一种基于声音事件检测的交互式有源噪声控制系统及方法

检测噪声污染，可以使用噪声计，分贝数越高，噪音越大。 #生活知识# #家居生活# #生活常识普及# #环保生活指南# #家居环境检测#

本发明属于有源噪声控制，具体涉及一种基于声音事件检测的交互式有源噪声控制系统及方法。

背景技术：

1、有源噪声控制技术利用声波干涉相消的原理达到抑制噪声的目的。然而在我们在日常的生活和工作中，噪声依赖于主观判断，即并不是所有的声音都是噪声，例如在公园中行走时，远处路边车辆行驶的声音是噪声，而公园中鸟语声便成为了人们亲近自然悦耳的声音；当行走在路上时，旁边嘈杂的谈话声音是噪声，身后自行车的铃声便是让人们躲避危险的声音；再如当与人交谈时，身后自行车的铃声便成为了噪声。

2、相对于传统的耳机，目前有一些耳机增加了主动降噪模式和通透模式，其中主动降噪模式是通过有源噪声控制技术实现的，而通透模式则是通过听感均衡器将外界的声音均衡，目的是让人们感觉没有带耳机一样。但是这两种模式一个是对外界声音进行全部抑制，另一个则是让外界的声音全部到达人耳膜处，均没有选择性，无法实现将想听的声音保留而抑制不想听的声音（噪声）的目的。

3、针对于噪声的选择性保留，有一些工作对此做过尝试，例如在“comb-partitionedfrequency-domain constraint adaptive algorithm for active noise control”一文中，可以只抑制声音的低频段而保留声音的高频段，使有源噪声控制系统保留一些高频警报声音，即使戴着耳机人们也能感受到周围的一些危险信号，但是这种方案能保留的声音频率特征单一。在“design and implementation of an active noise controlheadphone with directional hear-through capability”一文中，首先利用有源噪声控制技术抑制周围环境的所有声音，然后利用超波束形成技术将正前方的声音通过耳机播放，达到抑制其他方向的声音而保留一个方向声音的目的。这种方案会存在以下两个方面的问题：一方面噪声可能也会出现在同一方向；另一方面由于阵列大小的限制，在耳机上使用超波束形成技术达不到较为理想的效果。此外也可结合有源噪声控制和声音分离技术，但是目前效果较好的声音分离技术延迟较大，延迟较小的声音分离技术不能达到理想的分离效果。最重要的是，现有技术方案不具备声音事件的选择性，无法满足用户个性化的要求。

技术实现思路

1、针对背景技术所存在的现有噪声控制方法不具备对声音具有选择性控制的问题，本发明的目的在于提供一种基于声音事件检测的交互式有源噪声控制系统及方法。本发明控制系统包含新搭建的条件声音时间检测神经网络和子带噪声控制滤波器组；控制方法基于控制系统实现，通过预选一种声音事件类别，然后经过条件声音事件检测神经网络输出预选类别声音事件的频谱掩码；通过频谱掩码实时的调节子带可调噪声控制滤波器输出的控制信号，使次级扬声器输出的控制声波中不包含预选类别的分量，从而不抑制预选类别声音事件的声波，实现对其余声音的控制。

2、为实现上述目的，本发明的技术方案如下：

3、一种基于声音事件检测的交互式有源噪声控制系统，包括选择端口1、条件声音事件检测网络2、参考麦克风3、子带可控滤波器4和次级扬声器5；

4、所述选择端口1用于选择声音事件的类别，并将声音事件的类别序号传输至条件声音事件检测网络2；所述参考麦克风3用于实时的将环境中的声波信号传输至条件声音事件检测网络2和子带可控滤波器4；条件声音事件检测网络2用于基于声音事件的类别序号和参考信号实时获取预选类别的频谱掩码，并将频谱掩码传输至子带可控滤波器4；所述子带可控滤波器4用于基于频谱掩码和参考信号输出控制信号，使次级扬声器输出的控制声波中不包含预选类别的分量，从而不抑制预选类别声音事件的声波；次级扬声器5将控制信号转换为控制声波，与干扰声波在人耳处相互抵消，最后在人耳处只剩下了用户预选类别声音事件的声波。

5、进一步地，所述条件声音事件检测网络2包括条件特征生成模块、特征提取模块、局部特征分析模块、特征融合模块、序列特征分析模块和输出模块；

6、所述条件特征生成模块基于预选类别声音类型序号进行初步编码，得到高维条件特征，并将高维条件特征输出至特征融合模块；特征提取模块用于将参考信号进行分帧、加窗、特征变换，得到输入特征，并将输入特征输出至局部特征分析模块；局部特征分析模块将输入特征进行局部的特征分析，得到高维局部特征，并将高维局部特征输出至特征融合模块；特征融合模块将高维条件特征和高维局部特征进行融合，得到高维融合特征，并将高维融合特征输出至序列分析模块；序列分析模块将高维融合特征进行序列化分析，得到序列化融合特征，并将序列化融合特征输出至输出模块；输出模块将序列化融合特征进行维度变换，流式输出预选声音事件类别的活动状态和频谱分布，并基于活动状态和频谱分布得到频谱掩码， m为一段音频的帧序号。

