“鸟鸣信号”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1903077个，建议您升级VIP下载更多相关专利

[发明专利]一种鸟鸣声智能识别方法、装置、设备和介质-CN202110090995.5有效
发明人：张承云;凌嘉乐;陈庆春;肖波;吴科毅;余上 -专利权人：广州大学;广州灵感生态科技有限公司
申请日： 2021-01-22 - 公布日： 2023-08-08 - 主分类号： G10L17/26 文献下载
摘要：本发明公开了一种鸟鸣声智能识别方法、装置、设备和介质，方法包括：获取原始鸟鸣声信号；采用最大后验估计器对所述原始鸟鸣声信号进行降噪处理，得到目标鸟鸣声信号；从所述目标鸟鸣声信号中提取目标特征；根据所述目标特征训练得到目标分类模型；通过所述目标分类模型对待识别鸟鸣声进行识别，确定所述待识别鸟鸣声的识别结果。本发明提高了鸟鸣声的识别准确率，可广泛应用于声信号处理技术领域。
一种鸟鸣智能识别方法装置设备介质

[发明专利]一种基于双通道语音增强的鸟鸣物种识别方法-CN202210861205.3在审
发明人：赵兆;杨露;许志勇 -专利权人：南京理工大学
申请日： 2022-07-22 - 公布日： 2022-09-27 - 主分类号： G10L21/02 文献下载
摘要：本发明公开了一种基于双通道语音增强的鸟鸣物种识别方法。该方法将采集到的双通道的鸟鸣信号，先经过增加了泄露抑制和信号恢复模块的改进广义旁瓣对消器进行初步降噪，再经过双通道的后滤波进行进一步降噪，得到更纯净的期望鸟鸣信号；将增强后的鸟鸣信号分成训练集和测试集，训练鸟鸣经过预处理、特征提取、码本构造、编码、降维后，建立起训练鸟鸣的特征数据库；对于待识别的鸟鸣，经过预处理、特征提取、编码、降维转换、分类后即可得到识别出的鸟类物种。本发明实用性强、经济便捷，能充分利用采集到的双通道鸟鸣信号信息，通过波束形成算法对信号进行增强处理能够提高鸟鸣信号的信噪比，从而提高鸟鸣物种识别的准确率。
一种基于双通道语音增强鸟鸣物种识别方法

[发明专利]一种基于双通道神经网络的鸟类物种识别方法-CN201710509545.9有效
发明人：谢将剑;李文彬;丁长青;刘文定;冯郁茜;张博闻 -专利权人：北京林业大学
申请日： 2017-06-28 - 公布日： 2020-05-19 - 主分类号： G10L17/26 文献下载
摘要：本发明公开了一种基于双通道神经网络的鸟类物种识别方法，包括：采集已知种类的鸟鸣声信号并采用滤波、预加重、分割处理，得到预处理鸟鸣声信号；基于线性调频小波变换生成信号语图；截取符合预设帧长范围的鸟鸣声信号作为鸟鸣声时域信号；将信号语图作为第一通道的输入信号、鸟鸣声时域信号作为第二通道的输入信号、鸟鸣声信号对应的鸟类物种作为识别结果对构建的初步识别模型进行训练得到鸟类物种识别模型；将待识别的鸟鸣声信号经过同样处理得到的信号代入鸟类物种识别模型中进行识别所述基于双通道神经网络的鸟类物种识别方法充分利用鸣声信号的时域特征和时频特征，能够提高鸟类物种识别的效率和准确性。
一种基于双通道神经网络鸟类物种识别方法

[发明专利]一种基于注意力机制的单通道时域鸟鸣声分离方法-CN202110116884.7有效
发明人：张承云;凌嘉乐;陈庆春;肖波;吴科毅;余上 -专利权人：广州大学;广州灵感生态科技有限公司
申请日： 2021-01-28 - 公布日： 2023-09-15 - 主分类号： G10L21/0272 文献下载
摘要：本发明公开了一种基于注意力机制的单通道时域鸟鸣声分离方法，包括：S1，在野外采集待分离的混叠鸟鸣声信号，并进行预处理；S2，将预处理后的混叠鸟鸣声信号输入到预先建立并训练完毕的基于注意力机制的时域单通道鸟鸣声分离模型，时域单通道鸟鸣声分离模型输出分离后的鸟鸣声音频。本发明构建并训练了基于注意力机制的单通道鸟鸣声分离模型，使用网络估计的源音频与干净源音频的尺度不变的信噪比和均方误差作为联合训练目标，采用句子级的置换不变训练方法进行训练，从而使得单通道鸟鸣声分离和后续的鸟鸣声识别得到很好的结果
一种基于注意力机制通道时域鸟鸣分离方法

