CN106328152B - 一种室内噪声污染自动识别监测系统 - Google Patents
一种室内噪声污染自动识别监测系统 Download PDFInfo
- Publication number
- CN106328152B CN106328152B CN201510388528.5A CN201510388528A CN106328152B CN 106328152 B CN106328152 B CN 106328152B CN 201510388528 A CN201510388528 A CN 201510388528A CN 106328152 B CN106328152 B CN 106328152B
- Authority
- CN
- China
- Prior art keywords
- noise
- module
- feature
- identification
- digital signal
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 21
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000012800 visualization Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 description 9
- 230000036541 health Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000000750 endocrine system Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000009323 psychological health Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- 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
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及监测领域，尤其涉及一种室内噪声污染自动识别监测系统。通过FPGA多通道麦克风阵列对噪声信号进行样本采集，再通过DSP数字信号处理器对噪声信号进行预处理、特征提取、特征选择，并在云端对噪声信号进行特征模型建立，并通过噪声信号特征模式匹配的技术识别出噪声源与对应的噪声监测信息，最后将噪声识别信息以图表的方式显示在主界面上。该系统有效地使用户意识到噪声污染的危害，并提醒用户远离噪声危害并积极采取防治措施，改善居住环境，进而对促进经济发展起到了积极作用。
Description
技术领域
本发明涉及监测领域，尤其涉及一种室内噪声污染自动识别监测系统。
背景技术
噪声污染是一个全世界都十分关注的环境问题，过量的环境噪声对人的生理和心理健康都会造成一定的影响。高噪声环境会对人们的听力和身体健康造成严重的损害。而一般噪声则会对人们日常工作与生活造成一定的影响。据统计，噪声污染对全球范围内约70％以上的城市居民造成不同程度的危害。而作为发展中国家，中国噪声污染对人民的影响更为突出。环境噪声监测，是人类提高生活质量，加强环境保护的一个重要环节，在各大城市的繁华街道和居民区，已有大型环境噪声显示器竖立街头。因此噪声对环境的检测与控制在对人的身体健康和申新健康方面有着重要的作用，加强对环境噪音的检测显得尤其重要。
目前，国内的便携式噪声测试仪，多为价格昂贵的进口专用设备，除卫生、计量等环保专业部门拥有外，无法作为民用品推广普及。噪声监测仪器大部分都采用具有单片机处理功能的积分统计声级计，属便携式仪器，这些声级计灵敏度随气压、温湿度而变化，影响测量精度，需要经常校准，难以应用在日常生活场景中。尤其是在室内环境噪声监测中，由于室内噪声大部分为中低频噪声，传统声压计也难以精准地分类识别噪声源，更难以为用户提供准确的室内环境噪声污染的监控信息。
所以现在亟需一种能够对室内噪声污染自动识别监测的系统。
发明内容
鉴于上述问题，本发明提供一种室内噪声污染自动识别监测系统，其特征在于，包括：
噪声样本采集模块，用以采集噪声样本，并将所述噪声样本转换成数字信号；
DSP数字信号处理模块，与所述噪声样本采集模块连接，对所述数字信号进行处理并提取出噪声特征；
噪声分类处理模块，与所述DSP数字信号处理模块连接，对提取出的所述噪声特征进行噪声特征模式匹配，进而对所述噪声样本进行分类识别；
