【技术实现步骤摘要】
本专利技术涉及语音的降噪优化，具体为一种面向智能家居的降噪式mems麦克风降噪优化方法。
技术介绍
1、随着智能家居技术的迅速发展，人们越来越依赖于语音助手和语音控制设备来实现家庭自动化和智能化。智能家居系统通常配备了麦克风来接收用户的语音指令和交互信息。然而，由于家庭环境中存在各种各样的噪声源，例如电器噪声、交通噪声、人声等，这些噪声可能会干扰语音信号的接收和识别，降低智能家居系统的性能和用户体验。
2、针对智能家居领域中麦克风降噪的重要性日益凸显。有效的降噪技术可以帮助智能家居系统准确地捕获用户的语音指令，提高语音识别的准确性和可靠性，从而提升智能家居的响应速度和用户体验。此外，降噪技术还可以减少环境噪声对用户的干扰，提高语音交互的清晰度和舒适度，为用户创造一个更加安静、舒适的家居环境。
3、目前对于麦克风的降噪方法主要包括频域滤波技术、自适应滤波器等。主频域滤波技术将语音信号转换到频域，通过滤波器去除特定频率范围内的噪声，常见的滤波器包括低通滤波器和带阻滤波器，它们可以有效地去除特定频率下的噪声，但对于时间和频率变化较大的噪声效果不佳。自适应滤波器是根据实时采集到的环境噪声特征，动态调整滤波器的参数以适应不同的噪声环境。自适应滤波器可以根据当前环境中的噪声特性对信号进行实时处理，从而在一定程度上提高了降噪效果。
4、随着科技的不断发展，对于语音进行降噪的方法得到了深入地研究，在此过程中形成了许多优秀的降噪方法。如2023年，学者张结通过最小化总体能耗和约束输出噪声方差的方式提出了一种基于
5、目前，在众多对语音进行降噪的方法中仍存在一些缺陷，如现有技术申请号为cn202311647972.5的中国专利公开了一种音频数据优化降噪方法及系统，该方法首先，采集原始音频信号，其次，获取原始音频信号的所有极值点，并根据每个极值点局部范围中数据点的幅值变化获得每个极值点的局部特征值，进一步，根据每个极值点与相邻极值点的局部特征差异获得目标极值点，并对原始音频信号进行分解，以获得第一组信号和第二组信号，然后，根据第一组信号和第二组信号中各分量信号的波动程度，确定第二组信号中各分量信号的小波阈值，进而对第二组信号中的各分量信号进行去噪处理，最后，将去噪后的分量信号重构，从而实现对原始音频信号的准确降噪；此外，在申请号为cn202211294070.3的中国专利公开了一种基于芯片实现的语音降噪优化方法及装置，该方法首先，获取音频信息的目标场景，并确定芯片处于降噪工作状态的本身噪音信息以及语音降噪过程中音频信息的自带噪音信息；然后，获取音频信息中所有语音段的语音情况，并利用语音-条件预测模型预测得到芯片的消噪条件；进一步，根据消噪条件对音频信息的自适应降噪窗口进行优化；最后，采用优化后的自适应降噪窗口对芯片的本身噪音信息以及自带噪音信息进行噪声消除。以上现有技术主要是通过对局部特征的极值点进行分析，以及通过语音-条件预测模型的自适应降噪窗口对音频进行优化，却没有考虑智能家居条件下的噪声特点以及音频的多维特征融合分析，这样会导致对麦克风的降噪效果较差。
6、针对现有技术中存在的上述问题，本专利技术提出一种面向智能家居的降噪式mems麦克风降噪优化方法。
技术实现思路
