“因诺微科技（天津）有限公司”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果8个，建议您升级VIP下载更多相关专利

[发明专利]基于无人机的UE设备信号搜索装置及方法-CN202211549047.4在审
发明人：李佳启;缪蔚;江海;齐心 -专利权人： 因诺微科技（天津）有限公司
申请日： 2022-12-05 - 公布日： 2023-03-17 - 主分类号： H04W4/40 文献下载
摘要：本发明提供了一种基于无人机的UE设备信号搜索装置，包括无人机、无人机载设备和地面站；所述无人机用于搭载所述无人机载设备进行搜寻；所述无人机载设备包括主动发射模块和上行测向模块，所述主动发射模块用于发射信号与UE设备进行交互，以获取UE设备的信号；所述上行测向模块用于根据所述UE设备的信号强度测算所述UE设备与所述无人机之间的位置关系，并将所述位置关系输出给所述地面站；所述地面站用于获取所述位置关系，并根据所述位置关系得到所述UE设备的位置，所述地面站还用于控制所述无人机。该装置既具有普遍适用性，又能够实现精准搜救。
基于无人机 ue 设备信号搜索装置方法

[发明专利]一种基于拼接特征的语种识别方法-CN202010244083.4有效
发明人：刘俊南;江海;王化;刘文龙 -专利权人： 因诺微科技（天津）有限公司
申请日： 2020-03-31 - 公布日： 2022-05-17 - 主分类号： G10L15/00 文献下载
摘要：本发明公开了一种基于拼接特征的语种识别方法，步骤1，获得语音信号的帧序列；步骤2，计算时长特征；步骤3，提取语音帧序列的底层声学特征；步骤4，得到音素特征序列；步骤5，获得拼接特征；步骤6，将拼接特征输入到i‑vector提取器中，提取得到语音帧序列的i‑vector特征表示；步骤7，得到lda‑vector特征；步骤8，将lda‑vector特征输入到训练好的分类器中，获得输入语音帧序列的语种标签。与现有技术相比，本发明结合了高层和底层声学特征这两种特征的优点；无需训练多个音素识别器，只需要提取高层声学特征；降低复杂度的同时，提高对语音信号的语种识别性能特别是语种识别准确率。
一种基于拼接特征语种识别方法

[发明专利]基于音素对数似然比和稀疏表征的快速语种识别方法-CN202010244101.9有效
发明人：刘文龙;江海;王化;刘俊南 -专利权人： 因诺微科技（天津）有限公司
申请日： 2020-03-31 - 公布日： 2022-05-17 - 主分类号： G10L15/00 文献下载
摘要：本发明公开了一种基于音素对数似然比和稀疏表征的快速语种识别方法，计算输入给定语音信号的音素对数似然概率特征，基于该特征利用通过稀疏表征方法改进的快速语种识别系统确定所述给定语音信号所属的语种。与现有技术相比，本发明1)可以压缩系统模型，更加便利适配于各种运算和存储受限的设备需要；2)提升系统的鲁棒性；3)能够快速实现所属的语种的智能识别。
基于音素对数稀疏表征快速语种识别方法

[发明专利]一种基于音素对数似然比的时延神经网络的声纹识别方法-CN202110752463.3在审
发明人：刘俊南;薛辉;缪蔚;郭鹏;齐心 -专利权人： 因诺微科技（天津）有限公司
申请日： 2021-07-02 - 公布日： 2021-10-01 - 主分类号： G10L17/02 文献下载
摘要：一种基于音素对数似然比的时延神经网络的声纹识别方法，所述方法包括步骤：获取语音数据；对所述语音数据进行预处理；使用音素识别器对预处理后的所述语音数据提取音素后验概率向量；使用预处理后的所述语音数据训练时延神经网络并提取X‑vector辨别矢量；使用所述音素后验概率向量训练混合高斯模型‑通用背景模型；使用所述混合高斯模型‑通用背景模型计算I‑vector辨别矢量；消除I‑vector特征空间中信道信息影响；使用所述X‑vector辨别矢量和所述I‑vector辨别矢量生成新分类器；将X‑vector特征和I‑vector特征输入所述新分类器；获取所述新分类器的声纹信息输出。本申请能够对声纹的信息进行快速准确的识别，提升系统的鲁棒性，且可以跨平台使用。
一种基于音素对数神经网络声纹识别方法

