-
公开(公告)号：CN119992040A
公开(公告)日：2025-05-13
申请号：CN202411257787.X
申请日：2024-09-09
Applicant: 南京理工大学
Abstract: 本发明提出了一种基于声振时频特征和交叉注意力融合机制的交通目标检测识别方法。首先，采用声振传感器采集不同交通目标的声振信号，并进行归一化最小均方NLMS滤噪预处理。其次，对预处理后的声振信号进行变分模态分解VMD，采用尺度谱分割方法和求和模糊熵最小值方法，分解成多个本征模态函数IMF。再次，对声音信号IMF提取Mel语谱图，振动信号IMF提取小波变换时频图，将结果进行CNN卷积池化，通过transformer编码器进一步提取不同交通目标的声振信号特征。最后利用交叉注意力机制进行编码，将声音信号特征和振动信号特征融合为新的特征，利用Softmax函数和Dropout函数进行归一化和防止过拟合处理。本发明具有算法复杂度低，实时性强，成本较低的优势，同时解决了极端气候、天气、光线等场景下的交通目标检测问题。
-
公开(公告)号：CN118571258A
公开(公告)日：2024-08-30
申请号：CN202410496789.8
申请日：2024-04-24
Applicant: 南京理工大学
IPC: G10L25/51 , G10L25/27 , G10L25/18 , G10L21/0208 , G10L21/0216 , G10L21/0224 , G10L21/0232
Abstract: 本发明公开了一种基于声音的货车超载检测方法，具体为：采集目标货车的正常行驶声音数据，对其进行预处理得到纯净货车行驶声信号；对货车行驶声信号进行特征提取，采用基于谱质心和MFCC特征提取融合的特征提取方法得到能够表征声信号特征的特征向量；构建货车超载检测模型，在随机森林模型的投票阶段使用AUC值加权投票法替代多数投票法，判断车辆是否超载；将待检测的货车行驶声数据输入训练好的随机森林模型，进行货车超载检测。
-
公开(公告)号：CN118629429A
公开(公告)日：2024-09-10
申请号：CN202410886913.1
申请日：2024-07-03
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于声音多特征融合和优化分类器的超载货车轴型识别方法。首先，根据GB1589‑2016将超载货车轴型划分为二轴、三轴、四轴、五轴和六轴五类，采集不同轴型超载货车不同工况(不同超载比率、不同行驶速度等)下的音频，同时对音频信号进行预处理。其次，选取短时能量和线性预测倒谱系数LPCC作为时域特征，选取梅尔倒谱系数MFCC及其一阶差分、伽玛通滤波器系数GFCC作为频域特征。再次，将提取的时频特征进行一阶段并联式加权特征融合和二阶段t分布随机近邻嵌入特征融合，最后采用改进的PSO‑BP分类器对融合后的特征进行训练、测试得到分类模型。本发明考虑到单一声信号特征对超载货车轴型识别的局限性，分阶段多层次融合不同类型的声学特征，进而增强特征间的协同效应和区分度，不仅能够减少数据的冗余和噪声，还在多个层面增强音频处理系统的性能，如实时性和内存消耗等，从而提升超载货车轴型识别的鲁棒性和准确率。
-
公开(公告)号：CN118171172A
公开(公告)日：2024-06-11
申请号：CN202410422417.0
申请日：2024-04-09
Applicant: 南京理工大学
IPC: G06F18/241 , G06F18/2431 , G06F18/2413 , G06F18/10 , G06N3/0464
Abstract: 本发明公开了一种基于车辆声音信号的车辆分类识别方法，先对采集到的车辆声音信号数据进行去噪、预处理，根据时间序列，按照时间和频域两个纬度上排列成为二维的log‑mel频谱图，然后将处理后的log‑mel频谱图输入到改进的MobileNetv3‑small模型中进行训练，当总损失值达到预设损失值，模型收敛，得到训练好的检测模型；最后输入测试集中的样本数据，计算出识别率，验证改进后的卷积神经网络模型的准确性。
-
-
-
Search Results
4
records
(took 0.015 seconds)
