-
公开(公告)号:CN119126128A
公开(公告)日:2024-12-13
申请号:CN202411613261.0
申请日:2024-11-13
Applicant: 苏州大学
Abstract: 本发明涉及水声目标检测技术领域,公开了一种水声被动目标探测方法、装置及设备,包括将预设垂直阵在不同海域中采集的水声被动噪声信号划分为多个分帧信号,构造源域与目标域数据集;对于源域与目标域数据集中每个分帧信号,提取多种低阶特征,计算每种低阶特征的一阶差分形式,获取低阶特征及其一阶差分形式对应的多种统计函数值,构建每个分帧信号的声学信号特征;基于迁移学习方法,将利用源域数据集获取的源域目标探测模型,作为目标域初始探测模型,利用目标域数据集中进行微调,获取目标域目标探测模型;将待识别海域中实时采集的实时水声被动噪声信号对应的声学信号特征,输入目标域目标探测模型,获取水声被动目标探测结果。
-
公开(公告)号:CN110134337B
公开(公告)日:2022-12-30
申请号:CN201910414898.X
申请日:2019-05-17
Applicant: 苏州大学
IPC: G06F3/06
Abstract: 本发明公开了一种基于Open‑Channel SSD结构严格顺序写方法。本发明一种基于Open‑Channel SSD结构严格顺序写方法,包括:接受到文件系统发送的数据请求,根据当前的数据请求的逻辑地址连续性和请求长度,将数据请求队列分成两个子队列即连续队列和随机队列,分别存在顺序缓存和随机缓存中;当前总的请求长度为Lenr,当前顺序请求长度为Lensr;对于顺序缓存采用队列“先进先出”的数据结构。本发明的有益效果:本专利提出基于Open‑Channel SSD结构严格顺序写方法,在缓存区增加了一个缓存区根据请求类型不同,将请求顺序请求和随机请求严格分开缓存在相应的顺序缓存和随机缓存里面。
-
公开(公告)号:CN111624586A
公开(公告)日:2020-09-04
申请号:CN202010463267.X
申请日:2020-05-27
Applicant: 苏州大学
Abstract: 本发明一种基于特征提取和神经网络的水声目标测距方法,包括:第一步:采集水声目标在不同距离发出的水声信号,并按秒拆分数据,一秒的数据作为一个样本;第二步:对每个样本进行分帧;第三步:对每个样本的每一帧数据分别计算时域波形的过零率、MFCC的第2、5、8个系数、频谱质心、频谱偏度、频谱熵和频谱尖锐度。本发明的有益效果:本发明提出的基于特征提取和神经网络的水声目标测距方法直接对接收到的水声信号数据进行处理,实时性高,反应速度快。
-
公开(公告)号:CN108109612A
公开(公告)日:2018-06-01
申请号:CN201711283229.0
申请日:2017-12-07
Applicant: 苏州大学
Abstract: 本发明公开了一种基于自适应降维的语音识别分类方法,首先提取语音信号的特征参数作为训练样本数据,对高斯混合模型进行训练,得到训练好的高斯混合模型;然后采用训练好的高斯混合模型针对当前输入的测试样本数据进行特征空间的自适应降维处理,即根据原始特征空间的概率分布模型,进行特征维度子空间的投影,计算不同的低维度特征子集上的似然概率,获得测试样本的最适特征空间,对降低了维度后的语音测试样本进行识别分类,确定测试样本类型。本发明根据不同的测试样本自适应地选择不同的特征维度,从而达到特征降维的目的,同时改进了高斯混合模型分类器,提高测试样本的识别率。
-
公开(公告)号:CN107564543A
公开(公告)日:2018-01-09
申请号:CN201710822706.X
申请日:2017-09-13
Applicant: 苏州大学
Abstract: 本发明公开了一种高情感区分度的语音特征提取方法,包括:进行常规的语谱图提取,即对语音信号分帧后,对各帧数据进行离散傅里叶变换DFT,以频谱幅度值作为灰度值,得到语谱图。对语谱图进行预滤波后,进行稀疏化处理,提取其最高若干条能量峰值曲线,并对所提取的曲线结果进行频率位置信息去除,仅保留其幅度,以消除语音内容的影响,然后进行第二层离散傅里叶变换,生成语音二重谱,可以保留具有高情感区分度的信息。本发明解决了现有技术中在语音识别过程中,语音信息部分细节信息被淹没,同时由于语音特征中包含大量与语音内容有关的信息而造成情感区分度有限的技术问题。
-
公开(公告)号:CN118887521A
公开(公告)日:2024-11-01
申请号:CN202411339814.8
申请日:2024-09-25
Applicant: 苏州大学
IPC: G06V20/05 , G01S15/06 , G01S15/89 , G01S7/539 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/774 , G06V10/764
