一种基于深度学习分类组合的语音事件提取方法

    公开(公告)号:CN113961676B

    公开(公告)日:2024-10-29

    申请号:CN202111071917.7

    申请日:2021-09-14

    Abstract: 本发明提供一种基于深度学习分类组合的语音事件提取方法,包括:对用于训练的语音信号文件进行预处理得到训练语图样本文件以及样本标签,并制作成训练数据集;采用训练数据集训练深度学习卷积神经网络模型;对待预测语音信号文件进行预处理得到若干待预测语图样本文件;将若干待预测语图样本文件输入训练好的深度学习卷积神经网络模型进行预测分类,得到若干分类结果,并将分类结果拼接为特征向量;对特征向量进行连续性处理,得到语音事件的位置信息,然后根据语音事件的位置信息从原始的待预测语音信号文件中提取语音事件。本发明使用深度学习二分类处理以及连续性算法,能够在语音信号弱或受干扰时也能有不错的提取效果。

    一种基于深度学习特征连接分析的语音事件提取方法

    公开(公告)号:CN113963228B

    公开(公告)日:2024-07-02

    申请号:CN202111071902.0

    申请日:2021-09-14

    Abstract: 本发明提供一种基于深度学习特征连接分析的语音事件提取方法,包括:对用于训练的语音信号文件进行预处理得到训练语图样本文件以及样本标签,并制作成训练数据集;采用训练数据集训练深度学习卷积神经网络模型;对待预测语音信号文件进行预处理得到包含若干待预测语图样本文件的待预测数据集;将待预测数据集输入训练好的深度学习卷积神经网络模型进行预测,并将预测结果拼接为一组特征向量;对特征向量进行特征处理,特征向量中的特征值大于设定阈值即语音事件的位置信息,根据语音事件的位置信息从待预测语音信号文件中提取语音事件。本发明能够在语音信号较弱的情况下依然能够进行识别并提取,并且用特征向量的方式来表达语音信号,其精度高。

    一种基于卷积神经网络的PSK信号调制识别方法

    公开(公告)号:CN115277325B

    公开(公告)日:2024-01-30

    申请号:CN202210903057.7

    申请日:2022-07-29

    Abstract: 本发明涉及一种基于卷积神经网络的PSK信号调制识别方法,包括:S1、获取多种PSK信号和其他信号;S2、对接入的PSK信号的IQ数据进行处理,得到信号的二阶频谱数据、四阶频谱数据和八阶频谱数据;S3、对I路数据、Q路数据、二阶频谱数据、四阶频谱数据和八阶频谱数据五个数据进行计算得到M个PSK信号预测样本,并输入到训练好的五输入卷积神经网络模型中对信号预测样本进行预测得到预测结果;S4、对M个预测结果进行分析,选取预测最多的类型结果作为PSK信号的识别结果。本发明使用了深度学习的方式将信号的不同特征融合并提取出来,具有较高的准确率;具有很强的抗噪和抗干扰能力,在信号较

    一种在复杂多辐射源电磁环境下的跳频信号参数计算方法

    公开(公告)号:CN115314075B

    公开(公告)日:2023-10-03

    申请号:CN202210852151.4

    申请日:2022-07-20

    Abstract: 本发明公开了一种在复杂多辐射源电磁环境下的跳频信号参数计算方法,该方法包括以下步骤:获取多辐射源的跳频信号对应的信号特征矩阵;根据信号特征矩阵和聚类分析,从多辐射源的跳频信号中筛选出每个辐射源的跳频信号;分别对所有辐射源的跳频信号进行分析计算,最终得到所有辐射源的跳频信号的相关参数。本发明能够对多个辐射源进行有效的跳频信号参数计算,即使辐射源长度相近或不同辐射源跳频信号出现相互干扰的情况,依然能够进行有效的辐射源分离与跳频图案参数计算。

    一种自适应信号波形识别方法、介质及装置

    公开(公告)号:CN115510918A

    公开(公告)日:2022-12-23

    申请号:CN202211246116.4

    申请日:2022-10-12

    Abstract: 本发明提供一种自适应信号波形识别方法、介质及装置,该方法分为信号波形定位与信号波形识别两部分。信号波形定位使用带规则的中心扩散算法将所有待识别的波形片段较为精确的筛选出来,之后根据筛选出的待识别波形的大小以及形态对先验波形模板进行自适应调整,然后对待识别波形和自适应调整后的波形模板进行插值并重采样,再将重采样后的波形进行峰值中心校准、正值化和再平衡处理以消除波形位置所带来的系统误差;波形识别则将波形数据视为概率将其变换以满足概率所需的三条公理,并使用KL散度度量概率化后的波形数据和模板数据的分布差异,以此识别待测波形的波形型号。本发明可以直接对传感器采集的波形数据进行识别并输出波形的相关参数。

