【技术实现步骤摘要】
本专利技术涉及数据处理，更具体地说，本专利技术涉及基于深度学习的电子音频数据处理方法、设备及存储介质。
技术介绍
1、在大型活动如演唱会、音乐会，以及各类多媒体应用场景中，往往会使用大量的电子音频设备。这些设备在长时间运行或复杂环境下，可能出现音质异常等问题。传统的音频设备的检测方法，多基于简单的参数设定或阈值判断，对于复杂多变的音频信号，难以准确识别设备是否存在异常。例如，在大型演唱会前的设备调试阶段，传统方法可能无法快速、精准地确定在不同预设播放时间段内，众多电子音频设备中哪些存在潜在的音质异常风险，从而可能影响演出的音频质量。
2、目前，现有技术通过公开号为cn101087485a的专利申请公开了一种多音源远距离无线音箱传输控制方法及其装置，其装置无线音源中微处理器一分别与存储器一、公用信道调制/解调电路、音频信道调制电路和音源接口电路连接；无线音箱中存储器二与微处理器二连接；数/模转换模块功率放大器、扬声器依次连接，数/模转换模块还与微处理器二连接。其控制方法包括音频信号的发送和音频信号接收和播放。上述方法虽能使得无...
【技术保护点】
1.基于深度学习的电子音频数据处理方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的电子音频数据处理方法，其特征在于，所述音频评估系数的生成逻辑如下：
3.根据权利要求2所述的基于深度学习的电子音频数据处理方法，其特征在于，所述音频波动系数的生成逻辑如下：
4.根据权利要求3所述的基于深度学习的电子音频数据处理方法，其特征在于，所述局部波动均值的计算公式为：，式中，为第k段相对于第段的能量波动值，为第k段音频的能量值，为第k-1段音频的能量值；，式中，为所有局部波动均值，K为总分段数，为每段的局部波动值；
...
【技术特征摘要】
1.基于深度学习的电子音频数据处理方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的电子音频数据处理方法，其特征在于，所述音频评估系数的生成逻辑如下：
3.根据权利要求2所述的基于深度学习的电子音频数据处理方法，其特征在于，所述音频波动系数的生成逻辑如下：
4.根据权利要求3所述的基于深度学习的电子音频数据处理方法，其特征在于，所述局部波动均值的计算公式为：，式中，为第k段相对于第段的能量波动值，为第k段音频的能量值，为第k-1段音频的能量值；，式中，为所有局部波动均值，k为总分段数，为每段的局部波动值；
5.根据权利要求4所述的基于深度学习的电子音频数据处理方法，其特征在于，获得第k段频谱的主频幅值，包括：
<...【专利技术属性】
技术研发人员：瞿旭东，旷世强，明振，
申请(专利权)人：长沙幻音科技有限公司，
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。