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！

龙图腾网获悉广州妥电新能源科技有限公司申请的专利基于语音AI交互驱动的作业AR智能辅助管理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：CN121096334B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511238632.6，技术领域涉及：G10L15/22；该发明授权基于语音AI交互驱动的作业AR智能辅助管理系统是由高灿昀;李伟铭;高潇语设计研发完成，并于2025-09-01向国家知识产权局提交的专利申请。

本基于语音AI交互驱动的作业AR智能辅助管理系统在说明书摘要公布了：本发明公开了一种基于语音AI交互驱动的作业AR智能辅助管理系统，应用于智能仓储领域，包括：环境感知型语音交互模块、AR多模态交互补偿模块、动态噪声鲁棒性数据处理模块、作业管理模块和数据库模块；所述环境感知型语音交互模块用于采集作业人员语音信号并抑制环境噪声；所述动态噪声鲁棒性数据处理模块用于对语音信号进行降噪处理、语义理解及闭环优化，并生成反馈信息和控制指令；所述AR多模态交互补偿模块用于接收所述动态噪声鲁棒性数据处理模块的反馈信息并提供可视化及触觉交互补偿，所述作业管理模块用于根据控制指令调度管理设备；本发明能够有效提升作业的效率，准确性高、实时性强且能够实现交互体验优化。

本发明授权基于语音AI交互驱动的作业AR智能辅助管理系统在权利要求书中公布了：1.基于语音AI交互驱动的作业AR智能辅助管理系统，应用于智能仓储或生产领域，其特征在于，包括：环境感知型语音交互模块、AR多模态交互补偿模块、动态噪声鲁棒性数据处理模块、作业管理模块和数据库模块； 所述环境感知型语音交互模块用于采集作业人员语音信号并抑制环境噪声，其与动态噪声鲁棒性数据处理模块连接；所述环境感知型语音交互模块包括复合传感器阵列单元和自适应波束成形处理单元； 所述AR多模态交互补偿模块用于接收动态噪声鲁棒性数据处理模块的反馈信息并提供可视化及触觉交互补偿，其与动态噪声鲁棒性数据处理模块双向连接； 所述动态噪声鲁棒性数据处理模块分别与环境感知型语音交互模块、AR多模态交互补偿模块、作业管理模块和数据库模块连接，用于对语音信号进行降噪处理、语义理解及闭环优化，并生成反馈信息和控制指令； 所述作业管理模块与所述动态噪声鲁棒性数据处理模块和生产设备或仓储设备连接，用于根据控制指令调度管理设备；所述作业管理模块包括状态监控单元，所述状态监控单元用于监控仓储设备的运行状态和采集仓储设备的运行数据； 数据库模块与动态噪声鲁棒性数据处理模块连接，用于存储作业流程、设备信息、产品信息及场景化噪声数据； 所述环境感知型语音交互模块通过复合传感器阵列同步采集语音信号、环境噪声时域波形、频域特征及空间分布数据，经所述自适应波束成形处理单元处理后输出抗噪声语音信号至所述动态噪声鲁棒性数据处理模块；所述动态噪声鲁棒性数据处理模块对输入的抗噪声语音信号进行实时噪声建模、降噪处理及基于置信度反馈的识别模型优化，输出语义理解后的作业指令及反馈信息；所述AR多模态交互补偿模块接收作业指令及反馈信息并进行可视化展示，同时获取作业人员的手势或触觉反馈确认的修正指令并回传至所述动态噪声鲁棒性数据处理模块；所述动态噪声鲁棒性数据处理模块根据所述修正指令生成控制指令并发送至所述作业管理模块；同时作业人员根据所述AR多模态交互补偿模块的提示，进行相应的仓储操作；所述作业管理模块根据所述动态噪声鲁棒性数据处理模块发送的控制指令，控制仓储设备进行仓储操作；所述状态监控单元实时监控仓储设备的运行状态，采集仓储设备的运行数据，并将数据传输给所述动态噪声鲁棒性数据处理模块；所述动态噪声鲁棒性数据处理模块根据实时采集的数据，对作业过程进行实时监控和调整，确保作业的顺利进行；当仓储操作完成后，所述AR多模态交互补偿模块通过获取作业人员的语音指令或触觉反馈确认仓储作业完成并将确认信息发送到所述动态噪声鲁棒性数据处理模块；所述动态噪声鲁棒性数据处理模块接收到确认信息后，更新数据库模块中的仓储信息和作业流程记录； 所述动态噪声鲁棒性数据处理模块包括实时噪声建模子模块、识别-降噪联合优化子模块、数据整合子模块、分析决策子模块、指令生成子模块、语义理解单元和语音识别单元；所述实时噪声建模子模块与所述环境感知型语音交互模块协同工作，用于对工业现场中复杂背景噪声进行动态建模与实时抑制，其核心机制基于改进的隐马尔可夫模型进行噪声状态转移建模与参数估计，并融合深度神经网络与长短期记忆网络结构；隐马尔可夫模型通过状态转移概率矩阵与观测概率函数对背景噪声随时间变化的特征进行建模，模型形式为： 其中，表示在模型参数λ下的观测序列概率，Q为隐藏状态序列，O为观测到的噪声特征序列，为状态转移概率，为在给定状态序列下的观测概率，结合Baum-Welch算法可在线更新噪声状态的转移与输出概率，实现对噪声功率谱密度的动态估计；该估计结果与当前麦克风阵列采集的含噪语音信号共同输入至DNN-LSTM混合模型中，所述DNN-LSTM混合模型首先由深度神经网络提取静态频谱特征，然后由长短期记忆网络建模时间序列中的上下文相关性，其输出为估计的纯净语音频谱，整体预测过程可表示为： 其中，表示含噪语音频谱，表示实时噪声频谱特征，为预测的纯净语音频谱；模型在训练过程中以最小化重建误差为目标，采用均方误差损失函数进行优化： 其中，为真实语音频谱，T和F分别为时间帧数与频率点数。

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广州妥电新能源科技有限公司，其通讯地址为：510630 广东省广州市天河区五山路141号之二1804房；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”。

以上内容由龙图腾AI智能生成。