期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于门控残差卷积编解码网络的单通道语音增强方法 被引量:6
1
作者 张天骐 柏浩钧 +1 位作者 叶绍鹏 刘鉴兴 《信号处理》 CSCD 北大核心 2021年第10期1986-1995,共10页
针对卷积编解码网络(CED,Convolution encoder-and-decoder)对语音时序相关信息捕获困难的问题,本文提出了一种基于门控残差卷积编解码网络的语音增强方法。该方法在卷积编解码网络的基础上引入了门控机制、膨胀卷积与残差连接:门控机... 针对卷积编解码网络(CED,Convolution encoder-and-decoder)对语音时序相关信息捕获困难的问题,本文提出了一种基于门控残差卷积编解码网络的语音增强方法。该方法在卷积编解码网络的基础上引入了门控机制、膨胀卷积与残差连接:门控机制能够很好地处理序列前后相关信息;膨胀卷积使得卷积过程获得更大的感受野,提取更加丰富的全局信息;残差连接能够防止梯度消失与梯度爆炸,提升网络精度。此外,采用频域损失函数与时域评价指标联合优化的策略对网络进行训练,以进一步提升网络增强效果。实验表明,在匹配噪声和不匹配噪声下,相比于基线CED与其他对比方法,本文方法取得了更高的PESQ、STOI与SI-SDR,对语音的清浊音都有较好恢复效果,且具有较强的泛化能力。 展开更多
关键词 语音增强 门控机制 卷积编解码网络 残差连接
在线阅读 下载PDF
基于卷积编解码网络的自由感应衰减信号提取方法
2
作者 王琦 杜海龙 +1 位作者 陈玫玫 韦健 《实验技术与管理》 CAS 北大核心 2022年第1期59-61,65,共4页
在实际应用中,自由感应衰减信号(FID)数据中通常含有大量噪声干扰,直接影响了检测结果的准确性。该文针对上述问题,设计了一种基于卷积编解码网络的FID信号提取方法。即在卷积神经网络的框架下,通过训练学习复杂噪声背景下FID数据时频... 在实际应用中,自由感应衰减信号(FID)数据中通常含有大量噪声干扰,直接影响了检测结果的准确性。该文针对上述问题,设计了一种基于卷积编解码网络的FID信号提取方法。即在卷积神经网络的框架下,通过训练学习复杂噪声背景下FID数据时频谱与纯净FID信号时频谱之间的映射关系,实现FID信号的噪声压制,再经短时傅里叶逆变换完成FID信号的提取。在卷积网络训练中同时考虑了FID信号的实部和虚部特征,更好地保留了其相位信息。实验结果表明:提出的FID信号提取方法可以在多种噪声同时存在的情况下有效地压制噪声,且不损失FID信号。该方法可作为深度学习课程的验证性实验,也可作为创新性实验内容。 展开更多
关键词 自由感应衰减 卷积编解码网络 时频谱
在线阅读 下载PDF
一种新的胎心率信号压缩方法——卷积编解码网络 被引量:1
3
作者 阙与清 陈定科 +1 位作者 童蕾 陈超敏 《南方医科大学学报》 CAS CSCD 北大核心 2021年第2期279-284,共6页
为减少物联网系统中数据传输和存储的能量损失,提高胎心率数据的传输效率,实现胎儿的实时监控,本文使用卷积编解码器网络(CC-Net)压缩数据。网络有两个模块:编码和解码,在编码模块中,原始数据被压缩;在解码模块中,压缩数据被重建。然后... 为减少物联网系统中数据传输和存储的能量损失,提高胎心率数据的传输效率,实现胎儿的实时监控,本文使用卷积编解码器网络(CC-Net)压缩数据。网络有两个模块:编码和解码,在编码模块中,原始数据被压缩;在解码模块中,压缩数据被重建。然后,通过使用原始信号和重建信号的均方误差来连续更新内部参数,以使误差最小。最后,在编码模块中获得有效的压缩数据。在本研究中,该方法对胎儿心率信号的压缩率达到了12.07%,重构信号与原始信号之间的误差为0.03。本研究提出的卷积编解码器网络(CC-Net)可以实现非常低的胎儿心率压缩率,并且可以确保重建的信号与原始信号非常相似,表明压缩方法是有效的,并且保留了胎儿心率信号的重要信息。 展开更多
关键词 物联网 母婴监测系统 卷积编解码网络 胎心率 数据压缩
在线阅读 下载PDF
融合通道注意力机制和深度编解码卷积网络的道路场景分割 被引量:4
4
作者 黄泽华 丁学明 《小型微型计算机系统》 CSCD 北大核心 2021年第11期2362-2367,共6页
针对深度编解码卷积网络在道路场景分割中没有考虑对各卷积特征图通道依赖性的问题,提出了一种融合通道注意力机制的深度编解码卷积网络,并将通道注意力机制改进为双路通道注意力机制.该方法保留了原有通道注意力机制能优化背景信息的优... 针对深度编解码卷积网络在道路场景分割中没有考虑对各卷积特征图通道依赖性的问题,提出了一种融合通道注意力机制的深度编解码卷积网络,并将通道注意力机制改进为双路通道注意力机制.该方法保留了原有通道注意力机制能优化背景信息的优点,同时增加另一路通道用来收集到难区分物体之间重要的特征,从而获得详细的通道注意力.实验结果表明,对于道路场景图像,融合双路通道注意力机制的深度编解码卷积网络进一步提高了分割性能,其中在评价指标准确率和平均交并比分别提高了约7个百分点和8个百分点. 展开更多
关键词 道路场景分割 深度编解码卷积网络 通道注意力机制 分割性能
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部