公开(公告)号：CN116486837A

公开(公告)日：2023-07-25

申请号：CN202310426499.1

申请日：2023-04-19

Applicant: 中南林业科技大学

Inventor： 陈爱斌 ,  杨丑君 ,  唐璐 ,  胡世鹏

IPC: G10L25/63 ,  G10L17/26 ,  G10L25/18 ,  G10L25/30 ,  G06F18/15 ,  G06F18/2131 ,  G06F18/24 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于MFF‑ScSEnet的狗吠声情绪识别方法，对音频信号不同特征的提取进行融合，并在训练网络对频谱波纹信息进行增强，步骤一、将音频信号转换成mel‑频谱图；步骤二、将音频信号转换成sinc‑频谱图；步骤三、形成特征频谱图；步骤四、基于特征频谱图进行狗吠声情绪识别；将生成的特征频谱图通过主干网络resnet18进行狗吠声情绪识别；在Resnet18进行下采样后嵌入scSEnet注意力模块。本发明方法具有识别准确率高的特点，识别精度达91.45％。

公开(公告)号：CN117789746A

公开(公告)日：2024-03-29

申请号：CN202311562288.7

申请日：2023-11-22

Applicant: 中南林业科技大学

Inventor： 陈爱斌 ,  向刚 ,  唐璐 ,  王肇任

IPC: G10L21/0272 ,  G10L21/0308 ,  G10L25/30 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习的混叠鸟鸣声分离方法，对混叠鸟鸣声信号的特征进行提取，并在分离网络中计算其掩码向量，再通过解码器输出纯净鸟鸣声，将所有训练样本训练100次，逐渐提高分离效果，步骤一、在编码器中计算混叠鸟鸣声信号的特征向量；步骤二、在分离网络中，使用该特征向量计算出每一个鸟鸣声声源对应的掩码向量；步骤三、使用掩码向量处理编码器特征；步骤四、使用解码器重构纯净鸟鸣声信号。本发明方法具有分离效果好的特点，SI‑SNRi和SDRi分别达16.8dB和17.2dB。