-
公开(公告)号：CN111341319B
公开(公告)日：2023-05-16
申请号：CN201811559040.4
申请日：2018-12-19
Applicant: 中国科学院声学研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种基于局部纹理特征的音频场景识别方法，所述方法包括：将待识别的音频信号进行预处理后逐帧提取Mel‑fbank特征和描述局部纹理的LTP特征；进行融合后输入预先训练得到的时延深度神经网络模型；得到对应于不同音频场景类型的后验概率；采用后处理决策机制处理后验概率获取待识别音频信号对应的音频场景标签。本发明的音频场景识别方法，基于对场景时频信息的有效表征，更好地实现了音频场景种类的识别。
-
公开(公告)号：CN115915038A
公开(公告)日：2023-04-04
申请号：CN202110805859.X
申请日：2021-07-16
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于移动用户信令数据的跨城通勤用户识别方法及装置，包括：基于每一周期的白天时间段与夜间时间段，利用目标区域的移动用户信令数据获取该周期日工作用户与该周期日居住用户；依据该周期日工作用户的该周期夜间信令数据与该周期日居住用户的该周期白天信令数据，分别得到该周期夜间信令消失用户与该周期白天信令消失用户；利用全部移动用户在设定时间段内成为该周期夜间信令消失用户或该周期白天信令消失用户的次数，得到跨城通勤用户识别结果。本发明基于原始信令数据挖掘跨城通勤用户，采用Spark计算框架进行分析处理，具有高可靠性和高效率，可用于区域人口监管。
-
公开(公告)号：CN110111814B
公开(公告)日：2021-09-21
申请号：CN201910419117.6
申请日：2019-05-20
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明实施例提供一种网络类型识别方法及装置。所述方法包括：获取待识别语音；将待识别语音输入至预设的网络识别模型，得到识别结果；其中，所述网络识别模型为通过样本数据对随机森林模型以及支持向量机模型进行预设数据训练得到的。本发明实施例将网络类型识别的过程自动化实现，效率较高，可有效降低人工成本；且网络识别通过机器学习的方式建立，满足精确度需求；预先通过大量样本数据建立网络识别模型，适用于VoIP通话；本发明实施例解决了现有技术中，VoIP电话的出现使得难以准确地根据号码判断主叫方网络类型的问题。
-
公开(公告)号：CN113326689A
公开(公告)日：2021-08-31
申请号：CN202010128327.2
申请日：2020-02-28
Applicant: 中国科学院声学研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F40/205 , G06F40/211 , G06N20/00 , G06K9/62
Abstract: 本发明属于数据通信和数据处理技术领域，具体涉及一种基于深度强化学习模型的数据清洗方法，该方法包括：获取待清洗的带标签的数据集；采用预筛选算法，删除待清洗的带标签的数据集中的无内容数据、不在标签集内的标签数据和标签矛盾的数据，获得待分类的数据集；将待分类的数据集输入至预先训练的深度强化学习模型中，获得不同类别的延迟奖励；再根据获得的不同类别的延迟奖励，依据预先训练的深度强化学习模型中的动作集合，丢弃掉有偏数据，保留有效数据，并更新状态列表S，最大化每一类别的延迟奖励值，将每一类别的最大延迟奖励值对应的带标签的训练数据集作为清洗干净的带标签的训练数据集，从而完成数据清洗。
-
公开(公告)号：CN113115363A
公开(公告)日：2021-07-13
申请号：CN202110426526.6
申请日：2021-04-20
Applicant: 国家计算机网络与信息安全管理中心
Inventor： 倪善金 , 万辛 , 黄远 , 孙晓晨 , 宁珊 , 沈亮 , 高圣翔 , 计哲 , 杨晶超 , 张震 , 李鹏 , 石瑾 , 李沁 , 侯炜 , 刁则鸣 , 刘发强 , 孙旭东 , 王立强 , 刘睿霖
IPC: H04W28/02 , H04W28/08 , H04B17/318 , H04B17/382
Abstract: 本公开提供一种异构网络中的移动通信方法、装置与电子设备。异构网络中的移动通信方法包括：确定目标用户在所述目标异构网络中的目标位置确定所述目标位置处于所述目标低功率节点的目标信号范围内，所述目标信号范围是根据所述目标低功率节点与所述宏基站之间的目标信号强度边界和所述目标信号强度边界的目标范围扩展基基确定的将所述目标用户与所述宏基站之间通信切换为所述目标用户与所述目标低功率节点进行通信。本公开实施例提供的技术方案可以通过低功率节点的覆盖边界扩展，降低宏基站的负载，提高异构网络中用户的网络信号强度，增强系统的可靠性和频谱效率。
