位置处蚀刻十字交叉槽；所述第二介质基板位于第一介质基板的上方，且二者之间夹置泡沫。本发明的天线结构简单，没有额外的滤波电路但实现了很好的滤波效果；本发明中天线的增益曲线具有很好的平整度，因此具有很好的稳定性，且两个辐射零点可调控；本发明的天线轴比带宽相对于已有的无额外滤波电路的圆极化滤波天线结构来说更宽。
-
公开(公告)号：CN109035196B
公开(公告)日：2022-07-05
申请号：CN201810498275.0
申请日：2018-05-22
Applicant: 安徽大学
Abstract: 针对清晰的纹理平坦区域由于缺乏高频信息，而容易被误检成模糊区域的问题，本发明提出了一基于显著性的图像局部模糊检测方法：将代表图像变换域特征的奇异值向量，反映图像高频信息的局部极值点与熵加权的池化DCT高频系数(HiFST系数)相结合，这两种类型的特征值相互补充，得到更好的特征向量，将得到的混合特征向量输入到BP神经网络进行训练得到模型后，通过预测得到初步结果，再与图像显著性检测相结合，通过图像的显著性约束得到进一步的检测结果，并通过双边滤波优化边缘信息得到最终的结果。在一个公开的大型数据集上进行的定性定量实验结果表明，本方法具有很好的模糊检测效果。
-
Patent Agency Ranking
公开(公告)号：CN114495957A
公开(公告)日：2022-05-13
申请号：CN202210102210.6
申请日：2022-01-27
Applicant: 安徽大学
Abstract: 本发明属于语音处理领域，具体涉及一种基于Transformer改进的语音增强方法、系统、装置。该方法包括如下步骤：S1：对标准Transformer网络进行改良得到用于执行语音增强任务的序列模型。S2：在序列模型的输入和输出端分别增加线性处理层，进而得到语音增强模型。S3：获取不含噪音的标准语音信号，并与随机噪音信号进行混合得到混沌语音信号；进而构成模型训练的数据集。S4：完成语音增强模型的初始化，设置损失函数和训练参数对语音增强模型进行训练和验证。S5：获取待处理的单通道语音信号，将其输入到完成训练的语音增强模型中，转换成语音增强后的清晰语音。本发明解决了现有的Transformer模型顺序建模能力较弱、训练速度慢，训练阶段难以收敛的问题。
-
公开(公告)号：CN108805897A
公开(公告)日：2018-11-13
申请号：CN201810498273.1
申请日：2018-05-22
Applicant: 安徽大学
CPC classification number: G06T7/215 , G06T7/194 , G06T7/254 , G06T2207/10016
Abstract: 针对经典的VIBE前景提取算法当输入的第一帧含有运动目标时后续检测就会出现“鬼影”现象、像素判别时模型中的固定半径在复杂场景检测效果不佳等问题，本发明提供一种改进的运动目标检测VIBE算法，区分静止区域是“鬼影”区域还是静止目标，并描述当前像素与背景模型中样本之间的差异程度，且在像素判别时根据描述字来动态调整判别模型中半径的大小，使得在场景变化程度较小时有更多的前景点被检测出，变化程度较大时能够阻止波动较小的像素点被检测为前景点，减少检测结果中的噪声。有益的技术效果：与原始的VIBE算法相比较，本发明能够在更少的帧数内去除“鬼影”，并使得检测出的运动目标更为准确。
-
公开(公告)号：CN119964543A
公开(公告)日：2025-05-09
申请号：CN202510100805.1
申请日：2025-01-22
Applicant: 安徽大学
Abstract: 本发明涉及语音处理技术领域，具体涉及结合文本语法的多粒度韵律语音合成方法及装置。本发明的方法包括：获取待处理文本、目标说话人的原始参考音频；接着一方面将待处理文本预处理成语法图、音素序列，另一方面将原始参考音频预处理成原始梅尔谱图，并输入训练好的语法注入多粒度韵律网络进行处理以得到合成梅尔谱图；最后对合成梅尔谱图进行声码转换以得到合成语音。本发明将FastSpeech2网络作为基底网络，并在其内的音素编码器、变差适配器之间增加了多粒度韵律编码器构建出语法注入多粒度韵律网络，对韵律特征进行更加合理的多粒度处理和结合，并引入了文本语法信息，提高了韵律语音合成的效果。
-
公开(公告)号：CN115240680B
公开(公告)日：2025-04-11
申请号：CN202210938496.1
申请日：2022-08-05
Applicant: 安徽大学
Abstract: 本发明属于语音信号处理领域，具体涉及一种模糊耳语音的转换方法、系统及其装置。该转换方法包括如下步骤：S1：基于经典的生成对抗网络设计一个用于进行耳语音识别的改进型模型。S2：准备清晰耳语音语料和模糊耳语音语料构成第一训练集、第二训练集和测试集。S3：设计一个音频合成模块。S4：采用训练集和测试集对改进型模型进行训练。S5：利用耳语音转换模型对耳语音进行识别，然后将识别出元音频进行拼接，并转换为所需的正常音的完整音频。转换系统包括：样本采集模块、预处理模块、信号优化模块、骨干网络、音频合成模块、训练组织模块、后处理模块。本发明解决了现有的耳语音转化方法存在的对模糊耳语音识别准确率不足的问题。
-
公开(公告)号：CN116173630B
公开(公告)日：2025-04-08
申请号：CN202310095861.1
申请日：2023-02-10
Applicant: 安徽大学
Abstract: 本发明涉及一种基于防爆的除尘装置的远程监测方法。除尘装置包括除尘器、氮气填充组件、管道阻火器、电磁切断阀、警报器、检测组件和控制器。管道阻火器和电磁切断阀均安装在除尘器的进风管上，电磁切断阀位于管道阻火器与进风口之间。电磁切断阀与除尘器的风机联锁。氮气填充组件包括氮气瓶和脉冲阀。氮气瓶与除尘器连通，脉冲阀安装在氮气瓶与除尘器之间的管道上。报警器安装在除尘器上。监测组件用于实时测量除尘器的运行数据。本发明通过对除尘装置的运行数据进行实时监测，判断是否存在爆炸风险，进而根据爆炸风险等级生成相应的警报或控制策略，从而降低烟气爆炸的风险，提高除尘的安全性。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.025 seconds)