1、本专利技术的目的在于提出一种面向智能家居的降噪式mems麦克风降噪优化方法，首先对声音进行采集和预处理操作，根据响应的降噪式mems麦克风位置，通过声音传感器获取对应位置的噪声特征；其次对采集的初始语音进行多维特征提取，并采用gru-attenion模型对初始语音进行分类；进一步考虑噪声特征，对混合语音进行降噪处理和修复操作；最后通过lstm-attention模型对处理后的语音进行质量评估，决定是否进行进一步处理。本专利技术考虑了第一人声特征，并从多维特征融合的角度对语音进行了深入分析，针对智能家居特有的噪声特征，实现了降噪效果的显著优化。通过综合评估降噪后的语音质量，不仅保障了语音输出的高质量，同时极大地提升了语音降噪处理的整体效率和效果。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种面向智能家居的降噪式mems麦克风降噪优化方法，包括：
4、s10.对原始声音信号进行采集操作和预处理操作，根据响应用户的降噪式mems麦克风位置，特定环境的多个声音传感器对环境特征进行采集；所述环境特征用于作为噪声特征；
5、s20.对声音特征进行提取，所述声音特征包括频率特征、频谱特征、能量分布特征、时间特征和第一人声特征；
6、s30.根据提取的特征，采用gru-attention模型区分纯第一人声、混合声音和纯噪声；所述gru-attention模型采用包含大量人声和噪声样本的数据集进行训练；
7、s40.将经过步骤s30得到的所述混合声音的语音片段进行降噪处理；所述降噪处理包括使用自适应滤波器根据所述多个声音传感器采集到的所述噪声特征进行动态滤波；
8、s50.将经过步骤s40处理得到的信号进行再降噪操作，所述再降噪操作包括使用快速傅里叶变换转换到频域，在频域内执行频谱减法来去除残余的噪声成分；
9、s60.对所述混合声音的语音片段进行频谱分析，识别可能损失或降低质量的频率成分，并采用线性插值的方法进行修复操作；使用lstm-attention模型对修复后的所述混合声音的语音片段进行质量评估，根据lstm-attention模型输出的质量评分确定是否对所述混合声音的语音片段进行进一步处理。
10、所述采集操作包括使用所述降噪式mems麦克风获得所述原始声音信号；所述降噪式mems麦克风分布于全屋的多个特定环境中，所述特定环境包括客厅、卧室、厨房和洗手间；所述客厅的所述环境特征包括鞋柜、窗户、电视机、空调和椅子腿附近的声音；所述卧室的所述环境特征包括衣柜门、窗户、卧室门和空调附近的声音；所述厨房的所述环境特征包括水池、抽油烟机、热水器、窗户和灶台附近的声音；所述洗手间的所述环境特征包括水池、马桶和窗户附近的声音。
11、所述预处理操作包括信号放大、滤波、a/d转换、预加重、分帧和加窗；
12、所述信号放大包括采用自动增益控制算法自动调整所述原始声音信号的增益；所述滤波包括低通滤波器，用于去除所述原始声音信号中超出模拟-数字转换器采样率一半以上的频率成分；所述本文档来自技高网...
【技术保护点】
1.一种面向智能家居的降噪式MEMS麦克风降噪优化方法，其特征在于，包括：
2.根据权利要求1所述的一种面向智能家居的降噪式MEMS麦克风降噪优化方法，其特征在于，所述采集操作包括使用所述降噪式MEMS麦克风获得所述原始声音信号；所述降噪式MEMS麦克风分布于全屋的多个特定环境中，所述特定环境包括客厅、卧室、厨房和洗手间；所述客厅的所述环境特征包括鞋柜、窗户、电视机、空调和椅子腿附近的声音；所述卧室的所述环境特征包括衣柜门、窗户、卧室门和空调附近的声音；所述厨房的所述环境特征包括水池、抽油烟机、热水器、窗户和灶台附近的声音；所述洗手间的所述环境特征包括水池、马桶和窗户附近的声音。
3.根据权利要求1所述的一种面向智能家居的降噪式MEMS麦克风降噪优化方法，其特征在于，所述预处理操作包括信号放大、滤波、A/D转换、预加重、分帧和加窗；
4.根据权利要求1所述的一种面向智能家居的降噪式MEMS麦克风降噪优化方法，其特征在于，所述频率特征的获取包括使用快速傅里叶变换将声音信号从时域转换到频域，用于得到所述声音信号的频率成分；所述频谱特征的获取包括梅尔
