[发明专利]识别模型的生成方法、识别方法、系统、设备和介质在审

专利信息
申请号: 202310492765.0 申请日: 2023-05-05
公开(公告)号: CN116304639A 公开(公告)日: 2023-06-23
发明(设计)人: 丁鹏;魏琼;严晓;赵恩海;吴炜坤;任浩雯;王得成;冯媛;汤丰玮 申请(专利权)人: 上海玫克生储能科技有限公司
主分类号: G06F18/213 分类号: G06F18/213;H01M10/48;G06F18/24;G06F18/214;G06N3/04;G06N3/08
代理公司: 上海弼兴律师事务所 31283 代理人: 罗朗;林嵩
地址: 201600 上海市松江*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 识别 模型 生成 方法 系统 设备 介质
【权利要求书】:

1.一种声源位置识别模型的生成方法,其特征在于,所述生成方法包括:

获取多组声音信号并对所述多组声音信号打方位标签;所述方位标签表征所述多组声音信号对应的声源的位置坐标;

对多组声音信号进行特征提取,以获得多组特征信息及方位标签;

将多组特征信息及方位标签输入至深度学习分类器中进行训练,以生成声源位置识别模型;

所述声源位置识别模型用于声音信号对应的声源的位置;所述声音信号为电池的安全阀打开时产生的声音信号。

2.如权利要求1所述的声源位置识别模型的生成方法,其特征在于,所述获取多组声音信号并对所述多组声音信号打方位标签的步骤包括:

对所述电池所在的空间进行位置划分,以获得空间位置信息;

基于空间位置信息生成若干个声源点,并根据若干个所述声源点生成若干组声音信号;

对若干个所述声源点打方位标签并将所述方位标签作为对应的声音信号的方位标签。

3.如权利要求1所述的声源位置识别模型的生成方法,其特征在于,所述对多组声音信号进行特征提取的步骤包括:

通过时域拼接序列的方式对多组声音信号进行特征提取;

和/或,通过直接互相关序列的方式对多组声音信号进行特征提取;

和/或,通过广义互相关序列的方式对多组声音信号进行特征提取;

和/或,通过最小均方自适应滤波序列的方式对多组声音信号进行特征提取。

4.一种声源位置的识别方法,其特征在于,所述识别方法包括:

获取待识别的声音信号;

对所述待识别声音信号进行特征提取,以获得特征信息及方位标签;

将特征信息及方位标签输入至声源位置识别模型中,以确定所述待识别声音信号对应的声源的位置;

所述声源位置识别模型使用如权利要求1至3中任意一项所述的声源位置识别模型的生成方法生成。

5.一种声源位置识别模型的生成系统,其特征在于,所述生成系统包括:

第一获取模块,用于获取多组声音信号并对所述多组声音信号打方位标签;所述方位标签表征所述多组声音信号对应的声源的位置坐标;

第一特征提取模块,用于对多组声音信号进行特征提取,以获得多组特征信息及方位标签;

生成模块,用于将多组特征信息及方位标签输入至深度学习分类器中进行训练,以生成声源位置识别模型;

所述声源位置识别模型用于声音信号对应的声源的位置;所述声音信号为电池的安全阀打开时产生的声音信号。

6.如权利要求5所述的声源位置识别模型的生成系统,其特征在于,所述第一获取模块包括:

获取单元,用于对所述电池所在的空间进行位置划分,以获得空间位置信息;

生成单元,用于基于空间位置信息生成若干个声源点,并根据若干个所述声源点生成若干组声音信号;

打标签单元,用于对若干个所述声源点打方位标签并将所述方位标签作为对应的声音信号的方位标签。

7.如权利要求5所述的声源位置识别模型的生成系统,其特征在于,所述第一特征提取模块具体用于:

通过时域拼接序列的方式对多组声音信号进行特征提取;

和/或,通过直接互相关序列的方式对多组声音信号进行特征提取;

和/或,通过广义互相关序列的方式对多组声音信号进行特征提取;

和/或,通过最小均方自适应滤波序列的方式对多组声音信号进行特征提取。

8.一种声源位置的识别系统,其特征在于,所述识别系统包括:

第二获取模块,用于获取待识别的声音信号;

第二特征提取模块,用于对所述待识别声音信号进行特征提取,以获得特征信息及方位标签;

输入模块,用于将特征信息及方位标签输入至声源位置识别模型中,以确定所述待识别声音信号对应的声源的位置。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海玫克生储能科技有限公司,未经上海玫克生储能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310492765.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top