“徐及”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果20个，建议您升级VIP下载更多相关专利

[发明专利]一种基于无监督特征优化的信号分类方法及系统-CN201911266932.X有效
发明人：徐及;李琛;颜永红 -专利权人：中国科学院声学研究所;北京中科信利技术有限公司
申请日： 2019-12-11 - 公布日： 2023-06-30 - 主分类号： G06F18/2415 文献下载
摘要：本发明公开了一种基于无监督特征优化的信号分类方法及系统，所述方法包括：将待分类的信号进行预处理和分帧；提取每一帧信号的基于能量的时频分类特征；将每一帧信号的能量特征输入预先训练的无监督特征优化网络，输出优化特征；所述无监督特征优化网络的准则为最大化类间距离并最小化类内距离；将优化特征输入预先训练的分类器，输出分类结果。本发明的方法能够最大化利用训练样本的类内‑类间的关系，使得神经网络学习到的表征特征更具判别性。
一种基于监督特征优化信号分类方法系统

[发明专利]一种基于窗口输入的双向回馈神经网络的语音识别方法-CN201811242398.4有效
发明人：徐及;程高峰;潘接林;颜永红 -专利权人：中国科学院声学研究所;北京中科信利技术有限公司
申请日： 2018-10-24 - 公布日： 2022-10-11 - 主分类号： G10L15/16 文献下载
摘要：本发明公开了一种基于窗口输入的双向回馈神经网络的语音识别方法，所述方法包括：步骤1)建立和训练基于窗口输入的双向回馈神经网络BLSTM‑E；步骤2)将待识别的语音帧输入步骤1)的基于窗口输入的双向回馈神经网络BLSTM‑E，通过BLSTM‑E的前向计算，计算出每个语音帧的后验概率；步骤3)将步骤2)中每个语音帧的后验概率输入解码器，解码器在语言模型的限制下，利用维特比算法在状态空间中搜索一条最优的结果作为识别结果。本发明提出的基于窗口输入的双向回馈神经网络BLSTM‑E的语音识别方法，能够在每一帧的语音判决过程中将更广的时间域内的信息利用起来，取得了相比于传统BLSTM语音识别方法更精确的识别结果。
一种基于窗口输入双向回馈神经网络语音识别方法

[发明专利]一种端到端的多语言连续语音流语音内容识别方法及系统-CN201911300918.7有效
发明人：徐及;林格平;刘丹阳;万辛;张鹏远;李娅强;刘发强;颜永红 -专利权人：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
申请日： 2019-12-17 - 公布日： 2022-07-12 - 主分类号： G10L15/08 文献下载
摘要：本发明属于网络通信技术领域，具体涉及一种端到端的多语言连续语音流语音内容识别方法，该方法包括：将待识别的语音频谱特征输入至预先构建的基于深度神经网络的段级别语种分类模型，提取语句级别语种状态后验概率分布向量；将每一种语言种类的待识别的语音频谱特征序列和语句级别语种状态后验概率分布向量输入至预先构建的多语言语音识别模型，输出对应语言种类的语音识别结果。
一种端到端语言连续语音内容识别方法系统

[发明专利]基于语言种类和语音内容协同分类的多语言语音识别方法-CN201810974049.5有效
发明人：徐及;刘丹阳;张鹏远;颜永红 -专利权人：中国科学院声学研究所;北京中科信利技术有限公司
申请日： 2018-08-24 - 公布日： 2022-05-03 - 主分类号： G10L15/06 文献下载
摘要：本发明公开了基于语言种类和语音内容协同分类的多语言语音识别方法，所述方法包括：步骤1)建立和训练语言种类和语音内容协同分类声学模型；该声学模型融合了包含语种相关信息的语种特征向量，在多语言识别过程中能够利用语种特征向量对特定语种的音素分类层做模型自适应优化；步骤2)将待识别的语音特征序列输入训练好的语言种类和语音内容协同分类声学模型，输出特征序列对应的音素后验概率分布；解码器结合特征的序列音素后验概率分布生成若干个候选词序列和其对应的声学模型得分；步骤3)将候选词序列的声学模型得分和语言模型得分进行结合作为总体分数，将总体分数最高的候选词序列作为特定语言的语音内容的识别结果。
基于语言种类语音内容协同分类识别方法

