-
公开(公告)号：CN119446180A
公开(公告)日：2025-02-14
申请号：CN202411588305.9
申请日：2024-11-07
Applicant: 哈尔滨理工大学
Abstract: 一种基于多层神经网络的多声音事件检测方法，涉及声音事件检测领域。本发明提出基于融合经验模态分解算法、胶囊网络，注意力机制和双向门控循环网络的弱标记多声音事件检测模型。在该模型中，首先使用AMM‑EMD算法进行预处理，丰富声音事件特征信息，并引入并行卷积结构提取高级特征信息；再利用胶囊网络强大的泛化能力和注意力机制捕捉全局依赖性的能力，对高级特征进一步处理；同时，利用BiGRU模块获取上下文信息。本发明提出的模型在不同的数据集上进行对比消融实验，利用F1和ER评价声音事件检测效果，本发明提出的模型均比其他基线模型有所改善，F1和ER均有提高。
-
公开(公告)号：CN118520627A
公开(公告)日：2024-08-20
申请号：CN202310128023.X
申请日：2023-02-17
Applicant: 哈尔滨理工大学
IPC: G06F30/20 , G06F17/18 , G06F119/02
Abstract: 本申请属于军事技术基础科学领域，提供了一种基于复杂声传播环境下的水下作战效能评估方法，所述方法包括：将传播损失作为探测过程中的主要影响因素，建立一种考虑水文环境的水声传播模型；充分发挥无人军事设备在海上作战的潜能，提出加入海、陆、空全方位的无人作战系统。以时间步长为基础对作战系统进行建模，模型具有实时性。采用蒙特卡洛方法对不同作战系统进行水下作战效能评估。本发明构建的加入无人集群对抗方案比基础航母编队方案提升至少10％的航母存活概率。证明无人集群方案能够大幅提升搜索效率，对引入无人集群到实际的反潜作战具有参考意义。
-
公开(公告)号：CN116994594A
公开(公告)日：2023-11-03
申请号：CN202310476458.3
申请日：2023-04-27
Applicant: 哈尔滨理工大学
IPC: G10L21/0208 , G10L21/0232 , G10L21/0264 , G10L25/30 , G10L25/03
Abstract: 本发明公开了一种在低信噪比场景下的ME‑MGCRN单通道语音增强算法，所述方法包括：在低信噪比条件下，针对传统神经网络对语音增强效果较差的问题，结合门控线性单元与卷积循环神经网络提取的语音特征；提出了自适应平均中位数经验模态分解多层门控卷积循环神经网络的语音增强模型。本发明提供的方法在低信噪比条件下较为全面的提取了语音特征，对于低信噪比下的语音信号具有较好的增强性能。
-
公开(公告)号：CN116469404A
公开(公告)日：2023-07-21
申请号：CN202310430709.4
申请日：2023-04-20
Applicant: 哈尔滨理工大学
IPC: G10L21/0208 , G10L21/0272 , G10L21/0308 , G10L25/30 , G06V40/16 , G06V10/82
Abstract: 目前的视听语音分离模型基本是将视频和音频特征进行简单拼接，视觉信息未被充分利用，分离效果不理想。本发明充分考虑视觉和音频特征之间的相互联系，采用多头注意力机制，结合卷积时域分离模型(ConvolutionalTime‑domainAudioSeparationnetwork,Conv‑TasNet)和双路径递归神经网络(Dual‑PathRecurrentNeuralNetwork,DPRNN)，提出时域视听跨模态融合语音分离(Conv‑AudiovisualSpeechSeparation,Conv‑AVSS)模型。该模型通过音频编码器与视觉编码器获得音频特征与唇部特征，采用多头注意力机制将视听特征进行跨模态融合，并将其通过DPRNN分离网络，获得不同说话者的分离语音。利用PESQ、STOI及SDR评价指标，在VoxCeleb2数据集进行实验测试。研究表明，当分离二、三或四位说话者的混合语音时，本方法与传统分离网络相比，SDR提高量均在1.87dB以上，最高可达2.29dB。这表明了本方法的有效性。
-
公开(公告)号：CN118211780A
公开(公告)日：2024-06-18
申请号：CN202410281393.1
申请日：2024-03-12
Applicant: 哈尔滨理工大学
IPC: G06Q10/0631 , G06Q50/26
Abstract: 现代战争中，探测和定位敌方潜艇是首要任务。然而海洋环境的复杂多变，会对海洋信道中的声信号传播产生很大的影响，因此对潜探测需要考虑环境因素的影响。本发明进行基于环境适配的水下探测任务规划研究，从任务优先级、平台探测能力和组合协同奖励三方面出发，提出成就水平的概念，利用混合线性整数规划方法构建多任务规划模型，并加入水下探测任务中特定的约束条件，使得其任务分配更加贴合实际。同时，引入海洋环境数据进行实验仿真。研究表明，水文条件的变化对水下探测任务规划的结果存在显著影响，实验结果对水下探测任务具有重要参考意义。
-
Patent Agency Ranking
公开(公告)号：CN118938230A
公开(公告)日：2024-11-12
申请号：CN202411282217.6
申请日：2024-09-13
Applicant: 哈尔滨理工大学
Abstract: 针对水下机动目标跟踪过程中量测量出现野值或量测噪声的后验分布未知的问题，本发明提出了一种基于M估计的变分贝叶斯无迹卡尔曼滤波算法。该算法采用奇异值分解代替无迹卡尔曼滤波算法中的Cholesky分解，以保证协方差矩阵在迭代时的正定性；通过引入M估计方法，将量测信息进行预处理，去除异常值与非高斯噪声的干扰，以增强算法准确性；采用变分策略对量测噪声的后验分布进行实时估计，使得滤波算法在量测噪声后验分布未知的条件下实现准确的跟踪。进行仿真实验测试，本发明所提出的方法相比于原有的算法在量测噪声位置的情况下具有更低的跟踪误差以及收敛速度。该算法显著提升了目标跟踪系统的准确度和鲁棒性，对不确定量测条件下的目标跟踪具有重要的实际意义。
-
公开(公告)号：CN116540240A
公开(公告)日：2023-08-04
申请号：CN202310431527.9
申请日：2023-04-21
Applicant: 哈尔滨理工大学
Abstract: 在水下作战中，水下目标搜索方式通常采用平行线等固定搜索模式来规划搜索路径，寻求最佳的覆盖率。循环遍历的搜索方式虽然能够实现搜索全覆盖，但存在搜索效率不高的缺点。本发明将黄蜂群算法运用于水下作战的目标搜索中，结合栅格化地图，以水文条件为背景，提出了一种基于黄蜂群算法的水下目标搜索方法。该方法通过对待定搜索区域进行栅格化处理，然后利用声纳方程和水声传播模型RAM对水文环境条件进行计算和划分，再对搜索平台的动作空间进行定义，最后利用黄蜂群算法进行覆盖搜索。选用成功搜索概率(ProbabilityofSuccess,POS)和区域覆盖率作为评价指标，进行实验测试。研究表明，本方法与随机搜索方法和循环遍历搜索方法相比，性能有较大提高。由此证明了基于黄蜂群算法的水下目标搜索方法的可行性与有效性。
-
公开(公告)号：CN116417008A
公开(公告)日：2023-07-11
申请号：CN202310403921.1
申请日：2023-04-14
Applicant: 哈尔滨理工大学
IPC: G10L21/0272 , G10L25/30 , G10L25/57 , G06V40/20 , G10L15/25 , G06V10/24 , G06V10/44 , G06V10/80 , G06V10/82 , G06V20/40 , G06N3/049 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明充分考虑视觉特征、音频特征之间的相互联系，采用多头注意力机制，结合稠密光流(Farneback)算法和U‑Net网络，提出跨模态融合的光流‑音视频语音分离(Flow‑AVSS)模型。该模型通过Farneback算法和轻量级网络ShuffleNet v2分别提取运动特征和唇部特征，然后将运动特征与唇部特征进行仿射变换，经过时间卷积模块(TCN)得到视觉特征，为充分利用到视觉信息，在进行特征融合时采用多头注意力机制，将视觉特征与音频特征进行跨模态融合，得到融合音视频特征，最后融合音视频特征经过U‑Net分离网络得到分离语音。利用PESQ、STOI及SDR评价指标，在AVspeech数据集进行实验测试。本方法与纯语音分离网络和仅采用特征拼接的音视频分离网络相比，性能上分别提高了2.23dB和1.68dB。由此表明，采用跨模态注意力进行特征融合，能更加充分利用各个模态相关性，增加的唇部运动特征，能有效提高视频特征的鲁棒性，提高分离效果。
-
公开(公告)号：CN119625033A
公开(公告)日：2025-03-14
申请号：CN202411689014.9
申请日：2024-11-22
Applicant: 哈尔滨理工大学
Abstract: 在多目标跟踪，环境变化、传感器限制及不确定的动态目标数为目标的精确跟踪带来挑战。基于多特征辅助、高斯混合势概率假设密度滤波器、无迹卡尔曼滤波，本发明提出基于多特征辅助的高斯混合势概率假设密度滤波器的多目标跟踪模型。本发明在考虑目标动态性的基础上，构建包含状态信息的状态集合；通过量测模块引入多普勒信息和幅度信息，建立包含方位、多普勒信息和幅度信息的联合量测似然函数；基于GM‑CPHD滤波器推导出MFGM‑CPHD滤波过程，并采用UKF更新高斯分量均值和协方差。在多目标跟踪任务中本发明滤波器相比于GM‑CPHD滤波器和DI‑GM‑CPHD滤波器具有更高的跟踪精度和更好的性能。
-
公开(公告)号：CN119203557A
公开(公告)日：2024-12-27
申请号：CN202411320619.0
申请日：2024-09-23
Applicant: 哈尔滨理工大学
Abstract: 现代水下战争中，海洋环境的复杂多变会对声纳的探测能力产生很大的影响。水面舰艇和反潜直升机根据各自的特性执行搜索任务无法充分发挥协同作战的优势。本发明进行基于海洋环境影响因素的舰机协同探测方法研究，从实际场景出发，提出了一种声呐探测距离分析的优化方法，将待定搜索区域的声呐实际探测距离可视化，提出了舰机协同搜索算法，建立搜索平台运动模型，并对其进行了优化，得到了使舰机协同搜索算法达到最大搜索概率的关键参数调整策略。选用搜索概率作为评价指标，进行实验测试。研究表明，当水面舰艇与反潜直升机协同作战时，可以稳定地实现高探测概率。由此证明了基于海洋环境影响因素的舰机协同探测方法的可行性与有效性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.023 seconds)
