[发明专利]使用本地设备提供的传感器数据和标签的基于云的处理

权利要求书

1.一种训练因设备而异的基于云的音频处理器的方法，包括：

接收从本地设备处的多个传感器获取的传感器数据；

接收使用本地配置信息在所述本地设备上计算出的空间信息标签，所述空间信息标签与所获取的传感器数据相关联；

基于所述空间信息标签和传感器数据来训练第一神经网络的下层，所述下层被训练以将所述传感器数据映射到一个或多个波束成形输出；

将已训练的下层纳入到用于音频分类的第二神经网络中；以及

使用所述第一神经网络的所述已训练的下层来重新训练所述第二神经网络，所述第二神经网络被重新训练以基于所述一个或多个波束成形输出来预测音频事件标签。

2.如权利要求1所述的方法，其特征在于，重新训练包括重新训练所述第一神经网络和所述第二神经网络。

3.如权利要求1所述的方法，其特征在于，重新训练包括仅重新训练所述第二神经网络。

4.如权利要求1所述的方法，其特征在于，进一步包括基于所述空间信息标签来将经波束成形的流与所述传感器数据分离。

5.如权利要求4所述的方法，其特征在于，进一步包括基于所述经波束成形的流来对所述传感器数据进行分类。

6.如权利要求1所述的方法，其特征在于，所述空间信息标签包括抵达方向标签。

7.一种使用人工神经网络来进行基于云的音频处理的方法，包括：

接收本地设备的设备标识信息和从所述本地设备处的多个传感器获取的传感器数据以及元数据，所述元数据包括用于所述本地设备的配置信息；

基于所述设备标识信息和所述元数据来设置所述神经网络的卷积滤波器，其中所述神经网络是由使用根据权利要求1-6中任一项的方法训练的因设备而异的基于云的音频处理器实现的；以及

在不重新训练所述神经网络的情况下基于所述传感器数据来预测音频事件分类。

8.如权利要求7所述的方法，其特征在于，进一步包括：

接收所述本地设备的波束成形滤波器；以及

用所接收到的波束成形滤波器来代替所述神经网络的所述卷积滤波器，而不重新训练所述神经网络。

9.一种用于训练因设备而异的基于云的音频处理器的装置，包括：

存储器；以及

耦合至所述存储器的至少一个处理器，所述至少一个处理器被配置成：

接收从本地设备处的多个传感器获取的传感器数据；

接收使用本地配置信息在所述本地设备上计算出的空间信息标签，所述空间信息标签与所获取的传感器数据相关联；

基于所述空间信息标签和传感器数据来训练第一神经网络的下层，所述下层被训练以将所述传感器数据映射到一个或多个波束成形输出；

将已训练的下层纳入到用于音频分类的第二神经网络中；以及

使用所述第一神经网络的所述已训练的下层来重新训练所述第二神经网络，所述第二神经网络被重新训练以基于所述一个或多个波束成形输出来预测音频事件标签。

10.如权利要求9所述的装置，其特征在于，所述至少一个处理器被进一步配置成重新训练所述第一神经网络和所述第二神经网络。

11.如权利要求9所述的装置，其特征在于，所述至少一个处理器被进一步被配置成仅重新训练所述第二神经网络。

12.如权利要求9所述的装置，其特征在于，所述至少一个处理器被进一步配置成：基于所述空间信息标签来将经波束成形的流与所述传感器数据分离。

13.如权利要求12所述的装置，其特征在于，所述至少一个处理器被进一步配置成基于所述经波束成形的流来对所述传感器数据进行分类。