申请/专利权人：中南林业科技大学

申请日：2023-11-22

公开（公告）日：2024-03-29

公开（公告）号：CN117789746A

主分类号：G10L21/0272

分类号：G10L21/0272;G10L21/0308;G10L25/30;G06N3/0455;G06N3/0442;G06N3/0464;G06N3/048;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开了一种基于深度学习的混叠鸟鸣声分离方法，对混叠鸟鸣声信号的特征进行提取，并在分离网络中计算其掩码向量，再通过解码器输出纯净鸟鸣声，将所有训练样本训练100次，逐渐提高分离效果，步骤一、在编码器中计算混叠鸟鸣声信号的特征向量；步骤二、在分离网络中，使用该特征向量计算出每一个鸟鸣声声源对应的掩码向量；步骤三、使用掩码向量处理编码器特征；步骤四、使用解码器重构纯净鸟鸣声信号。本发明方法具有分离效果好的特点，SI‑SNRi和SDRi分别达16.8dB和17.2dB。

主权项：1.一种基于深度学习的混叠鸟鸣声分离方法，其特征在于，包括以下步骤：步骤一、在编码器中计算两种混叠鸟鸣声信号的特征向量；所述的特征向量是指中间特征空间中对应的特征向量；步骤二、在分离网络中计算掩码向量；将混叠鸟鸣声信号对应的特征向量通过分离网络模块，获得每个纯净鸟鸣声在时间步长内对应的掩码向量；步骤三、使用掩码向量处理编码器特征；使用从分离网络中得到的掩码向量处理编码器中输出的混叠鸟鸣声特征向量；步骤四、使用解码器重构纯净鸟鸣声信号；将分离网络输出的特征向量经过解码器的一维转置卷积处理后即可得到两种纯净的鸟鸣声信号，实现混叠鸟鸣声的分离。

全文数据：

权利要求：

百度查询： 中南林业科技大学 一种基于深度学习的混叠鸟鸣声分离方法

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