-
公开(公告)号：CN103474066B
公开(公告)日：2016-01-06
申请号：CN201310472342.9
申请日：2013-10-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于多频带信号重构的生态声音识别方法，首先，使用OMP稀疏分解作第一阶段重构，保留前景声音的主体结构；其次，将前阶段分解的剩余分量按频带划分，根据前景声音和背景噪声的频率分布，对重构信号进行自适应补偿，完成第二阶段重构；最后，根据支撑集原子时频信息和频域信息提取复合抗噪特征，使用深信度网对生态声音在不同环境和信噪比情境下进行分类识别。本发明采用二次重构不仅能抑制噪声，并且提高了对前景声音的重构精度，在自然环境下具有较好的噪声鲁棒性。
-
公开(公告)号：CN103474066A
公开(公告)日：2013-12-25
申请号：CN201310472342.9
申请日：2013-10-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于多频带信号重构的生态声音识别方法，首先，使用OMP稀疏分解作第一阶段重构，保留前景声音的主体结构；其次，将前阶段分解的剩余分量按频带划分，根据前景声音和背景噪声的频率分布，对重构信号进行自适应补偿，完成第二阶段重构；最后，根据支撑集原子时频信息和频域信息提取复合抗噪特征，使用深信度网对生态声音在不同环境和信噪比情境下进行分类识别。本发明采用二次重构不仅能抑制噪声，并且提高了对前景声音的重构精度，在自然环境下具有较好的噪声鲁棒性。
-
公开(公告)号：CN103531199B
公开(公告)日：2016-03-09
申请号：CN201310472330.6
申请日：2013-10-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于快速稀疏分解和深度学习的生态声音识别方法，其特征在于，包括以下步骤：S01：分别对纯净声音和测试带噪声音进行OMP稀疏分解，对应输出纯净声音和测试带噪声音的重构信号和OMP特征；S02：分别对纯净声音和测试带噪声音提取包括OMP特征在内的复合特征；S03：对重构后的纯净声音提取的复合特征进行DBN模型训练；S04：对重构后的测试带噪声音和训练后的纯净声音提取的复合特征进行DBN模型分类，输出测试带噪声音所属的生态声音类别。本发明对系统抗噪性和鲁棒性的提高更为显著。
-
公开(公告)号：CN103531199A
公开(公告)日：2014-01-22
申请号：CN201310472330.6
申请日：2013-10-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于快速稀疏分解和深度学习的生态声音识别方法，其特征在于，包括以下步骤：S01：分别对纯净声音和测试带噪声音进行OMP稀疏分解，对应输出纯净声音和测试带噪声音的重构信号和OMP特征；S02：分别对纯净声音和测试带噪声音提取包括OMP特征在内的复合特征；S03：对重构后的纯净声音提取的复合特征进行DBN模型训练；S04：对重构后的测试带噪声音和训练后的纯净声音提取的复合特征进行DBN模型分类，输出测试带噪声音所属的生态声音类别。本发明对系统抗噪性和鲁棒性的提高更为显著。
-
-
-
Search Results
4
records
(took 0.011 seconds)
