一种基于白噪音的助眠方法与流程

1.本发明涉及声学应用的技术领域，尤其涉及一种基于白噪音的助眠方法。


背景技术：

2.白噪音是指在较宽的频率范围内（20～20000hz），各等带宽的频带所含的噪声功率谱密度相等的噪声，白噪声并不增加鼓噪噪音白色噪音，而是包含所有同等频率的叫声。通俗来说，白噪音就是大自然中的声音，波段柔和，轻微，有节奏感，比如雨滴声，蛙鸣，海浪声，风吹树林的声音。白噪声充满整个人类耳朵可以听到的振动频率，可以帮助一个人放松或睡眠。
3.现代工作生活压力常常导致失眠，给个人和社会带来很多困扰，研究表明，一个稳定、平和的声音，如白噪声，可过滤和分散噪音，帮助减轻噪音和分散注意力。


技术实现要素：

4.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
5.鉴于上述现有人们失眠存在的问题，提出了本发明。
6.因此，本发明解决的技术问题是：解决现有人们失眠导致困扰的问题。
7.为解决上述技术问题，本发明提供如下技术方案：一种基于白噪音的助眠方法，包括采集环境噪音信号，并对采集的所述环境噪音信号进行放大；将放大后的所述环境噪音信号输入至mcu进行运算，获取对应的声压级
‑
频率曲线；比较声压级
‑
频率曲线上各频点的声压级，检测出声压级最低频段；从存储于mcu处理器中的白噪音样本中选取出与所述声压级最低频段同频段的白噪音进行放大，并叠加至所述环境噪音信号中，建立用于存储声音样品的样本库；针对所述样本库中存储的声音样本进行预设时间段的裁剪，并将所裁剪到的声音段做成循环音频，制备得到助眠声音样本；将所述助眠声音样本按照音量逐渐减少的方式进行循环播放，直至最终声音分贝减少为零。
8.作为本发明所述的基于白噪音的助眠方法的一种优选方案，其中：对采集的所述环境噪音信号放大至原先声压级的1.5～2.5倍。
9.作为本发明所述的基于白噪音的助眠方法的一种优选方案，其中：对采集的所述环境噪音信号放大至原先声压级的1.8倍或2.2倍。
10.作为本发明所述的基于白噪音的助眠方法的一种优选方案，其中：比较声压级
‑
频率曲线上各频点的声压级，检测出所述声压级最低频段包括检测声压级
‑
频率曲线中频点数为两项的连续降低频段；计算各连续降低频段中的平均声压级；比较得出平均声压级最小的连续降低频段。
11.作为本发明所述的基于白噪音的助眠方法的一种优选方案，其中：将与所述声压级最低频段同频段的白噪音放大10～20db。
12.作为本发明所述的基于白噪音的助眠方法的一种优选方案，其中：将与所述声压级最低频段同频段的白噪音放大20db。
13.作为本发明所述的基于白噪音的助眠方法的一种优选方案，其中：所述与预设时间段为5～10s。
14.作为本发明所述的基于白噪音的助眠方法的一种优选方案，其中：将所述助眠声音样本按照音量每分钟0.1～0.2db的方式线性减少进行循环播放。
15.本发明的有益效果：本发明利用白噪音特点解决失眠问题，并对利用白噪音的方式进行进一步优化，通过对采集的环境噪音信号放大后获取声压级
‑
频率曲线，依据该曲线检测出声压级最低频段，筛选白噪音频段后叠加形成样本库，对形成的样本进行裁剪形成助眠声音样本，并按照音量逐渐减少的方式进行循环播放，可以在较小的资金投入及技术成本的情况下，制造出合适的软件及硬件产品，极大解决了失眠人群的困扰。
附图说明
16.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：图1为本发明提供的基于白噪音的助眠方法的方法流程图。
17.图2为本发明提供的检测声压级最低频段的方法流程图。
18.图3为本发明提供的声压级
‑
频率曲线展示示意图。
19.图4为本发明提供的第一滤波图。
20.图5为本发明提供的第二滤波图。
21.图6为本发明提供的第三滤波图。
22.图7为本发明提供的第四滤波图。
具体实施方式
23.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
24.现代工作生活压力常常导致失眠，给个人和社会带来很多困扰，研究表明，一个稳定、平和的声音，如白噪声，可过滤和分散噪音，帮助减轻噪音和分散注意力。