7、进一步地，所述条件声音事件检测网络2的损失函数为：

8、

9、其中， m为一段音频的帧序号， m为一段音频分帧的总数，为预选声音事件活动状态的标签，为活动状态，为预选声音事件频谱分布的标签，为频谱分布；和为损失权重，且。

10、进一步地，所述条件声音事件检测网络2训练所采用的数据集包括可以预选的单音事件声音数据和不可预选的背景噪声声音数据；所述可以预选的单音事件声音数据具体为“笑声”、“鸟鸣声”、“警报声”、“说话声”、“音乐声”等，不可预选的背景噪声声音数据具体为“交通噪声”、“发动机噪声”、“粉色噪声”、“地铁噪声”等。

11、进一步地，子带可控滤波器包括子带滤波器组和幅度调节数组；

12、所述子带滤波器组包括g个子带滤波器，所述子带滤波器用于对参考信号进行滤波处理，即将参考信号和各个子滤波器进行线性卷积；所述幅度调节数组用于调节各个子滤波器的输出幅度，即滤波输出分别乘以向量中的元素，其中为1的元素表示抑制相应的子带，而为0的元素则表示保留响应的子带。

13、进一步地，子带滤波器组的获取过程为：

14、步骤1：运用fxlms算法对白噪声训练，训练时的迭代公式为：

15、；

16、其中，为第 n次采样时的全频带噪声控制滤波器，为步长，为误差信号，为滤波参考信号；

17、训练好后得到的全频带噪声控制滤波器记为；

18、步骤2：利用滤波器重构技术将进行分解，

19、步骤2.1.对全频带噪声控制滤波器进行离散傅里叶变换，；

20、其中，  f l为离散傅里叶变换矩阵， l表示控制滤波器的长度，为全频带噪声控制滤波器频域向量，

21、，其中，为噪声控制滤波器的第 l个频域值， l=0,1,..., l-1；

22、步骤2.2. 将全频带噪声控制滤波器频域向量划分为g个子带滤波器频域向量，则g个子带滤波器频域系数分配具体过程为：

23、当g < g时：

24、；

25、当g =g时：

26、，

27、其中，， i表示子带噪声控制滤波器的带宽；

28、则第g个子带噪声控制滤波器频域的向量形式为：

29、，其中，为第 g个子带噪声控制滤波器的第 l个频域值， l=0,1,..., l-1；

30、步骤2.3.对每个进行离散傅里叶逆变换，得到第g个子带滤波器， g=1,2,..., g：

31、

32、则子带滤波器组，其中， g为子带的数量，为离散傅里叶变换矩阵 f l的逆矩阵。

33、进一步地，所述幅度调节数组由频谱掩码按位取反获得，即：，其中，，为第g个子带的幅度调节数组。

34、一种基于声音事件检测的交互式有源噪声控制方法，包括以下步骤：

35、步骤1.用户预选想要保留的声音事件类别；

36、步骤2. 实时获取参考信号；

37、步骤3. 基于步骤1预选的声音事件类别序号和步骤2实时获取的参考信号，采用训练好的条件检测神经网络获得预选类别声音事件的活动状态和频谱分布，其中m表示帧序号，按阈值和对和二值化后将两者相乘得到频谱掩码；

38、步骤4.基于步骤3得到的频谱掩码获得幅度调节数组，即：；

39、步骤5.基于参考信号、幅度调节数组和子带滤波器组获得控制信号y(n)，具体为，

40、，

41、其中， n表示采样序号， g为子带的数量，由预选声音事件的频谱分布确定， t为转秩；

42、步骤6. 控制信号控制次级扬声器发出控制声波，与干扰声波在人耳处相互抵消，最后在人耳处只剩下了用户预设类别声音事件的声波。

43、综上所述，由于采用了上述技术方案，本发明的有益效果是：

44、1.本发明搭建的条件声音事件检测神经网络是一个流式的检测网络，不依赖于未来时刻的信息，可以使预选类别的声音事件的声音信号实时的传递到人耳处。

45、2.本发明所采用的子带可调噪声控制滤波器，是由全频带噪声控制滤波器分解而来，不会给系统带来额外的时延或噪声抑制效果的下降。

46、3.本发明控制方法可以使得当用户处在一个嘈杂的声音环境中时，让用户自由的选择要听的声音事件，实现一种个性化的有源噪声控制。

网址：一种基于声音事件检测的交互式有源噪声控制系统及方法 https://www.yuejiaxmz.com/news/view/417489

相关内容

噪声/振动噪声检测
噪声的一般控制方法有:
如何控制噪声？控制噪声的办法
环境噪声噪音治理的几种控制方法
通风空调系统噪声控制主要方法.docx
噪声控制基本原理和方法(噪声控制的原则和方法有哪些)
噪声的控制方案
噪声控制基本方法（二）
噪声及其控制
声声入耳？城市噪声在线监测系统解决方案

随便看看