主动降噪、训练方法、系统、车辆、电子设备和存储介质与流程

本技术涉及主动降噪，尤其涉及一种主动降噪、训练方法、系统、车辆、电子设备和存储介质。

背景技术：

1、改善车内噪声的方法主要包括被动降噪和主动噪声两种方法。被动降噪一般通过增加车辆的阻尼/吸声材料或减震弹簧等硬件方式来实现降噪目的。主动降噪主要是利用车辆的自带扬声器系统产生反相声波，用于抵消目标降噪区域中的噪声，以起到主动降噪的目的。

2、传统的车辆主动降噪中，对于噪声参考信号的前期处理仅是局限于一些线性降维处理，导致参考信号与目标噪声信号的相干性较差，影响主动降噪效果。

技术实现思路

1、本技术提供一种主动降噪、训练方法、系统、车辆、电子设备和存储介质，以解决主动降噪效果差的技术问题。

2、基于上述技术问题，提供如下解决方案：

3、一种主动降噪方法，所述方法包括：获取m1个第一参考信号与n1个第二参考信号，所述第一参考信号为麦克风采集的环境噪声，所述第二参考信号为加速度传感器和振动传感器中至少一个采集的环境噪声；将所述m1个第一参考信号与n1个第二参考信号，输入训练后的目标神经网络模型中，使所述目标神经网络模型输出基于所述m1个第一参考信号与n1个第二参考信号生成p个目标参考信号，p小于或等于m1与n1的和；根据所述p个目标参考信号生成输出信号，使得扬声器系统播放所述输出信号以对所述降噪区域进行主动降噪。

4、进一步地，所述m1个第一参考信号与n1个第二参考信号为从m个第一参考信号与n个第二参考信号筛选出的信号组合，所述获取m1个第一参考信号与n1个第二参考信号，包括：将所述m个第一参考信号与n个第二参考信号的噪声参考信号，与所述目标降噪区域的噪声信号进行多重相干性分析，以从所述m个第一参考信号与n个第二参考信号中选出指定频段的相干性符合要求的噪声参考信号，得到所述m1个第一参考信号与n1个第二参考信号。

5、进一步地，所述将所述m1个第一参考信号与n1个第二参考信号，输入训练后的目标神经网络模型中，使所述目标神经网络模型输出基于所述m1个第一参考信号与n1个第二参考信号生成p个目标参考信号，包括：将所述m1个第一参考信号、所述n1个第二参考信号及参考信号标志，输入训练后的目标神经网络模型中，使所述目标神经网络模型从所述m1个第一参考信号与所述n1个第二参考信号中拟合出p个目标参考信号；

6、所述参考信号标志与所述m1个第一参考信号、所述n1个第二参考信号为绑定关系。

7、进一步地，所述m1个第一参考信号与n1个第二参考信号以样点为粒度的信号输入形式输入所述目标神经网络模型，所述目标神经网络模型以样点为粒度的信号输出形式输出所述p个目标参考信号；或者；所述m1个第一参考信号与n1个第二参考信号以帧为粒度的信号输入形式输入所述目标神经网络模型，所述目标神经网络模型以帧为粒度的信号输出形式输出所述p个目标参考信号。

8、进一步地：所述m1个第一参考信号与n1个第二参考信号以预设低采样率输入所述目标神经网络模型，所述目标神经网络模型以预设低采样率输出所述p个目标参考信号。

9、进一步地：所述m1个第一参考信号与n1个第二参考信号经预设低采样率处理后，以样点或帧为粒度的信号输入形式，输入所述目标神经网络模型，所述目标神经网络模型以预设低采样率且以样点或帧为粒度的信号输出形式，输出所述p个目标参考信号。

10、进一步地，所述目标神经网络模型还输出所述p个目标参考信号的数量值；所述根据所述p个目标参考信号生成车辆扬声器系统的输出信号，包括：根据所述p个目标参考信号以及所述数量值，生成车辆扬声器系统的输出信号。

11、进一步地，所述根据所述p个目标参考信号生成车辆扬声器系统的输出信号，包括：

12、根据固定滤波方式对所述p个目标参考信号进行滤波处理，以生成车辆扬声器系统的输出信号，所述固定滤波方式所采用的滤波参数为所述m1个第一参考信号与n1个第二参考信号的标志信息所对应的滤波参数。

13、进一步地，所述车辆扬声器系统包括第一扬声器组以及第二扬声器组，所述根据所述p个目标参考信号生成车辆扬声器系统的输出信号，包括：根据固定滤波方式对所述p个目标参考信号进行滤波处理，以生成所述第一扬声器组的输出信号，所述固定滤波方式所采用的滤波参数为所述m1个第一参考信号与n1个第二参考信号的标志信息所对应的滤波参数；根据自适应滤波方式对所述p个目标参考信号进行滤波处理，以生成所述第二扬声器组的输出信号。

14、一种神经网络训练方法，所述方法包括：

15、获取m1个样本第一参考信号与n1个样本第二参考信号，所述样本第一参考信号为麦克风采集的环境噪声，所述样本第二参考信号为加速度传感器和振动传感器中至少一个采集的环境噪声；

