-
公开(公告)号：CN120064997A
公开(公告)日：2025-05-30
申请号：CN202510255096.4
申请日：2025-03-05
Applicant: 重庆邮电大学
IPC: G01R31/367 , G01R31/387 , G01R31/392
Abstract: 本发明涉及一种锂电池荷电状态和健康状态联合估计方法，属于锂离子电池技术领域。该方法包括：循环工况下对电池进行循环老化实验；数据分析提取开路电压曲线，选择一阶等效电路模型构建电路，写出状态方程；采用多遗忘因子递推最小二乘算法进行参数辨识，构建基于状态方程和观测方程的无迹卡尔曼滤波器的SOC估计器进行SOC估计；构建基于扩展卡尔曼滤波器构建SOH估计观测器，用估计出来的SOC对SOH进行估计；采用平均移动方法结合递推最小二乘进行开路电压曲线分段动态辨识；将SOC估计器和SOH估计器耦合，应用动态辨识之后的开路电压曲线实现SOC和SOH联合在线估计。
-
公开(公告)号：CN119881678A
公开(公告)日：2025-04-25
申请号：CN202411986571.7
申请日：2024-12-31
Applicant: 重庆邮电大学
IPC: G01R31/382 , G06F30/27 , G06F17/13 , G06N3/084
Abstract: 本发明涉及一种基于多尺度物理信息神经网络的锂电池SOC估计方法，属于电池荷电状态估计技术领域。该方法包括：S1：采用一阶RC等效电路模型描述电池的动态特性，其内部的电气参数作为Mamba模型输出充当物理知识；S2：对电压特征、电流特征、时间特征和边缘特征进行多尺度融合，从而得到新的特征，作为Mamba模型的输入；S3：构建Mamba模型，包括SSM、卷积层、线性层和元素运算符；SSM表示选择性状态空间模型，由结构化状态空间序列模型与选择机制和扫描模块结合形成；S4：利用Mamba模型进行锂电池SOC估计，并采用SPKF自适应权重来提升模型训练效率。本发明提升了SOC预测的准确性和可靠性。
-
公开(公告)号：CN116884412A
公开(公告)日：2023-10-13
申请号：CN202310835916.8
申请日：2023-07-07
Applicant: 重庆邮电大学
IPC: G10L15/25 , G10L15/16 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于混合三维残差门控循环单元的唇语识别方法，属于唇语识别领域，包括以下步骤：S1：以唇部图像特征序列为对象，设计混合数据训练，对数据进行增强；S2：以采用融合残差和时空卷积的网络作为前端网络，以产生序列的最终表示；S3：构建基于序列信息门控网络的后端网络，对唇语进行识别。本发明解决了唇语识别中常见的唇形相似性高、数据量少的难题。
-
公开(公告)号：CN118675526A
公开(公告)日：2024-09-20
申请号：CN202410729452.7
申请日：2024-06-06
Applicant: 重庆邮电大学
IPC: G10L15/25 , G10L15/00 , G10L15/06 , G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于交叉注意力融合的视觉语音识别方法及系统，属于计算机交互技术领域。该方法包括以下步骤：采集和标注视频数据和音频数据；对视频数据进行预处理，提取出嘴部区域的图像帧和相应的面部标志点；使用深度学习模型分别提取图像帧和面部标志点的特征；通过交叉注意力机制融合图像帧和面部标志点的特征；将融合后的特征输入分类器，识别视频中的语音内容。本发明能够有效整合图像帧和面部标志点两种视觉特征，充分利用两种模态之间的互补关系，提升唇读系统的精度和鲁棒性。针对唇语识别需要处理视频中的时序信息，捕捉唇部运动的动态变化的问题，引入时间卷积网络作为序列解码器，能够捕捉视频序列中唇部运动的动态时序变化。
-
公开(公告)号：CN117672218A
公开(公告)日：2024-03-08
申请号：CN202311591964.3
申请日：2023-11-27
Applicant: 重庆邮电大学
IPC: G10L15/22 , G10L15/06 , G10L15/183 , G10L15/16
Abstract: 本发明涉及一种基于多头注意力机制和时延神经网络的语音识别方法，属于语音识别技术领域。本发明针对已有低资源语音识别模型单一，长序列上下文依赖捕获能力差、局部特征提取能力不足的问题。本发明将通过对比学习、时延神经网络等方法提高自监督低资源语音识别模型特征提取能力。针对目标域标注数据稀缺的情景，传统的低资源语音识别模型由于训练数据和测试数据的不匹配的影响，通常难以在高维潜在空间中找到更加理想的片段语音到字元的维特比对齐，最终导致了模型的健壮性不理想。本研究拟定通过数据增强的方法对未标注数据进行理想分布拓展，降低了未标注数据的概念偏移量，加强了未标注数据的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN119719679A
公开(公告)日：2025-03-28
