-
公开(公告)号：CN109657646B
公开(公告)日：2023-04-07
申请号：CN201910012857.8
申请日：2019-01-07
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F18/213 , G06F18/10 , G06F17/16
Abstract: 本发明公开了一种基于奇异谱分解与共空间模式的生理时间序列的特征表示与提取方法、装置及存储介质。通过获取生理时间序列并对所述生理时间序列进行预处理，得到预处理后的生理时间序列；对生理时间序列进行奇异谱分解，得到生理时间序列的各阶奇异谱分量；利用生理时间序列的各阶奇异谱分量，进行共空间模式算法处理，提取得到生理时间序列对应不同生理状态的特征信息。本发明相比于传统的特征提取方法而言，是一种基于自身数据驱动的自动特征提取方法，基本不需要算法参数的预设，同时具有算法实现简单、算法运行高效等特征，能有效的提取生理信号的特征信息。
-
公开(公告)号：CN109741727A
公开(公告)日：2019-05-10
申请号：CN201910012849.3
申请日：2019-01-07
Applicant: 哈尔滨工业大学(深圳)
IPC: G10K11/178 , H04R1/10
Abstract: 本发明公开了一种基于有源噪声控制算法的主动降噪耳机、降噪方法及存储介质，通过参考传声器采集耳机外界噪声，并将采集的外界噪声发送至所述有源噪声控制系统；有源噪声控制系统对参考传声器采集的外界噪声通过变迭代参数与限定函数相结合的变阶数算法进行处理，输出抵消噪声至消声扬声器；消声扬声器将接收到的抵消噪声对外输出，对实际噪声进行抵消。本发明所提出的新型基于有源噪声控制算法的主动降噪耳机，采用鲁棒性设计，将噪声信号通过该系统进行循环迭代处理，能够选择出最适合的降噪系统系数，更加快速准确地追踪噪声信号的变化，从而大幅度提升降噪效果。
-
公开(公告)号：CN109859767B
公开(公告)日：2020-10-13
申请号：CN201910168122.4
申请日：2019-03-06
Applicant: 哈尔滨工业大学(深圳)
IPC: G10L21/0208 , G10L21/0216 , G10L25/24 , G10L25/30 , H04R25/00
Abstract: 本发明提供了一种用于数字助听器的环境自适应神经网络降噪方法，包括依次执行如下步骤：预处理步骤：接收带噪语音信号，带噪语音信号经过采样分帧后传输至声学场景识别模块；场景识别步骤：采用声学场景识别模块对所处的声学场景进行识别，然后由声学场景识别模块自主的选择神经网络降噪模块中不同的神经网络模型进行发送；神经网络降噪步骤。本发明的有益效果是：1.可以保证语音处理的实时性，只进行神经网络的前向传播，运算量不高；2.可以对所处的声学场景进行识别，然后自主地选择不同的神经网络模型，对不同的场景下的噪声进行针对性地降噪处理，能保证更好的语音质量和语音可懂度；3.可以有效地抑制瞬时噪声。
-
公开(公告)号：CN109817234A
公开(公告)日：2019-05-28
申请号：CN201910168105.0
申请日：2019-03-06
Applicant: 哈尔滨工业大学(深圳)
IPC: G10L21/02 , G10L21/0272 , G10L25/03 , G10L25/45
Abstract: 本发明提供了一种基于连续噪声跟踪的目标语音信号增强方法、系统及存储介质，该目标语音信号增强方法包括：步骤1：接收带噪语音信号，对带噪语音信号进行分帧加窗处理，使用短时傅里叶变换得到时频域的关系；步骤2：对噪声功率谱进行估计；步骤3：语音功率谱的估计；步骤4：通过语音估计器对语音信号进行估计；步骤5：反傅里叶变换，加窗并使用交叠相加技术实现语音恢复。本发明的有益效果是：本发明有效地把目标语音信号分离出来，大大减小了语音信号中的噪声残余量，使得目标信号的质量大大提高。这对自动语音识别、说话人识别、人机对话接口以及助听器等应用有着非常重要的作用。
-
公开(公告)号：CN109740544A
公开(公告)日：2019-05-10
申请号：CN201910013388.1
申请日：2019-01-07
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于脑电信号的听觉注意状态觉醒度识别方法、装置及存储介质，包括:采集得到所需要的脑电信号；基于获取的脑电信号，以及训练过程构建的第一级主成分滤波器，进行第一级基于集合经验模态分解和主成分滤波的特征抽取；基于第一级特征提取信号,以及训练过程构建的第二级主成分滤波器，进行第二级基于集合经验模态分解和主成分滤波的特征抽取；基于第二级特征提取信号,对抽取特征信号进行基于方差统计量的特征向量计算；基于特征向量计算结果以及训练过程构建的机器学习分类器，提取测试过程中基于脑电信号的听觉注意状态觉醒度。本发明实现了听觉注意状态的觉醒度识别，有助于提高听觉注意状态觉醒度识别精度和识别有效性。
-
Patent Agency Ranking
