一种分类降噪方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及一种分类降噪方法，涉及主动降噪领域，该方法包括：获取待识别噪声数据；通过预训练的分类模型对所述待识别噪声数据进行识别，得到所述待识别噪声数据的噪声类型；通过预训练的策略函数确定所述待识别噪声数据的噪声类型的主动降噪算法；根据所述主动降噪算法生成噪声抵消信号。实现了准确地将多种噪声进行分类，并根据所分类的噪声选择降噪算法针对性地进行降噪处理。针对性地进行降噪处理。针对性地进行降噪处理。

【技术实现步骤摘要】
一种分类降噪方法、装置、设备及存储介质


[0001]本专利技术涉及主动降噪领域，尤其涉及一种分类降噪方法、装置、设备及存储介质。

技术介绍

[0002]高楼建筑附近的噪声种类丰富，包括社会生活噪声、交通运输噪声以及建筑施工噪声等。在实际使用中传统降噪算法面对多种噪声同时存在的场景时，降噪效果差。

技术实现思路

[0003]本专利技术提供了一种分类降噪方法、装置、设备及存储介质，以解决传统降噪效果差，未能针对性对噪声类型进行降噪。
[0004]第一方面，本专利技术提供了一种分类降噪方法，所述方法包括：
[0005]获取待识别噪声数据；
[0006]通过预训练的分类模型对所述待识别噪声数据进行识别，得到所述待识别噪声数据的噪声类型；
[0007]通过预训练的策略函数确定所述待识别噪声数据的噪声类型的主动降噪算法；
[0008]根据所述主动降噪算法生成噪声抵消信号。
[0009]第二方面，本专利技术提供了一种分类降噪装置，包括用于执行如第一方面任一项所述方法的单元。
[0010]第三方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
[0011]存储器，用于存放计算机程序；
[0012]处理器，用于执行存储器上所存放的程序时，实现第一方面任一项实施例所述的分类降噪方法的步骤。
[0013]第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的分类降噪方法的步骤。
[0014]本专利技术实施例提供的上述技术方案与现有技术相比具有如下优点：
[0015]本专利技术实施例提供的该方法，通过分类模型将预设的音频采集装置采集的待识别噪声数据进行分类，得到噪声类型，再通过策略函数对该噪声类型进行生成抵消信号，由此可将待识别噪声数据中所有的噪声针对性地生成抵消信号，最终实现更准确的降噪效果。
附图说明
[0016]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。
[0017]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本专利技术实施例提供的一种分类降噪方法的流程示意图；
[0019]图2为本专利技术实施例提供的一种分类降噪方法的子流程示意图；
[0020]图3为本专利技术实施例提供的一种分类降噪方法的子流程示意图；
[0021]图4为本专利技术实施例提供的一种分类降噪方法的子流程示意图；
[0022]图5为本专利技术实施例提供的一种分类降噪方法的子流程示意图；
[0023]图6为本专利技术实施例提供的一种分类降噪方法的子流程示意图；
[0024]图7为本专利技术实施例提供的一种分类降噪装置结构示意图；
[0025]图8为本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0026]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0027]实施例1
[0028]图1为本专利技术实施例提供的一种分类降噪方法的流程示意图。本专利技术实施例提出了一种分类降噪方法，具体地，参见图1，该分类降噪方法包括如下步骤S101
‑
S104。
[0029]S101，获取待识别噪声数据。
[0030]具体实施中，获取包括社会生活噪声、交通运输噪声以及建筑施工噪声等种类丰富的噪声作为待识别噪声数据。
[0031]在一实施例中，参见图2，图2为本专利技术实施例提供的一种分类降噪方法的子流程示意图。以上步骤S101包括步骤S201
