会员体验
专利管家(专利管理)
工作空间(专利管理)
风险监控(情报监控)
数据分析(专利分析)
侵权分析(诉讼无效)
联系我们
交流群
官方交流:
QQ群: 891211   
微信请扫码    >>>
现在联系顾问~
热词
    • 31. 发明授权
    • 기 설계된 음향 데이터 신호를 이용한 실내 위치 추정 방법
    • KR101869865B1
    • 2018-06-22
    • KR1020150183286
    • 2015-12-21
    • 서울대학교산학협력단
    • 김남수최석재
    • G01S5/20G01S11/14H04W4/02
    • 본발명은기 설계된음향데이터신호를이용한실내위치추정방법에관한것으로서, 보다구체적으로는음향데이터신호를이용한실내위치추정방법으로서, (1) 복수개의음향데이터신호가설계되어스피커에서송신되는단계(S100), (2) 상기단계 (1)에서설계된복수개의음향데이터신호가중첩되어수신된수신단에서, 각각의음향데이터신호의상대적인도달시간이계산되고, 상기계산된도달시간을바탕으로각각의음향데이터신호로분리되는단계(S200), (3) 상기단계 (2)에서계산된도달시간을바탕으로각각의음향데이터신호간의 TDOA가계산되는단계(S300), 및 (4) 상기단계 (3)에서계산된각각의음향데이터신호간의 TDOA를이용하여최종수신단의위치가계산되는단계(S400)를포함하는것 그구성상의특징으로한다. 본발명에서제안하고있는기 설계된음향데이터신호를이용한실내위치추정방법에따르면, 음향데이터신호를이용한실내위치추정방법으로서, 각각의음향데이터신호가특정주파수및 특정코드를갖도록설계하고, 중첩된음향데이터신호를분리할때, 상호상관함수와 preceding signal detection 알고리즘을이용하여중첩된음향데이터신호를분리함으로써, 중첩된음향데이터신호를보다효과적으로분리할수 있고, 잔향등의실내간섭의영향을보다적게받으며실내위치를추정할수 있다.
    • 32. 发明公开
    • 기 설계된 음향 데이터 신호를 이용한 실내 위치 추정 방법
    • 使用预先设计的声学数据信号的室内位置估计
    • KR1020170074322A
    • 2017-06-30
    • KR1020150183286
    • 2015-12-21
    • 서울대학교산학협력단
    • 김남수최석재
    • G01S5/20G01S11/14H04W4/02
    • 본발명은기 설계된음향데이터신호를이용한실내위치추정방법에관한것으로서, 보다구체적으로는음향데이터신호를이용한실내위치추정방법으로서, (1) 복수개의음향데이터신호가설계되어스피커에서송신되는단계(S100), (2) 상기단계 (1)에서설계된복수개의음향데이터신호가중첩되어수신된수신단에서, 각각의음향데이터신호의상대적인도달시간이계산되고, 상기계산된도달시간을바탕으로각각의음향데이터신호로분리되는단계(S200), (3) 상기단계 (2)에서계산된도달시간을바탕으로각각의음향데이터신호간의 TDOA가계산되는단계(S300), 및 (4) 상기단계 (3)에서계산된각각의음향데이터신호간의 TDOA를이용하여최종수신단의위치가계산되는단계(S400)를포함하는것 그구성상의특징으로한다. 본발명에서제안하고있는기 설계된음향데이터신호를이용한실내위치추정방법에따르면, 음향데이터신호를이용한실내위치추정방법으로서, 각각의음향데이터신호가특정주파수및 특정코드를갖도록설계하고, 중첩된음향데이터신호를분리할때, 상호상관함수와 preceding signal detection 알고리즘을이용하여중첩된음향데이터신호를분리함으로써, 중첩된음향데이터신호를보다효과적으로분리할수 있고, 잔향등의실내간섭의영향을보다적게받으며실내위치를추정할수 있다.
    • 更具体地,本发明涉及一种使用声学数据信号估计室内位置的方法,包括以下步骤:(1)设计多个声学数据信号并从扬声器发送声学数据信号(S100 );(2)在步骤(1)中设计的多个声学数据信号被叠加和接收的接收端处计算每个声学数据信号的相对到达时间,并且基于计算的到达时间, (3)根据在步骤(2)中计算出的到达时间计算各个声音数据信号之间的TDOA的步骤(S300),以及(4)步骤(3) 并且在计算的声音数据信号之间使用TDOA计算最终接收器的位置(S400)。 根据使用本发明中提出的预先设计的声学数据信号的室内位置估计方法,使用声学数据信号的室内位置估计方法被设计为使得每个声学数据信号具有特定频率和特定代码, 在分离数据信号时,使用互相关函数和先前的信号检测算法来分离叠加的声学数据信号,以更有效地分离叠加的声学数据信号并且接收诸如混响之类的房间干扰的较小影响 室内位置可以估计。
    • 33. 发明公开
    • 심화 신경망을 이용한 통계모델 기반의 음성 검출 방법 및 이를 수행하는 음성 검출 장치
    • 基于使用深度神经网络的统计模型和执行其的语音活动检测装置的语音活动检测方法
    • KR1020160073874A
    • 2016-06-27
    • KR1020140182736
    • 2014-12-17
    • 서울대학교산학협력단한양대학교 산학협력단
    • 장준혁황인영김남수
    • G10L25/78G10L25/30
    • G10L25/78G10L25/30
