Nothing Special   »   [go: up one dir, main page]

CN113115196A - 降噪耳机的智能测试方法 - Google Patents

降噪耳机的智能测试方法 Download PDF

Info

Publication number
CN113115196A
CN113115196A CN202110438109.3A CN202110438109A CN113115196A CN 113115196 A CN113115196 A CN 113115196A CN 202110438109 A CN202110438109 A CN 202110438109A CN 113115196 A CN113115196 A CN 113115196A
Authority
CN
China
Prior art keywords
fine tuning
noise reduction
equation
frequency response
earphone
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110438109.3A
Other languages
English (en)
Other versions
CN113115196B (zh
Inventor
邓文武
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Shengqiang Technology Co ltd
Original Assignee
Aesonic Electronics Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Aesonic Electronics Co ltd filed Critical Aesonic Electronics Co ltd
Priority to CN202110438109.3A priority Critical patent/CN113115196B/zh
Publication of CN113115196A publication Critical patent/CN113115196A/zh
Application granted granted Critical
Publication of CN113115196B publication Critical patent/CN113115196B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R29/00—Monitoring arrangements; Testing arrangements
    • H04R29/001—Monitoring arrangements; Testing arrangements for loudspeakers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
    • G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
    • G10K11/1785—Methods, e.g. algorithms; Devices
    • G10K11/17853—Methods, e.g. algorithms; Devices of the filter
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/10—Earpieces; Attachments therefor ; Earphones; Monophonic headphones
    • H04R1/1083—Reduction of ambient noise

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Otolaryngology (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明涉及ANC耳机生产测试技术领域，尤其涉及降噪耳机的智能测试方法，包括如下步骤；A.得到目标降噪滤波器曲线和频响曲线；B.抽样样本组成待测耳机组；C.得到产品样本的降噪滤波器曲线、频响曲线；D.得出对待测样本的耳机进行拟合的降噪滤波器和频响的微调参数；E.得出一级方程、二级方程；F.对二级微调参数进行函数回归分析得出对待调整的耳机进行调整的降噪滤波器、频响微调方程；本发明的降噪耳机的智能测试方法，基于样本抽样统计分析，得出曲线调整方程，根据曲线参数差值自动选定某样本组的拟合的调整方程，测试调整效率高。

