公开(公告)号：CN116597853A

公开(公告)日：2023-08-15

申请号：CN202310260337.5

申请日：2023-03-17

Applicant: 湖南联智监测科技有限公司

Inventor： 别克扎提·巴合提 ,  张辉 ,  梁晓东 ,  谢鸿 ,  熊用 ,  李鹏 ,  张敏 ,  李荣学 ,  刘彩红

IPC: G10L21/0208 ,  G10L21/0216 ,  G10L21/0224 ,  G10L21/0232 ,  G10L25/03 ,  G10L25/24 ,  G10L25/30 ,  G10K11/175

Abstract: 本发明提供了一种音频消噪方法，包括对采集的含噪样本训练数据进行预处理；对于进行预处理后的含噪样本训练数据进行多尺度特征提取，提取其时域特征、频域特征和倒谱域特征，得到复合特征矩阵，并对复合特征矩阵中的特征数据进行降维处理，得到降维的多尺度特征数据；建立深度神经网络模型，通过降维的多尺度特征数据对深度神经网络模型进行训练，直至深度神经网络模型的网络自适应掩蔽能力收敛至接近理想自适应时频掩蔽阈值；通过训练后的深度神经网络模型对含噪音频进行去噪处理等步骤。本发明通过自适应时频掩蔽做为神经网络估计目标的方法，用于训练深度神经网络模型，可以更好的消除工业领域内采集到的音频信号中目标音频以外的噪声。

公开(公告)号：CN116092518A

公开(公告)日：2023-05-09

申请号：CN202310105480.7

申请日：2023-02-13

Applicant: 湖南联智监测科技有限公司

Inventor： 李荣学 ,  梁晓东 ,  别克扎提·巴合提 ,  张辉 ,  尹俊宇 ,  谢鸿 ,  夏明福 ,  孙永旭

IPC: G10L25/48 ,  F03D17/00 ,  G06F18/24 ,  G06F18/10 ,  G06N3/084 ,  G10L25/24 ,  G10L25/30 ,  G10L25/21 ,  G10L19/26 ,  G10L19/02 ,  G10L21/0208

Abstract: 本发明提供了一种风力发电机叶片状态识别方法、设备及存储介质，所述方法的步骤包括对原始音频信号依次进行预加重处理、维纳滤波处理、分帧处理、加窗处理以及短时能量处理，得到音频信号；再对音频信号做梅尔频率倒谱系数提取，得到音频信号特征；将所述音频信号特征输入神经网络进行风力发电机叶片状态识别与分类训练，得到风力发电机叶片状态识别神经网络模型，基于所述风力发电机叶片状态识别神经网络模型实现风力发电机叶片状态识别。优点是，维纳滤波处理与短时能量计算有效地对风力发电机叶片声信号的背景风噪进行降低与消除；分帧处理和加窗处理，消除了细微噪声。