-
公开(公告)号：CN104882144B
公开(公告)日：2018-10-30
申请号：CN201510226082.6
申请日：2015-05-06
Applicant: 福州大学
IPC: G10L17/26
Abstract: 本发明涉及一种基于声谱图双特征的动物声音识别方法，其特征在于包括以下步骤：建立一声音样本库；采集待识别的声音信号；将预存声音样本及待识别的声音信号转化成声谱图；将声谱图进行规范化，并进行特征值分解和投影，转化成一投影特征XK；将声谱图转化成等价LBP值矩阵u，统计对应的像素与周围像素灰度值的方差，形成一特征向量LBPV；将投影特征XK和特征向量LBPV结合，形成双层特征XK+LBPV；以所述声音样本库中预存声音样本对应的双层特征集为训练样本集，以待识别的声音信号对应的双层特征为输入样本，通过随机森林的训练，得出待识别的声音信号于声音样本库中对应的类别并输出结果。本发明改善了不同声音环境下各种低信噪比动物声音的识别率。
-
公开(公告)号：CN107104982A
公开(公告)日：2017-08-29
申请号：CN201710387181.1
申请日：2017-05-26
Applicant: 福州大学
Abstract: 本发明涉及一种移动电子医疗中具有叛逆者追踪功能的可搜索加密系统，针对现有移动医疗(mHealth)系统中的计算开销过大，无法支持叛逆者跟踪以及对用户进行按需撤销等问题，提出了一种新型的轻量级、可进行数据共享和访问权限控制、可进行叛逆者追踪的安全电子医疗系统（LiST）。除了使用基于属性的加密(ABE)机制实现对加密电子医疗记录(EHR)的细粒度访问控制，LiST还支持对加密的EHR的关键字搜索，提供高效的叛逆者追踪和灵活的用户撤销机制。
-
公开(公告)号：CN106531174A
公开(公告)日：2017-03-22
申请号：CN201611058956.2
申请日：2016-11-27
Applicant: 福州大学
IPC: G10L17/26 , G10L25/18 , G10L21/0208
CPC classification number: G10L17/26 , G10L21/0208 , G10L25/18
Abstract: 本发明涉及一种基于小波包分解和声谱图特征的动物声音识别方法，提出了一种基于Bark尺度的小波包分解系数重构的频谱投影结合随机森林的动物声音识别方法。首先，声音信号先经过Bark尺度的小波包分解；然后，生成小波包分解系数重构信号的频谱图；接着，对这些频谱图进行投影并生成BWCSP特征；最后，通过随机森林分类器实现动物声音的识别。对于受背景声音影响严重的动物声音，采用短时谱估计法对声音信号进行增强。本发明所提出的方法，结合短时谱估计法、BWCSP特征和随机森林的方法能够识别各种背景声音下的动物声音，且在-10dB的情况下，能够保持平均60%以上的识别率。
-
公开(公告)号：CN103474072B
公开(公告)日：2016-06-01
申请号：CN201310473337.X
申请日：2013-10-11
Applicant: 福州大学
Abstract: 本发明涉及一种利用纹理特征与随机森林的快速抗噪鸟鸣声识别方法，其特征在于：步骤1，通过短时谱估计算法对鸟鸣声带噪功率谱进行音频增强；步骤2，采用和差统计法(SDH)对增强功率谱快速提取纹理特征；步骤3，由随机森林(RF)实现快速分类。本发明解决了纹理特征提取过程中灰度共生矩阵(GLCM)占用空间大、耗时，以及识别和分类过程中常见单分类器分类速度慢的问题。
-
公开(公告)号：CN102789780B
公开(公告)日：2014-10-01
申请号：CN201210242825.5
申请日：2012-07-14
Applicant: 福州大学
Inventor： 李应
Abstract: 本发明涉及一种基于谱时幅度分级向量辨识环境声音事件的方法，首先计算各相关声音事件的谱时幅度分级向量(TSASV)作为辨识原型，并保存在数据库中作为分辨待测声音事件的模板；然后计算待测声音事件的TSASV，并将其与各辨识原型进行比较，最接近的一个就是所要识别的声音事件；谱时幅度分级向量的构造方法包括：对获取的环境声音事件进行快速傅立叶变换，生成声谱图；对生成的声谱图进行不同频率分辨的采样，用声谱图构建不同频率分辨的子声谱图；对子声谱图进行信号增强，生成信号增强的子声谱图；对信号增强的子声谱图进行幅度分级；对幅度分级后的子声谱图进行编码，生成TSASV。该方法有利于提高环境声音事件辨识的有效性。
-
Patent Agency Ranking
公开(公告)号：CN103531199A
公开(公告)日：2014-01-22
申请号：CN201310472330.6
