【技术实现步骤摘要】
本公开涉及主动降噪，尤其涉及一种主动降噪系统及其控制方法、异音检测方法、装置。
技术介绍
1、在主动降噪系统中，降噪系统利用根据输入信号(包括采集得到的噪声信号和反馈信号)生成的扬声器控制信号(反相噪声)与噪声信号的叠加干涉作用，实现对噪声信号的消减，达到降噪目的。但在此过程中当反馈信号大于噪声信号时会产生啸叫现象，即使反馈信号小于噪声信号，当反馈信号与噪声信号的比值大于一个阈值后，仍然会发出一些稳定单频异音现象。这些稳定的单频异音幅值远小于啸叫时的噪声，存在稳定单频异音时生成的扬声器控制信号与系统正常工作时生成的控制信号的幅值也无明显差异。因此，通过现有技术中基于扬声器控制信号的幅值等传统啸叫监测方案，均无法有效识别这种稳定单频异音现象。
技术实现思路
1、本公开要解决的技术问题是为了克服现有技术中的上述缺陷，提供一种主动降噪系统及其控制方法、异音检测方法、装置。
2、本公开是通过下述技术方案来解决上述技术问题：
3、第一方面，提供一种异音检测方法，应用于主动降噪系统，所述主动降噪系统包括麦克风和扬声器；所述异音检测方法包括：
4、获取所述主动降噪系统运行过程中的第一噪声信号；所述第一噪声信号包括所述麦克风采集的噪声源的噪声信号和/或所述扬声器的控制信号；
5、对所述第一噪声信号进行傅里叶变换，基于倍频程对傅里叶变换得到的频谱进行分段处理，并确定频谱的各信号段的功率；
6、响应于存在与相邻信号段的功率差值大于差值阈值的信
7、可选地，所述差值阈值通过以下方式确定：
8、获取异常样本和正常样本；所述异常样本为包含异音的噪声信号，所述正常样本为不包含异音的噪声信号；
9、构建目标函数；所述目标函数根据以下至少一项参数构建：异常样本漏检个数、正常样本误检个数、异常样本漏检占比、正常样本误检占比；
10、在所述差值阈值的预设寻优范围内对所述目标函数进行寻优，以确定最终的差值阈值。
11、可选地，寻优算法包括以下算法中的至少一种：遗传算法、模拟退火算法、粒子群算法、贝叶斯优化算法、爬山算法；
12、和/或，所述目标函数为异常个数与样本总数之比，所述异常个数为所述异常样本漏检个数与正常样本误检个数之和。
13、可选地，以目标采样频率获取所述主动降噪系统运行过程中的第一噪声信号；所述目标采样频率根据异音频率和/或所述第一噪声信号的分析器件的算力确定；所述异音频率根据包含异音的噪声样本确定；
14、和/或，以目标频率分辨率对所述第一噪声信号进行傅里叶变换；其中，所述目标频率分辨率通过寻优得到，寻优目标为准确识别异音且异音检测的计算量最小。
15、可选地，基于倍频程对傅里叶变换得到的频谱进行分段处理，包括：对所述频谱进行a计权处理，并对a计权处理结果进行分段处理；
16、和/或，响应于存在与相邻信号段的功率差值大于差值阈值的信号段，确定存在稳定单频异音，包括：响应于存在与相邻信号段的功率差值大于差值阈值的信号段的出现次数大于次数阈值，确定所述主动降噪系统存在稳定单频异音。
17、第二方面，提供一种主动降噪系统的控制方法，包括：
18、根据第一方面中任一项所述的异音检测方法对所述主动降噪系统进行异音检测；
19、响应于所述主动降噪系统存在稳定单频异音，重启所述主动降噪系统。
20、第三方面，提供一种异音检测装置，应用于主动降噪系统，所述主动降噪系统包括麦克风和扬声器；所述异音检测装置用于实现第一方面中任一项所述的异音检测方法；所述异音检测装置包括：
21、获取模块，用于获取所述主动降噪系统运行过程中的第一噪声信号；所述第一噪声信号为所述麦克风采集的噪声源的噪声信号或者所述扬声器的控制信号；
22、计算模块，用于对所述第一噪声信号进行傅里叶变换，并基于倍频程对傅里叶变换得到的频谱进行分段处理，并确定频谱的各信号段的功率；
23、检测模块，响应于存在与相邻信号段的功率差值大于差值阈值的信号段，确定存在稳定单频异音。
24、第四方面，提供一种主动降噪系统，包括存储器、处理器及存储在存储器上并用于在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面或第二方面中任一项所述的方法。
25、在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本公开各较佳实例。
26、本公开的积极进步效果在于：本公开结合频谱分析和倍频程，能够从第一噪声信号中提取能够准确识别异音的功率特征，从而提高主动降噪系统的异音检测精确度。
本文档来自技高网...【技术保护点】
1.一种异音检测方法，其特征在于，应用于主动降噪系统，所述主动降噪系统包括麦克风和扬声器；所述异音检测方法包括：
2.根据权利要求1所述的异音检测方法，其特征在于，所述差值阈值通过以下方式确定：
3.根据权利要求2所述的异音检测方法，其特征在于，寻优算法包括以下算法中的至少一种：遗传算法、模拟退火算法、粒子群算法、贝叶斯优化算法、爬山算法；
4.根据权利要求1所述的异音检测方法，其特征在于，以目标采样频率获取所述主动降噪系统运行过程中的第一噪声信号；所述目标采样频率根据异音频率和/或所述第一噪声信号的分析器件的算力确定；所述异音频率根据包含异音的噪声样本确定。
5.根据权利要求1所述的异音检测方法，其特征在于，以目标频率分辨率对所述第一噪声信号进行傅里叶变换；其中，所述目标频率分辨率通过寻优得到，寻优目标为准确识别异音且异音检测的计算量最小。
6.根据权利要求1所述的异音检测方法，其特征在于，基于倍频程对傅里叶变换得到的频谱进行分段处理，包括：对所述频谱进行A计权处理，并对A计权处理结果进行分段处理。
7.根
8.一种主动降噪系统的控制方法，其特征在于，包括：
9.一种异音检测装置，其特征在于，应用于主动降噪系统，所述主动降噪系统包括麦克风和扬声器；所述异音检测装置用于实现权利要求1-7中任一项所述的异音检测方法；所述异音检测装置包括：
10.一种主动降噪系统，包括存储器、处理器及存储在存储器上并用于在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法。
...【技术特征摘要】
1.一种异音检测方法，其特征在于，应用于主动降噪系统，所述主动降噪系统包括麦克风和扬声器；所述异音检测方法包括：
2.根据权利要求1所述的异音检测方法，其特征在于，所述差值阈值通过以下方式确定：
3.根据权利要求2所述的异音检测方法，其特征在于，寻优算法包括以下算法中的至少一种：遗传算法、模拟退火算法、粒子群算法、贝叶斯优化算法、爬山算法；
4.根据权利要求1所述的异音检测方法，其特征在于，以目标采样频率获取所述主动降噪系统运行过程中的第一噪声信号；所述目标采样频率根据异音频率和/或所述第一噪声信号的分析器件的算力确定；所述异音频率根据包含异音的噪声样本确定。
5.根据权利要求1所述的异音检测方法，其特征在于，以目标频率分辨率对所述第一噪声信号进行傅里叶变换；其中，所述目标频率分辨率通过寻优得到，寻优目标为准确识别异音且异音检测的计算量最小。
6.根据权利要求1所述的...
【专利技术属性】
技术研发人员：杨浙栋，翁建松，时璐璐，
申请(专利权)人：宁波方太厨具有限公司，
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。