買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南昌交通學(xué)院申請的專利一種基于深度學(xué)習(xí)的人機(jī)交互語音識別系統(tǒng)及方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120279921B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510740753.4，技術(shù)領(lǐng)域涉及：G10L17/22；該發(fā)明授權(quán)一種基于深度學(xué)習(xí)的人機(jī)交互語音識別系統(tǒng)及方法是由徐亦丹;龔文輝設(shè)計研發(fā)完成，并于2025-06-05向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于深度學(xué)習(xí)的人機(jī)交互語音識別系統(tǒng)及方法在說明書摘要公布了：本發(fā)明公開了一種基于深度學(xué)習(xí)的人機(jī)交互語音識別系統(tǒng)及方法，涉及人機(jī)交互語音識別技術(shù)領(lǐng)域，本發(fā)明通過多模態(tài)信號協(xié)同與動態(tài)決策機(jī)制，顯著提升工業(yè)多人協(xié)同場景下的指令識別魯棒性，采用元學(xué)習(xí)適配層以極低樣本量實(shí)現(xiàn)設(shè)備專屬聲紋映射，突破傳統(tǒng)聲紋模型依賴大規(guī)模數(shù)據(jù)的限制；設(shè)置動態(tài)閾值結(jié)合噪聲頻譜分析與設(shè)備狀態(tài)，抑制突發(fā)干擾導(dǎo)致的誤判；采用的有限指令語法樹與傳感器驅(qū)動的優(yōu)先級調(diào)整，使得緊急指令優(yōu)先執(zhí)行，降低安全風(fēng)險。

本發(fā)明授權(quán)一種基于深度學(xué)習(xí)的人機(jī)交互語音識別系統(tǒng)及方法在權(quán)利要求書中公布了：1.一種基于深度學(xué)習(xí)的人機(jī)交互語音識別系統(tǒng)，其特征在于，包括， 多模態(tài)采集模塊，用于實(shí)時獲取語音信號及關(guān)聯(lián)的紅外人體檢測信號； 聲紋處理模塊，基于預(yù)訓(xùn)練的通用聲紋識別模型和可動態(tài)加載的設(shè)備專屬適配層，生成說話人身份向量； 動態(tài)決策模塊，根據(jù)所述語音信號的實(shí)時聲紋置信度、紅外人體檢測信號的空間一致性，以及預(yù)定義的設(shè)備操作權(quán)限列表，生成指令歸屬判定結(jié)果； 執(zhí)行模塊，響應(yīng)所述判定結(jié)果并輸出控制指令至目標(biāo)設(shè)備； 所述聲紋處理模塊包括： 預(yù)訓(xùn)練聲紋編碼器，用于從語音信號中提取通用聲紋特征； 所述設(shè)備專屬適配層，通過元學(xué)習(xí)框架生成，用于將通用聲紋特征映射至設(shè)備操作者特征空間； 所述紅外人體檢測信號的空間一致性，指聲源定位坐標(biāo)與紅外人體位置坐標(biāo)的偏差匹配度； 所述元學(xué)習(xí)框架采用模型無關(guān)元學(xué)習(xí)MAML算法，通過設(shè)備歷史注冊語音生成適配參數(shù)； 所述設(shè)備專屬適配層中，在新設(shè)備操作者注冊階段，從至多5條注冊語音中提取通用聲紋特征，構(gòu)成支持集，并以此初始化元學(xué)習(xí)框架參數(shù)，后續(xù)通過一次帶動量的梯度更新生成設(shè)備專屬適配參數(shù)，具體流程包括： 構(gòu)建支持集： ， 其中，S表示支持集，表示第條注冊語音提取的通用聲紋特征向量，表示第條注冊語音對應(yīng)的身份標(biāo)簽，表示樣本索引，表示支持集樣本總數(shù)； 定義支持集平均分類損失為： ， 其中，表示支持集上的平均分類損失，表示元模型初始化參數(shù)，表示分類損失函數(shù)，表示以為參數(shù)的聲紋適配映射函數(shù)，表示第條語音的通用聲紋特征向量，表示第條語音對應(yīng)的身份標(biāo)簽； 定義交叉熵?fù)p失為： ， 其中，表示模型預(yù)測概率向量，表示標(biāo)簽獨(dú)熱編碼向量，表示類別索引，表示類別總數(shù)，表示第維標(biāo)簽值，表示第維預(yù)測概率； 一階梯度更新生成適配參數(shù)： ， 其中，表示更新后的設(shè)備專屬適配層參數(shù)，表示學(xué)習(xí)率，表示對求梯度； 引入動量系數(shù)進(jìn)行二次更新，更新公式為： ， 其中，表示動量梯度累積，表示動量系數(shù)，表示學(xué)習(xí)率。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人南昌交通學(xué)院，其通訊地址為：330032 江西省南昌市經(jīng)濟(jì)技術(shù)開發(fā)區(qū)廣蘭大道899號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。