【技术实现步骤摘要】
主动降噪装置及方法
本专利技术涉及人工智能
，特别是涉及一种主动降噪装置及方法。
技术介绍
公共场所充斥着各种各样的环境噪音，其已经成为环境公害之一，人体过度暴露在噪声污染环境中，不仅会感到烦躁、严重影响睡眠和心理建海，还会引发学习障碍、耳鸣等疾病，甚至增加患心脏病等疾病的风险，导致寿命缩短。为了减少噪声污染，主要涉及被动降噪技术和主动降噪方法两种技术流派。其中，被动降噪技术主要是对噪声的生源采取隔离、减震、阻尼等方式减弱噪声；主动降噪技术是利用声音作为一种波的特性通过发射反相声波对冲原声波，使原声波减弱直至消失的技术。现有技术中，由于噪声多种多样，导致在主动降噪处理电路需要长时间实时运算，因此功耗较大，导致需要主动降噪设备需要频繁充电，电池的使用寿命十分有限，致使主动降噪设备的成本较大。
技术实现思路
有鉴于此，本专利技术提供了一种主动降噪装置及方法，其在主动降噪的过程中能够减少设备的功耗，从而更加适于实用。为了达到上述第一个目的，本专利技术提供的主动降噪装置的技术方案如下：本专利...
【技术保护点】
1.一种主动降噪装置，其特征在于，包括：/n音频数据采集单元，用于采集待降噪音频数据；/n声学通道，用于得到所述待降噪音频信号的待叠加音频数据；/n音频数据特征提取单元，用于从所述待降噪音频数据中提取数据特征；/n分类器，用于根据所述数据特征，对所述待降噪音频数据进行分类，得到所述待降噪音频数据的分类结果；/n反相音频数据生成单元，用于根据所述分类结果，载入滤波器参数，对所述待降噪音频数据进行数据处理，得到所述待降噪音频数据的反相音频数据；/n声波叠加单元，用于对所述待叠加音频数据的声波特性、所述反相音频数据的声波特性，进行声波叠加，使得所述待降噪音频数据中的噪音被所述反相...
【技术特征摘要】
1.一种主动降噪装置，其特征在于，包括：
音频数据采集单元，用于采集待降噪音频数据；
声学通道，用于得到所述待降噪音频信号的待叠加音频数据；
音频数据特征提取单元，用于从所述待降噪音频数据中提取数据特征；
分类器，用于根据所述数据特征，对所述待降噪音频数据进行分类，得到所述待降噪音频数据的分类结果；
反相音频数据生成单元，用于根据所述分类结果，载入滤波器参数，对所述待降噪音频数据进行数据处理，得到所述待降噪音频数据的反相音频数据；
声波叠加单元，用于对所述待叠加音频数据的声波特性、所述反相音频数据的声波特性，进行声波叠加，使得所述待降噪音频数据中的噪音被所述反相音频数据冲抵，得到经过主动降噪后的音频数据。
2.根据权利要求1所述的主动降噪装置，其特征在于，所述分类器是经过训练的基于深度学习的神经网络分类器。
3.根据权利要求2所述的主动降噪装置，其特征在于，所述基于深度学习的神经网络分类器的训练方法包括以下步骤：
获取已知分类结果的待降噪音频数据训练样本集，定义所述已知分类结果的待降噪音频数据训练样本集中的训练样本为第一种训练样本；
从所述第一种训练样本提取特征数据；
将每一所述第一训练样本的特征数据输入至所述基于深度学习的神经网络分类器，得到每一所述第一种训练样本的分类结果；根据每一所述第一种训练样本中的数据特征、每一所述第一种训练样本的分类结果、以及对应的第一种分类样本的已知分类结果，对所述基于深度学习的神经网络分类器的分类结果进行调整，直至基于所述基于深度学习的神经网络分类器的分类结果符合准确率要求时，得到所述第一种训练样本的数据特征与分类结果之间的对应关系；
以所述第一种训练样本的数据特征与分类结果之间的对应关系，作为所述基于深度学习的神经网络分类器的分类基准，得到所述经过训练的基于深度学习的神经网络分类器。
4.根据权利要求1所述的主动降噪装置，其特征在于，所述反相音频数据生成单元包括自适应滤波器，所述自适应滤波器能够通过训练不断调整参数，使得所述参数与所述待降噪音频数据的分类结果相适配。
5.根据权利要求4所述的主动降噪装置，其特征在于，所述自适应滤波器的训练方法包括以下步骤：
获取经过分类器分类的待降噪音频数据训练样本集，定义所述经过分类器分类的待降噪音频数据训练样本集中的训练样本为第二种训练样本；
每一所述第二种训练样本经过前处理器件后，得到经过前处理的训练样本；
所述经过前处理的训练样本输入至所述自适应滤波器，得到所述第二种训练样本的反相音频数据；
所述第二种训练样本的反相音频数据经过后处理器件后，得到所述第二种训练样本的第一音频信号；<...
【专利技术属性】
技术研发人员：邹天琦，张雨梦，
申请(专利权)人：南京每深智能科技有限责任公司，
类型：发明
国别省市：江苏;32
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。