25.故此，请参阅图1～7，本发明提供一种基于白噪音的助眠方法，包括以下步骤：s1：采集环境噪音信号，并对采集的环境噪音信号进行放大；其中，通过声音输入装置采集环境噪音信号，涉及的声音输入装置为现有技术，使用python进行初步程序建模，使用pyaudio库录制环境噪音，测量一段pcm音频；软件程序为：import pyaudioimport numpy as np
import matplotlib.pyplot as pltp=pyaudio.pyaudio()rate = 44100channels = 1format = pyaudio.paint16device_index= 0chunk= 1024record_seconds = 3stream=p.open(rate=rate,channels=channels,format=format,input_device_index=device_index,frames_per_buffer=chunk,input=true)data = stream.read(chunk,exception_on_overflow=false)data_16 = np.frombuffer(data,dtype=np.int16) 。
26.对采集到的环境噪音信号进行放大是指对通过声音输入装置采集的环境噪声信号进行放大，以防止信号的失真。
27.进一步的，对采集的环境噪音信号放大至原先声压级的1.5～2.5倍。
28.更进一步的，对采集的环境噪音信号放大至原先声压级的1.8倍或2.2倍。
29.本发明优选对采集的环境噪音信号放大至原先声压级的1.8倍或2.2倍进行验证，直至进行下述s5步骤裁剪成音频样本后，当s1步骤采用1.8倍或2.2倍出来的放大曲线图相差不大，分别为图4和图5，其中，图4动态幅度为（
‑
2,2）之间，图5动态幅度为（0，1.0），两种倍数均能够产生相应的稳态样本，选择其中的图4（放大至原先声压级的1.8倍）进行对比说明：选定图2为环境噪音采集信号，进行放大1.8倍或2.2倍后出来的高斯带通滤波图分别为图4和图5所示，不难理解的是，声音本身就是一种波，和光波一样，具有自身特定的内置特征，如频率、响度、振动幅度一类，如图4所示，最后裁剪出的音频样本本身的震动幅度基本稳定在（
‑
2,2）之间，偏差不会很大，并且以0为线性值进行稳态分布，当进行s2、s3、s4放大叠加后，由于放大程度弥补了完整弥补了间隙失真缺陷，更加贴合滤波要求，所生成的带通滤波本身性质稳定，致使所裁剪的音频样本本身特定性质稳定，当通过s6步骤进行线性降噪播放时，声音更加柔和。
30.额外的，当对采集的环境噪音信号放大至原先声压级的1.5～2.5倍，除去放大1.8倍或2.2倍时，选定放大2.0倍为例进行说明，如图6所示，所出现的带通滤波震动幅度为（
‑
2,8）左右，虽然是稳态分布，但已经出现些许不稳定，偏差最大达到10左右，但由于未达到绝对超过10以上的额度，故此，暂作为备选值。
31.如图7所示，为对采集的环境噪音信号放大小于1.5倍或大于2.5倍时，选定倍数为2.6倍为例，图中，所出现的带通滤波震动幅度为（10,20）左右，并且不是稳态分布，已经出现不稳定状况，偏差基本超过10，偏差过大，柔和度变差。
32.s2：将放大后的环境噪音信号输入至mcu进行运算，获取对应的声压级
‑
频率曲线；具体的，mcu指的是微控制单元，通过微控制单元将声音信号转换成声压级
‑
频率曲线。
33.将上述s1录制的pcm音频进行傅里叶变换，并计算出各频率上声压级，生成的曲线图如图2所示，运行程序语言为：mic_sensitivity =
ꢀ‑
39 #电容麦灵敏度reference_0dbfs = np.power(10,mic_sensitivity/20)*(2**15
‑
1)*np.power(10,
‑
94/20)f_vec = rate*np.arange(chunk/2)/chunkf_vec = f_vec[1:]fft_data = (np.abs(np.fft.fft(data_16))[0:int(np.floor(chunk/2))])/chunkfft_data[1:] = 2*fft_data[1:]fft_data_db = 20*np.log10(fft_data[1:]/reference_0dbfs)声压级的计算公式为：20*np.log10(rms/reference_0dbfs) 。
