基于深度学习的定向广播声场模拟分析方法及相关设备与流程

本申请涉及定向广播，尤其涉及一种基于深度学习的定向广播声场模拟分析方法及相关设备。

背景技术：

1、定向广播技术因其高效的信息传递能力和良好的受众针对性而受到广泛关注。特别是在公共场所、展览会、博物馆等场合，定向广播技术能够为特定区域内的受众提供精确的信息服务，极大地提高了信息传递的效率和质量。然而，由于环境噪声的不断变化以及受众位置的多样性，如何保证定向广播能够在复杂多变的环境中稳定有效地传递信息，成为了研究和应用中亟需解决的问题。

2、环境噪声对定向广播的影响尤其显著。在许多应用场景中，环境噪声不仅来源多样，而且强度不一，这对定向广播的声场覆盖和声音清晰度构成了严重挑战。特别是在声学参数设置不当时，环境噪声可能会导致信息传递的失真或者覆盖范围的缩减，从而影响信息服务的效果。因此，如何在不断变化的环境噪声中优化定向广播的声学参数，以保持良好的广播效果，是需要紧急解决的关键技术难题。此外，随着应用需求的日益增长，定向广播系统的灵活性和智能化水平也面临挑战。传统的声学参数设置方法往往较为固定且缺乏自适应能力，难以满足复杂多变环境下的应用需求。

技术实现思路

1、本申请提供了一种基于深度学习的定向广播声场模拟分析方法及相关设备，用于提高了基于深度学习的定向广播声场模拟分析准确率。

2、第一方面，本申请提供了一种基于深度学习的定向广播声场模拟分析方法，所述基于深度学习的定向广播声场模拟分析方法包括：

3、基于目标局部区域对定向广播进行标准声学参数计算，得到超声波束方向和有效参量阵长度，并通过多目标遗传算法对所述超声波束方向和所述有效参量阵长度进行参数组合初始化，得到多个第一声学参数组合；

4、通过所述定向广播，根据所述多个第一声学参数组合分别对所述目标局部区域进行声场模拟分析，得到多个声场模拟数据，并对所述多个声场模拟数据和所述多个第一声学参数组合进行代价计算，得到多个目标代价矩阵；

5、将所述多个目标代价矩阵输入预置的声学参数代价补偿模型进行参数代价补偿和最优参数求解，得到第二声学参数组合；

6、基于所述第二声学参数组合对所述目标局部区域进行局部环境状态感知，得到局部环境状态数据，并对所述第二声学参数组合进行环境噪声干扰优化，得到目标声学参数组合。

7、第二方面，本申请提供了一种基于深度学习的定向广播声场模拟分析系统，所述基于深度学习的定向广播声场模拟分析系统包括：

8、初始化模块，用于基于目标局部区域对定向广播进行标准声学参数计算，得到超声波束方向和有效参量阵长度，并通过多目标遗传算法对所述超声波束方向和所述有效参量阵长度进行参数组合初始化，得到多个第一声学参数组合；

9、计算模块，用于通过所述定向广播，根据所述多个第一声学参数组合分别对所述目标局部区域进行声场模拟分析，得到多个声场模拟数据，并对所述多个声场模拟数据和所述多个第一声学参数组合进行代价计算，得到多个目标代价矩阵；

10、求解模块，用于将所述多个目标代价矩阵输入预置的声学参数代价补偿模型进行参数代价补偿和最优参数求解，得到第二声学参数组合；

11、优化模块，用于基于所述第二声学参数组合对所述目标局部区域进行局部环境状态感知，得到局部环境状态数据，并对所述第二声学参数组合进行环境噪声干扰优化，得到目标声学参数组合。

12、本申请第三方面提供了一种计算机设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述计算机设备执行上述的基于深度学习的定向广播声场模拟分析方法。