Description

降噪耳机的智能测试方法
技术领域
本发明涉及ANC耳机生产测试技术领域，尤其涉及降噪耳机的智能测试方法。
背景技术
现有的主动降噪耳机生产测试阶段需要对其降噪滤波器曲线和频响曲线进行测试和调整，以获得更好的声音效果，现有的技术中是对耳机逐个进行曲线测试，并根据与目标曲线的差值对各个耳机进行逐个调整。其测试和效率低，导致生产成本高。
发明内容
本发明的目的在于针对现有技术的不足提供一种。
为实现上述目的，本发明的降噪耳机的智能测试方法，包括如下步骤；A.选定标准样本耳机，测量其降噪滤波器曲线和频响曲线作为目标降噪滤波器曲线和频响曲线；B.抽样样本组成待测耳机组，将待测耳机组随机分成至少五十个一级组，将每个一级组至少分成五十个二级组；C.测量待测耳机的降噪滤波器曲线、频响曲线作为产品样本的降噪滤波器曲线、频响曲线；D.将产品样本的降噪滤波器曲线、频响曲线与目标降噪滤波器曲线、频响曲线进行比较，得出对待测样本的耳机进行拟合的降噪滤波器和频响的微调参数，所述拟合是指将产品样本的降噪滤波器曲线、频响曲线回归至目标降噪滤波器曲线、频响曲线；根据产品样本的所在二级组别归类形成二级组别微调参数库，从各二级组别的产品样本中各抽取一个根据其所在的一级组别形成一级组别微调参数库；E.对上述一级组别微调参数库、二级组别微调参数库进行函数回归分析得出一级方程、二级方程；F.将一级组别微调参数与二级方程进行拟合比较得出第一二级微调参数，将二级组别微调参数与一级方程进行拟合比较得出第二二级微调参数，将第一二级微调参和第二二级微调参组成二级微调参数库，对二级微调参数进行函数回归分析得出对待调整的耳机进行调整的降噪滤波器、频响微调方程；E.将一级组别微调参数库、二级组别微调参数库、二级微调参数库与一级方程、二级方程、微调方程对应，判断待调整的耳机的微调参数落入二级组别微调参数库、一级组别微调参数库或二级微调参数库，自动选择对应的调整方程，对待调整的耳机进行降噪滤波器、频响曲线调整。
进一步的，所述步骤F中对一级方程、二级方程、微调方程进行神经网络训练，以提高拟合程度。
进一步的，所述神经网络训练使用的训练方法包括以下步骤：
从一级组别微调参数库、二级组别微调参数库获取多个原始数据样本对；每个所述原始数据样本对包括对应同一真实场景的点降噪滤波器和频响的微调参数数据样本；针对每个所述原始数据样本对，将至少一个二级微调参数库的点点降噪滤波器和频响的微调参数数据融合进该原始数据样本对中的降噪滤波器和频响的微调参数，得到融合数据样本对；基于多个所述融合数据样本对，进行神经网络训练，得到用于进行目标调整的一级方程、二级方程、微调方程。
本发明的有益效果：本发明的降噪耳机的智能测试方法，基于样本抽样统计分析，得出曲线调整方程，根据曲线参数差值自动选定某样本组的拟合的调整方程，测试调整效率高。
附图说明
图1为本发明的流程示意图。
具体实施方式
以下结合附图对本发明进行详细的描述。
如图1所示，本发明的降噪耳机的智能测试方法，包括如下步骤；A.选定标准样本耳机，测量其降噪滤波器曲线和频响曲线作为目标降噪滤波器曲线和频响曲线；B.抽样样本组成待测耳机组，将待测耳机组随机分成至少五十个一级组，将每个一级组至少分成五十个二级组；C.测量待测耳机的降噪滤波器曲线、频响曲线作为产品样本的降噪滤波器曲线、频响曲线；D.将产品样本的降噪滤波器曲线、频响曲线与目标降噪滤波器曲线、频响曲线进行比较，得出对待测样本的耳机进行拟合的降噪滤波器和频响的微调参数，所述拟合是指将产品样本的降噪滤波器曲线、频响曲线回归至目标降噪滤波器曲线、频响曲线；根据产品样本的所在二级组别归类形成二级组别微调参数库，从各二级组别的产品样本中各抽取一个根据其所在的一级组别形成一级组别微调参数库；E.对上述一级组别微调参数库、二级组别微调参数库进行函数回归分析得出一级方程、二级方程；F.将一级组别微调参数与二级方程进行拟合比较得出第一二级微调参数，将二级组别微调参数与一级方程进行拟合比较得出第二二级微调参数，将第一二级微调参和第二二级微调参组成二级微调参数库，对二级微调参数进行函数回归分析得出对待调整的耳机进行调整的降噪滤波器、频响微调方程；E.将一级组别微调参数库、二级组别微调参数库、二级微调参数库与一级方程、二级方程、微调方程对应，判断待调整的耳机的微调参数落入二级组别微调参数库、一级组别微调参数库或二级微调参数库，自动选择对应的调整方程，对待调整的耳机进行降噪滤波器、频响曲线调整。
进一步的，所述步骤F中对一级方程、二级方程、微调方程进行神经网络训练，以提高拟合程度。
进一步的，所述神经网络训练使用的训练方法包括以下步骤：
从一级组别微调参数库、二级组别微调参数库获取多个原始数据样本对；每个所述原始数据样本对包括对应同一真实场景的点降噪滤波器和频响的微调参数数据样本；针对每个所述原始数据样本对，将至少一个二级微调参数库的点点降噪滤波器和频响的微调参数数据融合进该原始数据样本对中的降噪滤波器和频响的微调参数，得到融合数据样本对；基于多个所述融合数据样本对，进行神经网络训练，得到用于进行目标调整的一级方程、二级方程、微调方程。综上所述可知本发明乃具有以上所述的优良特性，得以令其在使用上，增进以往技术中所未有的效能而具有实用性，成为一极具实用价值的产品。
以上内容仅为本发明的较佳实施例，对于本领域的普通技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，本说明书内容不应理解为对本发明的限制。

Claims (3)

