-
Patent Agency Ranking
公开(公告)号：CN114882901B
公开(公告)日：2024-11-15
申请号：CN202210446792.X
申请日：2022-04-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于频域卷积和边际谱反馈的虾类声信号时频特征提取方法，该方法采用频域卷积处理和边际谱反馈对虾类声信号的时频谱作特征分析提取。S1：对虾类声信号进行互补集合经验模态分解得到若干本征模态函数分量，再对这些本征模态函数分量作希尔伯特谱分析，在归一化处理后得到虾类声信号的时频谱图；S2：根据实际情况构造频域卷积向量，对归一化的时频谱图进行频域卷积处理，得到频域平滑后的时频谱图；S3：计算得到边际谱，利用其反映时频谱特征的特点，对频域平滑后的时频谱图做一次反馈和二次反馈，得到不同边际谱反馈次数下的优化时频谱图；S4：对比分析不同边际谱反馈次数下的优化时频谱图，综合谱图表现得到虾类声信号的时频特征。
-
公开(公告)号：CN113723200B
公开(公告)日：2024-01-12
申请号：CN202110885481.9
申请日：2021-08-03
Applicant: 同济大学
IPC: G06F18/2131 , G06F18/10
Abstract: 本发明涉及一种非平稳信号的时频谱结构特征提取方法，该方法采用所构造的特征截面函数对非平稳信号的三维时频谱结构进行特征分析。该方法引入位势特征截面函数，获得非平稳信号的位势特征截面图及二值切片图等图谱结构特征，显著地减少数据量、抑制干扰，有利于显著提升信号智能检测算法的效能；该方法通过位势特征截面的优选，可以使同类别非平稳信号的共性时频谱结构特征得到凸显、让信号的时频结构分布特征更为简明直观，可以显著提高信号智能检测的准确性、降低虚警误判的概率。该特征也有利于图像识别领域的成熟算法在非平稳信号时频谱智能检测中的推广应用；该方法对提高非平稳信号间的时间分辨能力也有益处。
-
公开(公告)号：CN113723200A
公开(公告)日：2021-11-30
申请号：CN202110885481.9
申请日：2021-08-03
Applicant: 同济大学
IPC: G06K9/00
Abstract: 本发明涉及一种非平稳信号的时频谱结构特征提取方法，该方法采用所构造的特征截面函数对非平稳信号的三维时频谱结构进行特征分析。该方法引入位势特征截面函数，获得非平稳信号的位势特征截面图及二值切片图等图谱结构特征，显著地减少数据量、抑制干扰，有利于显著提升信号智能检测算法的效能；该方法通过位势特征截面的优选，可以使同类别非平稳信号的共性时频谱结构特征得到凸显、让信号的时频结构分布特征更为简明直观，可以显著提高信号智能检测的准确性、降低虚警误判的概率。该特征也有利于图像识别领域的成熟算法在非平稳信号时频谱智能检测中的推广应用；该方法对提高非平稳信号间的时间分辨能力也有益处。
-
公开(公告)号：CN115112226A
公开(公告)日：2022-09-27
申请号：CN202210652311.0
申请日：2022-06-10
Applicant: 同济大学
Abstract: 本发明涉及一种智能水产养殖场景下的非平稳水声信号自适应检测方法，该方法采用一种联合高阶累积量(Higher‑order Cumulants,HOC)和识别函数(Recognition‑Sigmoid,r‑Sigmoid)的自适应信号识别曲线(Adaptive Signal Recognition Curve,ASRC)算法，用于在智能水产养殖场景下对南美白对虾发出的非平稳声信号进行检测。其特征在于，方法包括以下步骤：S1：利用HOC计算抑噪效果的实时高阶累积量值。对南美白对虾发出的非平稳时间序列声信号进行实时分帧的HOC处理，得到实时高阶累积量值；S2：预置r‑Sigmoid函数中两个识别因子，分别为λ和ξ。设定好的r‑Sigmoid函数与实时高阶累积量值相结合，实现对非平稳声信号在该时刻的动态加权。S3：结合S1和S2的内容，构建ASRC算法，并根据应用场景设定识别因子和检测阈值。
-
公开(公告)号：CN114882901A
公开(公告)日：2022-08-09
申请号：CN202210446792.X
申请日：2022-04-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于频域卷积和边际谱反馈的虾类声信号时频特征提取方法，该方法采用频域卷积处理和边际谱反馈对虾类声信号的时频谱作特征分析提取。S1：对虾类声信号进行互补集合经验模态分解得到若干本征模态函数分量，再对这些本征模态函数分量作希尔伯特谱分析，在归一化处理后得到虾类声信号的时频谱图；S2：根据实际情况构造频域卷积向量，对归一化的时频谱图进行频域卷积处理，得到频域平滑后的时频谱图；S3：计算得到边际谱，利用其反映时频谱特征的特点，对频域平滑后的时频谱图做一次反馈和二次反馈，得到不同边际谱反馈次数下的优化时频谱图；S4：对比分析不同边际谱反馈次数下的优化时频谱图，综合谱图表现得到虾类声信号的时频特征。
-
-
-
-
Search Results
5
records
(took 0.013 seconds)