5.根据权利要求1所述的一种面向智能家居的降噪式MEMS麦克风降噪优化方法，其特征在于，所述数据集的构建包括数据收集、数据标注、数据预处理和数据划分；
6.根据权利要求1所述的一种面向智能家居的降噪式MEMS麦克风降噪优化方法，其特征在于，所述采用GRU-Attention模型区分所述纯第一人声、混合声音和纯噪声的具体步骤包括数据预处理、特征分析和结果输出；
7.根据权利要求1所述的一种面向智能家居的降噪式MEMS麦克风降噪优化方法，其特征在于，所述降噪处理包括构建噪声模型、设计参数和滤波处理；
8.根据权利要求1所述的一种面向智能家居的降噪式MEMS麦克风降噪优化方法，其特征在于，所述再降噪操作包括使用快速傅里叶变换算法将时域信号转换为频域信号，在频域内执行所述频谱减法来去除残余的噪声成分对应的噪声频谱，使用逆快速傅里叶变换将处理后的频域信号转换回时域信号，得到最终的降噪后语音信号；所述频谱减法包括计算混合信号频谱和估计的所述噪声频谱之间的差值，然后将这个差值作为修正值应用于混合信号频谱，计算公式如下：
9.根据权利要求1所述的一种面向智能家居的降噪式MEMS麦克风降噪优化方法，其特征在于，所述频谱分析包括生成语音信号的频谱表示，即频率的幅度和相位信息，在频谱图中，通过观察所述频率的幅度和相位信息，识别出可能缺失或受损的频率成分；所述修复操作使用线性插值方法；所述线性插值方法包括利用所述频谱中相邻频率成分的信息，通过插值来估计缺失或受损所述频率成分的值，然后将修复频率成分合并到原始频谱中，用于重建完整的频谱表示，所述线性插值方法的计算方法为：
10.根据权利要求1所述的一种面向智能家居的降噪式MEMS麦克风降噪优化方法，其特征在于，所述质量评估包括构建数据集、特征提取、数据预处理、模型设计、模型训练和质量评估；
...【技术特征摘要】
1.一种面向智能家居的降噪式mems麦克风降噪优化方法，其特征在于，包括：
2.根据权利要求1所述的一种面向智能家居的降噪式mems麦克风降噪优化方法，其特征在于，所述采集操作包括使用所述降噪式mems麦克风获得所述原始声音信号；所述降噪式mems麦克风分布于全屋的多个特定环境中，所述特定环境包括客厅、卧室、厨房和洗手间；所述客厅的所述环境特征包括鞋柜、窗户、电视机、空调和椅子腿附近的声音；所述卧室的所述环境特征包括衣柜门、窗户、卧室门和空调附近的声音；所述厨房的所述环境特征包括水池、抽油烟机、热水器、窗户和灶台附近的声音；所述洗手间的所述环境特征包括水池、马桶和窗户附近的声音。
3.根据权利要求1所述的一种面向智能家居的降噪式mems麦克风降噪优化方法，其特征在于，所述预处理操作包括信号放大、滤波、a/d转换、预加重、分帧和加窗；
4.根据权利要求1所述的一种面向智能家居的降噪式mems麦克风降噪优化方法，其特征在于，所述频率特征的获取包括使用快速傅里叶变换将声音信号从时域转换到频域，用于得到所述声音信号的频率成分；所述频谱特征的获取包括梅尔频率倒谱系数，将所述快速傅里叶变换获得的频谱通过一系列梅尔滤波器组，对每个所述梅尔滤波器组输出的对数能量进行离散余弦变换，用于捕获所述声音信号的主要能量分布特征，所述离散余弦变换的计算公式为：
5.根据权利要求1所述的一种面向智能家居的降噪式mems麦克风降噪优化方法，其特征在于，所述数据集的构建包括数据收集、数据标注、数据预处理和数据划分；
6.根据权利要求1所述的一种面向智能...
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。