[0034]
s3：比较声压级
‑
频率曲线上各频点的声压级，检测出声压级最低频段；进一步的，检测出声压级最低频段包括：
⑴
检测声压级
‑
频率曲线中频点数为两项的连续降低频段；
⑵
计算各连续降低频段中的平均声压级；
⑶
比较得出平均声压级最小的连续降低频段。
[0035]
s4：从存储于mcu处理器中的白噪音样本中选取出与声压级最低频段同频段的白噪音进行放大，并叠加至环境噪音信号中，建立用于存储该声音样品的样本库；进一步的，将与声压级最低频段同频段的白噪音放大10～20db。
[0036]
更进一步的，将与声压级最低频段同频段的白噪音放大20db。
[0037]
需要说明的是，这里的白噪声是指事先存储于mcu中的白噪声信号，当得出声压级最优频段时，从mcu中提取出与最优频段相同频段的白噪声，再将提取出的白噪声放大并叠加至预设时间内最后单位整点时段的环境噪音信号中，放大后的声音比原先声压级最优频段的声压级高至少10db。
[0038]
测量环境声压级s , 对与最低频段同频段的白噪声进行放大，使得白噪声声压级d 20 db>n > d 10 db。
[0039]
若放大10 db，则需将原有pcm数据乘以10 10/20 = 3.16。
[0040]
或由pcm值每增加1倍，音量放大6.014db可知，若放大10 db，则将原始pcm数据乘以2 10/6.10014 = 3.16。
[0041]
额外的，这一步，为了贴合滤波要求，进行带通滤波，运行程序如下：def band_limited_noise(min_freq, max_freq, samples=1024,samplerate=44100):
freqs = np.abs(np.fft.fftfreq(samples, 1/samplerate))f = np.zeros(samples)idx = np.where(np.logical_and(freqs>=min_freq,freqs<=max_freq))[0]f[idx] = 1return fftnoise(f)from scipy.io import wavfilex = band_limited_noise(15000, 20000, 44100, 44100)x = np.int16(x * (2**15
ꢀ‑ꢀ
1))wavfile.write("test.wav", 44100, x)。
[0042]
测出原有环境噪声声压级spl_1，测出带通滤波白噪音声压级spl_2，并通过此前所述手段将白噪音声压级放大至高于环境噪声10
‑
20 db，并将两者叠加播出。
[0043]
优选的，s4步骤中，将与声压级最低频段同频段的白噪音放大20db，配合上s1中将采集的环境噪音信号放大至原先声压级的1.8倍或2.2倍，可得到最柔和的带通滤波，声波所含有的稳态更好，后续进行降噪播放时性质更加柔和。
[0044]
s5：针对样本库中存储的声音样本进行预设时间段的裁剪，并将所裁剪到的声音段做成循环音频，制备得到助眠声音样本；具体的，预设时间段为5～10s。
[0045]
s6：将助眠声音样本按照音量逐渐减少的方式进行循环播放，直至最终声音分贝减少为零。
[0046]
进一步的，将助眠声音样本按照音量每分钟0.1～0.2db的方式线性减少进行循环播放。
[0047]
在过程中，每分钟重做白噪音和原始文件，将pcm数据除以1.011~1.023，直至使用者睡下。
[0048]
本发明利用白噪音特点解决失眠问题，并对利用白噪音的方式进行进一步优化，通过对采集的环境噪音信号放大后获取声压级
‑
频率曲线，依据该曲线检测出声压级最低频段，筛选白噪音频段后叠加形成样本库，对形成的样本进行裁剪形成助眠声音样本，并按照音量逐渐减少的方式进行循环播放，可以在较小的资金投入及技术成本的情况下，制造出合适的软件及硬件产品，极大解决了失眠人群的困扰。
[0049]
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。