【技术实现步骤摘要】
本专利技术涉及耳机控制，尤其涉及一种基于声纹识别及反向波抵消降风噪的耳机控制方法。
技术介绍
1、随着无线通信技术和音频处理技术的快速发展，耳机已经成为人们日常生活中不可或缺的电子设备之一。然而，传统耳机在嘈杂环境中的使用体验往往不尽如人意，尤其是在风噪和其他环境噪声的干扰下，用户很难获得清晰的音频效果。此外，随着个性化需求的增加，用户希望耳机能够根据自身的声纹特征进行自适应调节，从而提供更好的音质和降噪效果。
2、传统的主动降噪耳机主要依靠麦克风捕捉环境噪声，并生成相位相反的反向波形来抵消噪声。这种方法在低频噪声的降噪效果较好，但对复杂环境中的高频噪声和风噪效果有限，且难以实现实时的噪声变化跟踪，与此同时，现有的声纹识别技术也常常应用于耳机中的降风噪。
3、然而，传统的利用声纹识别及反向波抵消的降噪方法往往存在以下问题：高性能降噪和语音识别往往导致耳机功耗过高，续航时间短；常规语音控制容易受到环境噪声干扰，识别准确率低。
技术实现思路
1、基于此，本专利技术有必要提供一种基于声纹识别及反向波抵消降风噪的耳机控制方法，以解决至少一个上述技术问题。
2、为实现上述目的，一种基于声纹识别及反向波抵消降风噪的耳机控制方法，包括以下步骤：
3、步骤s1：获取用户声纹数据；对用户声纹数据进行数据增强，得到声纹增强数据；利用长短期记忆网络对声纹增强数据进行语音与噪声分离，从而得到语音信号数据；
4、步骤s2：对语音信号数据进行语音谱特
5、步骤s3：通过麦克风阵列技术对用户声纹数据进行噪声源定位，并根据噪声源以及耳机扬声器布局进行反向波的最优波形以及相位确定，从而得到反向波最优数据；
6、步骤s4：利用递归最小均方算法根据用户声纹数据进行噪声变化实时跟踪，并对反向波最优数据进行反向波波形调整，从而得到自适应反向波数据；
7、步骤s5：基于数字信号处理器对自适应反向波数据进行算力与功耗的动态调整，从而得到功耗控制参数数据；根据功耗控制参数数据、自适应反向波数据以及用户声纹模型对用户声纹数据进行噪声抵消以及声纹提取，从而得到声纹清晰音频数据。
8、本专利技术通过对用户声纹数据应用数据增强技术，可以增加数据样本的多样性，提高声纹模型的鲁棒性和泛化能力；这有助于使声纹模型对不同语音环境和噪声条件下的声纹数据都具有良好的识别性能。通过长短期记忆网络等技术，将声纹增强数据进行语音与噪声的分离，可以去除背景噪声对声纹特征的干扰，这有助于提高声纹识别系统的准确性和稳定性。通过将语音信号数据进行频谱分析，并将语音谱特征与相位特征进行融合，可以综合利用两者的信息，提高声纹特征的表征能力，这有助于增强声纹模型对声音特征的理解和区分能力，提高声纹识别的准确性和鲁棒性。通过根据用户声纹特征数据训练声纹模型，可以建立针对该用户的个性化声纹模型，这有助于将来对用户的声纹进行识别和辨别，实现个性化的声纹处理和服务。通过麦克风阵列技术，可以确定用户声纹数据中的噪声源的位置，这有助于精确计算反向波的最优波形和相位，以最大程度地降低噪声对声纹数据的干扰。根据噪声源和耳机扬声器布局，确定反向波的最优波形和相位，可以实现对噪声的抵消和降低，这有助于提高声纹信号的清晰度和可辨识度。通过递归最小均方算法等技术，实时跟踪用户声纹数据中噪声的变化情况，这有助于动态调整反向波的波形，以适应不同步变化的噪声环境，进一步减少噪声对声纹数据的影响。通过对反向波最优数据进行波形调整，可以根据实时的噪声变化情况对抗噪声，这有助于提高噪声抵消效果，使声纹数据更清晰可辨。通过数字信号处理器对自适应反向波数据进行算力与功耗的动态调整，可以根据实际需求平衡计算性能和功耗消耗，这有助于提高系统的效率和节约能源。根据功耗控制参数数据、自适应反向波数据以及用户声纹模型，对用户声纹数据进行噪声抵消和声纹提取，这有助于消除噪声对声纹的干扰，提取出清晰的声纹音频数据，从而提高声纹识别的准确性和可靠性。
9、优选地，步骤s1包括以下步骤：
10、步骤s11：通过耳机内置麦克风采集用户语音，得到原始声纹数据；
11、步骤s12：对原始声纹数据进行降采样以及滤波，并进行静音检测以及端点检测，提取有效语音段，从而得到用户声纹数据；
12、步骤s13：对用户声纹数据进行数据增强，从而得到声纹增强数据；
