買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京理工大學申請的專利一種基于脈沖神經網絡的端到端語音識別方法與系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116994573B 。

龍圖騰網通過國家知識產權局官網在2025-09-09發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310552616.9，技術領域涉及：G10L15/16；該發明授權一種基于脈沖神經網絡的端到端語音識別方法與系統是由楊旭;高藍宇;謝之非;雷云霖設計研發完成，并于2023-05-16向國家知識產權局提交的專利申請。

本一種基于脈沖神經網絡的端到端語音識別方法與系統在說明書摘要公布了：一種基于脈沖神經網絡進行端到端語音識別的方法，包括語音數據預處理、訓練具有自注意力的卷積脈沖神經網絡和預處理后的語音數據輸入訓練好的脈沖神經網絡進行識別三個步驟，脈沖神經元模型使用多個時間步長的LIF神經元模型，提出針對自注意力的卷積脈沖神經網絡結構。本方法更多地結合生物特性，能有效降低神經網絡的計算量，在大規模語音數據集能更準確地識別出文本內容。

本發明授權一種基于脈沖神經網絡的端到端語音識別方法與系統在權利要求書中公布了：1.一種基于脈沖神經網絡的端到端語音識別方法，其特征在于，包括如下步驟： 步驟1：語音數據預處理，包括：對原始語音數據進行特征提取、特征增強后，進行上采樣，最后進行相對位置編碼； 步驟2：利用預處理后的語音數據構成的數據集訓練具有自注意力的卷積脈沖神經網絡；所述具有自注意力的卷積脈沖神經網絡包括具有自注意力的卷積脈沖編碼器和線性脈沖解碼器； 所述具有自注意力的卷積脈沖編碼器包括依次連接的線性脈沖神經元層、Dropout層和m個由脈沖神經元組成的自注意力卷積塊，所述自注意力卷積塊中，以LIF脈沖神經元替代激活函數進行激發，且自注意力卷積塊的各模塊之間的輸入和輸出進行殘差計算； 所述線性脈沖解碼器為一層線性脈沖神經元層，以所述具有自注意力的卷積脈沖編碼器的輸出數據作為輸入； 所述自注意力卷積塊中的模塊包括依次連接的第一半步長前饋模塊、多頭自注意力模塊、卷積模塊、第二半步長前饋模塊以及歸一化模塊； 所述第一半步長前饋模塊和所述第二半步長前饋模塊的結構相同，均包括依次連接的第一歸一化模塊、第一線性脈沖神經元層A、第一LIF脈沖神經元層、第一Dropout層A、第一線性脈沖神經元層B和第一Dropout層B，其中第一Dropout層B的輸出數據除2后與第一歸一化模塊的輸入數據進行殘差計算作為所述第一半步長前饋模塊的最終輸出； 所述多頭自注意力模塊包括依次連接的第二歸一化模塊、h個自注意力層和第二Dropout層，所述第二Dropout層將多頭自注意力模塊的輸入數據經過每個自注意力層的結果進行求和，求和結果與第二歸一化模塊的輸入數據進行殘差計算作為所述多頭自注意力模塊的最終輸出； 所述卷積模塊包括依次連接的第三歸一化模塊、逐點卷積層A、第二LIF脈沖神經元層A、一維深度卷積層、批歸一化層、第二線性脈沖神經元層、第二LIF脈沖神經元層B、逐點卷積層B和第三Dropout層， 所述一維深度卷積層和所述批歸一化層將LIF脈沖神經元激發后的數據與激發前的數據做乘法操作，所述第三Dropout層的輸出數據與所述第三歸一化模塊的輸入數據進行殘差計算作為所述卷積模塊的最終輸出； 步驟3：將待識別的語音數據預處理后，輸入訓練好的脈沖神經網絡進行識別，實現語音文本轉化。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京理工大學，其通訊地址為：100081 北京市海淀區中關村南大街5號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。