-
公开(公告)号：CN113921041A
公开(公告)日：2022-01-11
申请号：CN202111183247.8
申请日：2021-10-11
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明提出了基于分组卷积注意力网络的录音设备识别方法及系统，包括：利用第一分组卷积注意力网络对待测音频的非话语段进行检测，完成非话语段检测后，将待测音频的非话语段筛选出来，拼接为一个完整的非话语段音频；在非话语段中提取用来作为待测录音设备的固有轨迹的随机谱特性特征，基于上述特征，利用第二分组卷积注意力网络进行录音设备识别。基于分组卷积注意力网络分别用于非话语段检测与录音设备识别，在降低整个录音设备识别模型复杂度的同时保证其高效性。
-
公开(公告)号：CN113409827A
公开(公告)日：2021-09-17
申请号：CN202110673028.1
申请日：2021-06-17
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G10L25/87 , G10L25/30 , G10L25/18 , G06N3/08 , G06N3/04 , G06K9/62 , G06K9/46 , G06K9/00 , G06F16/583 , G06F16/51
Abstract: 本发明属于语音信号处理领域，提供了一种基于局部卷积块注意力网络的语音端点检测方法及系统。该方法包括，获取语音数据的声谱图数据；利用局部敏感哈希算法为声谱图数据中的每一帧数据提取N个近邻帧，得到帧级的局部声谱图数据；将局部声谱图数据输入局部卷积块注意力网络中，经过卷积模块进行特征提取，在每个卷积块之后依次通过通道注意力模块、频谱注意力模块以及时间注意力模块进行注意力操作，得到增强的数据；将增强的数据输入分类器中，进行语音/非语音帧检测，得到预测结果。
-
公开(公告)号：CN113096673A
公开(公告)日：2021-07-09
申请号：CN202110341574.5
申请日：2021-03-30
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于语音处理领域，提供了一种基于生成对抗网络的语音处理方法及系统。其中，该方法包括获取源语音，并输入至编码器对源语音进行编码；将编码后的语音信号输入至生成对抗网络模型，最后输出与源语音相匹配的恢复的语音；其中，生成对抗网络模型包括生成器和鉴别器，训练集由编码前的源语音和编码后质量下降的语音构成；生成器用于恢复编码后质量下降的语音；鉴别器用于比对恢复后的语音与编码前的源语音以区分真信号与假信号，再由鉴别器将区分结果反馈给生成器，以指导生成器学习源语音的真实分布的输出。解决了语音编码器生成的语音质量较低的问题，并且具有更高的泛化性，对多种ITU标准下的编码器生成的编解码后的语音都有效。
-
公开(公告)号：CN109346093B
公开(公告)日：2019-09-03
申请号：CN201811541115.6
申请日：2018-12-17
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G10L19/16 , G10L19/032 , G10L25/93
Abstract: 本公开公开了一种低速率声码器子带清浊音参数提取与量化的融合方法，该方法充分考虑了子带清浊音参数的统计和量化特性，采用在提取过程中不断进行失真比较和候选矢量淘汰的方法，减少需要搜索的候选矢量，尽快锁定目标矢量，进而提前结束分析和搜索过程。可以有效用于2400bps以下的低速率、超低速率语音编码算法中，实现减少低速率声码器算法复杂度、降低系统功耗的目的。
-
公开(公告)号：CN104637485A
公开(公告)日：2015-05-20
申请号：CN201510094030.8
申请日：2015-03-03
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G10L19/018
CPC classification number: G10K11/175 , G10L19/018
Abstract: 本发明的用于保护汉语语音私密度的掩蔽信号的生成方包括a).统计语句概率表；b).统计句段概率表；c).统计词组概率表；d).统计汉字概率表；e).统计音节概率表；f).按照确定自然段的语句数、语句中的句段数、句段中的词组数、词组中的汉字数、汉字的音节生成文本信息；g).语音合成。本发明的掩蔽信号的生成方法，充分考虑了会议室声音掩蔽的需求及汉语语音的特点，摒弃了采用稳态噪声等掩蔽信号的传统方式，基于汉语语言中字、词、句的各项统计特性，利用人类发声语音库，生成一种无实际意义的、与正常说话语音极其相似的掩蔽信号。这种掩蔽信号相比传统的掩蔽噪声，大大减弱了听觉上的各种负面影响，提高了声音掩蔽效果。
-
Patent Agency Ranking
公开(公告)号：CN119851693A
公开(公告)日：2025-04-18
