-
公开(公告)号：CN117220644A
公开(公告)日：2023-12-12
申请号：CN202311275315.2
申请日：2023-09-28
Applicant: 北京航空航天大学 , 北京空间飞行器总体设计部
IPC: H03H21/00 , G06F16/901
Abstract: 本发明提供一种基于频谱特性函数凸优化的自适应HP滤波方法，包括将HP滤波方法中的波动项系数λ的数值转化为趋势项频谱特性函数值，并采用基于二叉树遍历的下凸判别方法计算所述趋势项频谱特性函数值；基于所述趋势项频谱特性函数值的连续单调性质，将所述λ的数值的选取转换为趋势项频谱特性函数值的凸优化问题的求解过程，并采用二分法快速求解最优λ，最终得到最优λ值；根据最优λ值进行自适应HP滤波。本发明有效地实现HP滤波方法参数λ的自适应选取，并显著降低了计算复杂度，实现快速自适应滤波。
-
公开(公告)号：CN108682427A
公开(公告)日：2018-10-19
申请号：CN201810503133.9
申请日：2018-05-23
Applicant: 北京航空航天大学
IPC: G10L21/0208 , G10L21/0272 , G10L25/78 , H04W4/80
CPC classification number: G10L21/0272 , G10L21/0208 , G10L25/78 , G10L2025/783 , H04W4/80
Abstract: 本发明公开了一种用于远场人机交互的便携式电声门图语音采集装置。在远场语音人机交互中，通过软硬件的复杂结合以及人工智能算法，可以在复杂的环境中，有效解决背景噪声、混响、回声等的影响。利用电声门图获得声门激励信息，进而对目标语音进行分离，可以有效的去除传输过程中的噪声影响，并且去除不同种类信息间的干扰。该便携式电声门图语音采集装置包括：信号采集部分、信号处理部分和信号传输部分。本发明电声门图采集装置结构简洁且便于随身携带，采用高频弱电压，信号采集更精确，且能配合其它设备，很好的提取语音特征，减少或避免语音在空气中传播时受到的噪声影响，具有检测精度高和应用广泛的特点。
-
-
公开(公告)号：CN102893326B
公开(公告)日：2013-11-13
申请号：CN201180004156.1
申请日：2011-07-21
Applicant: 北京航空航天大学
Abstract: 本发明一种结合情感点的汉语语音情感提取及建模方法，该汉语语音情感点提取方法为：制定情感点数据库规范，包括发音人规范、录音脚本设计规范、音频文件命名规范等；收集情感点数据；情感点愉悦度、激活度、优势度(PAD)评测，即由区别于说话者的至少十名评测者对情感点数据进行PAD主观听取评测实验。该汉语语音情感点建模方法为：首先根据Fisher比率选择语音特征训练性别识别支持向量机模型(SVM)；其次为男声和女声分别建立情感点隐马尔科夫模型(HMM)，并根据SVM性别识别结果选择相应的HMM进行情感点分类。本发明汉语语音情感点提取方法为结合语义信息的汉语语音情感识别研究提供了基础，汉语语音情感点建模方法实现了高效的语音情感识别。
-
公开(公告)号：CN102893326A
公开(公告)日：2013-01-23
申请号：CN201180004156.1
申请日：2011-07-21
Applicant: 北京航空航天大学
Abstract: 本发明一种结合情感点的汉语语音情感提取及建模方法，该汉语语音情感点提取方法为：制定情感点数据库规范，包括发音人规范、录音脚本设计规范、音频文件命名规范等；收集情感点数据；情感点愉悦度、激活度、优势度(PAD)评测，即由区别于说话者的至少十名评测者对情感点数据进行PAD主观听取评测实验。该汉语语音情感点建模方法为：首先根据Fisher比率选择语音特征训练性别识别支持向量机模型(SVM)；其次为男声和女声分别建立情感点隐马尔科夫模型(HMM)，并根据SVM性别识别结果选择相应的HMM进行情感点分类。本发明汉语语音情感点提取方法为结合语义信息的汉语语音情感识别研究提供了基础，汉语语音情感点建模方法实现了高效的语音情感识别。
-
Patent Agency Ranking
公开(公告)号：CN102411932B
公开(公告)日：2012-12-19
申请号：CN201110301307.1
申请日：2011-09-30
Applicant: 北京航空航天大学
IPC: G10L15/14
Abstract: 本发明一种结合声门激励和声道调制信息的汉语语音情感提取及建模方法，该汉语声门激励信息的提取方法为：制定电声门图情感语音数据库规范；收集电声门图情感语音数据；电声门图情感语音主观评测，即由至少十名评测者对电声门图情感语音进行评测。结合声门激励和声道调制信息的汉语情感建模方法为：首先根据电声门图提取声门激励信息；其次根据电声门图和语音信号的关系提取语音信号中的声道调制信息；最后，利用所有备选特征的Fisher比率为每种情感选择合适的情感特征，并训练一对多支持向量机模型。本发明通过电声门图信号提取声门激励信息，将语音信号中的声门激励信息和声道调制信息分离，更准确的反映语音中的情感信息。