    • 본발명은심화신경망을이용한통계모델기반의음성검출방법및 이를수행하기위한음성검출장치에관한것으로서, 보다구체적으로는음성검출장치가, (1) 학습단계에서, 주변잡음에의해오염된음성신호를입력받고, 입력된음성신호의분산값에기초하여, 사전(a priori) 신호대 잡음비(SNR), 사후(a posteriori) 신호대 잡음비(SNR) 및우도비(likelihood ratio, LR)를이용한특징벡터를추출하는단계; (2) 상기학습단계에서, 상기추출된특징벡터의결과를이용하여, 복수의비선형은닉층을갖는심화신경망의가중치및 바이어스를초기화하여상기심화신경망을선행학습시키는단계; (3) 상기학습단계에서, 상기추출된특징벡터의결과와음성의존재/부재에대한레이블링값을이용하여, 기울기하강기반의역전이알고리즘에기초하여상기심화신경망을최적화시키는단계; 및 (4) 분류단계에서, 상기특징벡터추출방법을통해서얻어진특징벡터로부터상기학습된심화신경망을통해서얻어진결과를이용한결정함수에기초하여, 상기입력된음성신호를음성구간또는잡음구간으로분류하는단계를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는심화신경망을이용한통계모델기반의음성검출방법및 이를수행하는음성검출장치에따르면, 학습단계에서, 주변잡음에의해오염된음성신호를입력받고, 입력된음성신호의분산값에기초하여, 사전(a priori) 신호대 잡음비(SNR), 사후(a posteriori) 신호대 잡음비(SNR) 및우도비(likelihood ratio, LR)를이용한특징벡터를추출하며, 상기추출된특징벡터의결과를이용하여, 복수의비선형은닉층을갖는심화신경망의가중치및 바이어스를초기화하여상기심화신경망을선행학습시키고, 상기추출된특징벡터의결과와음성의존재/부재에대한레이블링값을이용하여, 기울기하강기반의역전이알고리즘에기초하여상기심화신경망을최적화시키며, 분류단계에서, 상기특징벡터추출방법을통해서얻어진특징벡터로부터상기학습된심화신경망을통해서얻어진결과를이용한결정함수에기초하여, 상기입력된음성신호를음성구간또는잡음구간으로분류함으로써, 다수의비선형은닉층을이용하여음성이존재하는경우와존재하지않는경우에대한우도비의분포를보다효과적으로모델링할수 있고, 음성검출성능을향상시킬수 있으며, 계산소요시간을감소시킬수 있다.
    • 本发明涉及一种基于使用深神经网络的统计模型和执行该神经网络的语音检测装置的语音检测方法。 该方法包括以下步骤:(1)使用先验信噪比(SNR),后验信噪比(SNR)和似然比(LR)提取特征向量; (2)提前深入学习神经网络; (3)基于梯度下降计数器转移算法优化深神经网络; 和(4)将输入的语音信号分成语音部分或噪声部分。
    • 34. 发明授权
    • 딥 뉴럴 네트워크 기반 특징 보상 기법을 이용한 음성 인식 방법
    • 使用基于深层神经网络的特征补偿的语音识别方法
    • KR101624926B1
    • 2016-05-27
    • KR1020140182745
    • 2014-12-17
    • 서울대학교산학협력단
    • 김남수강신재이강현
    • G10L15/16G10L15/20G10L25/30
    • G10L15/16G10L15/20G10L25/30Y10S706/90
    • 본발명은딥 뉴럴네트워크기반특징보상기법을이용한음성인식방법에관한것으로서, 보다구체적으로는 (1) 잡음이혼합된학습데이터를이용해딥 뉴럴네트워크(Deep Neural Network; DNN)를학습하는단계; (2) 테스트데이터를상기학습된딥 뉴럴네트워크에적용하여보상된특징벡터또는스테이트사후확률을도출하는단계; 및 (3) 상기단계 (2)에서도출된보상된특징벡터또는스테이트사후확률을이용해, 음성인식결과를도출하는단계를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는딥 뉴럴네트워크기반특징보상기법을이용한음성인식방법에따르면, 잡음이혼합된학습데이터를이용해딥 뉴럴네트워크를학습함으로써, 잡음과깨끗한음성과의관계를자동으로학습할수 있으며, 학습된딥 뉴럴네트워크에테스트데이터를적용하여보상된특징벡터또는스테이트사후확률을도출하고, 이를이용해음성인식결과를도출함으로써, 어떤잡음에서도정확한특징보상이이루어질수 있고, 이를통해향상된음성인식결과를얻을수 있다. 또한, 본발명에따르면, 특징벡터또는스테이트사후확률에대하여딥 뉴럴네트워크를학습하고, 학습된딥 뉴럴네트워크를통해보상된특징벡터또는스테이트사후확률을얻을수 있으므로, 디코더의종류에따라다양한방식으로음성인식에적용될수 있다.
    • 本发明涉及一种通过使用基于深神经网络(DNN)的特征补偿技术的语音识别方法。 更具体地说,本发明包括:(1)通过使用与噪声混合的学习数据来学习DNN的步骤; (2)通过将测试数据应用于所学习的DNN来计算补偿特征向量或后验状态概率的步骤; 和(3)通过使用在步骤(2)中计算的补偿特征向量或后验状态概率来绘制语音识别结果的步骤。 根据通过使用基于本发明提出的DNN的特征补偿技术的语音识别方法,可以通过使用与噪声混合的学习数据学习DNN来自动学习噪声与干净语音之间的关系 并用任何噪声进行精确的特征补偿,从而通过将测试数据应用于学习的DNN并通过使用相同的语音识别结果绘制补偿特征向量或后验状态概率来获得改进的语音识别结果 。 此外,本发明能够根据解码器类型以各种模式应用于语音识别,因为本发明能够根据特征向量或后验状态概率学习DNN,并获得补偿后的特征向量或 通过学习的DNN的后验状态概率。