Abstract: 本发明涉及水下目标探测技术领域,公开了一种水下目标识别方法、装置及设备,包括:采集待识别水域的水声目标回波信号;对水声目标回波信号进行预处理,获取对应的亮点模型图与梅尔谱图;将亮点模型图输入第一特征提取器中,利用块分割模块将亮点模型图分割为多个块后进行合并与位置编码,得到序列数据;利用移位窗口变换器对序列数据进行特征提取,获取亮点模型图特征;将梅尔谱图经过由多个串联的二维卷积层组成的第二特征提取器进行特征提取,获取梅尔谱图特征;利用块嵌入模块将亮点模型图特征与梅尔谱图特征进行融合,获取融合特征;将融合特征输入分类器,输出是否存在水下目标的分类结果,完成水下目标识别。
-
公开(公告)号:CN107564543B
公开(公告)日:2020-06-26
申请号:CN201710822706.X
申请日:2017-09-13
Applicant: 苏州大学
Abstract: 本发明公开了一种高情感区分度的语音特征提取方法,包括:进行常规的语谱图提取,即对语音信号分帧后,对各帧数据进行离散傅里叶变换DFT,以频谱幅度值作为灰度值,得到语谱图。对语谱图进行预滤波后,进行稀疏化处理,提取其最高若干条能量峰值曲线,并对所提取的曲线结果进行频率位置信息去除,仅保留其幅度,以消除语音内容的影响,然后进行第二层离散傅里叶变换,生成语音二重谱,可以保留具有高情感区分度的信息。本发明解决了现有技术中在语音识别过程中,语音信息部分细节信息被淹没,同时由于语音特征中包含大量与语音内容有关的信息而造成情感区分度有限的技术问题。
-
公开(公告)号:CN110163272A
公开(公告)日:2019-08-23
申请号:CN201910398094.5
申请日:2019-05-14
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于大数据分析的双子空间特征迁移学习方法及装置,其中方法包括:根据源集公共子空间Cs、目标域特性表达Fst和源集数据类别标签Ys,获取源集迁移表达Ts;根据目标集公共子空间Ct和目标集特性子空间Ft,获取目标集迁移表达Tt;在源集迁移表达Ts上进行模型训练,获取训练模型;根据训练模型对目标集迁移表达Tt进行智能识别。通过本实施例,将部分数据集的特征参数迁移到其他数据集上去,能够将采集于不同来源的数据进行综合利用,相当于把若干数据规模偏小的数据集整合为符合大数据需求的海量数据集,从而能够更好地将人工智能算法,尤其是深度学习方法,应用到这些数据集规模偏小的方向上。
-
公开(公告)号:CN107395134A
公开(公告)日:2017-11-24
申请号:CN201710824659.2
申请日:2017-09-14
Applicant: 苏州大学
CPC classification number: H03F1/26 , H03F1/32 , H03F1/48 , H03F1/56 , H03F3/195 , H03F3/211 , H03F3/213 , H03G3/3036
Abstract: 本发明涉及一种高频信号放大及控制电路,包括前级电压放大电路、中间级程控放大电路及后级功率放大电路,所述前级电压放大电路接收高频微弱信号并经过匹配阻抗和噪声抑制后输送至所述中间级程控放大电路,所述中间级程控放大电路将由前级电压放大电路处理过的高频微弱信号经压控增益后输送至后级功率放大电路,所述后级功率放大电路经由中级电压放大电路处理后的高频微弱信号经过功率放大后输出高频放大信号。本发明的运算放大器自带噪声抑制、宽带、低失真且增益线性可变,直接有效的达到放大及控制高频信号的效果;选用集成电路运算放大器,具有可靠性和灵活性,同时降低成本且结构简单,使用方便。
-
公开(公告)号:CN106653004A
公开(公告)日:2017-05-10
申请号:CN201611221640.0
申请日:2016-12-26
Applicant: 苏州大学
Abstract: 本发明公开了感知语谱规整耳蜗滤波系数的说话人识别特征提取方法,其包括以下步骤:先构建符合耳蜗基底膜行波冲激响应及非线性频率分布的耳蜗滤波器组;再对语音进行基于听觉感知特性的语音增强以及二维增强,并通过对连续分布的纯净语音语谱结构进行二维边界检测,得到感知语谱结构规整参数PSN;最后通过感知语谱结构规整参数PSN在时域中进一步规整所有由耳蜗滤波器组输出的耳蜗滤波系数,提取感知语谱规整耳蜗滤波系数PSNCC特征参数。本发明所提取的PSNCC特征参数从时‑频域两个方面提高了特征参数的鲁棒性能,进而提高了低信噪比的噪声环境下说话人识别系统的识别率。
-
-
-
-
-
-
-
-
-