[发明专利]一种基于MVGG-CTC的关键词搜索方法-CN202110752816.X在审
发明人：江海;刘俊南;王化;薛辉;齐心 -专利权人： 因诺微科技（天津）有限公司
申请日： 2021-07-02 - 公布日： 2021-10-01 - 主分类号： G10L15/06 文献下载
摘要：一种基于MVGG‑CTC的关键词搜索方法，所述方法包括步骤：获取语音数据；对所述语音数据进行预处理；将所述语音数据输入MVGG‑CTC模型中训练；构建语音模型和词典；将所述MVGG‑CTC模型输出的拼音序列转化为连续文字；利用倒排索引构建语音关键词搜索库；在所述语音关键词搜索库中输入关键词进行检索；获取所述语音关键词搜索库输出的检索结果。本申请提供的一种基于MVGG‑CTC的关键词搜索方法具有如下有益效果：(1)改进了网络结构，提升了语音识别的效率与准确度；(2)提升模型的鲁棒性；(3)能够实现快速关键词检索的智能自动识别。
一种基于 mvgg ctc 关键词搜索方法

[发明专利]一种极短语音语种识别特征提取方法-CN202110755053.4在审
发明人：刘俊南;郭鹏;江海;魏欣;齐心 -专利权人： 因诺微科技（天津）有限公司
申请日： 2021-07-02 - 公布日： 2021-09-10 - 主分类号： G10L15/00 文献下载
摘要：一种极短语音语种识别特征提取方法，所述方法包括步骤：获取输入语音信号；对所述输入语音信号进行预处理；获取基于线性预测系数算法；使用所述基于线性预测系数算法对所述输入语音信号进行特征提取。本申请针对时长1s的极短语音提取语种识别特征进行研究，设计对极短(1s长度)语音语种识别更加鲁棒的特征提取方法，该特征利用频域线性预测系数(FDLP)方法，先使用离散余弦变换(Discrete Cosine Transform，DCT)获得信号的频域等价物，再在频域等价物上利用线性预测(Linear Prediction,LP)分析计算得到语音信号的子带包络信号(Sub‑band Envelop Signal)，然后将子带包络信号经过傅里叶变换转化为子带包络的频域信号，然后计算子带包络幅度特征。
一种语音语种识别特征提取方法

[发明专利]一种超短语音语种识别方法-CN202110752462.9在审
发明人：缪蔚;刘俊南;魏欣;王化;齐心 -专利权人： 因诺微科技（天津）有限公司
申请日： 2021-07-02 - 公布日： 2021-08-31 - 主分类号： G10L15/16 文献下载
摘要：一种超短语音语种识别方法，所述方法包括步骤：输入语音信号；对所述输入语音信号进行预处理；对所述输入语音信号进行特征提取；使用多路差异感受野卷积神经网络模型对所述输入语音信号进行识别。本发明提出一种超短语音语种识别方法，提供更高的响应速度以及在短语音上的识别精度，本发明使用多路时延神经网络作为主要结构，每路卷积神经网络使用不同的卷积核心，提供不同的感受野抽取特征，在深度特征上进行融合，本发明提升了模型识别精度，减小了模型参数，可应用与1s的超短语音，可快速响应。
一种超短语音语种识别方法

[发明专利]一种基于时延神经网络的快速语种识别方法-CN202010245658.4在审
发明人：刘俊南;江海;王化;刘文龙 -专利权人： 因诺微科技（天津）有限公司
申请日： 2020-03-31 - 公布日： 2020-09-11 - 主分类号： G10L15/00 文献下载
摘要：本发明公开了一种基于时延神经网络的快速语种识别方法，步骤1，输入语音信号，对输入的语音信号进行处理，得到固定长度的语音信号帧序列；步骤2、按帧提取语音信号帧序列的底层声学特征；步骤3，将底层声学特征输入Residual TDNN残差块结构中进行计算处理，得到M×64抽象特征；步骤4，进行Attention计算，步骤5，对Attention特征在时间帧维度上应用全局平均池化处理，得到Embedding向量；步骤6，对Embedding向量进行两层DNN提取，得到语种向量；步骤7，将语种向量输入ArcFaceStatic损失函数，将底层声学特征输入到训练好的神经网络，得到所有可识别语种的概率。本发明本发明在短语音上具有较强鲁棒性，因此能够快速准确地识别语种。
一种基于神经网络快速语种识别方法

1
共 8 条