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！

龙图腾网获悉南京大学申请的专利基于深度学习的参量阵扬声器非线性失真建模与补偿方法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：CN119584016B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202411733169.8，技术领域涉及：H04R3/00；该发明授权基于深度学习的参量阵扬声器非线性失真建模与补偿方法是由李梦同;钟家鑫;薛金佩;卢晶设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本基于深度学习的参量阵扬声器非线性失真建模与补偿方法在说明书摘要公布了：本发明公开了一种基于深度学习的参量阵扬声器非线性失真建模与补偿方法。具体步骤如下：1在需要抑制非线性失真的听音位置录制参量阵扬声器系统输出的音频声信号及其输入信号，制作用于建模的数据集；2使用神经网络F对参量阵扬声器系统进行整体建模，利用数据集训练神经网络F；并使用FIR滤波器模型Flin对系统的线性部分进行建模；3利用训练好的神经网络F和模型Flin训练神经网络G作为系统的逆滤波器；4将期望重放的音频信号经神经网络G预处理后输入参量阵扬声器系统，实现对系统非线性的补偿。本发明的方法能够对参量阵扬声器的非线性失真做出准确的建模与有效的补偿，显著抑制参量阵扬声器的非线性失真。

本发明授权基于深度学习的参量阵扬声器非线性失真建模与补偿方法在权利要求书中公布了：1.基于深度学习的参量阵扬声器非线性失真建模与补偿方法，其特征在于，该方法包括以下步骤： 1在需要抑制非线性失真的听音位置录制参量阵扬声器系统输出的音频声信号及系统的输入信号，制作用于系统建模的数据集； 2使用深度神经网络对参量阵扬声器系统进行整体建模，利用步骤1得到的数据集训练神经网络，神经网络采用WaveNet神经网络的前馈变体；并使用FIR滤波器模型对系统的线性部分进行建模； 3利用训练好的神经网络和FIR滤波器模型训练另一个深度神经网络作为系统的逆滤波器；深度神经网络的输入为期望重放的信号，输出为预处理后的信号；将依次通过深度神经网络和可得由网络估计的以预处理信号为输入的参量阵扬声器系统的输出信号；给加一定时延再通过模型可得由模型估计的参量阵扬声器系统的线性输出信号；以减小与之间的差异为目标构建损失函数来训练网络； 4将期望重放的音频信号经深度神经网络预处理后输入参量阵扬声器系统，实现对系统非线性的补偿。

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南京大学，其通讯地址为：210046 江苏省南京市栖霞区仙林大道163号；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。