-
公开(公告)号：CN102222500A
公开(公告)日：2011-10-19
申请号：CN201110121872.X
申请日：2011-05-11
Applicant: 北京航空航天大学
Abstract: 本发明一种结合情感点的汉语语音情感提取及建模方法，该汉语语音情感点提取方法为：制定情感点数据库规范，包括发音人规范、录音脚本设计规范、音频文件命名规范等；收集情感点数据；情感点愉悦度、激活度、优势度(PAD)评测，即由区别于说话者的至少十名评测者对情感点数据进行PAD主观听取评测实验。该汉语语音情感点建模方法为：首先根据Fisher比率选择语音特征训练性别识别支持向量机模型(SVM)；其次为男声和女声分别建立情感点隐马尔科夫模型(HMM)，并根据SVM性别识别结果选择相应的HMM进行情感点分类。本发明汉语语音情感点提取方法为结合语义信息的汉语语音情感识别研究提供了基础，汉语语音情感点建模方法实现了高效的语音情感识别。
-
公开(公告)号：CN101261832B
公开(公告)日：2011-05-25
申请号：CN200810104541.3
申请日：2008-04-21
Applicant: 北京航空航天大学
Abstract: 本发明一种汉语语音情感信息的提取及建模方法，该汉语语音情感信息的提取方法为：制定情感语音数据库规范，包括发音人规范、录音脚本设计规范、音频文件命名规范等；收集情感语音数据；情感语音有效性评测，即由区别于说话者的至少十名评测者对情感语音数据进行主观听取评测实验。该汉语语音情感信息的建模方法为：提取语音情感特征，确定区分各种情感类别的特征组合；采用不同的特征组合训练多级语音情感识别系统的SVM模型；验证该分类模型的识别效果：即采用交叉留一法验证语音情感多极分类模型在说话人无关情况下的分类效果。本发明解决了国内情感语音数据库情感种类较少以及国内情感语音数据库匮乏的问题，同时实现了高效的语音情感识别系统。
-
公开(公告)号：CN118782074A
公开(公告)日：2024-10-15
申请号：CN202411002842.0
申请日：2024-07-25
Applicant: 北京航空航天大学
IPC: G10L21/028 , G10L25/30 , G10L15/26 , H04L67/02 , H04L67/10
Abstract: 本发明公开了一种基于多说话人语音分离方法的质控报告自动生成系统，包括基于超文本传输协议和网络应用服务器技术的语音接收模块、基于时频幅度掩蔽和卷积神经网络的语音分离模块、基于双向状态空间扩充变换器块的语音识别模块、质控报告生成模块、基于超文本传输协议和网络应用服务器技术的质控报告上传模块和基于容器引擎容器化部署和超文本传输协议的分布式部署模块，所述基于超文本传输协议和网络应用服务器技术的语音接收模块用于接收待处理语音，所述基于时频幅度掩蔽和卷积神经网络的语音分离模块用于分离出目标对象的单独语音，所述基于双向状态空间扩充变换器块的语音识别模块用于对语音进行识别并生成文本，所述质控报告生成模块用于对文件进行分析并生成所需质控报告，所述基于超文本传输协议和网络应用服务器技术的质控报告上传模块用于质控报告上传到后台系统，所述基于容器引擎容器化部署和超文本传输协议的分布式部署模块用于系统在多台服务器上实现分布式部署和互联。
-
公开(公告)号：CN117643462A
公开(公告)日：2024-03-05
申请号：CN202311614742.9
申请日：2023-11-29
Applicant: 北京航空航天大学 , 中国人民解放军总医院第六医学中心
IPC: A61B5/0531 , A61B5/16 , A61B5/0205 , A61B5/00 , G06F18/241 , G06N20/00 , G06F18/10
Abstract: 本发明公开了一种皮肤阻抗情感数据采集和建模方法，所述方法包括以下步骤：步骤1：使用硬件设备测量人体阻抗模型的皮肤阻抗信息，并运用双频法进行数据后处理；步骤2：设计实验，刺激情感波动产生生理特征信号以及对信号进行预测与处理；步骤3：结合人体阻抗模型的皮肤阻抗信息，呼吸频率和心跳频率进行情感预测建模。本发明建立了人体阻抗情感数据库，以及相对应情绪波动时的呼吸信号和心跳频率，其情感有关的人体生理信息采集的更为全面，提高了情绪预测的可信度。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.043 seconds)
