一种场景自适应的主动降噪方法及系统与流程

本发明属于主动降噪，具体涉及一种场景自适应的主动降噪方法及系统。

背景技术：

1、主动降噪，又称有源噪声控制，是通过识别并播放反向声信号来实现空间声场中的噪声信号消除。区别于通话降噪等技术中在电信号层面做噪声消除的方法，主动降噪技术作为一种空间声场调控技术，直接给人耳以声体验。

2、当前在耳机领域，主动降噪已被广泛应用。但复杂场景下，尤其是在吸油烟机、中央空调等家电领域，适应性仍存在很大的改善空间，

3、如，在场景状态表征信号的选择上：

4、公开号为cn111189106a的中国专利提出了一种空调领域的主动降噪系数控制方案。该系统在室内anc系统和室外anc系统中均采用了滤波器系数切换：室内滤波器为固定系数滤波器和自适应滤波器组合，用降噪区域的噪声信号(即用误差麦克风)作为判断条件；室外滤波器为多个不同固定系数的室外滤波器组合，用变频空调的压缩机不同频率作为判断条件。该方法的室内anc系统中，选用降噪区域的噪声信号作为判断条件，但在实际产品应用中该区域往往难以放置麦克风。

5、公开号为cn115171643a的中国专利提出了一种适应油污场景的吸油烟机主动降噪方案。该系统在扬声器位置增加一个麦克风，用于检测扬声器信号变化。通过麦克风采集扬声器输出信号，并与扬声器的预设值进行对比(即用扬声器判断：对比扬声器的输入信号和输出信号的声压值)，以此判断扬声器和次级传递路径是否收到油污影响。该方法未考虑到油污对监控麦克风也会造成影响，导致基准失真；且通过声压值对比，判断精度不足；同时系统增加麦克风，带来了成本的增加。

6、如，在场景状态的识别上：

7、公开号为cn108900943a的中国专利提出了一种场景自适应的主动降噪耳机方案。该系统通过噪声识别模块，提取噪声信号能量集中频段和频率分布特征，并将提取到的噪声特征在预设噪声模式库中进行比对，得到与此场景最接近的噪声模式类别。公开号为cn113257217a的中国专利提出了一种耳机的主动降噪自适应控制方案。该系统通过对外部噪声信号进行fft分析，获得噪声信号的最大幅值及对应的频率，并与预设的噪声的幅值及频率进行比对，通过线性分割，选取对应档位的频率和幅值。该两种方法对参考麦克风采集的外部噪声，进行量化分析；但在适应性匹配上，未细化方法或仅线性定位的方法。

8、公开号为cn115866468a的中国专利提出了一种自适应降噪增益调节的主动降噪方案。该系统通过比对噪声信号功率值与预设功率值，来确定预设场景，从而确定降噪增益；同时提出了一种双环境叠加场景的降噪增益判定逻辑。该方法采用声功率作为判定条件，未细化引起声功率变化的具体因素，判定精度低；同时在叠加场景的判断上，通过简单线性组合加权的方式拆分多场景，判断精度低。

9、如，ai技术在主动降噪自适应上：

10、公开号为cn110889197a的中国专利提出了一种用于前馈式主动降噪的神经网络。该方法通过bp神经网络替代fxlms算法，来推算降噪滤波器系数或次级扬声器估计。该系统中的bp神经网络与fxlms算法，均可通过自适应系数(在线学习)的方式来解决适应性问题；但在固定系数(离线)方案中，由于误差麦克风不存在，系数无法通过bp网络或fxlms算法来完成更新。

技术实现思路

1、本发明的目的之一在于提供一种场景自适应的主动降噪方法，降噪成本更低，适应性强且降噪效果好。

2、为实现上述目的，本发明所采取的技术方案为：

3、一种场景自适应的主动降噪方法，所述场景自适应的主动降噪方法，包括：

4、获取参考麦克风信号以及多模态传感器信号输入场景分类模型；

5、若场景分类模型输出结果为异音，则触发产生告警信息；

6、或者，若场景分类模型输出结果为预设场景类型以及该场景的影响因子，则根据预设场景类型以及该场景的影响因子查找anc参数表，确定anc参数用于anc控制模块运行；

7、或者，若场景分类模型输出结果中与异音和预设场景的匹配度均低于阈值，则将本次采集的参考麦克风信号以及多模态传感器信号上传至云端服务器，并根据云端服务器的训练结果更新本地的场景分类模型。

