基于自适应编码的摩托车蓝牙音响数据管理系统的制作方法

本发明涉及数据处理，具体涉及基于自适应编码的摩托车蓝牙音响数据管理系统。

背景技术：

1、随着科技的日益发展，摩托车也在逐渐智能化；其中最具代表性的就是摩托车蓝牙音响系统，它不仅为骑手提供了便利，同时也增加了驾驶的乐趣。然而，尽管现有的蓝牙音响系统可以实现基本的功能，但其数据管理方面仍存在很大的问题，如数据传输效率低、音质损失严重等，这些问题在很大程度上影响了用户的使用体验。

2、对于蓝牙音响的音频数据，其音质损失严重主要受噪声影响，而现有方法中通过孤立森林对音频数据进行噪声数据的检测；噪声对于正常信号是异常的数据，而孤立森林通过不断的构建随机决策树来获取每个数据点的异常分数值，并根据异常分数值来确定噪声程度；然而异常分数仅是根据孤立森林的各个树中数据点对应的平均路径来确定，会使得原本噪声程度不同的数据点由于平均路径相近造成异常分数接近的问题，进而导致噪声程度存在差异的数据点的异常分数相近，导致对于音频数据的检测结果出现错误。

技术实现思路

1、本发明提供基于自适应编码的摩托车蓝牙音响数据管理系统，以解决现有的对音频数通过孤立森林进行噪声检测时会发生异常分数相近而影响检测结果的问题，所采用的技术方案具体如下：

2、本发明一个实施例提供了基于自适应编码的摩托车蓝牙音响数据管理系统，该系统包括：

3、蓝牙音响数据采集模块，用于采集摩托车蓝牙音响的音频数据；

4、音频数据分析处理模块：用于通过孤立森林对音频数据中每个数据点获取异常分数，得到若干目标数据点及普通数据点；根据目标数据点的决策树及音频数据的语谱图，得到每个目标数据点的若干参考树及关联数据点与非关联数据点；

5、根据目标数据点的参考树及关联数据点，获取任意两个目标数据点的噪声相似性；根据噪声相似性及异常分数获取每个目标数据点的最终噪声程度；

6、音频数据编码管理模块，用于根据目标数据点的最终噪声程度及普通数据点的异常分数，对蓝牙音响的音频数据进行比特率编码得到编码数据。

7、进一步的，所述得到若干目标数据点及普通数据点，包括的具体方法为：

8、对所有数据点的异常分数进行大津阈值分割，得到分割阈值，将异常分数大于分割阈值的数据点，记为目标数据点；将异常分数小于或等于分割阈值的数据点，记为普通数据点。

9、进一步的，所述得到每个目标数据点的若干参考树及关联数据点与非关联数据点，包括的具体方法为：

10、对于第个目标数据点，其对应的决策树的数量记为，组成第个目标数据点的决策树集合，其中第棵决策树参考程度的计算方法为：

11、

12、其中，表示第个目标数据点对应的决策树的数量，表示第个目标数据点对应的第棵决策树与第个目标数据点的决策树集合中其他决策树组成的组合的数量，表示第个目标数据点对应的第棵决策树的第个组合中，两棵决策树包括的不同数据点的数量；表示第个目标数据点对应的第棵决策树的第个组合中，出现次数大于等于2的数据点的数量；表示第个目标数据点对应的第棵决策树中第个目标数据点的路径，表示第个目标数据点对应的第棵决策树的第个组合中，除第棵决策树之外另一棵决策树中第个目标数据点的路径；表示求绝对值；

13、获取第个目标数据点对应的每棵决策树的参考程度，对所有参考程度进行线性归一化，得到的结果记为每棵决策树的参考系数，将参考系数大于参考阈值的决策树，作为第个目标数据点的参考树，得到第个目标数据点的若干参考树；

14、根据音频数据的数据点在语谱图中的分布，得到每个目标数据点的若干关联数据点及非关联数据点。

15、进一步的，所述得到每个目标数据点的若干关联数据点及非关联数据点，包括的具体方法为：

16、对音频数据获取语谱图，获取每个数据点在语谱图中对应的坐标点，坐标为，其中表示时间值，表示频率值，表示能量值；根据数据点对应坐标点的坐标，获取任意两个数据点的距离度量；

17、根据数据点的距离度量，对所有数据点进行dbscan聚类，得到若干聚簇；对于第个目标数据点的任意一棵参考树，其中第个数据点与第个目标数据点的关联程度的计算方法为：

18、

19、其中，表示第个目标数据点与该参考树中第个数据点的聚类因子，若两个数据点在同一个聚簇中，将设置为1；若两个数据点不在同一个聚簇中，将设置为0.1；表示第个目标数据点的时间值与该参考树中第个数据点的时间值的差值绝对值，表示以自然常数为底的指数函数；

20、获取第个目标数据点与每棵参考树中每个数据点的关联程度，若关联程度大于关联阈值，将数据点作为第个目标数据点的关联数据点；若关联程度小于或等于关联阈值，将数据点作为第个目标数据点的非关联数据点；得到第个目标数据点若干关联数据点及非关联数据点。

