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！

龙图腾网获悉清枫(北京)科技有限公司申请的专利基于深度学习构建噪音模型的噪音过滤方法、装置及介质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：CN120032659B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510480583.0，技术领域涉及：G10L21/0208；该发明授权基于深度学习构建噪音模型的噪音过滤方法、装置及介质是由黄志松;冀啸天;李鹤;周义;姚茜设计研发完成，并于2025-04-17向国家知识产权局提交的专利申请。

本基于深度学习构建噪音模型的噪音过滤方法、装置及介质在说明书摘要公布了：本申请提供一种基于深度学习构建噪音模型的噪音过滤方法、装置及介质。该方法包括：对待处理语音信号进行预处理，计算预处理语音信号的各语音帧对应的能量值，并根据能量值及第一阈值确定疑似噪音帧；利用包含多种背景噪音与干净语音的训练数据，对深度学习噪音模型进行训练；将疑似噪音帧对应的语音信号输入至训练后的深度学习噪音模型，并输出噪音概率值，根据噪音概率值与第二阈值的比较结果，对判定为噪音的语音帧执行降噪处理；对降噪处理后的语音帧进行拼接与平滑操作，利用增益控制或滤波对重构后的语音信号进行微调，生成最终的语音信号。本申请提升噪音检测的准确性，提升噪音过滤效果，避免语音信号失真，提高模型噪音识别的准确率。

本发明授权基于深度学习构建噪音模型的噪音过滤方法、装置及介质在权利要求书中公布了：1.一种基于深度学习构建噪音模型的噪音过滤方法，其特征在于，包括： 获取待处理语音信号，并对所述待处理语音信号进行预处理，得到预处理语音信号； 计算所述预处理语音信号的各语音帧对应的能量值，并将能量值低于第一阈值的语音帧标记为疑似噪音帧，其中，所述第一阈值通过环境参数进行动态调整； 基于卷积神经网络与循环神经网络相结合的结构，利用包含多种背景噪音与干净语音的训练数据，对深度学习噪音识别模型进行训练； 将所述疑似噪音帧对应的语音信号输入至训练后的深度学习噪音识别模型，并输出噪音概率值，根据所述噪音概率值与第二阈值的比较结果，对判定为噪音的语音帧执行降噪处理； 对降噪处理后的语音帧进行拼接与平滑操作，得到重构后的语音信号，利用增益控制或滤波对重构后的语音信号进行微调，生成最终的语音信号； 其中，所述基于卷积神经网络与循环神经网络相结合的结构，利用包含多种背景噪音与干净语音的训练数据，对深度学习噪音识别模型进行训练，包括： 构建包含卷积神经网络与循环神经网络相结合的复合神经网络结构，其中所述卷积神经网络用于提取语音信号在频谱域的特征，所述循环神经网络用于分析语音信号在时间序列上的变化； 收集并标注包含多种类型背景噪音与干净语音的训练数据，将所述训练数据划分为训练集与验证集； 将所述训练数据输入至所述复合神经网络结构中进行迭代训练，并以所述训练数据的噪音标注为指导，逐步更新卷积层和循环层的网络参数； 将环境参数和用户设备信息作为辅助输入特征，以增强模型在多样化噪音环境下的泛化能力； 根据验证集上的识别准确率、语音清晰度或噪音检测精度指标对模型的网络参数进行调优，得到训练后的深度学习噪音识别模型。

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清枫(北京)科技有限公司，其通讯地址为：100094 北京市海淀区永丰路9号院3号楼A座2层中段210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”。