申请号：CN202510010866.9
申请日：2025-01-03
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提出了基于混合池化策略的轻量化伪造语音检测方法及系统，属于语音处理及生物识别技术领域；通过卷积池化操作从原始语音数据中提取时频信息；基于混合池化方法从时频信息中提取高级特征表示，即：采用最大池化法提取低频特征，采用平均池化法提取高频特征；将低频特征和高频特征进行特征拼接以获得高级特征表示；按照频域和时序的方向对高级特征表示进行统计计算以获得高级特征统计结果；基于全连接层对伪造语音进行检测并输出检测结果。本发明能够在避免特征信息损失的基础上，降低伪造语音检测时的计算量及计算复杂性，应对未知攻击能力强；同时，显著提高了对伪造语音进行检测的准确率。
-
公开(公告)号：CN114896403B
公开(公告)日：2025-04-18
申请号：CN202210565193.X
申请日：2022-05-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智能科技有限公司
IPC: G06F16/353 , G06F40/284 , G06F40/30 , G06F18/214 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及数据处理技术领域，公开了基于门控机制的企业二级行业分类方法及系统，包括：获取待分类的企业信息；将待分类的企业信息，输入到训练后的企业二级行业分类模型中，输出企业二级行业分类结果；其中，训练后的企业二级行业分类模型，其工作原理是：获取待分类企业信息的单词特征向量，再从单词特征向量中提取企业信息的上下文向量；然后，将单词特征向量与上下文向量进行拼接；对拼接后的向量分别提取上下文特征和局部显著特征；对提取的两种特征进行加权融合，将融合后的特征进行分类，得到最终分类结果。本发明减少了传统二级行业分类中的人力开支，缩短了企业行业分类的系统执行时间，且分类结果准确、系统安全。
-
公开(公告)号：CN119652510A
公开(公告)日：2025-03-18
申请号：CN202411806152.0
申请日：2024-12-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明公开了一种基于一次一密模式的量子安全直接通信方法，属于量子通信技术领域，包括以下步骤：Bob准备一批相干态通过量子信道发送给Alice，Alice将接收到的相干态分为两组，对其中一组执行零差检测，并将检测结果发送给Bob，Bob根据第一有效信息量进行安全检测；Alice根据秘密信息对相干态进行编码，编码后发送给Bob，Bob随机选择一个相干态执行零差检测，将结果发送给Alice，Alice根据第二有效信息量进行安全检测；Bob对其余的相干态执行零差检测并计算阈值，并进行解调得到秘密信息；本发明采用连续变量的量子态，容易产生和检测，传输过程中损耗小，安全性高，可与标准电信技术兼容。
-
公开(公告)号：CN119652426A
公开(公告)日：2025-03-18
申请号：CN202411806290.9
申请日：2024-12-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提供一种连续变量量子安全直接通信的方法，属于量子安全直接通信技术领域，包括：发送端制备双模压缩纠缠光束对S，将光束S1发送给接收端；发送端将光束S1调制为第一拉盖尔‑高斯光束S′1发送给接收端；发送端选择一个子集，测量光束S2在该子集的正交位置和正交动量，并与接收端测量光束S1的结果对比，检查干扰；接收端将S′1根据秘密信息调制为第二拉盖尔‑高斯光束S″1发送给发送端，发送端将S2和S″1重新组合为光束对S′并成像，根据成像结果得出秘密信息。本发明解决了连续变量量子安全直接通信在传输过程中容易受到噪声和损耗，且实现和管理复杂的问题。
-
公开(公告)号：CN119339739A
公开(公告)日：2025-01-21
申请号：CN202411394677.8
申请日：2024-10-08
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提供了一种基于域泛化的机械设备无监督异常声音检测方法及系统，本发明通过构建基于全局上下文的SE‑ECA融合注意力机制模块，分别构建MFCC分支网络架构和Log‑Mel分支网络架构，将所述模块添加至各分支网络架构中，分别对MFCC谱图特征和Log‑Mel谱图特征进行音频特征提取；将两个分支网络架构提取的音频特征嵌入在通道维度上进行合并，形成综合特征向量，对综合特征向量进行分类；构建并训练异常检测模型，异常检测模型利用高斯混合模型计算全局异常分数，在利用局部异常因子检测局部异常，再进行加权平均，本发明可以自动学习正常声音特征并检测异常，提升设备的异常检测性能。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.04 seconds)
