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！

龙图腾网获悉哈尔滨工业大学申请的专利一种噪声环境下在线指令词语音识别方法及系统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：CN113921000B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202111023192.4，技术领域涉及：G10L15/20；该发明授权一种噪声环境下在线指令词语音识别方法及系统是由王波;霍鑫;吴鑫䶮设计研发完成，并于2021-08-25向国家知识产权局提交的专利申请。

本一种噪声环境下在线指令词语音识别方法及系统在说明书摘要公布了：一种噪声环境下在线指令词语音识别方法及系统，属于语音识别技术领域，用以解决现有的序列推理模型对于噪声环境下的指令词语音识别效果较差的问题。本发明的技术要点包括：利用CNN分类模型将语音识别问题转换成图像识别问题进行处理，且利用CNN二分类网络模型准确区分语音和噪音；进一步地，提出基于激活向量输入分类判断方法，使用CNN网络模型的激活向量作为判断依据，准确实现了未知类别语音和指令词语音的分类，很好的解决了开集识别问题。本发明可以有效拒绝非指令词语音，实现噪声环境下指令词语音的准确识别。本发明适用于智能挖掘机器人或其它设备工作时的含噪声指令词语音识别。

本发明授权一种噪声环境下在线指令词语音识别方法及系统在权利要求书中公布了：1.一种噪声环境下在线指令词语音识别方法，其特征在于，包括下述步骤： 步骤一、对实时输入的未知声音信号进行预处理，所述预处理包括高频补偿和分帧处理； 步骤二、对经过预处理的未知声音信号进行特征提取，获取MFCC特征向量； 步骤三、将所述MFCC特征向量输入训练好的CNN二分类网络模型，识别获得所述未知声音信号为语音还是噪音； 步骤四、当识别所述未知声音信号为语音时，将该语音对应的MFCC特征向量进行拼接，计算获得MFCC特征图；将MFCC特征图输入训练好的CNN多分类网络模型对该语音进行识别，获得该语音的识别结果；其中，所述CNN多分类网络模型训练过程中引入激活向量作为CNN多分类网络模型结构中最后一层softmax运算的输入向量，训练过程包括：在根据训练集数据训练获得CNN多分类网络模型之后，将训练集数据输入模型中计算每个类别的激活向量，对于每个类别，使用该类别的激活向量拟合出对应的GMM函数； 将MFCC特征图输入训练好的CNN多分类网络模型对该语音进行识别，获得该语音的识别结果的具体过程包括：将MFCC特征图输入训练好的CNN多分类网络模型，首先计算获得MFCC特征图所属的概率最大的已知类别K，然后计算获得所述MFCC特征图对应的激活向量，然后将所述激活向量代入已知类别K在训练过程中拟合得到的GMM函数中进行计算，判断所述MFCC特征图对应的语音属于未知类别还是已知类别K，当计算得到的函数值大于预设超参数阈值时，判断所述MFCC特征图对应的语音属于上述已知类别K，否则属于未知类别。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。