[发明专利]小尺寸多通道关键字定位

权利要求书

1.一种方法(800)，其特征在于，所述方法(800)包括：

在用户设备(102)的数据处理硬件(103)处接收表征由与所述数据处理硬件(103)进行通信的麦克风(107)阵列所捕获的流传输多通道音频(118)的输入帧(210)序列，所述流传输多通道音频(118)的每个通道(119)包括由所述麦克风(107)阵列中的单独专用麦克风(107)所捕获的相应音频特征(510)；

对于每个输入帧(210)：

由所述数据处理硬件(103)使用记忆神经网络(300)的三维(3D)奇异值分解过滤器(SVDF)输入层(302)来并行地处理所述流传输多通道音频(118)的每个通道(119)的所述相应音频特征(510)；以及

由所述数据处理硬件(103)使用所述记忆神经网络(300)的中间层(410)，基于所述流传输多通道音频(118)的每个通道(119)的所述相应音频特征(510)的连接(344)来生成对应的多通道音频特征表示(420)；

由所述数据处理硬件(103)使用所述记忆神经网络(300)的顺序堆叠的SVDF层(350)，基于每个输入帧(210)的所述对应的多通道音频特征表示(420)来生成指示所述流传输多通道音频(118)中热字的存在的概率分数(360)；

由所述数据处理硬件(103)确定所述概率分数(360)是否满足热字检测阈值；以及

当所述概率分数(360)满足所述热字检测阈值时，由所述数据处理硬件(103)在所述用户设备(102)上启动唤醒处理，用于处理所述热字和/或所述流传输多通道音频(118)中的所述热字之后的一个或多个其它术语。

2.根据权利要求1所述的方法(800)，其特征在于，所述3D SVDF输入层(302)包括多个并行的SVDF处理单体(304)，所述多个并行的SVDF处理单体(304)中的每个SVDF处理单体(304)与所述流传输多通道音频(118)的相应通道(119)相关联，并且被配置为对所述相应通道(119)的所述相应音频特征(510)进行所述处理。

3.根据权利要求2所述的方法(800)，其特征在于，每个SVDF处理单体(304)包括至少一个神经元(312)，并且每个神经元(312)包括：

相应记忆组件(330)，所述相应记忆组件(330)与所述对应的神经元(312)的相应记忆容量相关联；

第一级(320)，所述第一级(320)被配置为分别对每个输入帧(210)的所述相应通道(119)的所述相应音频特征(510)进行过滤，并且将过滤特征(322)输出到所述相应记忆组件(330)；以及

第二级(340)，所述第二级(340)被配置为对驻留在所述相应记忆组件(330)中的所有的所述过滤音频特征(322)进行过滤。

4.根据权利要求2或3所述的方法(800)，其特征在于，每个输入帧(210)的每个相应通道(119)的所述相应音频特征(510)包括日志过滤器组。

5.根据权利要求4所述的方法(800)，其特征在于，每个输入帧(210)包括四十个日志过滤器组。

6.根据权利要求1-5中任一项所述的方法(800)，其特征在于，所述记忆神经网络(300)的所述顺序堆叠的SVDF层(350)包括初始SVDF层(350a)，所述初始SVDF层(350a)被配置为按顺序接收每个输入帧(210)的所述对应的多通道音频特征表示(420)。