-
公开(公告)号：CN118298809B
公开(公告)日：2024-10-18
申请号：CN202410428635.5
申请日：2024-04-10
Applicant: 中国人民解放军陆军工程大学
IPC: G10L15/02 , G10L15/06 , G10L15/16 , G06F18/2415 , G06F18/214 , G06F18/22
Abstract: 本发明公开了一种基于软对比伪学习的开放世界伪造语音归因方法及系统，方法包括：将语音样本的时频特征输入训练好的伪造语音归因模型，输出语音样本的时频特征属于已知语音伪造方法和未知语音伪造方法中的各个类别的概率，作为伪造语音归因的识别结果；伪造语音归因模型包括：特征提取模块和特征分类模块；特征提取模块用于采用深度卷积神经网络提取语音样本的深层特征和浅层特征，将获得的所述语音样本的深层特征输出到所述特征分类模块；特征分类模块用于对语音样本的深层特征进行类别判断。本发明在不影响对已知类别数据的识别精度的同时，显著提高对未知类别和所有类别数据的聚类性能。
-
公开(公告)号：CN110686037B
公开(公告)日：2024-06-07
申请号：CN201911017523.6
申请日：2019-10-24
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种高承载力圆柱弹簧橡胶组合式隔震器，具体涉及隔震器领域，包括第一安装板和第二安装板，所述第一安装板对应设置于第二安装板上方，所述第一安装板上方嵌设有支撑板，所述支撑板底端设有圆盘，所述第一安装板顶端开设有开槽，所述圆盘下表面设有一号接触块，所述一号接触块外侧开设有卡槽，所述开槽上表面开设有滑槽，所述滑槽内部设有二号接触块、挡块和二号弹簧，所述第一安装板和第二安装板之间设有套杆、气垫和活动杆，所述活动杆底端固定连接密封片。本发明整体便于缓冲设备的转动作用力，同时保证整体可快速的恢复原状，可提供三重隔震缓冲的效果，进一步的提高隔震效果，具有更好的实用性。
-
公开(公告)号：CN116182640A
公开(公告)日：2023-05-30
申请号：CN202310057944.1
申请日：2023-01-16
Applicant: 中国人民解放军陆军工程大学
IPC: F41J5/04
Abstract: 本发明公开一种基于压力传感技术的自动报靶系统和方法，系统包括：子弹发射信息捕捉模块、靶标命中信息捕捉模块和数理计算机；子弹发射信息捕捉模块设置于枪托后部并紧贴枪托，其通过压力传感器测量发射超音速飞行弹丸所产生的后坐力，获取子弹发射信息并将所述子弹发射信息发送至数理计算机；靶标命中信息捕捉模块，用于捕捉靶标命中信息，并将其发送至数理计算机；数理计算机，用于将接收的子弹发射信息与靶标命中信息进行比对，并根据比对结果统计射击成绩。本发明通过捕捉射弹发射信息并与靶标命中信息进行比对，实现射击成绩精确、可靠的统计，解决错报、漏报、混报问题，准确获取实现每一发子弹命中和脱靶的时间、次序、环数等信息。
-
公开(公告)号：CN115827913A
公开(公告)日：2023-03-21
申请号：CN202211454353.X
申请日：2022-11-21
Applicant: 中国人民解放军陆军工程大学
IPC: G06F16/687 , G06F16/683 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种声学事件的定位检测方法及装置，其方法：获取声学事件的多通道音频数据；将声学事件的多通道音频数据输入训练好的定位检测模型，获取估计的声源方位信息和类别信息；其中，所述定位检测模型的训练包括：选取音频数据库，从音频数据库中获取包含声源方位信息和类别信息的多通道音频数据；按照预设比例对音频数据库的多通道音频数据进行划分并生成训练集和验证集；构建声学事件的定位检测模型；所述定位检测模型由特征提取模块、卷积表示学习模块、多级注意力模块、时间卷积网络模块以及估计输出模块级联而成；使用训练集和验证集对构建的定位检测模型进行训练；本发明能够高效的对声学事件的声源方位信息和类别信息进行估计。
-
公开(公告)号：CN114580462A
公开(公告)日：2022-06-03
申请号：CN202210092888.0
申请日：2022-01-26
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明提供了一种基于分区扰动的声学对抗样本生成方法，基于音频信号的时频分布特性，在音频的幅度谱图上，依据分区方案，划分关键区域和非关键区域；在不同的区域设置不同的扰动约束，利用对抗样本生成方法分区域生成扰动，与原始幅度谱叠加得到对抗样本幅度谱。分区生成扰动时，减弱关键区域的扰动约束以增强关键区域的扰动能量，增强非关键区域的扰动约束以减弱非关键区域的扰动能量，生成的对抗样本具有与原始样本更相似的时频分布特性，可以实现以更小的扰动总能量取得更高的攻击成功率。
-
Patent Agency Ranking
公开(公告)号：CN114141238A
公开(公告)日：2022-03-04
