Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜华南师范大学周柏如获国家专利权

恭喜华南师范大学周柏如获国家专利权

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!

龙图腾网恭喜华南师范大学申请的专利一种基于双路径WaveNet的自监督机器异常声音检测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:CN119360884B

龙图腾网通过国家知识产权局官网在2025-06-03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:202411896447.1,技术领域涉及:G10L25/30;该发明授权一种基于双路径WaveNet的自监督机器异常声音检测方法是由周柏如;尹明设计研发完成,并于2024-12-23向国家知识产权局提交的专利申请。

一种基于双路径WaveNet的自监督机器异常声音检测方法在说明书摘要公布了:本申请提供一种基于双路径WaveNet的自监督机器异常声音检测方法,包括:步骤1:在频域路径使用WaveNet针对输入声音信号的每个时间帧的频率信息进行建模,提取频域特征;步骤2:时域路径以频域路径的输出为输入,并对其进行转置后对时间维度进行建模;步骤3:频域路径和时域路径的输出经过二维卷积层进一步融合特征,生成一维嵌入向量;步骤4:采用自监督策略,利用元数据构建分类任务以训练模型;步骤5:经训练后的模型,在检测阶段,根据模型测试样本的异常分数判断是否正常。本申请的双路径设计实现了对时频谱图的全面建模,不仅保留了时间和频率维度的局部细节,还能有效捕捉频域谐波信息和时域动态特性,解决了时频谱图中复杂特征建模不足的问题。

本发明授权一种基于双路径WaveNet的自监督机器异常声音检测方法在权利要求书中公布了:1.一种基于双路径WaveNet的自监督机器异常声音检测方法,其特征在于,包括将输入的一维音频信号变换为时频谱图,随后还包括:步骤1:在频域路径使用WaveNet针对输入声音信号的每个时间帧的频率信息进行建模,提取频域特征:Ds=WsX;其中Ws·表示频域路径的WaveNet映射函数,X∈RT×F表示输入数据X的维度是T×F,Ds∈RT×F为输出频域特征;步骤2:时域路径以频域路径的输出Ds为输入,对其进行转置后,将其视为F个长度为T的一维序列,然后,在时间维度使用WaveNet进行建模,输出为时域特征Dg∈RF×T, 其中Wt·表示时域路径的WaveNet映射函数;步骤3:频域路径和时域路径的输出Dg经过二维卷积层进一步融合特征,生成一维嵌入向量;步骤4:采用自监督策略,利用元数据构建分类任务以训练模型,分类损失函数为ArcFaceLoss;步骤5:经训练后的模型,在检测阶段,模型通过分类概率计算异常分数A,如果测试样本的异常分数A超过设定阈值,则判定为异常;否则,判断为正常;所述步骤4中分类损失函数ArcFaceLoss的计算方法为:步骤4.1:将所述一维嵌入向量和类别权重向量都进行归一化处理;步骤4.2:通过计算归一化后的一维嵌入向量和归一化后的类别权重向量之间的余弦相似度得到每个类别的角度值θj;步骤4.3:引入角度间隔m,计算真实类别yi的角度余弦值;步骤4.4:引入缩放因子s,计算最终的logits值步骤4.5:通过Softmax函数将所述logits值转化为概率分布;步骤4.6:使用交叉熵损失函数计算ArcFace损失。

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华南师范大学,其通讯地址为:510635 广东省广州市中山大道西55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”。

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。