“C·G·海恩斯”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5个，建议您升级VIP下载更多相关专利

[发明专利]遍布式声学映射-CN202180089790.3在审
发明人： M·R·P·托马斯;B·J·索斯威尔;A·布鲁尼;O·M·唐森德;D·阿提加;D·斯凯尼;C·G·海恩斯;A·J·希菲尔德;D·古那万;C·P·布朗 -专利权人：杜比国际公司;杜比实验室特许公司
申请日： 2021-12-02 - 公布日： 2023-09-29 - 主分类号： H04R3/00 文献下载
摘要：一些方法可以涉及接收包括第一音频信号的第一内容流，渲染第一音频信号以产生第一音频回放信号，生成第一校准信号，通过将第一校准信号插入到第一音频回放信号中来生成第一修改音频回放信号，以及使扩音器系统回放第一修改音频回放信号以生成第一音频设备回放声音。该(一个或多个)方法可以涉及接收与至少第一音频设备回放声音和与由第二至第N音频设备回放的第二至第N修改音频回放信号(包括第二至第N校准信号)对应的第二至第N音频设备回放声音对应的麦克风信号，从麦克风信号中提取第二至第N校准信号，以及至少部分地基于第二至第N校准信号来估计至少一个声学场景度量。
遍布声学映射

[发明专利]使用声学直接序列扩频信号估计声学场景度量-CN202180081314.7在审
发明人： B·J·索斯威尔;D·古那万;M·R·P·托马斯;C·G·海恩斯 -专利权人：杜比实验室特许公司
申请日： 2021-12-02 - 公布日： 2023-08-11 - 主分类号： H04S7/00 文献下载
摘要：一些方法可以涉及接收包括第一音频信号的第一内容流，渲染第一音频信号以产生第一音频回放信号，生成第一直接序列扩频(DSSS)信号，通过将第一DSSS信号插入第一音频回放信号来产生第一修改音频回放信号，以及使扩音器系统回放第一修改音频回放信号，以生成第一音频设备回放声音。该(多个)方法可以涉及接收对应于至少第一音频设备回放声音和第二至第N音频设备回放声音的麦克风信号，第二至第N音频设备回放声音对应于由第二至第N音频设备回放的第二至第N修改音频回放信号(包括第二至第NDSSS信号)，从麦克风信号中提取第二至第N DSSS信号，以及至少部分地基于第二至第N DSSS信号来估计至少一个声学场景度量。
使用声学直接序列信号估计场景度量

[发明专利]编排声学直接序列扩频信号以估计声学场景度量-CN202180081398.4在审
发明人： B·J·索斯威尔;D·古那万;M·R·P·托马斯;C·G·海恩斯 -专利权人：杜比实验室特许公司
申请日： 2021-12-02 - 公布日： 2023-08-08 - 主分类号： H04S7/00 文献下载
摘要：一些方法可以涉及接收包括第一音频信号的第一内容流，渲染第一音频信号以产生第一音频回放信号，生成第一直接序列扩频(DSSS)信号，通过将第一DSSS信号插入第一音频回放信号来产生第一修改音频回放信号，以及使扩音器系统回放第一修改音频回放信号，以生成第一音频设备回放声音。该(多个)方法可以涉及接收对应于至少第一音频设备回放声音和第二至第N音频设备回放声音的麦克风信号，第二至第N音频设备回放声音对应于由第二至第N音频设备回放的第二至第N修改音频回放信号(包括第二至第NDSSS信号)，从麦克风信号中提取第二至第N DSSS信号，以及至少部分地基于第二至第N DSSS信号来估计至少一个声学场景度量。
编排声学直接序列信号估计场景度量

[发明专利]针对遍布式聆听插入强制间隙-CN202180081473.7在审
发明人： C·G·海恩斯;B·J·索斯威尔 -专利权人：杜比实验室特许公司
申请日： 2021-12-02 - 公布日： 2023-08-04 - 主分类号： G10L21/0216 文献下载
摘要：衰减或“间隙”可以在至少第一时间间隔期间被插入到内容流的至少第一和第二音频回放信号的至少第一频率范围中以生成至少第一和第二修改音频回放信号。对应的音频设备回放声音可以由至少第一和第二音频设备提供。至少一个麦克风可以检测至少第一音频设备回放声音和第二音频设备回放声音并且可以生成对应的麦克风信号。可以至少在第一频率范围中从麦克风信号中提取音频数据，以产生提取的音频数据。可以至少部分地基于提取的音频数据来估计远场音频环境脉冲响应和/或音频环境噪声。
针对遍布聆听插入强制间隙

[发明专利]用于训练声学模型的每一代的数据增强-CN202080054978.X在审
发明人： R·J·卡特莱特;C·G·海恩斯 -专利权人：杜比实验室特许公司
申请日： 2020-07-30 - 公布日： 2022-03-11 - 主分类号： G10L15/14 文献下载
摘要：在一些实施例中，用于训练声学模型的方法和系统，其中训练包括数据准备阶段之后的训练循环(包括至少一代)。在训练循环期间，训练数据被增强以生成增强训练数据。在训练循环的每一代期间，增强训练数据中的至少一些被用于训练模型。可以通过不同地增强(例如，使用不同的增强参数集合来增强)训练数据中的至少一些来生成在每一代期间使用的增强训练数据。在一些实施例中，增强是在频域中执行的，其中训练数据被组织到频带中。声学模型可以是被用于(被训练用于)执行语音分析(例如，唤醒词检测、语音活动检测、语音识别或说话者识别)和/或噪声抑制的类型。
用于训练声学模型一代数据增强