噪声识别可视化模块，与所述噪声分类处理模块连接，将所述噪声样本分类识别的结果进行显示。
上述的系统，其特征在于，所述DSP数字信号处理模块包括：
预处理模块，与所述噪声样本采集模块连接，对所述数字信号进行降噪处理，提供信噪比；
特征提取模块，与所述预处理模块连接，对降噪处理后的数字信号进行选择和变换；
特征选择模块，与所述特征提取模块连接，提取选择和变换后的的所述数字信号。
上述的系统，其特征在于，所述噪声分类处理模块包括：
分类器，与所述特征选择模块连接，对所述噪声样本进行分类研究以建立噪声模型库；
噪声分类识别模块，分别于所述分类器和所述噪声识别可视化模块连接，将所述特征选择模块提取的数字信号与所述噪声模型库进行模式匹配，进而将所述数字信号分类识别。
上述的系统，其特征在于，所述降噪处理包括线性滤波、中值滤波和小波变换。
上述的系统，其特征在于，所述特征提取模块通过映射的方法提取所述数字信号的特征向量。
上述的系统，其特征在于，所述分类器为DHMM隐马尔可夫分类器。
上述的系统，其特征在于，所述噪声样本采集模块中包括FPGA多通道麦克风阵列信号采集器，所述FPGA多通道麦克风阵列信号采集器采集所述噪声样本。
上述的系统，其特征在于，所述噪声样本采集模块中还包括多路模拟数字转换器，与所述FPGA多通道麦克风阵列信号采集器连接，所述多路模拟数字转换器将所述噪声样本转换成所述数字信号。
上述的系统，其特征在于，所述噪声样本采集模块中还包括USB多路麦克风传输器，分别与所述多路模拟数字转换器和所述DSP数字信号处理模块连接，并将所述数字信号封装成报文，通过USB协议将封装成报文形式的所述数字信号传输至所述DSP数字信号处理模块内。
上述的系统，其特征在于，所述噪声识别可视化模块将所述噪声样本分类识别的结果以图表的方式显示出来。
综上所述，本发明提出了一种室内噪声污染自动识别监测系统，通过FPGA多通道麦克风阵列对噪声信号进行样本采集，通过DSP数字信号处理器对噪声信号进行预处理、特征提取、特征选择，并在云端对噪声信号进行特征模型训练，并通过噪声信号特征模式匹配的技术识别出噪声源与对应的噪声监测信息，最后将噪声识别信息以图表的方式显示在主界面上。该系统运用在家庭机器人上，家庭机器人以陪伴的方式为用户提供噪声监测服务，并伴有语音识别的交互方式，对室内噪声污染能够实时播报，有效地使用户意识到噪声污染的危害，并提醒用户远离噪声危害并积极采取防治措施，改善居住环境，进而对促进经济发展起到了积极作用。
附图说明
参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。
图1是本发明系统结构示意图。
具体实施方式
为了使本发明的技术方案及优点更加易于理解，下面结合附图作进一步详细说明。应当说明，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明设计的一种室内噪声污染自动识别监测系统，该系统包括：
噪声样本采集模块，用以采集噪声样本，并将噪声样本转换成数字信号；
DSP数字信号处理模块，与噪声样本采集模块连接，对数字信号进行处理并提取出噪声特征；
噪声分类处理模块，与DSP数字信号处理模块连接，对提取出的噪声特征进行噪声特征模式匹配，进而对噪声样本进行分类识别；
噪声识别可视化模块，与噪声分类处理模块连接，将噪声样本分类识别的结果进行显示，显示是通过家庭机器人或者其他人工智能工具以DLP内投显示技术用图表界面显示的方式将室内噪声识别结果对应的噪声源与噪声污染指数展示给用户。
该系统中DSP数字信号处理模块还包括：
预处理模块，与噪声样本采集模块连接，对数字信号进行降噪处理，提供信噪比；
特征提取模块，与预处理模块连接，对降噪处理后的数字信号进行选择和变换；
特征选择模块，与特征提取模块连接，提取选择和变换后的的数字信号。
在本发明中，噪声样本采集模块是指对目标用户的居室内噪声进行采集与分析，将噪声进行分类。具体而言，本发明提供了FPGA多通道麦克风阵列信号采集器，实现了麦克风阵列中各路麦克风的相位同步采集。采集器用多路ADC来同步转换多路麦克风信号为数字信号，采集器通过DMA终端的方式实现多路麦克风的相位同步关键技术指标。
其中噪声信号预处理模块是指对数字信号进行降噪处理，提供信噪比。常见的降噪方法包括线性滤波、中值滤波、小波变换等。
信号特征提取模块是指为了有效的实现分类识别，需要对降噪后的数字信号进行选择和变换，得到最能反映分类本质的特征。特征是识别的基础，特征提取是指通过映射的方法获得最有效的特征，实现特征空间的维数从高维到低维的变化，特征提取是噪声目标识别的关键，主要目的是提取能够区分各类目标的特征向量。