13、本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于深度学习的定向广播声场模拟分析方法。

14、本申请提供的技术方案中，通过基于目标局部区域对定向广播进行的标准声学参数计算及多目标遗传算法的应用，能够自动适应环境噪声和受众分布的变化，动态调整超声波束方向和有效参量阵长度，使得定向广播系统能够在复杂多变的环境中保持良好的广播效果。通过声场模拟分析和代价计算，能够优化声场覆盖，确保广播内容能够精准地传达给目标受众。这样不仅提高了广播的效率，也保证了广播内容的清晰度和接收质量。采用了多目标遗传算法进行声学参数的初始化及优化，结合声学参数代价补偿模型，实现了对声学参数的智能优化。这种自动化和智能化的参数调整减少了人工干预，提高了系统的操作效率和应用灵活性。基于第二声学参数组合进行的环境状态感知和噪声干扰优化能够有效识别和补偿环境噪声的影响。这种对环境噪声干扰的有效控制，保证了定向广播在嘈杂环境下也能达到预期的听众覆盖和声音清晰度。通过实时监测环境状态并进行声学参数的动态优化，增强了定向广播系统对环境变化的适应性和稳定性，即使在环境条件剧烈变化的情况下也能保持稳定可靠的广播效果，进而提高了基于深度学习的定向广播声场模拟分析准确率。

技术特征：

1.一种基于深度学习的定向广播声场模拟分析方法，其特征在于，所述基于深度学习的定向广播声场模拟分析方法包括：

2.根据权利要求1所述的基于深度学习的定向广播声场模拟分析方法，其特征在于，所述基于目标局部区域对定向广播进行标准声学参数计算，得到超声波束方向和有效参量阵长度，并通过多目标遗传算法对所述超声波束方向和所述有效参量阵长度进行参数组合初始化，得到多个第一声学参数组合，包括：

3.根据权利要求2所述的基于深度学习的定向广播声场模拟分析方法，其特征在于，所述通过多目标遗传算法对所述标准声学参数组合进行参数组合初始化，得到多个第一声学参数组合，包括：

4.根据权利要求3所述的基于深度学习的定向广播声场模拟分析方法，其特征在于，所述根据所述适应度值对所述多个初始候选声学参数组合进行群体划分，得到多个声学参数组合群体，包括：

5.根据权利要求1所述的基于深度学习的定向广播声场模拟分析方法，其特征在于，所述通过所述定向广播，根据所述多个第一声学参数组合分别对所述目标局部区域进行声场模拟分析，得到多个声场模拟数据，并对所述多个声场模拟数据和所述多个第一声学参数组合进行代价计算，得到多个目标代价矩阵，包括：

6.根据权利要求1所述的基于深度学习的定向广播声场模拟分析方法，其特征在于，所述将所述多个目标代价矩阵输入预置的声学参数代价补偿模型进行参数代价补偿和最优参数求解，得到第二声学参数组合，包括：

7.根据权利要求1所述的基于深度学习的定向广播声场模拟分析方法，其特征在于，所述基于所述第二声学参数组合对所述目标局部区域进行局部环境状态感知，得到局部环境状态数据，并对所述第二声学参数组合进行环境噪声干扰优化，得到目标声学参数组合，包括：

8.一种基于深度学习的定向广播声场模拟分析系统，其特征在于，所述基于深度学习的定向广播声场模拟分析系统包括：

9.一种计算机设备，其特征在于，所述计算机设备包括：存储器和至少一个处理器，所述存储器中存储有指令；

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的基于深度学习的定向广播声场模拟分析方法。

技术总结本申请涉及定向广播技术领域，公开了一种基于深度学习的定向广播声场模拟分析方法及相关设备。所述方法包括：基于目标局部区域对定向广播进行标准声学参数计算，得到超声波束方向和有效参量阵长度并进行参数组合初始化，得到多个第一声学参数组合；通过定向广播进行声场模拟分析，得到多个声场模拟数据并进行代价计算，得到多个目标代价矩阵；通过声学参数代价补偿模型进行参数代价补偿和最优参数求解，得到第二声学参数组合；基于第二声学参数组合对目标局部区域进行局部环境状态感知，得到局部环境状态数据，并对第二声学参数组合进行环境噪声干扰优化，得到目标声学参数组合，本申请提高了基于深度学习的定向广播声场模拟分析准确率。技术研发人员：冼子恩受保护的技术使用者：静境智能声学科技（深圳）有限公司技术研发日：技术公布日：2024/5/8