申请号：CN202411877813.9
申请日：2024-12-19
Applicant: 重庆邮电大学
IPC: G06F18/20 , G06F18/213 , G06N3/0442 , G06N3/045 , G06F123/02
Abstract: 本发明涉及一种基于通道独立的双向交互Mamba的座舱空调预测方法，属于智能用电技术领域。该方法通过构建CIBG‑Mamba‑交互循环机制模型，包括CIBG‑Mamba和交互式递归机制；其中CIBG‑Mamba通过将Mamba模型集成到信道独立的递归单元中，捕捉不同维度时间序列数据的局部模式和变化；交互式递归机制是通过特定信道的状态转移函数，实现跨信道的信息交互，捕捉不同维度间的复杂依赖关系。本发明可以提高温度预测精度。
-
公开(公告)号：CN117935816A
公开(公告)日：2024-04-26
申请号：CN202410098931.3
申请日：2024-01-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及基于残差网络带二维注意力和语义增强的说话人识别方法。该方法包括以下步骤：S1：将接收语音信号的梅尔频谱图作为模型的输入；S2：将输入的语音信号的梅尔频谱图经过第一特征提取层和四个第二特征提取层，所述第一特征提取层与四个第二特征提取层串联起来进行特征提取；S3：融合多个层级特征，同时利用网络浅层和深层的信息；S4：将融合后的特征输入基于注意力机制的统计池化层和全连接层，生成说话人特征嵌入；S5：在说话人特征嵌入空间中执行有意义的语义扰动，实现特征级别的数据增强。本发明对嵌入进行有意义的语义方向增强和对数据的多维特征关联计算；扩充样本量和提高特征捕获能力，进而改善模型的性能。
-
公开(公告)号：CN117590241A
公开(公告)日：2024-02-23
申请号：CN202311850214.3
申请日：2023-12-29
Applicant: 重庆邮电大学
IPC: G01R31/367 , G01R31/378 , G01R31/392
Abstract: 本发明涉及一种基于状态衰减和交互学习的锂电池健康状态监测方法，属于电池技术领域。该方法包括：构建缺失数据向量；对锂电池序列的缺失数据的特征提取；多分辨率时间特征提取；多尺度特征的比例融合。锂电池时间序列属于一维数据，各类曲线是对锂电池工况的客观但抽象的反映，人们并不能直接利用传统的数据填充方法来破坏数据的非线性。本研究以DEC‑LSTM和CIN为核心模块，构建满足SOH和RUL等任务的混合神经网络，实现对锂电池健康状态的准确监测。本研究兼顾了数据来源的真实性和模型预测的准确性，为异常缺失数据的数据处理提供了一种新的技术手段，亦可迁移到其他工业领域，作为解决异常缺失数据问题的方法之一。
-
公开(公告)号：CN116863045A
公开(公告)日：2023-10-10
申请号：CN202310829882.1
申请日：2023-07-07
Applicant: 重庆邮电大学
IPC: G06T13/40 , G06T13/20 , G06F18/25 , G06F18/2431 , G06V40/16 , G06V10/80 , G06V10/82 , G10L15/02 , G10L15/06 , G10L15/16 , G10L21/10 , G06N3/0455 , G06N3/0442 , G06N3/0495 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及一种轻量级语音驱动三维脸部模型生成方法，属于三维模型生成领域，包括以下步骤：S1：在语音信号解码器端采用基于一维深度可分离卷积的语音特征编码模块提取语音特征序列对象；S2：采用剪枝后的深度全连接与长短期记忆神经模块耦合后的脸部表示特征编码器，对脸部表示进行解码操作，得到潜在脸部表示特征；S3：最后用剪枝后的多层感知器耦合两个特征序列生成潜在分类多头向量特征，实现对编码网络高维分类特征序列的解码。
-
公开(公告)号：CN120044391A
公开(公告)日：2025-05-27
申请号：CN202510116632.2
申请日：2025-01-24
Applicant: 重庆邮电大学
IPC: G01R31/36 , G01R31/367 , G01R31/392 , G01R31/378 , G01R31/385 , G06F30/27 , G06N3/045 , G06N3/0464 , G06N3/096 , G06F119/12 , G06F119/04
Abstract: 本发明涉及一种用于商用锂离子电池的早期剩余使用寿命预测方法，属于电池能源技术领域，首先将每个电池的前100个周期的容量电压曲线差值经过仿射变换为像素数据作为输入数据。然后采用特征‑时间步筛选的Mamba模型和结合重新参数化方法的深度可分离卷积模型，计算重构特征和软标签。接着，设计将判别器进行层级分解放入模型的特征生成器中。最后基于重构的特征计算知识蒸馏损失。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.019 seconds)
