-
Patent Agency Ranking
公开(公告)号：CN115050386A
公开(公告)日：2022-09-13
申请号：CN202210541058.1
申请日：2022-05-17
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种中华白海豚哨叫声信号自动检测和提取方法，步骤1：对采集到的包含中华白海豚哨叫声信号的数据进行预处理；步骤2：得到的包含中华白海豚哨叫声信号的数据进行截取，切分成若干个时间片段，对全部时间片段逐个执行如下操作，得到含有中华白海豚哨叫声信号的信号起止时间结果；步骤3：根据步骤2中自动检测并保存的含有中华白海豚哨叫声信号的信号起止时间结果，重新对步骤1预处理后的信号进行切分，然后对切分后得到的包含中华白海豚哨叫声信号的信号生成时频图，并自动将每段信号生成的时频图保存。本发明实现针对在海豚研究中进行长期声呐信号采集获得的海量数据的全自动检测和提取，降低对人工干预的依赖，提升效率。
-
公开(公告)号：CN115206334B
公开(公告)日：2023-02-10
申请号：CN202210770485.7
申请日：2022-06-30
Applicant: 哈尔滨工程大学
IPC: G10L21/0224 , G10L21/0232 , G10L21/0264 , G10L21/057 , G10L19/26 , H04B13/02
Abstract: 本发明提供一种极地声信号增强和识别方法，包括：对极地声信号中的脉冲干扰噪声进行时频联合提取，得到所有脉冲噪声出现的位置；对步骤1中获得的脉冲噪声位置在信号二维时频图上进行空间平滑滤波以去除脉冲噪声，然后用在时频图上做互相关得到互相关积分曲线，若互相关曲线积分值大于设定的阈值则判断动物/通信信号存在；以对步骤1获得的脉冲噪声位置为中心进行时域窗口的中值滤波，然后对信号提取线谱成分，并通过梳状滤波器进行净化，最后通过比较净化后线谱的方差值，若大于设定的方差阈值则判断船舶信号存在。本发明实现针对在极地中进行长期声呐信号采集获得的海量数据的自动增强和提取，降低对人工干预的依赖，提升效率。
-
公开(公告)号：CN115206334A
公开(公告)日：2022-10-18
申请号：CN202210770485.7
申请日：2022-06-30
Applicant: 哈尔滨工程大学
IPC: G10L21/0224 , G10L21/0232 , G10L21/0264 , G10L21/057 , G10L19/26 , H04B13/02
Abstract: 本发明提供一种极地声信号增强和识别方法，包括：对极地声信号中的脉冲干扰噪声进行时频联合提取，得到所有脉冲噪声出现的位置；对步骤1中获得的脉冲噪声位置在信号二维时频图上进行空间平滑滤波以去除脉冲噪声，然后用在时频图上做互相关得到互相关积分曲线，若互相关曲线积分值大于设定的阈值则判断动物/通信信号存在；以对步骤1获得的脉冲噪声位置为中心进行时域窗口的中值滤波，然后对信号提取线谱成分，并通过梳状滤波器进行净化，最后通过比较净化后线谱的方差值，若大于设定的方差阈值则判断船舶信号存在。本发明实现针对在极地中进行长期声呐信号采集获得的海量数据的自动增强和提取，降低对人工干预的依赖，提升效率。
-
公开(公告)号：CN115050386B
公开(公告)日：2024-05-28
申请号：CN202210541058.1
申请日：2022-05-17
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种中华白海豚哨叫声信号自动检测和提取方法，步骤1：对采集到的包含中华白海豚哨叫声信号的数据进行预处理；步骤2：得到的包含中华白海豚哨叫声信号的数据进行截取，切分成若干个时间片段，对全部时间片段逐个执行如下操作，得到含有中华白海豚哨叫声信号的信号起止时间结果；步骤3：根据步骤2中自动检测并保存的含有中华白海豚哨叫声信号的信号起止时间结果，重新对步骤1预处理后的信号进行切分，然后对切分后得到的包含中华白海豚哨叫声信号的信号生成时频图，并自动将每段信号生成的时频图保存。本发明实现针对在海豚研究中进行长期声呐信号采集获得的海量数据的全自动检测和提取，降低对人工干预的依赖，提升效率。
-
公开(公告)号：CN116306908A
公开(公告)日：2023-06-23
申请号：CN202310201428.1
申请日：2023-01-19
Applicant: 哈尔滨工程大学
IPC: G06N3/096 , G06N3/063 , G06F18/2415 , G06F18/10 , G06F18/213 , G06F18/24 , G06N3/047 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种水声信号识别方法，包括获取待识别水声信号，并转化为时频图；将所述时频图输入至预先训练的轻量化学生网络，所述轻量化学生网络由预先训练的教师网络经知识蒸馏技术进行模型压缩拟合训练得到；所述教师网络由样本数据集通过特征迁移的方法训练得到；所述样本数据集是由所述时频图及对应的水声信号类别构成的集合，样本数据集分为训练集和测试集；输出水声信号识别结果。本发明将深度卷积神经网络通过知识蒸馏的方法进行压缩，轻量化深度卷积神经网络的同时实现加速运算，解决了深度卷积神经网络模型参数量大很难在资源受限的嵌入式设备和对实时性要求较高的移动端部署的问题。
-
-
-
-
Search Results
5
records
(took 0.028 seconds)