-
Patent Agency Ranking
公开(公告)号：CN110708418B
公开(公告)日：2021-06-29
申请号：CN201910848492.2
申请日：2019-09-09
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
IPC: H04M1/72484 , H04M1/72403 , H04M1/72454 , H04M1/57 , G10L25/54 , G10L25/03
Abstract: 本发明公开了一种识别呼叫方属性的方法及装置，涉及通信技术领域，包括：接收到第二设备的通话请求后，与所述第二设备建立通话连接；获取所述第二设备发送的语音数据；提取所述语音数据的噪声特征，作为待处理噪声特征；所述噪声特征包括以下任意一项或多项：期望、熵和超熵；在预先建立的噪声特征与属性标签的对应关系中，查找所述待处理噪声特征对应的属性标签，作为所述第二设备的第一属性。本发明通过噪声特征来识别呼叫方的属性，相比于现有技术提升了识别准确性。
-
公开(公告)号：CN110545359B
公开(公告)日：2021-06-29
申请号：CN201910713518.2
申请日：2019-08-02
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
IPC: H04M3/22
Abstract: 本发明公开了一种通信线路特征提取方法、通信线路识别方法及装置。所述方法包括：通过运营商通信线路建立位于主叫地的主叫终端与位于被叫地的被叫终端之间的通话连接；在所述主叫终端处播放语音；在所述被叫终端处获取所述语音对应的音频；从所述音频中提取音频特征作为通信线路特征，所述通信线路特征为所述主叫地与所述被叫地之间的所述运营商通信线路的特征，从而有助于准确且高效的识别相应的运营商和来源地，进而提高用户通话的可靠性。
-
公开(公告)号：CN110602332B
公开(公告)日：2021-06-15
申请号：CN201910708779.5
申请日：2019-08-01
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
Abstract: 本发明公开了一种通信线路特征提取方法、通信线路识别方法及装置。所述通信线路特征提取方法包括：获取主叫端与被叫端之间的通话音频；对所述通话音频进行处理，以去除所述通话音频中的人声音频；分别采用差分方法、频率划分方法和自编码网络方法从处理后的通话音频中对应提取第一噪声特征、第二噪声特征和第三噪声特征，并将所述第一噪声特征、所述第二噪声特征和所述第三噪声特征作为所述主叫端与所述被叫端之间的通信线路特征，从而能够准确且高效的提取通信线路特征，进而提高通信线路识别的准确性和高效性，提高电话通信的可靠性。
-
公开(公告)号：CN112331181A
公开(公告)日：2021-02-05
申请号：CN201910694870.6
申请日：2019-07-30
Applicant: 中国科学院声学研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本发明属于目标语音提取和自适应技术领域，具体涉及一种基于多说话人条件下目标说话人语音提取方法，该方法具体包括：实时获取多个说话人混合的语音，提取多个说话人混合的语音的频谱；将锚语音输入到预先训练的说话人识别模型中，提取出目标说话人的特征向量；将获取的多个说话人混合的语音的频谱和目标说话人的特征向量输入至预先训练的目标说话人语音提取网络中，获取目标说话人的语音频谱；基于该目标说话人的语音频谱，获取目标说话人的语音。
-
公开(公告)号：CN111722976A
公开(公告)日：2020-09-29
申请号：CN202010425228.0
申请日：2020-05-19
Applicant: 珠海高凌信息科技股份有限公司 , 国家计算机网络与信息安全管理中心
IPC: G06F11/30
Abstract: 本发明涉及一种基于智能运维的故障流程分析方法、装置及介质的技术方案，包括：获取设备的历史业务数据，构建告警对应的知识库；获取设备当前的告警数据，自动对告警数据进行多维度的关联分析，根据关联分析结果配知识库，获取对应的设备故障处理流程；根据设备故障处置流程向设备下发对应的操作流程。本发明的有益效果为：本发明的有益效果为：经过智能运维支撑平台等告警智能关联分析、自动处置等过程，能够将统一类告警源的告警归类，有效节省了运维时间；并且能根据业务系统运行数据，精确判断出故障发生源，依靠告警处理模型，自动处理告警。据评估，可大大节省运维的时间，从而节省了运维成本。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.073 seconds)