公开(公告)号：CN109817234B
公开(公告)日：2021-01-26
申请号：CN201910168105.0
申请日：2019-03-06
Applicant: 哈尔滨工业大学(深圳)
IPC: G10L21/02 , G10L21/0272 , G10L25/03 , G10L25/45
Abstract: 本发明提供了一种基于连续噪声跟踪的目标语音信号增强方法、系统及存储介质，该目标语音信号增强方法包括：步骤1：接收带噪语音信号，对带噪语音信号进行分帧加窗处理，使用短时傅里叶变换得到时频域的关系；步骤2：对噪声功率谱进行估计；步骤3：语音功率谱的估计；步骤4：通过语音估计器对语音信号进行估计；步骤5：反傅里叶变换，加窗并使用交叠相加技术实现语音恢复。本发明的有益效果是：本发明有效地把目标语音信号分离出来，大大减小了语音信号中的噪声残余量，使得目标信号的质量大大提高。这对自动语音识别、说话人识别、人机对话接口以及助听器等应用有着非常重要的作用。
-
公开(公告)号：CN109767781A
公开(公告)日：2019-05-17
申请号：CN201910167788.8
申请日：2019-03-06
Applicant: 哈尔滨工业大学(深圳)
IPC: G10L21/0216 , G10L21/0264 , G10L21/0308 , G10L25/30
Abstract: 本发明提供了一种基于超高斯先验语音模型与深度学习的语音分离方法、系统及存储介质,该语音分离方法包括利用纯净语音功率谱密度估计值和噪声功率谱密度估计值，从而求出增益函数中的先验信噪比，将先验信噪比带入到增益函数中得到增益函数的值，利用增益函数值与带噪语音谱相乘得到纯净语音幅度谱的估计值，利用重叠相加技术我们就能得到恢复出来的语音信号。本发明的有益效果是：本发明将传统的统计模型与深度学习技术的结合下，不仅能够有效的抑制非平稳噪声信号，同时也解决了深度学习技术高度依赖训练数据而泛化能力弱的问题。两者的结合使得该方法的增强性能在各种各样的噪声环境以及信噪比情况下都表现得非常鲁棒。
-
公开(公告)号：CN109657646A
公开(公告)日：2019-04-19
申请号：CN201910012857.8
申请日：2019-01-07
Applicant: 哈尔滨工业大学(深圳)
IPC: G06K9/00
Abstract: 本发明公开了一种基于奇异谱分解与共空间模式的生理时间序列的特征表示与提取方法、装置及存储介质。通过获取生理时间序列并对所述生理时间序列进行预处理，得到预处理后的生理时间序列；对生理时间序列进行奇异谱分解，得到生理时间序列的各阶奇异谱分量；利用生理时间序列的各阶奇异谱分量，进行共空间模式算法处理，提取得到生理时间序列对应不同生理状态的特征信息。本发明相比于传统的特征提取方法而言，是一种基于自身数据驱动的自动特征提取方法，基本不需要算法参数的预设，同时具有算法实现简单、算法运行高效等特征，能有效的提取生理信号的特征信息。
-
公开(公告)号：CN109511044A
公开(公告)日：2019-03-22
申请号：CN201910012835.1
申请日：2019-01-07
Applicant: 哈尔滨工业大学(深圳)
IPC: H04R1/10
Abstract: 本发明公开了一种混合结构主动降噪耳机、降噪方法及存储介质，混合结构主动降噪耳机包括：有源噪声控制系统、参考传声器以及消声传声器，参考传声器以及消声传声器均与有源噪声控制系统连接；参考传声器用来采集耳机外界噪声，并将采集的外界噪声发送至有源噪声控制系统；有源噪声控制系统用于对所述参考传声器采集的外界噪声进行处理，输出抵消噪声至所述消声传声器；消声传声器用于将接收到的所述抵消噪声对外输出，对实际噪声进行抵消。本发明所提出的新型混合结构主动降噪耳机，采用鲁棒性设计，将噪声信号通过该系统进行循环迭代处理，能够选择出最适合的降噪系统系数，更加快速准确地追踪噪声信号的变化，从而大幅度提升降噪效果。
-
公开(公告)号：CN109740544B
公开(公告)日：2021-09-07
申请号：CN201910013388.1
申请日：2019-01-07
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于脑电信号的听觉注意状态觉醒度识别方法、装置及存储介质，包括:采集得到所需要的脑电信号；基于获取的脑电信号，以及训练过程构建的第一级主成分滤波器，进行第一级基于集合经验模态分解和主成分滤波的特征抽取；基于第一级特征提取信号,以及训练过程构建的第二级主成分滤波器，进行第二级基于集合经验模态分解和主成分滤波的特征抽取；基于第二级特征提取信号,对抽取特征信号进行基于方差统计量的特征向量计算；基于特征向量计算结果以及训练过程构建的机器学习分类器，提取测试过程中基于脑电信号的听觉注意状态觉醒度。本发明实现了听觉注意状态的觉醒度识别，有助于提高听觉注意状态觉醒度识别精度和识别有效性。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.016 seconds)
