降噪耳机的智能测试方法技术

本发明专利技术涉及ANC耳机生产测试技术领域，尤其涉及降噪耳机的智能测试方法，包括如下步骤；A.得到目标降噪滤波器曲线和频响曲线；B.抽样样本组成待测耳机组；C.得到产品样本的降噪滤波器曲线、频响曲线；D.得出对待测样本的耳机进行拟合的降噪滤波器和频响的微调参数；E.得出一级方程、二级方程；F.对二级微调参数进行函数回归分析得出对待调整的耳机进行调整的降噪滤波器、频响微调方程；本发明专利技术的降噪耳机的智能测试方法，基于样本抽样统计分析，得出曲线调整方程，根据曲线参数差值自动选定某样本组的拟合的调整方程，测试调整效率高。

【技术实现步骤摘要】
降噪耳机的智能测试方法
本专利技术涉及ANC耳机生产测试
，尤其涉及降噪耳机的智能测试方法。
技术介绍
现有的主动降噪耳机生产测试阶段需要对其降噪滤波器曲线和频响曲线进行测试和调整，以获得更好的声音效果，现有的技术中是对耳机逐个进行曲线测试，并根据与目标曲线的差值对各个耳机进行逐个调整。其测试和效率低，导致生产成本高。
技术实现思路
本专利技术的目的在于针对现有技术的不足提供一种。为实现上述目的，本专利技术的降噪耳机的智能测试方法，包括如下步骤；A.选定标准样本耳机，测量其降噪滤波器曲线和频响曲线作为目标降噪滤波器曲线和频响曲线；B.抽样样本组成待测耳机组，将待测耳机组随机分成至少五十个一级组，将每个一级组至少分成五十个二级组；C.测量待测耳机的降噪滤波器曲线、频响曲线作为产品样本的降噪滤波器曲线、频响曲线；D.将产品样本的降噪滤波器曲线、频响曲线与目标降噪滤波器曲线、频响曲线进行比较，得出对待测样本的耳机进行拟合的降噪滤波器和频响的微调参数，所述拟合是指将产品样本的降噪滤波器曲线、频响曲线回归至目标降噪滤波器曲线、频响曲线；根据产品样本的所在二级组别归类形成二级组别微调参数库，从各二级组别的产品样本中各抽取一个根据其所在的一级组别形成一级组别微调参数库；E.对上述一级组别微调参数库、二级组别微调参数库进行函数回归分析得出一级方程、二级方程；F.将一级组别微调参数与二级方程进行拟合比较得出第一二级微调参数，将二级组别微调参数与一级方程进行拟合比较得出第二二级微调参数，将第一二级微调参和第二二级微调参组成二级微调参数库，对二级微调参数进行函数回归分析得出对待调整的耳机进行调整的降噪滤波器、频响微调方程；E.将一级组别微调参数库、二级组别微调参数库、二级微调参数库与一级方程、二级方程、微调方程对应，判断待调整的耳机的微调参数落入二级组别微调参数库、一级组别微调参数库或二级微调参数库，自动选择对应的调整方程，对待调整的耳机进行降噪滤波器、频响曲线调整。进一步的，所述步骤F中对一级方程、二级方程、微调方程进行神经网络训练，以提高拟合程度。进一步的，所述神经网络训练使用的训练方法包括以下步骤：从一级组别微调参数库、二级组别微调参数库获取多个原始数据样本对；每个所述原始数据样本对包括对应同一真实场景的点降噪滤波器和频响的微调参数数据样本；针对每个所述原始数据样本对，将至少一个二级微调参数库的点点降噪滤波器和频响的微调参数数据融合进该原始数据样本对中的降噪滤波器和频响的微调参数，得到融合数据样本对；基于多个所述融合数据样本对，进行神经网络训练，得到用于进行目标调整的一级方程、二级方程、微调方程。本专利技术的有益效果：本专利技术的降噪耳机的智能测试方法，基于样本抽样统计分析，得出曲线调整方程，根据曲线参数差值自动选定某样本组的拟合的调整方程，测试调整效率高。附图说明图1为本专利技术的流程示意图。具体实施方式以下结合附图对本专利技术进行详细的描述。如图1所示，本专利技术的降噪耳机的智能测试方法，包括如下步骤；A.选定标准样本耳机，测量其降噪滤波器曲线和频响曲线作为目标降噪滤波器曲线和频响曲线；B.抽样样本组成待测耳机组，将待测耳机组随机分成至少五十个一级组，将每个一级组至少分成五十个二级组；C.测量待测耳机的降噪滤波器曲线、频响曲线作为产品样本的降噪滤波器曲线、频响曲线；D.将产品样本的降噪滤波器曲线、频响曲线与目标降噪滤波器曲线、频响曲线进行比较，得出对待测样本的耳机进行拟合的降噪滤波器和频响的微调参数，所述拟合是指将产品样本的降噪滤波器曲线、频响曲线回归至目标降噪滤波器曲线、频响曲线；根据产品样本的所在二级组别归类形成二级组别微调参数库，从各二级组别的产品样本中各抽取一个根据其所在的一级组别形成一级组别微调参数库；E.对上述一级组别微调参数库、二级组别微调参数库进行函数回归分析得出一级方程、二级方程；F.将一级组别微调参数与二级方程进行拟合比较得出第一二级微调参数，将二级组别微调参数与一级方程进行拟合比较得出第二二级微调参数，将第一二级微调参和第二二级微调参组成二级微调参数库，对二级微调参数进行函数回归分析得出对待调整的耳机进行调整的降噪滤波器、频响微调方程；E.将一级组别微调参数库、二级组别微调参数库、二级微调参数库与一级方程、二级方程、微调方程对应，判断待调整的耳机的微调参数落入二级组别微调参数库、一级组别微调参数库或二级微调参数库，自动选择对应的调整方程，对待调整的耳机进行降噪滤波器、频响曲线调整。进一步的，所述步骤F中对一级方程、二级方程、微调方程进行神经网络训练，以提高拟合程度。进一步的，所述神经网络训练使用的训练方法包括以下步骤：从一级组别微调参数库、二级组别微调参数库获取多个原始数据样本对；每个所述原始数据样本对包括对应同一真实场景的点降噪滤波器和频响的微调参数数据样本；针对每个所述原始数据样本对，将至少一个二级微调参数库的点点降噪滤波器和频响的微调参数数据融合进该原始数据样本对中的降噪滤波器和频响的微调参数，得到融合数据样本对；基于多个所述融合数据样本对，进行神经网络训练，得到用于进行目标调整的一级方程、二级方程、微调方程。综上所述可知本专利技术乃具有以上所述的优良特性，得以令其在使用上，增进以往技术中所未有的效能而具有实用性，成为一极具实用价值的产品。以上内容仅为本专利技术的较佳实施例，对于本领域的普通技术人员，依据本专利技术的思想，在具体实施方式及应用范围上均会有改变之处，本说明书内容不应理解为对本专利技术的限制。本文档来自技高网...

