基于卷积神经网络的雷达手势识别方法

    公开(公告)号:CN119992649A

    公开(公告)日:2025-05-13

    申请号:CN202510044668.4

    申请日:2025-01-12

    Abstract: 本发明为基于卷积神经网络的雷达手势识别方法,所述识别方法包括以下内容:获取雷达手势信号,并进行预处理,得到能输入卷积神经网络的图像组成的雷达手势数据集;构建卷积神经网络,所述卷积神经网络包括自适应特征融合卷积模块AFFM、多个自适应均值池化和多个3×3卷积层、以及改进CBAM模块;输入雷达手势特征图到AFFM,再经过3×3卷积层和自适应均值池化处理后输入改进CBAM模块中,改进CBAM模块的输入为上级自适应均值池化的输出,改进CBAM模块的输出与上级自适应均值池化的输出进行逐元素乘操作后,再经过一个自适应均值池化、线性层处理,获得雷达手势识别结果。本发明在不增加参数量与运行时长的情况下,有效增加识别准确率。

    基于双路径一维卷积分组循环网络的轻量化语音增强方法

    公开(公告)号:CN119851680A

    公开(公告)日:2025-04-18

    申请号:CN202510001132.4

    申请日:2025-01-02

    Abstract: 本发明属于语音增强技术领域,具体是一种基于双路径一维卷积分组循环网络的轻量化语音增强方法。首先,获取含噪语音信号,并提取含噪语音信号的频谱特征;然后,构建双路径一维卷积分组循环网络模型,包括编码器模块、解码器模块和位于编码器模块与解码器模块之间的双路径分组循环模块,将解码器模块的输出特征与编码器模块的输入特征进行复数乘法,得到估计的复数比率掩码;最后,提取待增强的含噪语音信号的频谱特征,将待增强的含噪语音信号的频谱特征输入到训练后的模型中,得到估计的复数比率掩码;将待增强的含噪语音信号的频谱特征与估计的复数比率掩码进行复数乘法,得到增强语音信号的频谱特征;将增强语音信号的频谱特征依次经过逆短时傅里叶变换和重叠相加,得到增强语音信号。该方法减少了模型参数量与计算量,解决了现有语音增强技术实时处理性能不足,计算资源需求大,不适合在边缘设备上部署的问题。

    基于深度提取网络和文本结构分析的法律判决预测方法

    公开(公告)号:CN119719339A

    公开(公告)日:2025-03-28

    申请号:CN202411794730.3

    申请日:2024-12-09

    Abstract: 本发明属于法律判决预测技术领域,具体是一种基于深度提取网络和文本结构分析的法律判决预测方法。采用的模型包括编码器、注意力层、深度提取网络和事实描述分离模块;事实描述和罪名定义经过编码,得到事实描述特征和罪名定义特征;事实描述特征和罪名定义特征经过上下文表示和注意力机制,得到融入法律知识的事实描述特征;融入法律知识的事实描述特征经过深度提取网络,得到事实描述的抽象表示,用于预测罪名;预测罪名经过编码,得到预测罪名特征;将预测罪名特征和事实描述的上下文表示经过事实描述分离模块,得到法条依据和刑期依据;法条依据经过另一个深度提取网络进行特征提取,得到法条依据语义特征,用于预测法条;预测法条经过编码,得到预测法条特征,用于预测刑期。通过深度提取网络提取事实描述中的显著特征和语义信息,充分提取事实描述中法条依据和刑期依据在文本结构上的依赖关系,提高了预测准确性。

Patent Agency Ranking