噪声信号特征选择模块是指由于特征提取依赖于具体问题的物理特性和相关知识，人们经常把所有可能观测到的特征都记录下来，这些特征中可能很多特征与要解决的问题并不密切，但是特征量过大会带来计算量大、泛化能力差等问题。同时，在噪声信号特征样本数目有限时，很多方法会因为出现病态矩阵等问题而无法计算。为了提升噪声分类器的性能，噪声信号特征选择实现了在保证分类效果的前提下用尽可能少的特征来完成分类。
在本发明中，噪声分类处理模块包括：
分类器，与特征选择模块连接，对噪声样本进行分类研究以建立噪声模型库。该分类器是指利用机器中的人工神经网络对室内噪声样本进行分类研究，选用DHMM隐马尔可夫作为环境噪声的分类器，进行噪声模型库的建立；
噪声分类识别模块，分别于分类器和噪声识别可视化模块连接，将特征选择模块提取的数字信号与噪声模型库进行模式匹配，进而将数字信号分类识别。
下面结合具体实施例进行说明
目前，以家用电器为主要噪声源的室内低频噪声已经成为不可忽视的噪声源。实际监测表明，家用电冰箱为35～50分贝，洗衣机为50～70分贝，电风扇为55～70分贝，吸尘器为60～80分贝，家庭影院更是可以达到60～80分贝，明显增加了居室内的噪声污染程度。室内噪声所造成危害的严重性虽然不会像空气污染与水污染那样引起人的疾病，甚至死亡。但由于现代人的大多数在室内度过，室内噪声污染会影响到人的心理状况，导致听觉、神经系统及内分泌系统出现病变，对人们的日常生活造成较大的危害。
本发明的技术能够有效克服传统声压计噪声监测仪器的灵敏度随气压、温湿度而变化，影响测量精度，需要经常校准以及难以对噪声源进行精确分类监测的问题，实现了一种通过FPGA多通道麦克风阵列对噪声信号进行样本采集，通过DSP数字信号处理器对噪声信号进行预处理、特征提取、特征选择，并在云端对噪声信号进行特征模型训练，并通过噪声信号特征模式匹配的技术识别出噪声源与对应的噪声监测信息，最后将噪声识别信息通过DLP内投模组以图表的方式显示在机器人的主界面上。机器人以陪伴的方式为用户提供噪声监测服务，并伴有语音识别的交互方式，对室内噪声污染能够实时播报，有效地使用户意识到噪声污染的危害，并提醒用户远离噪声危害并积极采取防治措施，改善居住环境，进而对促进经济发展起到了积极作用。
如图1所示，本发明提供一种机器人室内噪声自动识别监测系统，实现了对室内噪声自动识别及室内噪声污染监测并为用户提供室内噪声污染可视化展示的功能。
室内噪声污染给人们的生活带来了诸多不便，在较大程度上降低了人们的生活品质。为能够对室内噪声污染进行有效监控，机器人室内噪声自动识别监测系统先通过FPGA多通道麦克风阵列信号采集器来采集麦克风阵列的音频信号。FGPA多通道麦克风阵列采集器在通过多路ADC来同步转换多路麦克风信号为数字信号后，再以DMA中断的方式实现多路麦克风的相位同步。随后，USB多路麦克风传输器将DMA中采集的麦克风信号封装成报文，并通过USB协议将数据报文传输到DSP数字信号处理主控制器。在完成噪声样本的采集后，DSP主控制器对噪声信号进行预处理、特征提取，为防止特征信号过多对噪声模型训练的影响，还需要对噪声特征进行选取。在完成噪声信号的特征提取之后，将噪声特征样本集通过网络发送到云端进行特征机器模型训练。在完成噪声特征模型的训练后即可进行室内环境噪声的自动识别。在对噪声信号完成特征提取之后，将噪声特征通过网络协议发送到云端进噪声特征模式匹配，进而识别出对应噪声源类型与噪声值。随后，云端将噪声识别结果再通过网络协议返回给DSP主控制器，DSP主控制器将噪声识别结果通过DLP内投模组以图表的方式显示在机器人的主界面上。
通过说明和附图，给出了具体实施方式的特定结构的典型实施例，基于本发明精神，还可作其他的转换。尽管上述发明提出了现有的较佳实施例，然而，这些内容并不作为局限。
对于本领域的技术人员而言，阅读上述说明后，各种变化和修正无疑将显而易见。因此，所附的权利要求书应看作是涵盖本发明的真实意图和范围的全部变化和修正。在权利要求书范围内任何和所有等价的范围与内容，都应认为仍属本发明的意图和范围内。
Claims (9)
1.一种室内噪声污染自动识别监测系统，其特征在于，包括：
噪声样本采集模块，用以采集噪声样本，并将所述噪声样本转换成数字信号；
DSP数字信号处理模块，与所述噪声样本采集模块连接，对所述数字信号进行处理并提取出噪声特征；
所述DSP数字信号处理模块包括：