【技术保护点】
1.降噪耳机的智能测试方法，其特征在于，包括如下步骤；/nA.选定标准样本耳机，测量其降噪滤波器曲线和频响曲线作为目标降噪滤波器曲线和频响曲线；/nB.抽样样本组成待测耳机组，将待测耳机组随机分成至少五十个一级组，将每个一级组至少分成五十个二级组；/nC.测量待测耳机的降噪滤波器曲线、频响曲线作为产品样本的降噪滤波器曲线、频响曲线；/nD.将产品样本的降噪滤波器曲线、频响曲线与目标降噪滤波器曲线、频响曲线进行比较，得出对待测样本的耳机进行拟合的降噪滤波器和频响的微调参数，所述拟合是指将产品样本的降噪滤波器曲线、频响曲线回归至目标降噪滤波器曲线、频响曲线；根据产品样本的所在二级组别归类形成二级组别微调参数库，从各二级组别的产品样本中各抽取一个根据其所在的一级组别形成一级组别微调参数库；/nE.对上述一级组别微调参数库、二级组别微调参数库进行函数回归分析得出一级方程、二级方程；/nF.将一级组别微调参数与二级方程进行拟合比较得出第一二级微调参数，将二级组别微调参数与一级方程进行拟合比较得出第二二级微调参数，将第一二级微调参和第二二级微调参组成二级微调参数库，对二级微调参数进行函数回归分析得出对待调整的耳机进行调整的降噪滤波器、频响微调方程；/nG.将一级组别微调参数库、二级组别微调参数库、二级微调参数库与一级方程、二级方程、微调方程对应，判断待调整的耳机的微调参数落入二级组别微调参数库、一级组别微调参数库或二级微调参数库，自动选择对应的调整方程，对待调整的耳机进行降噪滤波器、频响曲线调整。/n...

【技术特征摘要】
1.降噪耳机的智能测试方法，其特征在于，包括如下步骤；
A.选定标准样本耳机，测量其降噪滤波器曲线和频响曲线作为目标降噪滤波器曲线和频响曲线；
B.抽样样本组成待测耳机组，将待测耳机组随机分成至少五十个一级组，将每个一级组至少分成五十个二级组；
C.测量待测耳机的降噪滤波器曲线、频响曲线作为产品样本的降噪滤波器曲线、频响曲线；
D.将产品样本的降噪滤波器曲线、频响曲线与目标降噪滤波器曲线、频响曲线进行比较，得出对待测样本的耳机进行拟合的降噪滤波器和频响的微调参数，所述拟合是指将产品样本的降噪滤波器曲线、频响曲线回归至目标降噪滤波器曲线、频响曲线；根据产品样本的所在二级组别归类形成二级组别微调参数库，从各二级组别的产品样本中各抽取一个根据其所在的一级组别形成一级组别微调参数库；
E.对上述一级组别微调参数库、二级组别微调参数库进行函数回归分析得出一级方程、二级方程；
F.将一级组别微调参数与二级方程进行拟合比较得出第一二级微调参数，将二级组别微调参数与一级方程进行拟合比较得出第二二级微调参数，将第一二级微调参和第二二级微调参组成二级微调参数库，对二级微调参数进行函数回归分析得出...

【专利技术属性】
技术研发人员：邓文武，
申请(专利权)人：东莞市声强电子有限公司，
类型：发明
国别省市：广东;44