[实用新型]一种鸟鸣声收集装置-CN202123202777.0有效
发明人：崔晓宇;褚艳玲;田翠翠;张倩;王石;傅伟;张国栋;张千湖;吴丹 -专利权人：深圳市源清环境技术服务有限公司
申请日： 2021-12-17 - 公布日： 2022-05-10 - 主分类号： H04R1/08 文献下载
摘要：本申请公开了一种鸟鸣声收集装置，包括用于采集鸟鸣信号的采集装置、用于将采集的鸟鸣信号转换成电信号并输出的信号输出装置、第一壳体、用于接收来自信号输出装置的电信号并输出的信号接收装置、用于接收来自信号接收装置电信号的存储装置以及第二壳体；采集装置和信号输出装置耦接，且采集装置和信号输出装置均安装在所述第一壳体内部，第一壳体上设置有用于将第一壳体固定安装的夹持安装件；信号输出装置与信号接收装置之间耦接，且信号输出装置与信号接收装置安装在第二壳体内部；信号接收装置与所述存储装置耦接。本申请的鸟鸣声收集装置灵活度较高，能够灵活的安装在各位置，具有较佳的鸟鸣声收集效果。
一种鸟鸣收集装置

[发明专利]基于鸟鸣声的鸟种类识别方法、装置及存储介质-CN202211100596.3在审
发明人：陈晓;曾昭优 -专利权人：南京信息工程大学
申请日： 2022-09-09 - 公布日： 2023-06-13 - 主分类号： G10L17/26 文献下载
摘要：本发明公开了一种基于鸟鸣声的鸟种类识别方法、装置及存储介质，该方法包括：(1)获取若干段鸟鸣声，并对鸟鸣声进行预处理；(2)分别采用两组不同的滤波器组对鸟鸣声的功率谱进行滤波，并分别提取滤波后的信号的系数，再将两组系数、鸟鸣声短时能量和鸟鸣声短时过零率组成当前鸟鸣声的特征向量；(3)构造非线性分类模型，并采用猎物优化方法寻找到非线性分类模型中的最优核函数；(4)将提取的鸟鸣声特征向量输入非线性分类模型进行学习；(5)提取待识别鸟鸣声的特征向量，并将特征向量输入已学习好的非线性分类模型中，识别出鸟种类。
基于鸟鸣种类识别方法装置存储介质

[发明专利]复杂环境下基于自适应能量检测的鸟鸣识别方法-CN201310470092.5有效
发明人：李应;张小霞 -专利权人：福州大学
申请日： 2013-10-10 - 公布日： 2014-01-01 - 主分类号： G10L17/26 文献下载
摘要：本发明涉及一种复杂环境下基于自适应能量检测的鸟鸣识别方法，其特征在于包括以下步骤：步骤1，根据鸟叫声频率分布情况将声音分成三个频带；步骤2，对包含有噪声的鸟鸣声音信号用基于噪声功率谱估计和前景声音存在概率的自适应能量检测方法检测并筛选出有用鸟鸣信号；步骤3，根据Mel尺度的分布，对有用鸟鸣信号提取Mel尺度的小波包分解子带倒谱系数（WPSCC）特征；步骤4，用支持向量机（SVM）分类器分别对提取的Mel尺度的小波包分解子带倒谱系数（WPSCC）和麦尔频率倒谱系数通过该方法提取的WPSCC特征具有较好的抗噪功能，且经过自适应能量检测后的识别性能更佳，更适用于复杂环境下的鸟鸣识别，对复杂环境下含噪鸟鸣声音具有较好的分类识别效果。
复杂环境基于自适应能量检测鸟鸣识别方法

