【技术实现步骤摘要】
本专利技术涉及声学设备，具体涉及一种开放式音频特性测试方法和系统。
技术介绍
1、在电声器件(比如麦克风和扬声器)的生产制造过程中，为了保证品质，需要对产品的音频特性进行测试分析。典型的音频特性包括：频响曲线(fr)、总谐波失真(thd)和高阶谐波失真(hohd)等。所谓频响曲线，是指电声器件的输入或者输出增益随频率变化的曲线，是电声器件品质的核心指标之一。电声器件的音频特性测试通常需要把电声器件放置在一个密闭的隔音箱内进行。采用隔音箱的成本较高，而且需要严格保证其隔音效果并且还需要在特定的安静环境中行，否则会影响测试结果的准确性。这增加了测试复杂度，也降低了测试效率，并且由于需要在隔音箱内进行测试，所以需要花费更多的时间布置测试设备，这无疑增加了测试的时间成本。
2、若在开放空间中进行测试，可以显著降低测试成本，提高测试效率，但是相比隔音箱，在开放空间下音频测试会受多种外在因素的干扰影响，比如各种噪声、空间混响、距离衰减等。如果仍然采用传统的性能指标计算方法，测试结果将出现较大偏差和扰动。
技术实现思路
1、针对上述问题，本专利技术提供了一种开放式音频特性测试方法和系统，适用于开放空间的电声器件音频特性测试方案，降低测试成本，提高测试效率，扩大测试覆盖度。
2、其技术方案是这样的：一种开放式音频特性测试方法,其特征在于，包括：
3、将参考电声器件和待测电声器件以及对应的标准收音装置或放音装置布置在开放空间中的固定预设位置上；
4、播
5、基于参考电声器件和待测电声器件所采集的音频信号，分别计算参考电声器件和待测电声器件的音频特性指标；
6、根据开放空间测得的参考电声器件的音频特性指标和参考音频特性指标，得到开放空间测试指标到隔音箱测试指标的映射关系,所述参考音频特性指标采用标准扬声器在隔音箱中预先测得；
7、通过映射关系，由待测电声器件在开放空间测得的音频特性，得到其对应的在隔音箱中测得的音频特性指标。
8、进一步的，将所述映射关系建立为线性映射关系，建立映射函数f(x)，表示为：
9、f(x)＝kx+b
10、采用第一参考电声器件在隔音箱中测得的音频特性指标和在开放空间测得的音频特性指标建立第一参考电声器件方程：
11、采用第二参考电声器件在隔音箱中测得的音频特性指标和在开放空间测得的音频特性指标建立第二参考电声器件方程：
12、联立第一、第二参考电声器件方程组成方程组，求解方程组得到映射函数参数f(x)的参数k和b。
13、进一步的，将所述映射关系建立为非线性映射关系，基于深度学习网络建模开放空间测试指标到隔音箱测试指标的映射关系。
14、进一步的，在小于50分贝的安静场景中或者只有时频稳定噪声的情况下，采用线性映射关系；如果场景中有瞬态噪声或者时频非均匀稳态噪声的情况下，采用非线性映射关系。
15、进一步的，基于深度学习网络建模开放空间测试指标到隔音箱测试指标的映射关系，包括：
16、基于深度神经网络构建所述音频特性指标映射模型，所述音频特性指标映射模型包括：第一深度神经网络单元和第二深度神经网络单元，将参考电声器件和待测电声器件在开放空间测得的音频特性指标，作为第一深度神经网络单元的输入，所述第一深度神经网络单元输出参考电声器件在隔音箱中测得的音频特性指标的估计值；将参考电声器件在隔音箱中测得的音频特性指标与第一深度神经网络单元的输出之差以及第一深度神经网络单元的输出，作为第二深度神经网络单元的输入，所述第二深度神经网络单元输出待测电声器件在隔音箱中测得的音频特性指标；
17、基于训练好的音频特性指标映射模型，获得输出待测电声器件在隔音箱中测得的音频特性指标。
18、进一步的，所述音频特性指标映射模型如下训练：
19、采用多个参考电声器件，分别将每个参考电声器件匹配待测电声器件，组成多组电声器件组，测量每组电声器件在隔音箱中的音频特性指标和在多种开放空间的音频特性指标，采集得到多组音频特性指标数据和分别表示参考麦克风在隔音箱中测得的音频特性指标和在开放空间测得的音频特性指标；和分别表示待测麦克风在隔音箱中测得的音频特性指标和在开放空间测得的音频特性指标，构建得到训练集，然后采用训练集中数据，利用反向传播算法训练音频特性指标映射模型的参数，学习目标为最小化第一深度神经网络单元的输出层out1的输出和第二深度神经网络单元的输出层out2的输出与对应真实测量得到的音频特性指标的最小均方误差，表示为：
20、
