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！

龙图腾网恭喜东南大学申请的专利基于声响特征的爆炸位源信息快速识别方法与装置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：CN115376555B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202210954751.1，技术领域涉及：G10L25/51；该发明授权基于声响特征的爆炸位源信息快速识别方法与装置是由黄杰;宗周红;陈振健;李佳奇;夏梦涛;李奕晖;陈烨婧设计研发完成，并于2022-08-10向国家知识产权局提交的专利申请。

本基于声响特征的爆炸位源信息快速识别方法与装置在说明书摘要公布了：本发明公开了一种基于声响特征的爆炸位源信息快速识别方法，该方法包括：S1：测定现场传播介质参数；S2：采集环境噪声；S3：将不同爆源所对应的爆炸声响信号进行收集组成原始声音信号数据库I；S4：将数据库I中信号预处理后提取短时能量特征、倒谱系数特征、爆炸声谱纹理HOG特征、爆炸声谱颜色矩特征，并建立训练特征数据库D；S5：利用训练数据库D中的四类融合特征训练信息向量机模型；S6：现场实测爆炸声音信号，对信号进行预处理；S7：提取现场预处理后信号四类融合特征，输入已训练的IVM模型中，确定爆炸位源信息；S8：将IVM预测结果准确的预测样本作为新的训练样本动态更新原训练数据库D中，重新训练IVM。

本发明授权基于声响特征的爆炸位源信息快速识别方法与装置在权利要求书中公布了：1.一种基于声响特征的爆炸位源信息快速识别方法，其特征在于，该方法包括如下步骤：步骤S1：测定现场传播介质参数，作为后续步骤区分不同环境下声音信号的环境标签；步骤S2：采集环境噪声；步骤S3：将不同爆源所对应的爆炸声响信号进行收集，组成原始声音信号数据库I；步骤S4：将原始数据库I中的爆炸声响信号进行时间尺度规整、并根据步骤S2中采集的环境噪声进行去噪预处理，提取不同爆源信号的短时能量特征SE、倒谱特征系数MFCC、反映爆炸声谱纹理特征的HOG特征、反映爆炸声谱颜色分布特征的颜色矩特征CM以获得四类融合特征，并建立信息向量机IVM模型的训练样本数据库D；步骤S5：将训练数据库D中的四类融合特征训练信息向量机IVM模型；步骤S6：实时监测爆炸声音信号，对所测爆炸声信号进行规整，并根据步骤S2中采集的环境噪声进行去噪预处理；步骤S7：提取现场爆炸声响信号短时能量特征SE、修正的倒谱特征系数MFCC、爆炸声谱纹理特征的HOG特征、爆炸声谱颜色分布特征的颜色矩特征CM，将四类融合特征输入已训练的IVM模型中，预测确定爆炸位源信息；步骤S8：将IVM预测结果准确的预测样本作为新的训练样本更新原训练数据库D中，重新训练IVM，再对所监测的爆炸声音进行预测；根据步骤S3中所收集的数字信号，进行声音信号四类特征的提取，四类融合特征的提取方法如下：从原始数字信号中提取反映声音能量信息的短时能量特征SE和反映声音信号能量特征规律的MFCC特征；将爆炸的原声声响信号绘制成时间-频率-幅值的三维爆炸声谱图，提取反映声谱纹理分布的HOG纹理特征和声谱在不同频率带分布幅值大小的颜色矩特征CM；构建的训练样本数据库D如下：D＝[X,Y]，其中，输入特征矩阵X为训练样本的输入值，输出矩阵Y为训练样本的输出值，输入特征矩阵X＝[x1,x2,x3,x4]由四个特征向量组成，包括x1＝{爆炸声响的短时能量特征SE}、x2＝{梅尔倒谱特征系数MFCC}、x3＝{反映爆炸声谱纹理特征的HOG特征}、x4＝{反映爆炸声谱颜色分布特征的颜色矩特征CM}，输出特征矩阵Y＝[y1,y2]由两个特征向量组成，包括：y1＝{不同爆炸声响特征随对应的爆源比例埋深}；y2＝{不同监测点的爆炸声响特征距离爆源的比例距离}。

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东南大学，其通讯地址为：210000 江苏省南京市玄武区四牌楼2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”。