[发明专利]一种基于图像处理的鸟鸣声特征强化方法-CN201910139801.9在审
发明人：杨春勇;祁宏达;侯金;陈少平 -专利权人：中南民族大学
申请日： 2019-02-26 - 公布日： 2019-06-14 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于图像处理的鸟鸣声特征强化方法，涉及图像处理、深度学习和鸟类识别技术。本方法是：①对鸟鸣声数据集进行预处理，包括重采样和归一化，得到鸟鸣声的频谱图；②对频谱图进行信噪分离，得到信号谱图和噪声谱图；③对所有频谱图进行分块；④对分块后的信号谱图进行数据增强：⑤通过Jet映射对数据增强后的灰度图像进行伪彩色处理本发明的有益效果是：①用于高效地进行鸟类自动识别；②通过将一维时域的鸟鸣声信号转换为二维时频域的生物频谱信息；③图像处理包括：鸟鸣声信噪分离、特异性数据增强和视觉感知力增强，为深度学习在鸟类自动识别领域的探索更进一步
鸟鸣声图像处理数据增强频谱图特征强化信号谱图自动识别鸟类分块预处理伪彩色处理灰度图像生物频谱视觉感知信号转换学习方式归一化三通道时频域数据集噪声谱重采样二维时域映射迁移学习探索

[发明专利]一种基于特征融合的鸟鸣自动识别方法-CN201810592608.6在审
发明人：赵兆;刘继敏;许志勇 -专利权人：南京理工大学
申请日： 2018-06-11 - 公布日： 2018-11-27 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于特征融合的鸟鸣自动识别方法，属于生态监测及声信号识别技术领域，包括以下步骤：首先对不同鸟鸣声音进行采集，每种鸟鸣声音包括多个鸟鸣片段；之后对每一个鸟鸣片段的频域特征进行提取；再对每一个鸟鸣片段的图像域特征进行提取；然后对每一个鸟鸣片段提取到的频域特征和图像域特征进行一一对应拼接，构成多特征元素的高维度特征集合；然后对多特征元素的高维度特征集合进行特征选择，获得多特征元素的低维度特征集合；最后结合低维度特征集合和分类器对鸟类物种进行识别本发明有效克服了单一特征难以描述鸟鸣音频特性的缺点，抗背景噪声干扰能力强，计算复杂度低、运行时间短，且数据可靠，易于实施。
特征集合特征元素鸟鸣声音频域特征特征融合自动识别图像域低维高维信号识别技术计算复杂度抗背景噪声单一特征鸟类物种片段提取生态监测特征选择音频特性分类器能力强拼接采集

[发明专利]应对低信噪比的鸟鸣声识别分类方法、装置及存储介质-CN202111323056.7在审
发明人：陈爱斌;伍安芸;周国雄;刘志华;彭伟雄 -专利权人：中南林业科技大学
申请日： 2021-11-09 - 公布日： 2022-02-11 - 主分类号： G10L25/03 文献下载
摘要：本发明公开了一种应对低信噪比的鸟鸣声识别分类方法、装置及存储介质，涉及人工智能。所述方法包括：提取待识别音频的时间序列信号；对所述时间序列信号中的采样点值按时间顺序逐帧对音频帧进行堆叠以得到第一特征矩阵；利用预设检测算法对所述第一特征矩阵进行端点检测，以得到鸟鸣声真实发声区间的第二特征矩阵；对所述鸟鸣声真实发声区间内的采样点值再次按照时间顺序逐帧对音频帧进行堆叠以得到校准后的第三特征矩阵；利用卷积神经网络对所述第三特征矩阵进行特征提取以输入门控循环网络中进行处理得到识别分类结果。利用本发明对鸟鸣声进行分类识别时，语音端点检测的准确率及对鸟鸣声分类准确度均较高。
应对低信噪鸟鸣识别分类方法装置存储介质

[发明专利]一种基于倒谱语谱图的鸟类物种数量的获取方法及系统-CN201911133278.5有效
发明人：王静宇;张纯;许枫;蒋立军 -专利权人：中国科学院声学研究所
申请日： 2019-11-19 - 公布日： 2022-10-04 - 主分类号： G10L17/26 文献下载
摘要：本发明属于鸟类物种数量分析技术领域，具体涉及一种基于倒谱语谱图的鸟类物种数量的获取方法，该方法包括：实时采集监测点的鸟鸣声信号，作为鸟鸣声数据；对采集的鸟鸣声数据进行倒谱分析，获得倒谱语谱图；根据不同物种的鸟鸣声具有不同的倒谱特征
一种基于倒谱语谱图鸟类物种数量获取方法系统