1.降噪耳机的智能测试方法，其特征在于，包括如下步骤；
A.选定标准样本耳机，测量其降噪滤波器曲线和频响曲线作为目标降噪滤波器曲线和频响曲线；
B.抽样样本组成待测耳机组，将待测耳机组随机分成至少五十个一级组，将每个一级组至少分成五十个二级组；
C.测量待测耳机的降噪滤波器曲线、频响曲线作为产品样本的降噪滤波器曲线、频响曲线；
D.将产品样本的降噪滤波器曲线、频响曲线与目标降噪滤波器曲线、频响曲线进行比较，得出对待测样本的耳机进行拟合的降噪滤波器和频响的微调参数，所述拟合是指将产品样本的降噪滤波器曲线、频响曲线回归至目标降噪滤波器曲线、频响曲线；根据产品样本的所在二级组别归类形成二级组别微调参数库，从各二级组别的产品样本中各抽取一个根据其所在的一级组别形成一级组别微调参数库；
E.对上述一级组别微调参数库、二级组别微调参数库进行函数回归分析得出一级方程、二级方程；
F.将一级组别微调参数与二级方程进行拟合比较得出第一二级微调参数，将二级组别微调参数与一级方程进行拟合比较得出第二二级微调参数，将第一二级微调参和第二二级微调参组成二级微调参数库，对二级微调参数进行函数回归分析得出对待调整的耳机进行调整的降噪滤波器、频响微调方程；
G.将一级组别微调参数库、二级组别微调参数库、二级微调参数库与一级方程、二级方程、微调方程对应，判断待调整的耳机的微调参数落入二级组别微调参数库、一级组别微调参数库或二级微调参数库，自动选择对应的调整方程，对待调整的耳机进行降噪滤波器、频响曲线调整。
2.根据权利要求1所述的降噪耳机的智能测试方法，其特征在于：所述步骤F中对一级方程、二级方程、微调方程进行神经网络训练，以提高拟合程度。
3.根据权利要求2所述的降噪耳机的智能测试方法，其特征在于：所述神经网络训练使用的训练方法包括以下步骤：
从一级组别微调参数库、二级组别微调参数库获取多个原始数据样本对；每个所述原始数据样本对包括对应同一真实场景的点降噪滤波器和频响的微调参数数据样本；
针对每个所述原始数据样本对，将至少一个二级微调参数库的点点降噪滤波器和频响的微调参数数据融合进该原始数据样本对中的降噪滤波器和频响的微调参数，得到融合数据样本对；
基于多个所述融合数据样本对，进行神经网络训练，得到用于进行目标调整的一级方程、二级方程、微调方程。
CN202110438109.3A 2021-04-22 2021-04-22 降噪耳机的智能测试方法 Active CN113115196B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110438109.3A CN113115196B (zh) 2021-04-22 2021-04-22 降噪耳机的智能测试方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110438109.3A CN113115196B (zh) 2021-04-22 2021-04-22 降噪耳机的智能测试方法

Publications (2)

Publication Number Publication Date
CN113115196A true CN113115196A (zh) 2021-07-13
CN113115196B CN113115196B (zh) 2022-03-29

Family

ID=76719765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110438109.3A Active CN113115196B (zh) 2021-04-22 2021-04-22 降噪耳机的智能测试方法

Country Status (1)

