【技术实现步骤摘要】
本专利技术涉及智能化隔声减振，尤其涉及一种基于室内主动降噪的隔声减振系统。
技术介绍
1、室内噪声对人们的生活和工作具有不利的影响。首先，噪声会对人的健康和心理产生负面影响，如增加焦虑、疲劳和压力等。此外，长期暴露在高噪声环境下可能导致听力损伤。其次，噪声会干扰人们的正常活动，使得人们集中不了注意力，影响工作和学习效率。随着人们对室内环境品质的要求不断提高，室内噪声成为一个普遍存在的问题。
2、隔声减振是指通过使用隔声材料和相关技术手段，降低声波在空气或其他介质中的传播和传递，从而减少噪声的传入或传播。隔声减振旨在切断或阻隔噪声的传播路径，减少噪声对室内的影响。
3、但是，传统的隔声减振方法存在一些问题。例如，常见的隔声材料如泡沫塑料、玻璃纤维等对低频噪声效果不佳。此外，传统的隔声减振方法主要依靠被动隔声材料，无法主动调节和控制噪声。
4、因此，期待一种基于室内主动降噪的隔声减振系统。
技术实现思路
1、本专利技术要解决的技术问题为提供一种基于室内主动降噪的隔声减振系统，以提高隔声减振的效果。
2、本专利技术实施例还提供了一种基于室内主动降噪的隔声减振系统，其包括：
3、隔声材料，用于吸收和/或反射声波；传感器组，用于采集检测声波信号；分布在所述隔声材料表面和/或内部的扬声器，用于发射减振声波信号；控制子系统，用于控制所述扬声器发射所述减振声波信号，其中，所述控制子系统与所述传感器组连接，且所述控制子系统与所述扬声器连接，
4、声波信号检测模块，用于获取所述检测声波信号；
5、数据预处理模块，用于对所述检测声波信号进行数据预处理以得到检测声波信号片段的序列；
6、多粒度波形波动特征提取模块，用于对所述检测声波信号片段的序列进行多粒度波形波动特征提取和投影映射融合以得到声波信号多粒度波动语义特征向量；
7、减振声波信号生成模块，用于基于所述声波信号多粒度波动语义特征向量生成所述减振声波信号。
8、在上述基于室内主动降噪的隔声减振系统中，所述数据预处理模块，用于：
9、对所述检测声波信号进行信号切分以得到所述检测声波信号片段的序列。
10、在上述基于室内主动降噪的隔声减振系统中，所述多粒度波形波动特征提取模块，包括：
11、特征提取单元，用于利用深度学习网络模型对所述检测声波信号片段的序列进行特征提取以得到检测声波信号片段波形特征向量的序列；
12、片段间语义关联特征提取单元，用于提取所述检测声波信号片段波形特征向量的序列中片段间语义关联特征以得到声波片段间语义关联特征向量；
13、拼接单元，用于将所述检测声波信号片段波形特征向量的序列进行拼接以得到检测声波信号全局波形语义特征向量；
14、融合单元，用于使用投影层来融合所述检测声波信号全局波形语义特征向量和所述声波片段间语义关联特征向量以得到所述声波信号多粒度波动语义特征向量。
15、在上述基于室内主动降噪的隔声减振系统中，所述深度学习网络模型为基于卷积神经网络模型的声音信号波动特征提取器。
16、在上述基于室内主动降噪的隔声减振系统中，所述特征提取单元，用于：
17、将所述检测声波信号片段的序列通过所述基于卷积神经网络模型的声音信号波动特征提取器以得到所述检测声波信号片段波形特征向量的序列。
18、在上述基于室内主动降噪的隔声减振系统中，所述片段间语义关联特征提取单元，用于：
19、将所述检测声波信号片段波形特征向量的序列通过基于bi-lstm模型的声波片段间语义关联编码器以得到所述声波片段间语义关联特征向量。
20、在上述基于室内主动降噪的隔声减振系统中，所述融合单元，用于：
21、使用投影层以如下投影公式来融合所述检测声波信号全局波形语义特征向量和所述声波片段间语义关联特征向量以得到所述声波信号多粒度波动语义特征向量；
22、其中，所述投影公式为：
23、其中，为所述声波信号多粒度波动语义特征向量，为所述检测声波信号全局波形语义特征向量，为所述声波片段间语义关联特征向量，表示级联，表示向量的投影映射。
24、在上述基于室内主动降噪的隔声减振系统中，所述减振声波信号生成模块，用于：
25、将所述声波信号多粒度波动语义特征向量通过基于对抗生成网络模型的减振反向声波生成器以得到所述减振声波信号。
26、在上述基于室内主动降噪的隔声减振系统中，还包括用于对所述基于卷积神经网络模型的声音信号波动特征提取器、所述基于bi-lstm模型的声波片段间语义关联编码器、所述投影层和所述基于对抗生成网络模型的减振反向声波生成器进行训练的训练模块。