申请日：2013-10-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于快速稀疏分解和深度学习的生态声音识别方法，其特征在于，包括以下步骤：S01：分别对纯净声音和测试带噪声音进行OMP稀疏分解，对应输出纯净声音和测试带噪声音的重构信号和OMP特征；S02：分别对纯净声音和测试带噪声音提取包括OMP特征在内的复合特征；S03：对重构后的纯净声音提取的复合特征进行DBN模型训练；S04：对重构后的测试带噪声音和训练后的纯净声音提取的复合特征进行DBN模型分类，输出测试带噪声音所属的生态声音类别。本发明对系统抗噪性和鲁棒性的提高更为显著。
-
公开(公告)号：CN110808067A
公开(公告)日：2020-02-18
申请号：CN201911091796.5
申请日：2019-11-08
Applicant: 福州大学
Abstract: 本发明提出一种基于二值多频带能量分布的低信噪比声音事件检测方法，利用二值多频带能量分布(Binary Multi-Band Power Distribution,BMBPD)和随机森林(RF)的独特组合来提供优良的性能。其中，BMBPD将MBPD图中灰度小于一定阈值的像素二值化为1，其余为0，能够在MBPD图中突出与声音事件相关的像素，同时抑制噪声的影响，从而减少低信噪比环境中噪声对待测声音事件的影响。通过对BMBPD图分块离散余弦变换(DCT)，把DCT系数的Z编码的主要部分作为声音事件的特征，即BMBPD-DCTZ，并用随机森林(RF)分类器对BMBPD-DCTZ进行训练与检测。该方法对声级适用范围广泛，在严重的非平稳噪声中具有较强的鲁棒性。
-
公开(公告)号：CN106653032A
公开(公告)日：2017-05-10
申请号：CN201611040015.6
申请日：2016-11-23
Applicant: 福州大学
Abstract: 本发明涉及一种低信噪比环境下基于多频带能量分布的动物声音检测方法，包括以下步骤：步骤S1：利用多滤波器组对待测声音样本进行时频分析，获得多频带频谱图；步骤S2：分析所述多频带频谱图的频率及能量分布，获取多频带能量分布图；步骤S3：对所述多频带能量分布图进行分块DCT，并提取DCT系数矩阵中的低频系数作为所述待测声音样本的特征；步骤S4：根据以上步骤对若干训练声音样本进行处理，获取训练声音样本的特征，并采用随机森林分类器对所述训练声音样本的特征进行训练，得到随机森林；步骤S5：将所述待测声音样本的特征代入随机森林进行测试，确定所述待测声音样本的类标。本发明相比于现有技术在低信噪比的情况下具有良好的鲁棒性。
-
公开(公告)号：CN103474066B
公开(公告)日：2016-01-06
申请号：CN201310472342.9
申请日：2013-10-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于多频带信号重构的生态声音识别方法，首先，使用OMP稀疏分解作第一阶段重构，保留前景声音的主体结构；其次，将前阶段分解的剩余分量按频带划分，根据前景声音和背景噪声的频率分布，对重构信号进行自适应补偿，完成第二阶段重构；最后，根据支撑集原子时频信息和频域信息提取复合抗噪特征，使用深信度网对生态声音在不同环境和信噪比情境下进行分类识别。本发明采用二次重构不仅能抑制噪声，并且提高了对前景声音的重构精度，在自然环境下具有较好的噪声鲁棒性。
-
公开(公告)号：CN104882144A
公开(公告)日：2015-09-02
申请号：CN201510226082.6
申请日：2015-05-06
Applicant: 福州大学
IPC: G10L17/26
CPC classification number: G10L17/26
Abstract: 本发明涉及一种基于声谱图双特征的动物声音识别方法，其特征在于包括以下步骤：建立一声音样本库；采集待识别的声音信号；将预存声音样本及待识别的声音信号转化成声谱图；将声谱图进行规范化，并进行特征值分解和投影，转化成一投影特征XK；将声谱图转化成等价LBP值矩阵u，统计对应的像素与周围像素灰度值的方差，形成一特征向量LBPV；将投影特征XK和特征向量LBPV结合，形成双层特征XK+LBPV；以所述声音样本库中预存声音样本对应的双层特征集为训练样本集，以待识别的声音信号对应的双层特征为输入样本，通过随机森林的训练，得出待识别的声音信号于声音样本库中对应的类别并输出结果。本发明改善了不同声音环境下各种低信噪比动物声音的识别率。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.022 seconds)
