公开(公告)号：CN111540373B

公开(公告)日：2022-12-02

申请号：CN202010029066.9

申请日：2020-01-12

Applicant: 杭州电子科技大学

Inventor： 曹九稳 ,  沈佩婷 ,  王建中 ,  曾焕强

IPC: G10L21/0232 ,  G10L25/24 ,  G06N3/04

Abstract: 本发明公开了一种基于超复数随机神经网络的城市噪声识别方法。本发明将城市噪声信号经过谱减法滤波器，然后提取其MFCC、LSP和PLP特征，再拼接成四元数增广向量，最后经过四元数极限学习机(Q‑ELM)实现对噪声信号的分类识别。本发明充分提取了低信噪比情况下，信号中的有用信息，增广四元数结构也可利用各个特征之间的结构信息，可以有效提高城市噪声信号的识别率。

公开(公告)号：CN106249228B

公开(公告)日：2019-04-12

申请号：CN201610530164.4

申请日：2016-06-30

Applicant: 杭州电子科技大学

Inventor： 曹九稳 ,  商路明 ,  王建中 ,  曾焕强 ,  王瑞荣

IPC: G01S11/14 ,  G01S5/30

Abstract: 本发明公开了一种基于基频能量分布特征的周期振源距离智能检测方法。本发明包括如下步骤：步骤1、基频检测得到周期振动信号的基频；步骤2、依据基频从周期振动信号中提取出一种反映基频能量分布的频带能量百分比特征，即FBEP特征；步骤3、依据已知距离的特征库，将提取出的未知距离的FBEP特征通过KNN法进行分析处理，得到振动信号距离的预测值。运用本发明后，单传感器节点可以实现检测距离，多传感器组合则可以实现交叉定位，并同时确保其精度与可靠性。此外，本发明具有无需事先学习距离特征的优点，从而使此距离检测具有更好的适应性。同时基于互相关法改进的基频检测步骤可以达到较好的距离检测效果。