27、在上述基于室内主动降噪的隔声减振系统中，所述训练模块，包括：
28、训练数据获取单元，用于获取训练数据，所述训练数据包括训练检测声波信号，以及，减振声波信号的真实值；
29、训练信号切分单元，用于对所述训练检测声波信号进行信号切分以得到训练检测声波信号片段的序列；
30、训练声音信号波动特征提取单元，用于将所述训练检测声波信号片段的序列通过所述基于卷积神经网络模型的声音信号波动特征提取器以得到训练检测声波信号片段波形特征向量的序列；
31、训练语义关联编码单元，用于将所述训练检测声波信号片段波形特征向量的序列通过所述基于bi-lstm模型的声波片段间语义关联编码器以得到训练声波片段间语义关联特征向量；
32、训练拼接单元，用于将所述训练检测声波信号片段波形特征向量的序列进行拼接以得到训练检测声波信号全局波形语义特征向量；
33、训练融合单元，用于使用所述投影层来融合所述训练检测声波信号全局波形语义特征向量和所述训练声波片段间语义关联特征向量以得到训练声波信号多粒度波动语义特征向量；
34、训练减振反向声波生成单元，用于将所述训练声波信号多粒度波动语义特征向量通过所述基于对抗生成网络模型的减振反向声波生成器以得到生成损失函数值；
35、特定损失函数计算单元，用于计算所述训练检测声波信号全局波形语义特征向量和所述训练声波片段间语义关联特征向量的特定损失函数值；
36、训练单元，用于以所述生成损失函数值和所述特定损失函数值的加权和作为损失函数值来对所述基于卷积神经网络模型的声音信号波动特征提取器、所述基于bi-lstm模型的声波片段间语义关联编码器、所述投影层和所述基于对抗生成网络模型的减振反向声波生成器进行训练。
37、与现有技术相比，本申请提供的基于室内主动降噪的隔声减振系统，包括：隔声材料，用于吸收和/或反射声波；传感器组，用于采集检测声波信号；分布在所述隔声材料表面和/或内部的扬声器，用于发射减振声波信号；控制子系统，用于控制所述扬声器发射所述减振声波信号，本文档来自技高网...
【技术保护点】
1.一种基于室内主动降噪的隔声减振系统，包括：隔声材料，用于吸收和/或反射声波；传感器组，用于采集检测声波信号；分布在所述隔声材料表面和/或内部的扬声器，用于发射减振声波信号；控制子系统，用于控制所述扬声器发射所述减振声波信号，其中，所述控制子系统与所述传感器组连接，且所述控制子系统与所述扬声器连接，其特征在于，所述控制子系统，包括：
2.根据权利要求1所述的基于室内主动降噪的隔声减振系统，其特征在于，所述数据预处理模块，用于：
3.根据权利要求2所述的基于室内主动降噪的隔声减振系统，其特征在于，所述深度学习网络模型为基于卷积神经网络模型的声音信号波动特征提取器。
4.根据权利要求3所述的基于室内主动降噪的隔声减振系统，其特征在于，所述特征提取单元，用于：
5.根据权利要求4所述的基于室内主动降噪的隔声减振系统，其特征在于，所述片段间语义关联特征提取单元，用于：
6.根据权利要求5所述的基于室内主动降噪的隔声减振系统，其特征在于，所述减振声波信号生成模块，用于：
7.根据权利要求6所述的基于室内主动降噪的隔声
8.根据权利要求7所述的基于室内主动降噪的隔声减振系统，其特征在于，所述训练模块，包括：
...【技术特征摘要】
1.一种基于室内主动降噪的隔声减振系统，包括：隔声材料，用于吸收和/或反射声波；传感器组，用于采集检测声波信号；分布在所述隔声材料表面和/或内部的扬声器，用于发射减振声波信号；控制子系统，用于控制所述扬声器发射所述减振声波信号，其中，所述控制子系统与所述传感器组连接，且所述控制子系统与所述扬声器连接，其特征在于，所述控制子系统，包括：
2.根据权利要求1所述的基于室内主动降噪的隔声减振系统，其特征在于，所述数据预处理模块，用于：
3.根据权利要求2所述的基于室内主动降噪的隔声减振系统，其特征在于，所述深度学习网络模型为基于卷积神经网络模型的声音信号波动特征提取器。
4.根据权利要求3所述的基于室内主动降噪的隔声减...
【专利技术属性】
技术研发人员：殷艺敏，郑建辉，刘祖德，罗明宇，
申请(专利权)人：广州声博士声学技术有限公司，
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。