21、进一步的，所述任意两个数据点的距离度量，具体的获取方法为：

22、

23、其中，表示第个数据点与第个数据点的距离差异，表示所有数据点的频率值最大值，表示第个数据点的频率值与第个数据点的频率值的差值绝对值，表示第个数据点的时间值，表示第个数据点的时间值，表示第个数据点的频率值，表示第个数据点的频率值；

24、获取第个数据点与第个数据点的能量差异，将能量差异与距离差异的l2范数，作为第个数据点与第个数据点的距离度量。

25、进一步的，所述任意两个目标数据点的噪声相似性，具体的获取方法为：

26、对于任意两个目标数据点，两个目标数据点分别对应若干参考树，对参考树进行两两组合，每个组合中必须包括不同目标数据点的两棵参考树，组合记为参考树组合；根据参考树组合及关联数据点，得到任意两个目标数据点的参考树相似程度；

27、获取第个目标数据点的异常分数与第个目标数据点的异常分数的差值绝对值；获取差值绝对值与超参数的和，将第个目标数据点与第个目标数据点的参考树相似程度与得到的和的比值，作为第个目标数据点与第个目标数据点的噪声相似性。

28、进一步的，所述得到任意两个目标数据点的参考树相似程度，包括的具体方法为：

29、

30、

31、

32、其中，表示第个目标数据点与第个目标数据点的参考树相似程度，表示第个目标数据点与第个目标数据点的参考树组合的数量，表示第个参考树组合中第个目标数据点的参考树的参考系数，表示第个参考树组合中第个目标数据点的参考树的参考系数，表示第个目标数据点与第个目标数据点的第个参考树组合中，关联数据点的非相似性；表示第个目标数据点与第个目标数据点的第个参考树组合中，非关联数据点的相似性；

33、其中，表示第个参考树组合中在两棵参考树中均为关联数据点的数据点的平均路径的变异系数，所述在两棵参考树中均为关联数据点的数据点的平均路径的获取方法为：一个数据点在参考树组合中第个目标数据点的参考树中为第个目标数据点的关联数据点，且在另一棵参考树中为第个目标数据点的关联数据点，对该数据点在两棵参考树的路径求均值，得到平均路径；

34、其中，表示第个参考树组合中非关联数据点的数量，表示第个参考树组合中在两棵参考树中均为非关联数据点的数据点的数量，表示第个参考树组合中所有非关联数据点的异常分数的标准差，表示以自然常数为底的指数函数。

35、进一步的，所述每个目标数据点的最终噪声程度，具体的获取方法为：

36、对于第个目标数据点，获取与第个目标数据点的噪声相似性大于相似阈值的目标数据点，记为第个目标数据点的相似数据点，对于任意一个相似数据点，获取第个目标数据点的异常分数与该相似数据点的异常分数的均值，记为第个目标数据点与该相似数据点的异常程度；

37、获取第个目标数据点与每个相似数据点的异常程度，将所有异常程度的均值，作为第个目标数据点的最终噪声程度。

38、进一步的，所述对蓝牙音响的音频数据进行比特率编码得到编码数据，包括的具体方法为：

39、根据目标数据点的最终噪声程度及普通数据点的异常分数，获取每个数据点的噪声系数；将每个数据点的噪声系数加1的和，与比特率基准值的乘积，作为每个数据点的自适应比特率；将每个数据点转换为数字值，输入到音频编码器中根据自适应比特率进行比特率编码，输出得到音频数据的编码数据。

40、进一步的，所述每个数据点的噪声系数，具体的获取方法为：

41、对所有最终噪声程度及普通数据点的异常分数进行线性归一化，得到的结果记为音频数据每个数据点的噪声系数，目标数据点的噪声系数是最终噪声程度的归一化值，普通数据点的噪声系数是异常分数的归一化值。

42、本发明的有益效果是：本发明通过孤立森林对摩托车蓝牙音响的音频数据进行噪声程度的量化，并根据噪声程度进行自适应比特率编码。其中对音频数据进行孤立森林算法处理，获取音频数据中每个数据点的异常分数，并将所有数据点进行二分类，将异常分数值大的数据点作为目标数据点；结合包含目标数据点的决策树的结构特征，获取目标数据点的参考树，并根据音频数据的特有的语谱图信息，获取目标数据点的关联数据点和非关联数据点，进而通过构建目标函数获取目标数据点之间的噪声程度的相似性，获取每个目标数据点的最终的噪声程度，进行精准的比特率自适应；避免了传统的孤立森林检测数据的异常分数时，仅是根据孤立森林的各决策树的数据对应的平均路径来确定，使得原本噪声程度不同的数据点由于平均路径相近造成异常分数接近的问题；通过二分类数据点，使普通数据点在正常根据异常分数编码的同时，目标数据点能够进一步分析，而通过获取参考树与关联数据点，避免相似性过大的决策树或非关联数据点参与噪声相似性的量化，导致噪声相似性结果出现误差；最终使得每个数据点获取的比特率更加准确，提高摩托车蓝牙音响的音频数据管理效率。