[发明专利]一种基于深度学习的水下多声源定位方法及系统-CN201811564007.0有效
发明人：徐及;黄兆琼;颜永红 -专利权人：中国科学院声学研究所
申请日： 2018-12-20 - 公布日： 2022-01-25 - 主分类号： G01S5/22 文献下载
摘要：本发明公开了一种基于深度学习的水下多声源定位方法及系统，所述方法包括：通过水听器阵列接收待检测的信号，估计声源的方位；在可能存在声源的方位上做子阵波束形成，然后计算待检测信号的空间相关矩阵，形成特征向量，输入到预先训练的时延神经网络，输出声源的距离。本发明的水下多声源定位方法，可以不依赖环境参数的先验知识；利用子阵波束形成的方法在特征层面将多个声源区分开，从而实现对水下多个目标同时定位。
一种基于深度学习水下声源定位方法系统

[发明专利]一种针对声纹识别的语音降噪方法及装置-CN201810065088.3有效
发明人：颜永红;王文超;徐及 -专利权人：中国科学院声学研究所;北京中科信利技术有限公司
申请日： 2018-01-23 - 公布日： 2021-07-30 - 主分类号： G10L17/02 文献下载
摘要：本发明涉及一种针对声纹识别的语音降噪方法及装置，该方法包括：对具有噪声的语音信号预处理后，进行特征提取，获取第一语音功率谱图；对第一语音功率谱图进行分解，获取第一模态信号和除第一模态之外的模态信号；对第一模态信号进行降噪，获取降噪后的模态信号；将降噪后的模态信号与所述除所述第一模态之外的模态信号进行相加重构，获取第二语音功率谱图。通过该方案，主要是分离出噪声最多的模态进行降噪处理。如此一来，在实现语音信号降噪处理的同时，还可以尽量避免了有效语音信号的损失，即说话人语音信息的损失，提升声纹识别效果。
一种针对声纹识别语音方法装置

[发明专利]一种基于迁移神经网络声学模型的语音识别系统及方法-CN201810077556.9有效
发明人：张鹏远;刘丹阳;徐及;颜永红 -专利权人：中国科学院声学研究所;北京中科信利技术有限公司
申请日： 2018-01-23 - 公布日： 2021-07-23 - 主分类号： G10L15/02 文献下载
摘要：本发明涉及一种基于迁移神经网络声学模型的语音识别系统及方法，该系统包括：信号处理及特征提取模块、语言模型、解码器和迁移神经网络声学模型；其中迁移神经网络声学模型包括鲁棒神经网络和定向神经网络；本系统通过对鲁棒神经网络模型的模型参数进行固定，同时通过神经网络间的层间横向连接，将鲁棒声学模型的信息传递到目标声学模型中，不仅保留了原鲁棒声学模型的性能，同时还对目标语言做特定的优化。解决了低资源语言的鲁棒声学模型的快速构建的问题，通过利用数据充分的语言的声学模型进行模型参数迁移的方式，来提升目标低资源语言的声学模型性能以及训练的收敛速度。
一种基于迁移神经网络声学模型语音识别系统方法