21、其中，θ为模型参数，α∈[0,1]是手动设定的损失函数的权重，loss1为第一深度神经网络单元的输出层out1的输出与参考电声器件的音频特性指标的最小均方误差，表示为n1为输出层out1的节点数；loss2为第二深度神经网络单元的输出层out2的输出与待测电声器件的音频特性指标的最小均方误差，表示为n2为输出层out2的节点数；
22、接着通过不断迭代训练直至学习目标收敛；最后屏蔽第一深度神经网络单元的输出层out1，得到最终的对应音频特性指标m的训练好的音频特性指标映射模型，训练好的音频特性指标映射模型对应为开放空间测试指标到隔音箱测试指标的映射函数。
23、一种开放式音频特性测试系统,其特征在于，包括：
24、参考电声器件和待测电声器件以及对应的标准收音装置或放音装置；
25、辅助治具，用于将参考电声器件和待测电声器件以及对应的标准收音装置或放音装置布置在开放空间中的固定预设位置上；
26、测试控制台，用于播放预先设计的扫频信号并采集音频信号；基于参考电声器件和待测电声器件所采集的音频信号，分别计算参考电声器件和待测电声器件的音频特性指标；根据开放空间测得的参考电声器件的音频特性指标和参考音频特性指标，得到开放空间测试指标到隔音箱测试指标的映射关系,所述参考音频特性指标采用标准扬声器在隔音箱中预先测得；通过映射关系，由待测电声器件在开放空间测得的音频特性，得到其对应的在隔音箱中测得的音频特性指标。
27、一种计算机装置，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如上述的开放式音频特性测试方法。
28、一种计算机可读存储介质，其上存储有程序，其特征在于：程序被处理器执行时实现如上述的开放式音频特性测试方法。
29、一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现上述方法的步骤。
30、采用本专利技术的开放式音频特性测试方法，在开放空间进行电声器件的音频特性指标测试，可以不依赖隔音箱，在开放空间进行电声器件的音频特性指标测试，降低测试成本，测试人员可以更快速地设置和进行测试，从而显著提高工作效率，通过建立开放空间测试指标到隔音本文档来自技高网...
【技术保护点】
1.一种开放式音频特性测试方法,其特征在于，包括以下步骤：
2.根据权利要求1所述的一种开放式音频特性测试方法,其特征在于：将所述映射关系建立为线性映射关系，建立映射函数f(x)，表示为：
3.根据权利要求2所述的一种开放式音频特性测试方法,其特征在于：将所述映射关系建立为非线性映射关系，基于深度学习网络建模开放空间测试指标到隔音箱测试指标的映射关系。
4.根据权利要求3所述的一种开放式音频特性测试方法,其特征在于：在小于50分贝的安静场景中或者只有时频稳定噪声的情况下，采用线性映射关系；如果场景中有瞬态噪声或者时频非均匀稳态噪声的情况下，采用非线性映射关系。
5.根据权利要求3所述的一种开放式音频特性测试方法,其特征在于：基于深度学习网络建模开放空间测试指标到隔音箱测试指标的映射关系，包括：
6.根据权利要求5所述的一种开放式音频特性测试方法,其特征在于：所述音频特性指标映射模型如下训练：
7.一种开放式音频特性测试系统,其特征在于，包括：
8.一种计算机装置，包括存储器和处理器，所述存储器存储
9.一种计算机可读存储介质，其上存储有程序，其特征在于：程序被处理器执行时实现如权利要求1的开放式音频特性测试方法。
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1所述方法的步骤。
...【技术特征摘要】
1.一种开放式音频特性测试方法,其特征在于，包括以下步骤：
2.根据权利要求1所述的一种开放式音频特性测试方法,其特征在于：将所述映射关系建立为线性映射关系，建立映射函数f(x)，表示为：
3.根据权利要求2所述的一种开放式音频特性测试方法,其特征在于：将所述映射关系建立为非线性映射关系，基于深度学习网络建模开放空间测试指标到隔音箱测试指标的映射关系。
4.根据权利要求3所述的一种开放式音频特性测试方法,其特征在于：在小于50分贝的安静场景中或者只有时频稳定噪声的情况下，采用线性映射关系；如果场景中有瞬态噪声或者时频非均匀稳态噪声的情况下，采用非线性映射关系。
5.根据权利要求3所述的一种开放式音频特性测试方法,其特征在于：...
【专利技术属性】
技术研发人员：王欢良，唐浩元，张李，李志，
申请(专利权)人：苏州奇梦者科技有限公司，
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。