申请号：CN202111424756.5
申请日：2021-11-26
Applicant: 中国人民解放军陆军工程大学
IPC: G10L15/06 , G10L15/183 , G10L19/008 , G10L19/24 , G10L21/02 , G10L21/0224 , G10L21/0232
Abstract: 本发明公开了一种融合Transformer和U‑net网络的语音增强方法，包括如下步骤：S1，采集原始的干净语音数据集和带噪语音数据集，并将采集的数据集分为训练集、验证集和测试集；S2，构建融合Transformer和U‑net网络的语音增强模型；S3，使用步骤S1中的训练集和验证集对步骤S2中构建的语音增强模型进行训练；S4，将步骤S1中的测试集作为待增强的语音信号输入训练好的语音增强模型，输出干净的语音信号。本发明在U‑net网络中加入了Transformer模块，有效提取局部和全局的上下文特征信息；同时使用时域损失、时频域损失和感知损失三类损失函数一起训练语音增强网络，从而获得更高的语音可懂度和感知质量。
-
公开(公告)号：CN116182640B
公开(公告)日：2025-04-22
申请号：CN202310057944.1
申请日：2023-01-16
Applicant: 中国人民解放军陆军工程大学
IPC: F41J5/04
Abstract: 本发明公开一种基于压力传感技术的自动报靶系统和方法，系统包括：子弹发射信息捕捉模块、靶标命中信息捕捉模块和数理计算机；子弹发射信息捕捉模块设置于枪托后部并紧贴枪托，其通过压力传感器测量发射超音速飞行弹丸所产生的后坐力，获取子弹发射信息并将所述子弹发射信息发送至数理计算机；靶标命中信息捕捉模块，用于捕捉靶标命中信息，并将其发送至数理计算机；数理计算机，用于将接收的子弹发射信息与靶标命中信息进行比对，并根据比对结果统计射击成绩。本发明通过捕捉射弹发射信息并与靶标命中信息进行比对，实现射击成绩精确、可靠的统计，解决错报、漏报、混报问题，准确获取实现每一发子弹命中和脱靶的时间、次序、环数等信息。
-
公开(公告)号：CN119785828A
公开(公告)日：2025-04-08
申请号：CN202411994425.9
申请日：2024-12-31
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开一种基于鲁棒对抗防御边界的伪造语音归因方法及系统，伪造语音归因方法包括：采集语音样本；将所述语音样本输入训练好的伪造语音归因模型，输出语音样本属于各类语音伪造方法的概率，作为伪造语音归因的识别结果；其中，所述伪造语音归因模型，包括：随机变换模块，用于对语音样本进行随机组合变换并获取其时频特征；特征提取模块，用于从所述时频特征中提取语音样本的深度特征；特征分类模块，用于对所述深度特征进行类别判断，并输出语音样本属于各类语音伪造方法的概率。本发明在进行伪造语音归因时，既能在无对抗扰动条件下准确判断语音伪造方法类别，又能在存在对抗扰动的情况下，大幅提升对语音伪造方法类别的识别精度。
-
公开(公告)号：CN118298809A
公开(公告)日：2024-07-05
申请号：CN202410428635.5
申请日：2024-04-10
Applicant: 中国人民解放军陆军工程大学
IPC: G10L15/02 , G10L15/06 , G10L15/16 , G06F18/2415 , G06F18/214 , G06F18/22
Abstract: 本发明公开了一种基于软对比伪学习的开放世界伪造语音归因方法及系统，方法包括：将语音样本的时频特征输入训练好的伪造语音归因模型，输出语音样本的时频特征属于已知语音伪造方法和未知语音伪造方法中的各个类别的概率，作为伪造语音归因的识别结果；伪造语音归因模型包括：特征提取模块和特征分类模块；特征提取模块用于采用深度卷积神经网络提取语音样本的深层特征和浅层特征，将获得的所述语音样本的深层特征输出到所述特征分类模块；特征分类模块用于对语音样本的深层特征进行类别判断。本发明在不影响对已知类别数据的识别精度的同时，显著提高对未知类别和所有类别数据的聚类性能。
-
公开(公告)号：CN112447188B
公开(公告)日：2023-10-20
申请号：CN202011296395.6
申请日：2020-11-18
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明提供了一种基于改进softmax函数的声学场景分类方法，本发明基于卷积神经网络(CNN)提取声学场景的表示特征，并计算各个声学信号样本与代表性特征之间的正余弦相似性度量和负余弦相似性度量，可以通过相似性的大小来进行分类。在网络训练过程中，可以通过设置各类信号样本所对应损失函数的参数，调整网络的分类决策面形状，适应各种声音信号的特征聚类特性，增大不同类别信号的分类决策面距离，提升声学场景分类的性能。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.053 seconds)
