-
公开(公告)号：CN106725486A
公开(公告)日：2017-05-31
申请号：CN201610786585.3
申请日：2016-08-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于呼吸模式监测雷达的呼吸模式判决方法，包括以下步骤：步骤1、用呼吸模式监测雷达采集信号，将测得的心跳、呼吸的混合信号进行解调，得到呼吸信号，并对呼吸信号进行低通滤波，得到去除杂波干扰后的呼吸信号；步骤2、截取30秒去除杂波干扰后的呼吸信号，并进行特征提取，得出能够区分不同呼吸模式呼吸信号的特征参数；步骤3、确定不同呼吸模式和特征参数之间的映射关系；步骤4、根据步骤3的映射关系，判决呼吸模式监测雷达获取的呼吸信号属于何种呼吸模式。本发明方法有效可行，性能可靠，可以准确地判决呼吸的模式。
-
公开(公告)号：CN106725486B
公开(公告)日：2017-11-14
申请号：CN201610786585.3
申请日：2016-08-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于呼吸模式监测雷达的呼吸模式判决方法，包括以下步骤：步骤1、用呼吸模式监测雷达采集信号，将测得的心跳、呼吸的混合信号进行解调，得到呼吸信号，并对呼吸信号进行低通滤波，得到去除杂波干扰后的呼吸信号；步骤2、截取30秒去除杂波干扰后的呼吸信号，并进行特征提取，得出能够区分不同呼吸模式呼吸信号的特征参数；步骤3、确定不同呼吸模式和特征参数之间的映射关系；步骤4、根据步骤3的映射关系，判决呼吸模式监测雷达获取的呼吸信号属于何种呼吸模式。本发明方法有效可行，性能可靠，可以准确地判决呼吸的模式。
-
公开(公告)号：CN106295717B
公开(公告)日：2019-07-12
申请号：CN201610767234.8
申请日：2016-08-30
Applicant: 南京理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于稀疏表示和机器学习的西洋乐器分类方法，包括如下步骤：步骤1：构建适用于西洋乐器稀疏表示的字典库；步骤2：对西洋乐器原始音频文件进行预处理，分帧加窗，提取每帧音频在基于所构建字典库表示下的稀疏系数；步骤3：将每帧音频稀疏表示系数作为西洋乐器的音乐特征输入深度神经网络，逐层预训练深度神经网络模型，得到与西洋乐器音频分类相应的深度神经网络模型参数；步骤4：将逻辑回归分类器添加至深度神经网络模型的顶层；步骤5：对所得深度神经网络模型参数进行反向微调，将深度神经网络模型最后一个隐含层的输出参数输入至逻辑回归层进行分类，得到西洋乐器的分类结果。本发明可以有效进行西洋乐器的分类。
-
公开(公告)号：CN106295717A
公开(公告)日：2017-01-04
申请号：CN201610767234.8
申请日：2016-08-30
Applicant: 南京理工大学
IPC: G06K9/62
CPC classification number: G06K9/6249 , G06K9/6268
Abstract: 本发明公开了一种基于稀疏表示和机器学习的西洋乐器分类方法，包括如下步骤：步骤1：构建适用于西洋乐器稀疏表示的字典库；步骤2：对西洋乐器原始音频文件进行预处理，分帧加窗，提取每帧音频在基于所构建字典库表示下的稀疏系数；步骤3：将每帧音频稀疏表示系数作为西洋乐器的音乐特征输入深度神经网络，逐层预训练深度神经网络模型，得到与西洋乐器音频分类相应的深度神经网络模型参数；步骤4：将逻辑回归分类器添加至深度神经网络模型的顶层；步骤5：对所得深度神经网络模型参数进行反向微调，将深度神经网络模型最后一个隐含层的输出参数输入至逻辑回归层进行分类，得到西洋乐器的分类结果。本发明可以有效进行西洋乐器的分类。
-
-
-
Search Results
4
records
(took 0.014 seconds)