8、以下还提供了若干可选方式，但并不作为对上述总体方案的额外限定，仅仅是进一步的增补或优选，在没有技术或逻辑矛盾的前提下，各可选方式可单独针对上述总体方案进行组合，还可以是多个可选方式之间进行组合。

9、作为优选，所述多模态传感器信号包括烟雾浓度传感器、温度传感器、气压传感器和惯性测量单元中的多种传感器的信号。

10、作为优选，所述anc控制模块运行为离线模式。

11、作为优选，所述anc参数表记录了预设场景类型和影响因子这两者与anc参数的对应关系。

12、作为优选，所述anc参数表由云端服务器推送升级。

13、作为优选，所述场景分类模型为一体模型，由该一体模型处理输入的参考麦克风信号以及多模态传感器信号；

14、或者，所述场景分类模型为分体模型，包括异音识别模型和场景识别模型，所述异音识别模型根据输入的参考麦克风信号以及多模态传感器信号进行异音识别，所述场景识别模型根据输入的参考麦克风信号以及多模态传感器信号进行场景识别。

15、作为优选，所述场景分类模型的操作如下：

16、将参考麦克风信号经过min-max标准化和短时傅里叶变换，得到二维的时频信号；

17、然后使用2d卷积神经网络模型基于二维的时频信号以及多模态传感器信号进行分类，所述2d卷积神经网络模型先采用两个卷积层处理所述二维的时频信号，并将后一个卷积层的输出依次经过flatten层和批量归一化层，取批量归一化层的输出拼接融合多模态传感器信号，融合后的融合信号经过一个全连接层和一个归一化指数函数，得到属于各分类类别的概率的输出结果。

18、本发明的目的之二在于提供一种场景自适应的主动降噪系统，降噪成本更低，适应性强且降噪效果好。

19、为实现上述目的，本发明所采取的技术方案为：

20、一种场景自适应的主动降噪系统，所述场景自适应的主动降噪系统，包括anc控制模块和场景自适应分类模块，所述场景自适应分类模块包括多模态传感器、ai分类单元、anc参数表、云端服务器和告警推送单元；

21、所述anc控制模块，用于通过参考麦克风采集参考麦克风信号并发送至所述ai分类单元，还用于基于所述ai分类单元发送的anc参数进行主动降噪；

22、所述多模态传感器，用于采集多模态传感器信号；

23、所述ai分类单元，用于获取参考麦克风信号以及多模态传感器信号输入场景分类模型；若场景分类模型输出结果为异音，则触发所述告警推送单元产生告警信息；或者，若场景分类模型输出结果为预设场景类型以及该场景的影响因子，则根据预设场景类型以及该场景的影响因子查找anc参数表，确定anc参数发送至所述anc控制模块；或者，若场景分类模型输出结果中与异音和预设场景的匹配度均低于阈值，则将本次采集的参考麦克风信号以及多模态传感器信号上传至云端服务器，并根据云端服务器的训练结果更新本地的场景分类模型。

24、作为优选，所述云端服务器用于接收所述ai分类单元上传的参考麦克风信号以及多模态传感器信号，对新接收的参考麦克风信号以及多模态传感器信号进行标记后加入训练集，利用训练集训练云端的场景分类模型，并根据训练结果更新ai分类单元的场景分类模型；还用于定时或不定时向场景自适应分类模块推送更新anc参数表。

25、本发明提供的一种场景自适应的主动降噪方法及系统，与现有技术相比，具有以下有益效果：

26、(1)通过参考麦克风信号表征场景特性，将参考麦克风信号与应用场景做预设关联；对比于误差麦克风信号反馈修正的方式，更容易分析出实际工况与预设场景的差异因素，且减少一个误差麦克风，系统成本更低。

27、(2)引入更多参考输入量，如参考麦克风、转速传感器、气压传感器等，相比于现行方案中的笼统的功率判断等方式，细化影响参量，为高精度适配提供必要条件。

28、(3)引入深度学习ai训练，通过ai训练建立模型关系，相比于现行方案中的简单现行场景匹配，精度更高，可将实际混合场景从多个场景组合中匹配出来。

29、(4)在深度学习中，分类出有害信号和有益信号。如对于识别出的设备报警声、设备内部异响等有益信号，不实施降噪或进行信号增强，并进行告警推送；对于无用的噪声信号，实施常规降噪。

30、(5)引入深度模型升级，通过ota等方式可升级分类模型和预设参数，提升系统适应性。