    一种多级特征压缩的跳频信号特征提取方法

    公开(公告)号:CN115481660A

    公开(公告)日:2022-12-16

    申请号:CN202211078184.4

    申请日:2022-09-05

    Abstract: 本发明公开了一种多级特征压缩的跳频信号特征提取方法。本发明具有较强的抗噪和抗干扰能力,当信号较弱时依然具有较好的效果。因一个周期内的跳频信号常常存在不同调制方式、信号强弱不同的情况,且在复杂电磁环境下,噪声和干扰会对信号参数计算影响严重,传统单一阈值的特征提取方式并不适用,阈值过低则会引入噪声,阈值过高则导致信号残缺或遗漏;而本发明使用分段滤波的方式,多层次的进行特征提取,在保证信号特征完整提取的情况下,对特征进行清洗与整合,并进行参数计算,鲁棒性更强。

    一种基于卷积神经网络的QAM信号调制识别方法

    公开(公告)号:CN115314348A

    公开(公告)日:2022-11-08

    申请号:CN202210928802.3

    申请日:2022-08-03

    Abstract: 本发明涉及一种基于卷积神经网络的QAM信号调制识别方法,包括:S1、获取多种QAM信号和其他信号;S2、对接入的QAM信号的IQ数据进行处理,得到信号的星座图数据、瞬时相位数据和一阶频谱数据;S3、对切分好的IQ数据进行星座图、瞬时相位和一阶频谱计算得到M个PSK信号预测样本,并输入到训练好的多维三输入卷积神经网络模型中对M个QAM信号预测样本进行预测得到M个预测结果;S4、对M个预测结果进行分析,选取预测最多的类型结果作为QAM信号的识别结果。本发明具有较强的特征融合能力,具有较高的识别准确率,具有很强的抗噪抗干扰能力,具有较快较稳定的处理速度。

    一种基于卷积神经网络的PSK信号调制识别方法

    公开(公告)号:CN115277325A

    公开(公告)日:2022-11-01

    申请号:CN202210903057.7

    申请日:2022-07-29

    Abstract: 本发明涉及一种基于卷积神经网络的PSK信号调制识别方法,包括:S1、获取多种PSK信号和其他信号;S2、对接入的PSK信号的IQ数据进行处理,得到信号的二阶频谱数据、四阶频谱数据和八阶频谱数据;S3、对I路数据、Q路数据、二阶频谱数据、四阶频谱数据和八阶频谱数据五个数据进行计算得到M个PSK信号预测样本,并输入到训练好的五输入卷积神经网络模型中对信号预测样本进行预测得到预测结果;S4、对M个预测结果进行分析,选取预测最多的类型结果作为PSK信号的识别结果。本发明使用了深度学习的方式将信号的不同特征融合并提取出来,具有较高的准确率;具有很强的抗噪和抗干扰能力,在信号较弱时,依然具有较好的效果。

    一种基于低精度随机采样数据的轨迹相似度匹配方法

    公开(公告)号:CN114048792A

    公开(公告)日:2022-02-15

    申请号:CN202111195764.7

    申请日:2021-10-14

    Abstract: 本发明提供一种基于低精度随机采样数据的轨迹相似度匹配方法,包括:对原始数据进行预处理得到目标数据;对目标数据中不同目标的轨迹点进行判断并分割属于不同目标的轨迹点,得到不同目标的轨迹;找到两个不同目标,将不同目标下的所有轨迹进行两两配对;对两个不同目标下的配对的两个轨迹进行处理,得到两个轨迹的两个相似轨迹线段;根据两个相似轨迹线段分别计算两个轨迹的有效距离、有效长度和有效轨迹点数;根据两个轨迹的有效距离、有效长度和有效轨迹点数计算出两个轨迹的相似度;遍历计算得到所有目标下所有轨迹的相似度;对所有目标下所有轨迹的相似度做排序处理。本发明能够实现对低精度随机采样数据进行轨迹相似度匹配。

Patent Agency Ranking