Country Link
CN (1) CN113115196B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114816479A (zh) * 2022-04-28 2022-07-29 深圳市飞科笛系统开发有限公司 降噪耳机参数升级方法和装置、电子设备、存储介质
CN118413779A (zh) * 2024-05-10 2024-07-30 肇庆市和佳电子有限公司 一种基于测试数据的降噪耳机降噪效果智能分析系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180357753A1 (en) * 2017-06-12 2018-12-13 Nvidia Corporation Systems and methods for training neural networks for regression without ground truth training samples
CN110889197A (zh) * 2019-10-31 2020-03-17 佳禾智能科技股份有限公司 基于神经网络的自适应前馈式主动降噪方法、计算机可读存储介质、电子设备
CN110996209A (zh) * 2019-12-13 2020-04-10 恒玄科技(上海)股份有限公司 主动降噪方法、系统以及耳机
CN111512367A (zh) * 2017-09-21 2020-08-07 弗劳恩霍夫应用研究促进协会 提供处理的降噪且混响降低的音频信号的信号处理器和方法
CN111800723A (zh) * 2019-06-19 2020-10-20 深圳市豪恩声学股份有限公司 主动降噪耳机测试方法、装置、终端设备及存储介质
CN112289295A (zh) * 2020-06-08 2021-01-29 珠海市杰理科技股份有限公司 主动降噪系统训练方法以及相关设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180357753A1 (en) * 2017-06-12 2018-12-13 Nvidia Corporation Systems and methods for training neural networks for regression without ground truth training samples
CN111512367A (zh) * 2017-09-21 2020-08-07 弗劳恩霍夫应用研究促进协会 提供处理的降噪且混响降低的音频信号的信号处理器和方法
CN111800723A (zh) * 2019-06-19 2020-10-20 深圳市豪恩声学股份有限公司 主动降噪耳机测试方法、装置、终端设备及存储介质
CN110889197A (zh) * 2019-10-31 2020-03-17 佳禾智能科技股份有限公司 基于神经网络的自适应前馈式主动降噪方法、计算机可读存储介质、电子设备
CN110996209A (zh) * 2019-12-13 2020-04-10 恒玄科技(上海)股份有限公司 主动降噪方法、系统以及耳机
CN112289295A (zh) * 2020-06-08 2021-01-29 珠海市杰理科技股份有限公司 主动降噪系统训练方法以及相关设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114816479A (zh) * 2022-04-28 2022-07-29 深圳市飞科笛系统开发有限公司 降噪耳机参数升级方法和装置、电子设备、存储介质
CN118413779A (zh) * 2024-05-10 2024-07-30 肇庆市和佳电子有限公司 一种基于测试数据的降噪耳机降噪效果智能分析系统

Also Published As

Publication number Publication date
CN113115196B (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
CN113115196B (zh) 降噪耳机的智能测试方法
CN111853555B (zh) 一种基于动态过程的供水管网暗漏识别方法
CN103546853A (zh) 一种基于短时傅里叶变换的扬声器异常音检测方法
CN110490071A (zh) 一种基于mfcc的变电站声信号特征提取方法
CN108346434B (zh) 一种语音质量评估的方法和装置
CN104807540B (zh) 噪声检验方法及系统
CN111478904B (zh) 一种基于概念漂移的物联网设备通信异常检测方法及装置
CN111966061A (zh) 产品工艺参数的优化方法、装置、电子设备和存储介质
CN107221339A (zh) 基于增益补偿助听器语音质量w‑pesq客观评价方法
CN112487865A (zh) 一种基于机器学习的扬声器自动分类方法
CN113490098A (zh) 一种anc耳机主动降噪滤波器主动优化算法
CN109997186A (zh) 一种用于分类声环境的设备和方法
Cano et al. Exploring sound source separation for acoustic condition monitoring in industrial scenarios
US7071011B2 (en) Method of defect review
CN117095695A (zh) 一种用于变压器本体的广域声纹压缩采集方法及系统
CN116933620A (zh) 一种噪声品质评价及模型搭建方法
Baum et al. Environment classification via blind roomprints estimation
Novak et al. Modeling of nonlinear audio systems using swept-sine signals: Application to audio effects
CN111442936A (zh) 声品质检测限值确认方法及一种声品质检测故障确认方法
WO2017121338A1 (zh) 一种判断产品是否结晶的方法、装置以及检测设备
CN111985408B (zh) 一种瓷支柱绝缘子故障识别方法及装置
CN116206625A (zh) 基于频谱与时间信息结合的自监督异常声音检测方法
CN113486448A (zh) 一种基于掩蔽效应评价变速器啸叫的方法
CN113656910A (zh) 基于aff-aakr融合的滚动轴承健康指标曲线构建方法
Yang et al. Research on the sound metric of door-slamming sound based on leaky integration and wavelet decomposition

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230330

Address after: 523000 room 103, No.7 xihecun Road, Shijie Town, Dongguan City, Guangdong Province

Patentee after: Guangdong Shengqiang Technology Co.,Ltd.

Address before: Sijia Xihe Industrial Zone, Shijie Town, Dongguan City, Guangdong Province

Patentee before: DONGGUAN SHENGQIANG ELECTRONICS CO.,LTD.

TR01 Transfer of patent right