16、以所述m1个样本第一参考信号与n1个样本第二参考信号作为模型输入，以p个目标输出参考信号为模型输出，对神经网络进行训练，直至得到训练后的目标神经网络模型，p小于或等于m1与n1的和；

17、其中，训练目标包括所述神经网络的噪声输出参考信号组与目标降噪区域的噪声信号的多重相干性符合预设训练要求。

18、进一步地，所述以所述m1个样本第一参考信号与n1个样本第二参考信号作为模型输入，以p个目标输出参考信号为模型输出，对神经网络进行训练，直至得到训练后的目标神经网络模型，包括：以所述m1个样本第一参考信号、n1个样本第二参考信号及参考信号标志作为模型输入，以p个目标输出参考信号为模型输出，对神经网络进行训练，直至得到训练后的目标神经网络模型。

19、进一步地，所述以所述m1个样本第一参考信号、n1个样本第二参考信号及参考信号标志作为模型输入，以p个目标输出参考信号为模型输出，对神经网络进行训练，直至得到训练后的目标神经网络模型，包括：以所述m1个样本第一参考信号、n1个样本第二参考信号及参考信号标志作为模型输入，以目标输出参考信号及其数量值p为模型输出，对神经网络进行训练，直至得到目标神经网络模型。

20、进一步地，所述数量值为固定值，或者所述数量值为训练过程中的训练目标。

21、进一步地，所述训练目标包括：min（weight*（1-预设频段多重相干性）+（1-weight）*m/校准常数）），其中，所述weight表示调整权重，所述预设频段多重相干性表征了所述噪声输出参考信号组与目标降噪区域的噪声信号在预设频段的相干性。

22、进一步地：所述m1个样本第一参考信号与n1个样本第二参考信号，以样点为粒度的信号输入形式输入所述神经网络，所述神经网络以样点为粒度的信号输出形式输出p个目标输出参考信号；或者；所述m1个样本第一参考信号与n1个样本第二参考信号以帧为粒度的信号输入形式输入神经网络，所述神经网络以帧为粒度的信号输出形式输出p个目标输出参考信号。

23、进一步地：所述m1个样本第一参考信号与n1个样本第二参考信号以预设低采样率输入所述神经网络，所述神经网络以预设低采样率输出p个目标输出参考信号。

24、进一步地：所述m1个样本第一参考信号与n1个样本第二参考信号经预设低采样率处理后，以样点或帧为粒度的信号输入形式，输入所述神经网络，所述神经网络以预设低采样率且以样点或帧为粒度的信号输入形式，输出所述p个目标输出参考信号。

25、一种主动降噪系统，所述主动降噪系统包括输出信号生成模块，输出信号生成模块包括：

26、所述拟合映射模块，用于获取m1个第一参考信号与n1个第二参考信号，所述第一参考信号为麦克风采集的环境噪声，所述第二参考信号为加速度传感器和振动传感器中至少一个采集的环境噪声；将所述m1个第一参考信号与n1个第二参考信号，输入训练后的目标神经网络模型中，使所述目标神经网络模型输出基于所述m1个第一参考信号与n1个第二参考信号生成p个目标参考信号，p小于或等于m1与n1的和；

27、滤波模块，用于根据所述p个目标参考信号进行滤波处理以生成输出信号，使得扬声器系统播放所述输出信号以对所述降噪区域进行主动降噪。

28、进一步地，所述主动降噪系统还包括：信号选择模块，用于将所述m个第一参考信号与n个第二参考信号的噪声参考信号，与所述目标降噪区域的噪声信号进行多重相干性分析，以从所述m个第一参考信号与n个第二参考信号中选出预设频段的相干性符合要求的噪声参考信号，得到所述m1个第一参考信号与n1个第二参考信号。

29、一种车辆，所述车辆包括主动降噪系统，所述主动降噪系统用于实现如前述任一项所述的主动降噪方法；或者为所述的主动降噪系统。

30、一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述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如前述任一项的方法的步骤。

31、一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如前述任一项的方法的步骤。

32、在本技术提供的其中一方案中，涉及到噪声参考信号选择方式，获取m1个第一参考信号与n1个第二参考信号，所述第一参考信号为麦克风采集的环境噪声，所述第二参考信号为加速度传感器和振动传感器中至少一个采集的环境噪声；将所述m1个第一参考信号与n1个第二参考信号，输入训练后的目标神经网络模型中，使所述目标神经网络模型输出基于所述m1个第一参考信号与n1个第二参考信号生成p个目标参考信号，p小于或等于m1与n1的和；根据所述p个目标参考信号生成输出信号，使得扬声器系统播放所述输出信号以对所述降噪区域进行主动降噪。本方案使用目标神经网络模型的方式，降低噪声参考信号的维度，完成选出的噪声参考信号与目标降噪区域的噪声信号的非线性拟合，保持选出的目标噪声参考信号与目标降噪区域的信号的相干性，从而提高了主动降噪能力。