CN120279910A 一种基于ai大模型的音响交互意图识别与智能决策方法 （张婧）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120279910A(43)申请公布日2025.07.08

(21)申请号202510645816.8

(22)申请日2025.05.20

(71)申请人张婧

G10L25/18(2013.01)

GO6F40/30(2020.01)

地址400030重庆市沙坪坝区渝碚路利得

尔大厦A栋14—5

(72)发明人张婧丁思睿

(74)专利代理机构安徽启迪铭芯知识产权代理

事务所(普通合伙)34335专利代理师黄亚飞

(51)Int.CI.

G10L15/22(2006.01)

G10L15/02(2006.01)

G10L15/16(2006.01)

G10L21/0232(2013.01)

G10L25/21(2013.01)

权利要求书2页说明书11页附图4页

(54)发明名称

一种基于AI大模型的音响交互意图识别与智能决策方法

(57)摘要

CN120279910A本发明公开了一种基于AI大模型的音响交互意图识别与智能决策方法，涉及智能语音交互技术领域，包括，通过声学传感器采集语音信号并进行降噪处理和声学特征提取，同时捕获文本指令进行语义分句和文本特征提取，将声学特征向量与文本特征向量拼接形成多模态数据包；基于强化融合特征向量检索历史记忆库生成记忆上下文向量，通过两阶段意图推理模型识别主意图类别并解析操作参数，输出结构化意图指令；对结构化意图指令进行参数合法性校验、设备状态验证及安全风险评估，修正异常参数后封装为可执行指令集。本发明通过频带能量占比与词项

CN120279910A

CN120279910A权利要求书1/2页

2

1.一种基于AI大模型的音响交互意图识别与智能决策方法，其特征在于：包括，

通过声学传感器采集语音信号并进行降噪处理和声学特征提取，同时捕获文本指令进行语义分句和文本特征提取，将声学特征向量与文本特征向量拼接形成多模态数据包；

对声学特征向量和文本特征向量分别执行频带能量优选和TF-IDF权重筛选，通过注意力机制融合特征并叠加设备状态动态调整权重，生成强化融合特征向量；

基于强化融合特征向量检索历史记忆库生成记忆上下文向量，通过两阶段意图推理模型识别主意图类别并解析操作参数，输出结构化意图指令；

对结构化意图指令进行参数合法性校验、设备状态验证及安全风险评估，修正异常参数后封装为可执行指令集。

2.如权利要求1所述的基于AI大模型的音响交互意图识别与智能决策方法，其特征在于：所述降噪处理包括以下步骤，

采集模拟语音信号并进行分帧处理，生成频谱矩阵；

基于改进型WebRTCNS算法分析频谱矩阵，计算实时信噪比估计值；

根据动态阈值规则映射实时信噪比估计值，并对频谱矩阵执行频域滤波，通过逆傅里叶变换重构去噪音频帧，生成纯净声学波形数据流。

3.如权利要求1所述的基于AI大模型的音响交互意图识别与智能决策方法，其特征在于：所述声学特征提取包括以下步骤，

对纯净声学波形数据流分帧并进行快速傅里叶变换，计算功率谱能量分布，并执行非线性频率尺度转换，生成对数Mel频谱；

对连续多帧对数Mel频谱执行时间维度平均及归一化，构成声学特征向量。

4.如权利要求1所述的基于AI大模型的音响交互意图识别与智能决策方法，其特征在于：所述文本特征提取包括以下步骤，

对原始文本字符串预处理后输入RoBERTa分句模型，生成分句概率分布序列并识别候选语义边界，生成语义单元序列；

提取语义单元首字符的RoBERTa词嵌入向量，通过层归一化生成标准化文本特征向量。

5.如权利要求1所述的基于AI大模型的音响交互意图识别与智能决策方法，其特征在于：所述通过注意力机制融合特征包括以下步骤，

基于声学特征向量的频带能量占比生成声学特征优选掩码矩阵，筛选关键频带特征；基于文本特征向量的TF-IDF值生成二值掩码矩阵，筛选核心语义特征；

将关键频带特征作为查询向量，核心语义特征作为键值向量，计算注意力分数并进行优化，生成优化后的注意力图谱；

实时读取设备CPU负载及网络延迟数据生成调整因子，动态修正初始融合权重与优化后的注意力图谱融合，通过全局平均池化生成强化融合特征向量。

6.如权利要求1所述的基于AI大模型的音响交互意图识别与智能决策方法，其特征在于：所述生成记忆上下文向量包括以下步骤，

基于随机投影