[发明专利]一种基于多特征融合迁移学习的鸟类个体识别方法-CN201810058223.1在审
发明人：谢将剑;李文彬;张军国;岳阳;骆济宏 -专利权人：北京林业大学
申请日： 2018-01-22 - 公布日： 2018-06-22 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于多特征融合迁移学习的鸟类个体识别方法，包括：S1、对已知的鸟鸣信号进行预处理；S2、对预处理后的鸟鸣信号进行分帧和加窗处理，对得到的定帧长的鸟鸣信号利用线性调频小波生成语图；S3、对深度卷积神经网络进行处理S3的神经网络中获得不同层的特征向量，融合后得到最终的特征向量；S5、将最终的特征向量输入到支持向量机中，训练后得到识别模型；S6、对得到的识别模型进行性能检测，不断改进得到最终的识别模型；S7、将待测鸟鸣信号按照步骤
鸟鸣信号特征向量预处理多特征融合鸟类个体识别迁移卷积神经网络支持向量机加窗处理神经网络线性调频性能检测定帧分帧小波成语融合学习改进

[发明专利]一种基于VGGish迁移学习网络的电网危害鸟种鸣声识别方法-CN202110878305.2在审
发明人：邱志斌;王海祥;廖才波;卢祖文 -专利权人：南昌大学
申请日： 2021-08-02 - 公布日： 2021-11-26 - 主分类号： G10L17/26 文献下载
摘要：该方法首先根据历史涉鸟故障的鸟种信息及电网周边鸟种调查结果建立电网危害鸟种音频库，然后对鸟鸣信号进行分帧、加窗、深度学习降噪和剪裁等预处理，计算鸟鸣信号语谱图，映射到64阶Mel滤波器组中得到Mel频谱图针对因样本数量不足而导致传统鸟鸣识别模型泛化能力弱的问题，采用迁移学习的方法，利用在AudioSet数据集上预训练的VGGish网络提取128维鸟鸣VGGish特征，并通过主成分分析法对特征进行降维，最后利用分类网络对迁移特征进行识别
一种基于 vggish 迁移学习网络电网危害鸣声识别方法

[实用新型]风力发声鸟鸣笛-CN202120739255.5有效
发明人：张斌 -专利权人：张斌
申请日： 2021-04-13 - 公布日： 2021-11-26 - 主分类号： G10K9/02 文献下载
摘要：本实用新型是一种风力发声鸟鸣笛，它主要由两个结构部件组成，一个是喇叭形部件，一个是鸟鸣部件。所述喇叭形部件一端为喇叭进气口，另一端为喇叭出气口；其喇叭进气口为大口端，喇叭出气口为小口端。所述鸟鸣部件为一L形容器，鸟鸣部件进气口位于鸟鸣部件水平部位的端口处，鸟鸣部件出气口位于鸟鸣部件垂直部位的顶端处；鸟鸣部件进气口与喇叭形部件的喇叭出气口相适配，喇叭出气口套装在鸟鸣部件进气口外；在鸟鸣部件中填充有液体在鸟鸣部件出气口顶部紧扣有一块阻水透气板。本实用新型不需要人吹气，更不需要频繁的加入液体，把它安装在自行车、电动车及摩托车等行驶工具上面，车辆行驶时鸟鸣笛自动发出声音。
风力发声鸟鸣

[发明专利]一种基于Mel语图与深度学习的电网涉鸟故障鸟种识别方法-CN202110878327.9在审
发明人：邱志斌;卢祖文;廖才波;王海祥 -专利权人：南昌大学
申请日： 2021-08-02 - 公布日： 2021-11-26 - 主分类号： G10L17/26 文献下载
摘要：首先建立电网涉鸟故障相关鸟种的鸣声样本数据库，对鸟鸣信号进行预处理操作后，计算每帧信号在各个Mel滤波器中的能量，得到包含信号能量大小信息的M×N矩阵，将能量大小与颜色深浅程度一一映射，得到鸟鸣信号的Mel通过Mel语图训练卷积神经网络，执行卷积‑池化过程不断地抓取学习鸟鸣信号的Mel语图特征，通过多次迭代训练调整网络内部参数，当网络的预测输出值与实际值之间的损失达到最小时结束训练，最终实现对测试鸟种的预测识别
一种基于 mel 深度学习电网故障识别方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条