申请/专利权人：北京计算机技术及应用研究所;北京航天爱威电子技术有限公司

申请日：2023-11-28

公开（公告）日：2024-03-26

公开（公告）号：CN117763405A

主分类号：G06F18/241

分类号：G06F18/241;G06F18/15;G06F18/213;G06F18/214;G06F18/22;G06F18/25

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明涉及一种自动统计弹药发射次数的方法，属于声音信号处理和深度学习技术领域。本发明输入要识别的弹药发射音频数据，进行分帧操作，生成特征图，提取多尺度特征并进行融合，提取上下文特征，并提取组合特征，进行特征分类和分类结果优化，统计弹药发射次数。本发明通过多尺度特征提取、融合，两次Bi‑GRU网络有效地捕获音频时间序列数据的上下文特征，能够兼顾识别速度和精度，精确识别弹药发射声音并自动统计枪炮弹药发射次数。

主权项：1.一种自动统计弹药发射次数的方法，其特征在于，该方法包括如下步骤：S1、弹药发射音频获取：输入要识别的弹药发射音频数据，进行分帧操作；S2、特征图生成：对分帧后的音频信号进行傅里叶变换、Mel滤波器组、对数变换、归一化操作，生成Log-Mel频谱图，即二维特征图；S3、多尺度特征提取：利用多尺度卷积提取二维特征图的4个不同尺度上的特征；S4、多尺度特征融合：将步骤S3中生成的不同尺度上的4组特征图进行拼接，将不同尺度提出的特征进行融合；拼接之后再进行卷积操作，减小特征图的通道数，使其跟原输入特征图通道数保持一致；S5、上下文特征提取：将步骤S4中输出的特征图输入Bi-GRU网络，处理完后再次输入Bi-GRU网络，提取全局上下文信息并输出长期和短期依赖特征；S6、组合特征提取：将步骤S5输出的结果输入全连接层神经网络，利用神经网络对S5的特征进行线性组合，将组合特征表示映射到弹药发射音频的样本标记空间；S7、特征分类：将步骤S6输出的结果输入神经网络的激活函数，这里采用sigmoid函数，将输出值映射到0到1之间，计算音频组合特征对应的类别概率，区分弹药发射音频和其他类别的音频，并计算每次弹药发射的起止时间；S8、分类结果优化：对弹药发射分类结果进行后处理，包括合并相邻弹药发射声音、删除持续时间较短弹药发射音频声音；S9、弹药发射次数统计：根据弹药发射的起止时间统计弹药发射次数。

全文数据：

权利要求：

百度查询： 北京计算机技术及应用研究所;北京航天爱威电子技术有限公司 一种自动统计弹药发射次数的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD