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！

龙图腾网获悉浙江诺尔康神经电子科技股份有限公司申请的专利一种低算力的人工耳蜗自动声音场景分类方法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：CN115223589B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202210664991.8，技术领域涉及：G10L25/51；该发明授权一种低算力的人工耳蜗自动声音场景分类方法是由项丽阳;陈洪斌;托马斯·卢;杨典;韩彦;黄穗;孙晓安设计研发完成，并于2022-06-13向国家知识产权局提交的专利申请。

本一种低算力的人工耳蜗自动声音场景分类方法在说明书摘要公布了：本发明公开了一种低算力的人工耳蜗自动声音场景分类方法，包括模拟仿真和DSP实现，模拟仿真包括数据库构建、样本MFCC特征向量提取、特征值归一化、模型训练、模型预测及结果输出；DSP实现包括DSP的场景预测实现、模型的预测与推导和综合决策并输出。本发明特征提取方便，运算量低，易于实现在人工耳蜗等低算力计算设备，且效果较好。

本发明授权一种低算力的人工耳蜗自动声音场景分类方法在权利要求书中公布了：1.一种低算力的人工耳蜗自动声音场景分类方法，其特征在于，包括以下步骤： S10，模拟仿真； S20，DSP实现； 其中，S10包括以下步骤： S101，数据库构建，将网络下载、实地采集和后期合成的音频均处理为单声道16kHz采样率的.wav格式，每个样本裁切成1s的时长，将数据库中的样本至少分类为语音、噪音、带噪语音和音乐，将每个类别中80％作为训练集、20％作为测试集； S102，样本MFCC特征向量提取； S103，特征值归一化，将训练集所有样本的MFCC特征向量进行归一化处理，得到归一化的样本特征集，用于模型训练，同时，保存归一化的尺度，用于测试集样本特征向量的归一化； S104，模型训练，所用的模型为双隐含层的全连接神经网络，选取训练集中的20％作为验证集，用以模型调参以及评估模型训练过程中是否发生过拟合需要提前停止训练，保留在验证集上预测准确度最高的模型作为优选模型，用于后面在测试集上的预测性能评估； S105，在测试集上使用优选模型进行预测，统计预测结果，作为对该模型预测性能的评估； S106，对模型的性能评估通过10次五折交叉验证； S20包括以下步骤： S201，DSP的场景预测实现，采样频率为16kHz，帧长16ms，帧移16ms，梅尔滤波器个数设置为10个，每1s统计各梅尔滤波器输出的均值和方差作为模型的输入特征向量，输出一次场景识别结果； S202，模型的预测与推导，包括隐含层1的输出：out1＝reluinput*W1+B1； 隐含层2的输出：out2＝reluout1*W2+B2； 输出层：out3＝softmaxout2*W3+B3； 分类判定：class＝argmaxout3； 其中，*代表对应元素相乘；W1，W2，W3表示各层权重；B1，B2，B3表示各层偏置；out1，out2，out3分别表示各层经激活函数作用后的输出；class为模型判定的场景分类结果；relu为线性整流函数；softmax为归一化指数函数； S203，综合决策并输出，平滑模型的场景分类预测结果； 所述S203具体包括以下步骤： S2031，设置一个1*4的积分矩阵，初始化为0，分别代表每个场景分类，即语音、噪音、带噪语音和音乐的累积积分； S2032，假定模型判别结果为噪音，则将噪音类的积分加1，若当前模型预测分类结果跟前一个模型预测结果不同，其余类别的积分减去1；若当前模型预测分类结果跟前一个模型预测结果相同，则其余类别的积分减去2；若某个分类积分超过15，则设置该类积分等于15；若某个分类积分小于0，则设置该类积分为0； S2033，若积分矩阵中某个分类对应的积分值达到10，则综合决策后的输出结果即为该类； S2034，为避免出现场景预测不稳定导致累积积分值达不到设定的阈值而超过15s不出场景结果的情况，在开启后的15s后，若达不到场景判定的累积阈值，则使用最近10s中最频繁出现的场景作为结果输出。

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浙江诺尔康神经电子科技股份有限公司，其通讯地址为：311100 浙江省杭州市余杭区仓前街道龙潭路17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”。