语音领域涉及算法的专利申请的客体审查

语音领域的发明专利申请主要涉及语音分析或合成、语音识别、音频分析或处理,尤其是一些大学、科研院所的申请大多涉及数学理论和识别方法、换算方法,有些发明点就在于数学公式、建模的模型。在撰写时权利要求书中的客体缺陷很容易被忽略,从而导致申请无法被授权的情形,通过引用实际案例,具体分析语音领域涉及算法的专利申请的客体审查,希望对撰写此类专利申请提供帮助。     

语音领域涉及程序或算法专利申请的撰写技巧

语音领域的发明专利申请中涉及计算机程序或算法的专利申请比较多.关于这类发明专利申请的审查往往涉及其是否属于专利保护的客体的问题,如果不属于专利保护的客体,则会导致申请无法被授予专利权.通过对此类发明申请的特点进行分析,列出了语音领域涉及计算机程序或算法的专利申请的撰写技巧,期望对此类专利申请的撰写提供帮助.     

循环神经网络的语音识别算法

通常采用具有前向连接权的连接网络便可实现静态输入输出模式对的联想,但是为了使网络记忆序列信息状态,必须考虑引入反馈连接权。本文构造一个具有动态神经元的多层网络结构,动态神经元带有多时延的局部反馈。此网络结构用于记忆时间序列信息,同时,相应地我们推导一种更有效、更便于实现的网络学习算法。最后,为了测试所提出网络学习动态时变数据的能力,选择几个不同参数的动态神经元模型,进行了一系列实验。     

汉语数码语音识别自适应算法

说话人自适应是提高非特定人语音识别性能的有效方法之一。本文将ＭＡＰ算法应用于汉语数码语音识别中,并讨论了几种加快自适应速度的方法以及自适应对非自适应人的影响。实验表明,ＭＡＰ算法可以有效地降低汉语数码识别对被适应人的误识率,而且对非自适应人性能影响很小。     

基于MIM_LB算法的连续数字语音识别

互信息匹配模型依据互信息理论而提出，在语音识别中已经显示了良好的性能，文章在互信息匹配理论的现有成果的基础上，提出了基于互信息估计的连续语音识别算法MIM_LB算法，实验表明提出的算法简单有效．优于传统的LB算法。     

自然口语语音识别研究概况

概要介绍了自然口语语音识别的研究现状和的主要问题，对自然口语语音的特点以及目前正在使用或探索中的算法理论进行较深入地分析和总结。     

基于MI_OneStage算法的连续数字语音识别

语音识别的互信息匹配模型是依据互信息理论而提出的。在互信息匹配理论的现有成果的基础上,提出了基于互信息估计的连续语音识别算法—MI_OneStage算法,实验表明所提出的算法简单有效,优于传统的OneStage算法。     

涉及语音翻译合成方法与装置的专利申请审查

涉及语音翻译合成的专利申请主要包括合成方法、翻译规则以及计算机技术。近年来该类申请尤其是国内的申请量越来越多,而在此类申请的审查中,判断其是否属于专利法保护的客体一直是热点和难点问题,各方观点也存在很多争议。通过引用实际案例,具体分析该类申请的客体问题的审查,希望在撰写此类专利申请时提供帮助。     

用模拟退火算法实现语音识别的矢量量化

矢量量化在语音识别中有着重要的作用,经典的Ｋ均值算法收敛速度快,但极易敛于局部最佳点;其它的一系列改进算法在克服其局部收敛的问题的同时,又显著了增加了运算量。本文提出了用模拟退火算示实现语音识别中的矢量量化过程,能够较好地协调运算量和收敛质量之间的矛盾。     

语音识别技术专利分析

随着电子智能化的迅速发展,语音识别技术作为智能化的关键技术,获得了业界的普遍重视,各大企业和研究机构纷纷展开了语音识别相关技术的深入研究和专利部署.针对语音识别技术的特点、专利申请情况、专利涉及的主要领域、主要专利申请人、专利发展趋势进行了分析研究,希望对国内相关企业的技术发展起到一定作用.     

浅谈语音领域的创造性审查

根据语音领域的专利申请的特点对语音领域的专利申请的创造性审查进行了分析和研究,重点针对常用的"三步法"进行了分析说明,尤其是对于如何判断要求保护的发明对本领域的技术人员来说是否显而易见进行了分析,并且还对在对语音领域的专利申请的审查中常见的数值或者数值范围的判断方法进行了分析。     

语音识别技术的中国专利申请分析

对语音识别技术进行了介绍,分析了中国专利申请中有关语音识别技术的历年申请状况,对主要申请国家美国、日本、韩国、荷兰、中国的申请量进行统计.针对主要申请人历年申请情况进行分析,对语音识别技术的未来发展趋势进行了预测.     

应用于语音识别片上系统的语音检测算法

语音识别技术的研究已经进入实用化阶段，而实用化语音识别系统中的一个关键技术就是可靠的语音检测。本文提出了一种基于有限状态机模型的实时语音检测算法(FSM-SD)。采用对数最大似然判决帧能量检测器和过零率检测器控制各状态之间的跳转关系。针对语音识别中的MFCC(Mel频标倒谱系数)和LPCC(线性预测倒谱参数)特征提取过程，分别得到两种不同的帧能量计算方法。将FSM-SD应用到在OAK DSP上实现的小词表汉语语音识别系统，通过实验验证了其对系统识别性能和噪声稳健性的有效保证。