买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南昌航空大学申请的专利基于谐波特征与深度学习的无人机语音增强方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120148540B 。

龙图腾网通过国家知识产权局官网在2025-12-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510476287.3，技术领域涉及：G10L21/0232；该发明授权基于谐波特征与深度学习的无人机语音增强方法及系统是由刘玉平;张莹;潘子兴;吴宇恒;席永康;关媛元;王月月;吴欣怡;徐勋恒;陈飞龙;王梓淮;黄景贻设计研发完成，并于2025-04-16向国家知识产权局提交的专利申请。

本基于谐波特征与深度学习的无人机语音增强方法及系统在说明书摘要公布了：本发明公开了基于谐波特征与深度学习的无人机语音增强方法及系统，该方法包括以下步骤，采集无人机的旋翼自噪声信号，即原始的采样频率，对原始的采样频率进行处理，获得特征向量，对特征向量进行处理，生成噪声动态变化标签，将特征向量和噪声动态变化标签组合成数据集，构建深度学习模型，将数据集输入深度学习模型进行处理，输出噪声动态变化标签的预测结果，对上述采集的数据进行提取，得到带噪语音幅度谱，对带噪语音幅度谱进行平滑处理，得到增强后的信号，将增强后的信号进行输出。本发明通过对无人机的旋翼自噪声信号进行提取，并结合深度学习模型预测噪声变化趋势，能够更精准地分离噪声与语音，从而大幅提高语音信噪比。

本发明授权基于谐波特征与深度学习的无人机语音增强方法及系统在权利要求书中公布了：1.一种基于周期性谐波特征与深度学习预测的无人机语音增强方法，其特征在于，包括如下步骤： 步骤S1：采集无人机的旋翼自噪声信号，即原始的采样频率； 步骤S2：对原始的采样频率进行处理，得到新的采样频率，对新的采样频率进行过滤处理，获得归一化信号，对归一化信号进行提取，获取归一化信号频谱，使用峰值检测算法找到归一化信号频谱中的峰值，将峰值作为基频，对归一化信号频谱进行提取，获得谐波分量，将基频和谐波分量按顺序排列，形成特征向量； 步骤S3：对特征向量进行处理，生成噪声动态变化标签，将特征向量和噪声动态变化标签组合成数据集，构建深度学习模型，将数据集输入深度学习模型进行处理，输出噪声动态变化标签的预测结果； 将特征向量F作为输入数据，对输入数据进行处理，计算输入数据中基频和谐波分量前一帧的变化值，生成噪声动态变化标签Y=[Δffundamental,ΔEharmonic,2,ΔEharmonic,3,…,ΔEharmonic,10]，ΔEharmonic,10表示第十个谐波分量的动态变化值，表示： Δffundamental=ffundamental,t−ffundamental,t−1； ΔEharmonic,i=Eharmonic,i,t−Eharmonic,i,t−1； 式中，Δffundamental表示当前帧基频减前一帧基频的差；ffundamental,t−1表示前一帧t−1的基频；ΔEharmonic,i表示当前帧第i个谐波分量的能量减前一帧第i个谐波分量的能量；Eharmonic,i,t表示前一帧t中，第i个谐波分量；Eharmonic,i,t−1表示前一帧t−1中，第i个谐波分量； 步骤S4：对无人机的旋翼自噪声信号进行提取，得到带噪语音幅度谱，根据噪声动态变化标签的预测结果使用最小统计量法计算无人机的旋翼自噪声信号的能量分布，对带噪语音幅度谱进行平滑处理，得到平滑后的频谱，对平滑后的频谱进行处理，得到噪声的频谱特性，通过带噪语音幅度谱减去噪声的频谱特性，获得增强后的幅度谱，对带噪语音幅度谱进行处理，得到相位信息，将增强后的幅度谱和相位信息结合，构建增强后的频谱，对增强后的频谱进行处理，得到增强后的信号； 步骤S5：将增强后的信号进行输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南昌航空大学，其通讯地址为：330000 江西省南昌市红谷滩区丰和南大道696号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。