[发明专利]一种用于水下目标识别的小波线谱特征提取方法及系统-CN201911342527.1在审
发明人：徐及;任佳威;颜永红 -专利权人：中国科学院声学研究所;北京中科信利技术有限公司
申请日： 2019-12-23 - 公布日： 2021-07-09 - 主分类号： G06K9/00 文献下载
摘要：本发明属于水下目标识别和信号处理技术领域，具体涉及一种基于小波线谱特征提取的水下目标识别方法，该方法包括：对声呐阵列接收的信号进行频谱分析，获得各个频段内的频谱信息；基于获得的每个频段内的频谱信息，提取单个频段内线谱特征的最大值，作为当前频段的特征向量，获得各个频段的特征向量；将各个频段的特征向量进行拼接或平均，获得优化后的特征向量；将当前频段的特征向量和优化后的特征向量一起作为新的特征向量，并将该新的特征向量输入至预先训练的时延神经网络，输出当前频段对应的目标类别信息，作为分类结果。
一种用于水下目标识别线谱特征提取方法系统

[发明专利]一种水下声源定位方法-CN201711454053.0有效
发明人：徐及;黄兆琼;颜永红 -专利权人：中国科学院声学研究所;北京中科信利技术有限公司
申请日： 2017-12-28 - 公布日： 2021-05-18 - 主分类号： G01S5/20 文献下载
摘要：本发明涉及一种水下声源定位方法，包括以下步骤：将通过水听器阵列接收的声源信号转换成数字声音信号；对所述数字声音信号进行做傅里叶变换；在信号带宽内每个频率上计算数据协方差矩阵，然后通过特征值分解提取能表征信号方位信息的特征向量；在训练阶段，利用时延神经网络学习训练样本，得到特征向量和声源方位的映射关系模型；在测试阶段，输入测试样本的特征向量到训练好的模型，得到声源的距离和深度估计值。本发明利用深度神经网络，实现鲁棒而高效的水下声源定位。
一种水下声源定位方法

[发明专利]一种水下目标分类方法-CN201711441236.9有效
发明人：徐及;李琛;颜永红 -专利权人：中国科学院声学研究所;北京中科信利技术有限公司
申请日： 2017-12-27 - 公布日： 2021-05-18 - 主分类号： G06K9/00 文献下载
摘要：本发明提出一种水下目标分类方法，包括：将声呐阵列接收的信号转换成数字信号；对数字信号首先进行预处理，然后计算每个声呐与其他声呐之间的互相关系数并求和，将互相关系数和最大的声呐信号作为参考信号；计算每个声呐相对于参考信号的时间延迟；利用通道的互相关系数和前后帧的相关性对每个通道的权重进行自适应，最终得到经过增强后的信号。将信号进行分帧后进行滤波，对每个滤波器内信号能量求和并取对数作为这一帧信号的特征。将特征作为一个时延神经网络的输入，输出为这一帧信号对应的每个目标类型的概率，基于此规则训练出一个多目标分类器。发明利用深度神经网络强大的非线性表征能力，有效地利用目标的特征对其进行区分。
一种水下目标分类方法

[发明专利]一种多语言连续语音流语音内容识别方法及系统-CN201910782981.2在审
发明人：徐及;刘丹阳;张鹏远;颜永红 -专利权人：中国科学院声学研究所;北京中科信利技术有限公司
申请日： 2019-08-23 - 公布日： 2021-03-12 - 主分类号： G10L15/00 文献下载
摘要：本发明提出一种多语言连续语音流语音内容识别方法及系统，所述方法包括：将待识别的多语言连续语音流输入帧级别语种分类模型,输出段级别语种特征向量；将段级别语种特征向量输入段级别语种分类模型，输出段级别语种状态的后验概率分布；根据段级别语种状态的后验概率分布，基于维特比检索算法，计算多语言连续语音流的最佳的语种状态路径；根据所述最佳语种状态路径对待识别的多语言连续语音流进行切分获得语种状态区间；将切分后的语种状态区间送入多语言声学模型以及相应的多语言解码器中进行解码，得到所述多语言连续语音流的内容识别结果。本发明通过将语种分类模型与维特比检索算法相融合，解决了连续语音流中多语言内容并存的语言种类动态检测和识别的问题。
一种语言连续语音内容识别方法系统

[发明专利]一种基于条件对抗神经网络的水下目标数据扩增方法及系统-CN201910774388.3在审
发明人：徐及;李琛;颜永红 -专利权人：中国科学院声学研究所
申请日： 2019-08-21 - 公布日： 2021-03-02 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于条件对抗生成网络的水下目标数据扩增方法及系统，所述方法包括：将某一目标类别对应的one‑hot向量与随机高斯白噪声级联，输入预先训练好的生成器，输出该目标类别的生成样本。本发明的方法能够利用少量的水下目标数据产生足量的与原样本类似的数据，使得其数据量能够满足深度学习的需求；而且能够利用一个模型实现多个目标类别的样本生成。
一种基于条件对抗神经网络水下目标数据扩增方法系统

[发明专利]一种基于深度学习的多声源测向方法及系统-CN201910661146.3在审
发明人：徐及;黄兆琼;颜永红 -专利权人：中国科学院声学研究所
申请日： 2019-07-22 - 公布日： 2021-01-22 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于深度学习的多声源测向方法及系统，所述方法包括：将阵列接收的声源信号转换成数字声音信号；对所述数字声音信号进行做傅里叶变换，得到傅里叶变换后的信号；将傅里叶变换后的信号输入深度神经网络，使用反向传播方法训练深度神经网络，直至深度神经网络收敛；从收敛后的深度神经网络输出的后验概率中找到峰值对应的方位，该方位为声源出现的方位。本发明的方法利用了深度神经网络，通过优化准则函数，寻找声源波达方向的最优解，该方法直接从阵列接受的信号得到目标的方位，实现了简单而高效的多声源测向。
一种基于深度学习声源测向方法系统

[发明专利]一种基于混合声学模型的语音识别系统及方法-CN201711059592.4有效
发明人：徐及;程高峰;潘接林;颜永红 -专利权人：中国科学院声学研究所;北京中科信利技术有限公司
申请日： 2017-11-01 - 公布日： 2020-11-06 - 主分类号： G10L15/22 文献下载
摘要：本发明公开了一种基于混合声学模型的语音识别系统和方法，所述系统包括：信号处理及特征提取模块、发音词典、语言模型和解码器；所述系统还包括：混合声学模型；所述混合声学模型包括：前端的卷积神经网络和后端的时间延迟及长短时记忆混合神经网络；所述卷积神经网络作为一个特征提取模块放置在时间延迟及长短时记忆混合神经网络之前；所述卷积神经网络提取出来的鲁棒性特征和原有的特征进行拼接，一起作为后端时间延迟及长短时记忆混合神经网络的输入特征。本发明的系统基于卷积神经网络对特征的平移变换有更鲁棒的建模能力，能够有效降低模型识别错误率，提升多个任务集上的语音识别性能。
一种基于混合声学模型语音识别系统方法

[发明专利]一种音频关键词模板的筛选和优化方法-CN201510882805.8有效
发明人：徐及;张舸;潘接林;颜永红 -专利权人：中国科学院声学研究所;北京中科信利技术有限公司
申请日： 2015-12-03 - 公布日： 2020-04-03 - 主分类号： G10L15/02 文献下载
摘要：本发明提供一种音频关键词模板的筛选和优化方法，所述方法包括：步骤1)对每个音频关键词模板样本进行特征提取，将所提取的特征通过一个深层神经网络，计算在一个给定音素集上全部音素的后验概率；步骤2)计算模板的后验概率稳定性分数、发音可靠性分数和邻域相似性分数；步骤3)计算每个音频关键词模板的上述三种分数的加权平均值，记为平均分数；步骤4)按照平均分数从大到小的顺序进行排序，选取前L个音频关键词模板作为代表性发音模板；步骤5)对每个代表性发音模板进行处理，调整其发音序列上每一帧的各发音单元的后验概率，并最小化模板的邻域相似性分数；生成优化的L个音频检索词模板。
一种音频关键词模板筛选优化方法

1
2
下一页»
尾页
共 20 条