-
公开(公告)号：CN118588087A
公开(公告)日：2024-09-03
申请号：CN202410734797.1
申请日：2024-06-07
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于融合特征降维的Fca‑ProRes2Net说话人识别方法，包括步骤：S1，将语音信号进行预处理，得到适合提取说话人特征的语音信号，并将MFCC、GFCC以及它们的动态特征参数构成一种新的混合参数，该特征参数囊括了中高频以及动静态特征；S2，利用2DPCA对特征矩阵降维整合得到MMGFCC；S3，采用多尺度全连接的Res2Net网络来获取更大范围的感受野；S4，在主干网络ProRes2Net中加入频率域通道注意力网络:FcaNet，引入更多的频率分量信息；S5，运用Softmax函数对输出结果进行分类处理，之后使用交叉熵损失函数来寻求最优权重参数，最终得到优化的说话人识别模型。本发明可以有效地提取出表征能力强的特征参数并能高效地识别，提高了识别能力和泛化能力。
-
公开(公告)号：CN116230021A
公开(公告)日：2023-06-06
申请号：CN202211598198.9
申请日：2022-12-12
Applicant: 重庆邮电大学
IPC: G10L25/63 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06F18/241 , G10L25/30 , G10L25/24
Abstract: 本发明请求保护一种基于DyCNN及Bi‑LSTM并融合注意力机制的语音情感识别方法。包括以下步骤：S1，将语音信号进行预加重、分帧、加窗等预处理，经过MFCC特征提取得到Mel谱特征；S2，然后将谱图输入到动态卷积神经网络中，提取动态的情感特征；S3，将动态情感特征输入到双向长短期记忆网络中，针对上下文联系提取全局情感特征；S4，采用注意力机制对网络学习得到的一句语音信号中的情感特征生成时间分布上的权重，与特征图进行加权求和，以给不同特征区域分配不同的注意力权重；S5，将最终的情感特征输入Softmax分类器中进行分类。本发明能够更加有效的对情感特征进行分类，对情感识别精确度上有一定程度上的提高。
-
公开(公告)号：CN110887484B
公开(公告)日：2022-12-27
申请号：CN201910973425.3
申请日：2019-10-14
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于改进遗传算法的移动机器人路径规划方法及存储介质，具体步骤为：首先，设置机器人起始点的位置坐标信息S(x,y)、目的地的位置坐标信息T(x,y)以及行走区域的困难度；然后，将障碍物的长度和宽度增大了机器人宽度的r倍(r>1/2)以确保机器人与障碍物有绝对的安全距离；接着，判定当前机器人在全局坐标系中的位姿；接着，利用SPS算法获取空间中各个静态障碍物的周围点；接着，得到所有可行路径，即初始种群。利用多约束条件下的遗传算法规划出从起始点到目标点的最优或次优路径，最后，判断是否已经到达目的地坐标位置。该方法能够尽量避免考虑相对最终路径而言不必要的点，从而提高搜索效率，加快算法的收敛速度，有利于防止算法陷入局部最优。
-
公开(公告)号：CN115239974A
公开(公告)日：2022-10-25
申请号：CN202210743887.8
申请日：2022-06-27
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种融合注意力机制的视觉同步定位与地图构建闭环检测方法，将经典的残差网络中表现较好的ResNet50网络做为我们方法的主干网络，在此基础上，为ResNet50网络层中的各层添加一个注意力模块；首先添加一个通道注意力层，为了获取丰富的尺度信息，我们采用三种尺寸的卷积核，包括7×7、5×5、3×3。之后经过分组卷积模块和全局平均池化模块，经过全连接层后得到通道注意力图。之后经过空间注意力模块，从而获得最显著的区域。同时经过特征融合模块，将深层和浅层的特征进行融合，获得丰富的图像表示。最后用全连接层将特征图转化为1000维的特征向量，进行相似度计算。本发明在准确率‑召回率的性能上是具有显著优势的。
-
公开(公告)号：CN111543984B
公开(公告)日：2022-07-01
申请号：CN202010285650.0
申请日：2020-04-13
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于SSDA的脑电信号的眼电伪迹去除方法，该方法包括步骤：S1,将纯净的脑电信号进行归一化处理，输入SSDA模型；S2,根据重构EEG信号与纯净脑电信号之间的误差最小来不训练SSDA，不断调整模型参数；S3，将含有眼电(EOG)伪迹脑电(EEG)信号归一化，输入训练完成的SSDA模型，并对输出数据进行反归一化处理，就得到了去除EOG的EEG。本发明能够避免对眼电伪迹去除过程中使用眼电伪迹做参考信号，保证在去除眼电伪迹时的有效性和实时性。
