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！

龙图腾网恭喜中南大学申请的专利基于音频信号特征的浮选过程工况识别方法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：CN114510970B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202210092432.4，技术领域涉及：G10L25/51；该发明授权基于音频信号特征的浮选过程工况识别方法是由王雅琳;吴翰升;王凯;刘晨亮;袁小锋;谭栩杰;李思龙设计研发完成，并于2022-01-26向国家知识产权局提交的专利申请。

本基于音频信号特征的浮选过程工况识别方法在说明书摘要公布了：本发明提供了一种基于音频信号特征的浮选过程工况识别方法，包括：步骤1，数据准备与数据预处理，具体包括数据的获取、降噪和工况类别划分；步骤2，根据梅尔声谱图纵轴代表的频率物理意义，放大浮选音频信号中关键频段所占比例，减小不重要频段的影响，构建基于特征注意力机制的浮选音频梅尔声谱图。本发明通过观察梅尔谱图中不同频段对识别结果的影响，找出关键频段，构建基于注意力机制的浮选音频梅尔声谱图，进行特征的初步提取，在建立模型时引入迁移学习，通过模型本身的输出特性筛选出最可能识别正确的测试集数据并打上伪标签，同时对齐数据的边缘分布和条件分布来确保迁移时仍能产生良好的分类界限，达到提高模型泛化性能的目的。

本发明授权基于音频信号特征的浮选过程工况识别方法在权利要求书中公布了：1.一种基于音频信号特征的浮选过程工况识别方法，其特征在于，包括：步骤1，数据准备与数据预处理，具体包括数据的获取、降噪、工况类别划分和训练集与测试集的数据划分；步骤2，基于梅尔声谱图纵轴代表的频率物理意义对浮选音频信号中关键频段所占比例进行放大，对不重要频段的影响进行减小，构建基于特征注意力机制的浮选音频梅尔声谱图；步骤3，构建深度卷积网络模型，将基于特征注意力机制的浮选音频梅尔声谱图作为深度卷积网络模型的输入，以训练集的分类损失和训练集测试集间的最大均值差异作为损失，训练深度卷积网络模型进而自动学习提取深层次的音频信号特征，最终将提取到的深层特征输入所述深度卷积网络模型中的分类器进行分类；步骤4，将无标签的测试集数据输入深度卷积网络模型，选取识别结果中的部分数据打上伪标签，使用打上伪标签的测试集数据和训练集数据重新训练深度卷积网络模型；步骤5，重复执行步骤4，直到达到指定次数，以最后一次得到的深度卷积网络模型作为浮选过程工况识别模型；其中，所述步骤1具体包括：步骤11，通过麦克风采集浮选过程中刮板刮泡沫以及刮出的泡沫落到底部槽内时产生的音频信号，每间隔一小时采集两分钟的音频，并记录下相应时刻对应的泡沫浓度与品位作为音频数据的标签；所述步骤2具体包括：步骤21，将每段浮选音频信号转化成梅尔声谱图并建立深度卷积网络模型，以获得的梅尔声谱图作为深度卷积网络模型的输入，使用训练集训练深度卷积网络模型并对测试集数据进行工况识别，在多组超参数训练得到的不同深度卷积网络模型中选取测试集识别准确度最高的深度卷积网络模型作为基准模型；步骤22，梅尔声谱图中的不同频段加上掩膜，用于屏蔽部分频段的特征，将加上掩膜的梅尔声谱图作为输入训练新的深度卷积网络模型，将新的深度卷积网络模型在测试集上的准确度与基准模型的结果进行比较，确定屏蔽不同频段后对准确度的影响；所述步骤2还包括：步骤23，将对准确度影响最大的频段作为关键特征，影响较小的频段作为次要特征；步骤24，在将音频信号转化成梅尔声谱图的过程中，对关键特征进行加权，增强关键特征所占比重并削弱次要特征的影响。

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中南大学，其通讯地址为：410000 湖南省长沙市岳麓区麓山南路932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”。