-
公开(公告)号：CN117838048A
公开(公告)日：2024-04-09
申请号：CN202410008190.5
申请日：2024-01-02
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于两级MPSO‑SVM算法的睡眠体位声学判别方法，包括：采集整夜睡眠声音，并进行预处理以及声音活动检测，得到整夜睡眠中的声音片段，并对数据进行标记；对睡眠有声片段进行特征提取，获得梅尔频率倒谱系数、空间特征；对声音片段进行标注，将提取到的特征按比例分为训练集和测试集；基于MPSO算法对SVM模型的关键参数进行优化，将睡眠声音数据通过两级SVM进行训练，获得两级SVM模型；利用训练后的两级SVM分类器对待检测的睡眠声音数据进行鼾声检测及睡眠体位判别。本发明基于睡眠实测数据，采用麦克风阵列技术实现噪声环境下鼾声体位的准确识别，运行效率高且易于实现，对于睡眠质量监测具有重要意义。
-
公开(公告)号：CN117826107A
公开(公告)日：2024-04-05
申请号：CN202410004902.6
申请日：2024-01-02
Applicant: 南京理工大学
IPC: G01S7/41 , G01S7/36 , G01S7/02 , G06F18/10 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于LMSST和DCNN的雷达信号脉内调制识别方法。本发明通过采用LMSST时频分布，基于脊提取算法去估计瞬时频率，通过在频率方向检测时频谱的局部最大值，从而提高能量聚集性，使得不同调制下时频表示特征显著提升。同时，深度级联卷积神经网络提高了卷积神经网络的多尺度分辨率，能够解决深度模型学习能力弱、泛化能力低、聚类效果差等问题，从而提高了LPI雷达信号调制识别的准确率，实现了雷达调制波形的自动分类，减轻了电子侦察专业人员的工作量，便于后续进行态势和威胁估计。
-
-
公开(公告)号：CN109633527B
公开(公告)日：2023-04-21
申请号：CN201811531613.2
申请日：2018-12-14
Applicant: 南京理工大学
IPC: G01S3/802
Abstract: 本发明公开了一种基于低秩及几何约束的嵌入式平面麦克风阵列声源测向方法，该方法包括以下步骤：首先根据嵌入式平面麦克风阵列获取的实测数据进行波达时间差估计；之后利用波达时间差估计值，根据波达时间的大小关系选择通视麦克风作为参考麦克风；然后基于选取的参考麦克风构建波达时间差矩阵，进行施加低秩及几何约束条件下的凸优化校正；最后根据校正后的波达时间差结果构建波达时间差向量，进而进行最小二乘方位角估计。本发明显著减小了嵌入式平面麦克风阵列最小二乘方位角估计偏差的统计均值与方差，具有广阔的应用前景。
-
公开(公告)号：CN115914933A
公开(公告)日：2023-04-04
申请号：CN202211544300.7
申请日：2022-12-04
Applicant: 南京理工大学
IPC: H04R1/40 , G10L25/51 , G10L21/0208 , A61B5/00
Abstract: 本发明公开了一种非接触式整夜睡眠仰卧体位声学检测方法，该方法首先采用麦克风构成的双阵元阵列同步采集鼾症患者的整夜睡眠声音数据，接着采用有声段检测和特征值主元投影法进行整夜鼾声片段的自动检测和分割；然后提取每个鼾声片段不受头部位置影响的三个空间特征：阵元间高低频能量比比值，阵元间空间互相关归一化主峰幅值偏离和归一化旁瓣波动偏离；最后通过对整夜鼾声片段的空间特征向量样本集进行无监督聚类，通过与预期特征向量模板进行比对，确定与头仰状态对应的聚类结果簇，并在整夜鼾声录音数据中标出该簇中各鼾声片段所对应的时刻。本发明通过对头仰状态鼾声片段的识别，实现了对整夜睡眠仰卧体位的非接触式声学检测。
-
Patent Agency Ranking
公开(公告)号：CN109717835B
公开(公告)日：2021-05-04
申请号：CN201811567325.2
申请日：2018-12-21
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于麦克风阵列的鼾声体位检测方法。该方法首先使用环形麦克风阵列采集睡眠呼吸声数据，确定参考和辅助麦克风通道，并对各通道整夜睡眠呼吸声进行鼾声检测获得鼾声片段；之后基于参考通道鼾声片段估计TDOA向量，将所有TDOA向量结果进行聚类，获得体位类型数；接着针对各个麦克风通道，求取每个鼾声片段的平均功率，由此获取每个鼾声片段最大平均功率对应的麦克风通道；最后根据TDOA向量聚类结果和每个鼾声片段的平均功率以及最大的平均功率对应的麦克风通道，获取每个鼾声片段对应的体位检测结果。本发明采用非侵入式方式，过程简便且更保护患者隐私，避免了患者睡眠过程中的不适感，对于进一步研究体位对鼾声影响具有重要的医学价值。
-
公开(公告)号：CN112332845A
公开(公告)日：2021-02-05
申请号：CN202011214718.2
申请日：2020-11-04
Applicant: 南京理工大学
Abstract: 本发明公开了一种高精度电流频率转换电路，包括ADC数据采集模块，用于采集电流流经电阻后的电压信号，之后将采集到的电压信号转换为数字量传递给FPGA温度补偿模块；FPGA温度补偿模块，用于根据不同温度下接收到的数字量提供相应的温度补偿量；测温模块，用于在ADC数据采集模块工作的同时实时测量电路所在环境的温度，并将所测量的温度数据传送至FPGA；电源模块，用于为所述ADC数据采集模块和FPGA温度补偿模块供电；频标电路，用于为FPGA温度补偿模块提供工作时钟。本发明可以不断对电路进行数字补偿，使得线性度与温度特性得以改善，进而提高电路的转换精度。本发明采用全数字温度补偿方法，结构简单、补偿方式灵活方便、节省人工。
-
公开(公告)号：CN112161523A
公开(公告)日：2021-01-01
申请号：CN202010906373.0
申请日：2020-09-01
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于激波速度衰减模型的弹着点估计方法及系统，该方法首先通过依某种阵型布置的麦克风阵列获得弹道激波到达不同麦克风的时间差，然后列出因变量为时间差，自变量为弹着点坐标、弹丸速度和入射角等弹道参数的非线性方程组，最后通过迭代法解非线性方程组得到弹着点坐标。本发明可以应用于立体七点阵、立式双三角阵等多种当前常用的麦克风阵型，能够有效减小弹道激波速度衰减造成的弹着点定位误差，提高弹着点定位精度，对提高射击训练效率和武器性能测试的能力具有重大意义。
-
公开(公告)号：CN109741759B
公开(公告)日：2020-07-31
申请号：CN201811566250.6
申请日：2018-12-21
Applicant: 南京理工大学
IPC: G10L21/0216 , G10L21/0264 , G10L17/26 , G10L17/02 , G10L25/18 , G10L25/21 , G10L25/45 , G10L25/24
Abstract: 本发明公开了一种面向特定鸟类物种的声学自动检测方法。该方法先采用基于高斯混合模型的声学事件检测处理过程提取特定鸟类物种潜在鸣声片段，结合基于候选声音事件的能量、鸣叫时长、频率分布的后处理过程，完成稳健检测与自动分段；然后对各个声音片段进行自适应信号降噪，对增强后的声音片段提取相应的梅尔倒谱系数特征参数，获得潜在鸣声片段特征集；最后结合潜在鸣声片段特征集和支持向量机完成特定鸟类物种声学检测。本发明实现过程便捷，此外通过采用基于麦克风阵列的自适应信号增强处理能够明显改善声音事件的信噪比从而提高特定物种辨识准确率，实现野外自然环境下特定鸟类物种的声学检测，对于野外珍稀鸟类物种的生态保护具有重要意义。
-
公开(公告)号：CN106821337B
公开(公告)日：2020-01-03
申请号：CN201710240722.8
申请日：2017-04-13
Applicant: 南京理工大学
IPC: A61B5/00 , G10L15/22 , G10L15/16 , G10L19/032
Abstract: 本发明公开了一种有监督的鼾声来源识别方法。该方法包括数据的预处理、训练和识别，具体步骤为：首先，对鼾声实测数据进行Mel频率变换，得到数据样本；其次，设置卷积神经网络的结构、卷积层输出特征图数量和卷积核大小、池化尺寸、权矢量更新学习率、批训练样本数目、训练迭代次数；再次，将训练集的鼾声时频谱图作为卷积神经网络输入，根据设置好的网络结构进行网络初始化，经过前向过程、方向误差传播、更新权值和偏置，直到达到指定的迭代次数，完成训练过程；最后，将测试集送入训练好的网络模型，得到识别结果。本发明可以有效地识别出鼾声来源，识别结果准确，性能优良。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.026 seconds)