13、步骤s14：根据声纹增强数据进行长短期记忆网络模型构建，其中长短期记忆网络模型包括输入层用于接收声纹增强数据，多层lstm层用于捕捉时序依赖，全连接层用于特征融合，输出层生成语音及噪声的时频掩码；
14、步骤s15：根据长短期记忆网络模型进行输入特征进行处理，从而得到语音-噪声分离掩码数据；
15、步骤s16：根据语音-噪声分离掩码数据对用户声纹数据进行语音重构，从而得到语音信号数据。
16、本专利技术通过耳机内置麦克风，可以方便地采集用户的语音数据，为后续声纹处理提供输入，这有助于建立个人声纹模型，进行声纹识别和验证。通过降低采样率和应用滤波器，可以减少原始声纹数据的采样点数，降低计算和存储开销，同时保留关键的频率成分，这有助于提高系统的效率和处理速度。通过静音检测和端点检测算法，可以识别和去除无声段和非语音段，仅保留有效的语音段，这有助于减少噪声和非语音成分对声纹特征提取的干扰，提高声纹识别的准确性和可靠性。通过对用户声纹数据应用数据增强技术，如声音混响、速度变化、音量调节等，可以增加数据样本的多样性，提高声纹模型的鲁棒性和泛化能力，这有助于使声纹模型对不同语音环境和噪声条件下的声纹数据都具有良好的识别性能。通过构建lstm模型，可以捕捉声纹增强数据中的时序依赖关系，提取语音和噪声的特征表示。这有助于提高声纹识别系统对声纹数据的理解和区分能力。通过全连接层进行特征融合，将lstm模型提取的特征进行综合，生成语音和噪声的时频掩码，这有助于分离语音和噪声成分，提高语音信号的清晰度和噪声抑制效果。通过应用长短期记忆网络模型对输入特征进行处理，可以生成语音-噪声分离掩码数据，指示语音和噪声的相对能量分布，这有助于准确分离语音和噪声成分，提高声音的清晰度和可听性。通过将语音-噪声分离掩码应用于用户声纹数据，可以恢复原始语音信号，去除噪声成分，这有助于提高语音信号的质量和清晰度，使其更易于理解和分析。
17、优选地，步骤s13包括以下步骤：
18、步骤s131：对用户声纹数据进行不同类型和强度的环境噪声添加，并进行语速改变，从而生成不同语速版本的音频数据；
19、步骤s132：对音频数据进行音高偏移模拟，从而得到声纹增强数据集；
20、步骤s133：对声纹增强数据集进行短时傅里叶变换，将时域信号转换为时频表示，从而得到频谱图数据；
21、步骤s134：从频谱图数据中提取梅尔频率倒谱系数本文档来自技高网...
【技术保护点】
1.一种基于声纹识别及反向波抵消降风噪的耳机控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于声纹识别及反向波抵消降风噪的耳机控制方法，其特征在于，步骤S1包括以下步骤：
3.根据权利要求2所述的基于声纹识别及反向波抵消降风噪的耳机控制方法，其特征在于，步骤S13包括以下步骤：
4.根据权利要求3所述的基于声纹识别及反向波抵消降风噪的耳机控制方法，其特征在于，步骤S16包括以下步骤：
5.根据权利要求4所述的基于声纹识别及反向波抵消降风噪的耳机控制方法，其特征在于，步骤S2包括以下步骤：
6.根据权利要求5所述的基于声纹识别及反向波抵消降风噪的耳机控制方法，其特征在于，步骤S3包括以下步骤：
7.根据权利要求6所述的基于声纹识别及反向波抵消降风噪的耳机控制方法，其特征在于，步骤S4包括以下步骤：
8.根据权利要求7所述的基于声纹识别及反向波抵消降风噪的耳机控制方法，其特征在于，步骤S5包括以下步骤：
【技术特征摘要】
1.一种基于声纹识别及反向波抵消降风噪的耳机控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于声纹识别及反向波抵消降风噪的耳机控制方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求2所述的基于声纹识别及反向波抵消降风噪的耳机控制方法，其特征在于，步骤s13包括以下步骤：
4.根据权利要求3所述的基于声纹识别及反向波抵消降风噪的耳机控制方法，其特征在于，步骤s16包括以下步骤：
5....
【专利技术属性】
技术研发人员：张巍，
申请(专利权)人：天键电声股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。