-
Patent Agency Ranking
公开(公告)号：CN111543984A
公开(公告)日：2020-08-18
申请号：CN202010285650.0
申请日：2020-04-13
Applicant: 重庆邮电大学
IPC: A61B5/0476 , A61B5/00 , G06K9/00 , G06K9/62
Abstract: 本发明请求保护一种基于SSDA的脑电信号的眼电伪迹去除方法，该方法包括步骤：S1,将纯净的脑电信号进行归一化处理，输入SSDA模型；S2,根据重构EEG信号与纯净脑电信号之间的误差最小来不训练SSDA，不断调整模型参数；S3，将含有眼电(EOG)伪迹脑电(EEG)信号归一化，输入训练完成的SSDA模型，并对输出数据进行反归一化处理，就得到了去除EOG的EEG。本发明能够避免对眼电伪迹去除过程中使用眼电伪迹做参考信号，保证在去除眼电伪迹时的有效性和实时性。
-
公开(公告)号：CN109579824A
公开(公告)日：2019-04-05
申请号：CN201811285465.0
申请日：2018-10-31
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种融入二维码信息的自适应蒙特卡诺定位方法，该方法包括步骤：S1，由二维码提供的绝对位置信息和里程计控制量ut建立运动模型；S2，根据建立的运动模型进行粒子采样，可估计机器人的初始位姿；S3，采用二维激光传感器测距建立观测模型；S4，确定各个粒子的重要性权重并跟新权值；S5，根据粒子在状态空间的分布情况自适应调整下一次迭代所需粒子数；S6，根据粒子的分布情况确定机器人在环境中的位置。本发明可以在环境中对机器人进行精确定位，降低了计算量。
-
公开(公告)号：CN104463100B
公开(公告)日：2018-08-14
申请号：CN201410623938.9
申请日：2014-11-07
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于面部表情识别的智能轮椅人机交互系统及方法，涉及生物学、心理学、计算机视觉、模式识别和人工智能等领域。本发明通过几何模型匹配算法自动定位到面部特征集中有效的眉毛、眼睛、嘴巴区域，然后对其分别进行ASM特征点的定位、将定位的特征点像素与Gabor小波核函数进行卷积运算以实现对面部表情特征的提取；进而Adaboost算法迭代训练表情特征以得到表情分类模型；采用此表情分类模型实现对输入表情序列的分类识别，将其与预先定义的控制指令作比较，从而实现面部表情识别对智能轮椅的交互控制。其中，对面部表情进行特征提取时，本发明大大提高了面部表情的实时识别，从而大大提高与智能轮椅的实时交互。
-
公开(公告)号：CN107479030A
公开(公告)日：2017-12-15
申请号：CN201710574614.4
申请日：2017-07-14
Applicant: 重庆邮电大学
IPC: G01S5/22 , G10L21/0208
Abstract: 本发明请求保护一种混响环境下基于分频和改进广义互相关双耳时延估计方法，涉及声源定位领域，它利用Gammatone滤波器能有效的模拟人耳基底膜特性，将语音信号分频处理，在混响环境下进行双耳互相关时延估计，相比于广义互相关时延估计方法，该方法具有更准确的时延估计，该声源定位系统在混响环境下具有更好的鲁棒性。使用Gammatone滤波器对双耳信号进行分频处理，对每个子带信号进行倒谱预滤波的去混响处理后反变换到时域，左右耳各子带信号进行广义互相关运算，广义互相关算法中采用改进的相位变换加权函数，得到的每个子带的互相关值进行求和运算，获得最大互相关值对应的双耳时间差。
-
公开(公告)号：CN106529034A
公开(公告)日：2017-03-22
申请号：CN201610987515.4
申请日：2016-11-09
Applicant: 重庆邮电大学
IPC: G06F17/50
Abstract: 本发明涉及一种金线键合工艺优化方法，包括以下步骤：S1，选取影响金线键合强度的关键因素；S2，为关键因素均选取水平参数；S3，对水平参数进行数字处理，设计正交试验组，用拉力测试结果检验试验结果；S4，将步骤S3中正交试验的结果进行数学分析；S5，建立预测模型，预测金线键合工艺参数对键合质量的影响；S6，获得工艺窗口，达到工艺参数优化效果。采用本发明的金线工艺优化方法，成本和工作量控制适中，有利于比较各参数对工艺质量的影响优先级，获得准确度高的预测模型，得到工艺参数窗口，达到工艺优化目的。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.025 seconds)