‑
S202：
[0032]S201，获取预设的音频采集装置采集的音频流。
[0033]具体实施中，音频采集装置可采集音频流，音频中包括噪声。
[0034]S202，从所述音频流中获取数字信号作为所述待识别噪声数据。
[0035]具体实施中，将音频流转换为数字信号，数字信号包含了社会生活噪声、交通运输噪声以及建筑施工噪声等种类丰富的噪声的数字信号，将该噪声的数字信号作为待识别噪声数据。
[0036]S102，通过预训练的分类模型对所述待识别噪声数据进行识别，得到所述待识别噪声数据的噪声类型。
[0037]具体实施中，预训练的分类模型具有将种类丰富、混杂的噪声进行分类，得到各种噪声对应的噪声类型。通过分类模型识别待识别噪声数据，分析得出待识别噪声数据中各种噪声对应的噪声类型。
[0038]利用分类模型将混杂的噪声分析出具体的噪声类型，以便后续针对性地对各个噪声类型进行不同强度的降噪，实现针对性降噪的效果。
[0039]在一实施例中，参见图3，图3为本专利技术实施例提供的一种分类降噪方法的子流程示意图。以上步骤S102包括步骤S301
‑
S302：
[0040]S301，对所述待识别噪声数据进行除杂处理、归一化处理以及特征降维处理，得到目标数据。
[0041]具体实施中，除杂处理指去除预设的音频采集装置自身噪声以及基线漂移等噪声。需要说明的是，所述除杂处理、归一化处理以及特征降维处理的原理具体为可参考现有资料确定，对此本专利技术不做具体限定。
[0042]S302，将所述目标数据输入到所述分类模型中，以由所述分类模型识别所述待识别噪声数据的噪声类型。
[0043]具体实施中，经步骤S301排除采集装置自身噪声的影响，以便分类模型更准确地分析得到待识别噪声数据中包含的噪声类型。在一实施例中，运用了特征提取得到细分数据的手段，特征提取指提取特征参数，特征参数包括噪声均值、方差、最大声压级、声谱、偏度、过零率、均方频率、短时功率谱密度、小波熵等数据。最后对数据进行归一化处理和特征降维处理，以得到待分类模型进行识别的数据集，将该数据集作为目标数据。通过细分数据对分类模型进行训练，提高分类模型准确分类的性能，所述特征提取得到细分数据可参考现有资料确定，对此本专利技术不做具体限定。
[0044]在一实施例中，参见图4，图4为本专利技术实施例提供的一种分类降噪方法的子流程示意图。以上步骤S102之前，还包括步骤S401
‑
S402：
[0045]S401，从预设的噪声样本数据库中获取噪声样本训练集。
[0046]具体实施中，通过噪声样本数据库中获取噪声样本训练集，在一实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分类降噪方法，其特征在于，所述方法包括：获取待识别噪声数据；通过预训练的分类模型对所述待识别噪声数据进行识别，得到所述待识别噪声数据的噪声类型；通过预训练的策略函数确定所述待识别噪声数据的噪声类型的主动降噪算法；根据所述主动降噪算法生成噪声抵消信号。2.根据权利要求1所述的方法，其特征在于，所述获取待识别噪声数据，包括：获取预设的音频采集装置采集的音频流；从所述音频流中获取数字信号作为所述待识别噪声数据。3.根据权利要求1所述的方法，其特征在于，所述通过预训练的分类模型对所述待识别噪声数据进行识别，得到所述噪声数据的噪声类型，包括：对所述待识别噪声数据进行除杂处理、归一化处理以及特征降维处理，得到目标数据；将所述目标数据输入到所述分类模型中，以由所述分类模型识别所述待识别噪声数据的噪声类型。4.根据权利要求1所述的方法，其特征在于，所述通过预训练的分类模型对所述待识别噪声数据进行识别，得到所述噪声数据的噪声类型之前，所述方法还包括：从预设的噪声样本数据库中获取噪声样本训练集；通过所述噪声样本训练集对预构建的支持向量机模型进行训练，得到所述预训练的分类模型。5.根据权利要求1所述的方法，其特征在于，所述通过预训练的策略函数确定所述噪声类型的主动降噪算法之前，所述方法还包括：从预设的主动降噪算法样本数据库中获取主动降噪算法样本训练...

【专利技术属性】
技术研发人员：郑圳彬，陈敏，刘军，耿智博，陈俊伟，谢晓梅，李学生，
申请(专利权)人：鲲腾技术有限公司，
类型：发明
国别省市：