预处理模块，与所述噪声样本采集模块连接，对所述数字信号进行降噪处理，提供信噪比；
特征提取模块，与所述预处理模块连接，对降噪处理后的数字信号进行选择和变换；
特征选择模块，与所述特征提取模块连接，选取选择和变换后的的所述数字信号；
所述特征选择模块将选取的所述数字信号形成一噪声特征样本集，并通过网络发送至云端进行特征机器模型训练，所述监测系统于完成所述噪声特征模型训练后自动进行室内环境噪音的识别；
噪声分类处理模块，与所述DSP数字信号处理模块连接，对提取出的所述噪声特征进行噪声特征模式匹配，进而对所述噪声样本进行分类识别；
噪声识别可视化模块，与所述噪声分类处理模块连接，将所述噪声样本分类识别的结果进行显示；
所述信号特征提取模块是指通过映射的方法获得最有效的特征，实现特征空间的维数从高维到低维的变化，以提取能够区分各类目标的特征向量；
所述特征选择模块的是对所述特征提取模块提取的能够区分各类目标的特征向量进行进一步的精简。
2.根据权利要求1所述的系统，其特征在于，所述噪声分类处理模块包括：
分类器，与所述特征选择模块连接，对所述噪声样本进行分类研究以建立噪声模型库；
噪声分类识别模块，分别于所述分类器和所述噪声识别可视化模块连接，将所述特征选择模块提取的数字信号与所述噪声模型库进行模式匹配，进而将所述数字信号分类识别。
3.根据权利要求1所述的系统，其特征在于，所述降噪处理包括线性滤波、中值滤波和小波变换。
4.根据权利要求1所述的系统，其特征在于，所述特征提取模块通过映射的方法提取所述数字信号的特征向量。
5.根据权利要求2所述的系统，其特征在于，所述分类器为DHMM隐马尔可夫分类器。
6.根据权利要求1所述的系统，其特征在于，所述噪声样本采集模块中包括FPGA多通道麦克风阵列信号采集器，所述FPGA多通道麦克风阵列信号采集器采集所述噪声样本。
7.根据权利要求6所述的系统，其特征在于，所述噪声样本采集模块中还包括多路模拟数字转换器，与所述FPGA多通道麦克风阵列信号采集器连接，所述多路模拟数字转换器将所述噪声样本转换成所述数字信号。
8.根据权利要求7所述的系统，其特征在于，所述噪声样本采集模块中还包括USB多路麦克风传输器，分别与所述多路模拟数字转换器和所述DSP数字信号处理模块连接，并将所述数字信号封装成报文，通过USB协议将封装成报文形式的所述数字信号传输至所述DSP数字信号处理模块内。
9.根据权利要求1所述的系统，其特征在于，所述噪声识别可视化模块将所述噪声样本分类识别的结果以图表的方式显示出来。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510388528.5A CN106328152B (zh) | 2015-06-30 | 2015-06-30 | 一种室内噪声污染自动识别监测系统 |
| PCT/CN2016/086626 WO2017000813A1 (zh) | 2015-06-30 | 2016-06-21 | 一种室内噪声污染自动识别监测系统 |
| TW105120634A TW201701240A (zh) | 2015-06-30 | 2016-06-29 | 室內噪音污染自動識別監測系統 |
| HK17105107.0A HK1231624A1 (zh) | 2015-06-30 | 2017-05-19 | 種室內噪聲污染自動識別監測系統 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510388528.5A CN106328152B (zh) | 2015-06-30 | 2015-06-30 | 一种室内噪声污染自动识别监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106328152A CN106328152A (zh) | 2017-01-11 |
| CN106328152B true CN106328152B (zh) | 2020-01-31 |
Family
ID=57607850
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510388528.5A Active CN106328152B (zh) | 2015-06-30 | 2015-06-30 | 一种室内噪声污染自动识别监测系统 |
Country Status (4)
| Country | Link |
|---|---|
| CN (1) | CN106328152B (zh) |
| HK (1) | HK1231624A1 (zh) |
| TW (1) | TW201701240A (zh) |
| WO (1) | WO2017000813A1 (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180123319A (ko) * | 2017-05-08 | 2018-11-16 | 재단법인 다차원 스마트 아이티 융합시스템 연구단 | 층간소음 측정 장치 및 방법과 모니터링 시스템 |
| US20200126549A1 (en) * | 2017-07-14 | 2020-04-23 | Daikin Industries, Ltd. | Device control system |
| CN107393523B (zh) * | 2017-07-28 | 2020-11-13 | 深圳市盛路物联通讯技术有限公司 | 一种噪音监控方法及系统 |
| US20190114543A1 (en) * | 2017-10-12 | 2019-04-18 | British Cayman Islands Intelligo Technology Inc. | Local learning system in artificial intelligence device |
| CN107933476B (zh) * | 2017-11-14 | 2019-08-13 | 苏州数言信息技术有限公司 | 通用的车内乘客防遗忘的传感装置的实现方法和系统 |
| JP6725185B2 (ja) * | 2018-01-15 | 2020-07-15 | 三菱電機株式会社 | 音響信号分離装置および音響信号分離方法 |
| CN109060371A (zh) * | 2018-07-04 | 2018-12-21 | 深圳万发创新进出口贸易有限公司 | 一种汽车零部件异响检测装置 |
| CN109087659A (zh) * | 2018-08-03 | 2018-12-25 | 三星电子（中国）研发中心 | 音频优化方法及设备 |
| CN108965476B (zh) * | 2018-08-30 | 2020-08-04 | 赣州德业电子科技有限公司 | 一种基于物联网的环境噪音预警系统 |
| CN109817199A (zh) * | 2019-01-03 | 2019-05-28 | 珠海市黑鲸软件有限公司 | 一种风扇语音控制系统的语音识别方法 |
| CN110867082B (zh) * | 2019-10-30 | 2020-09-11 | 中国科学院自动化研究所南京人工智能芯片创新研究院 | 一种禁鸣路段鸣笛车辆检测系统 |
| CN111508516A (zh) * | 2020-03-31 | 2020-08-07 | 上海交通大学 | 基于信道关联时频掩膜的语音波束形成方法 |
| CN113301466A (zh) * | 2021-04-29 | 2021-08-24 | 南昌大学 | 一种内置噪声监测装置的可调节主动降噪耳机 |
| CN117537918B (zh) * | 2023-11-30 | 2024-06-25 | 广东普和检测技术有限公司 | 室内噪声检测方法以及相关装置 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1293428A (zh) * | 2000-11-10 | 2001-05-02 | 清华大学 | 基于语音识别的信息校核方法 |
| CN101335005A (zh) * | 2007-06-28 | 2008-12-31 | 上海闻通信息科技有限公司 | 语音识别系统中的前导噪声处理 |
| JP2009003008A (ja) * | 2007-06-19 | 2009-01-08 | Advanced Telecommunication Research Institute International | 雑音抑圧装置、音声認識装置、雑音抑圧方法、及びプログラム |
| CN102138795A (zh) * | 2011-02-21 | 2011-08-03 | 上海大学 | 根据鼾声声学特征确定阻塞性睡眠呼吸暂停与低通气综合症严重程度的方法 |
| CN202058443U (zh) * | 2011-05-09 | 2011-11-30 | 杨捷 | 一种鸟类语音识别系统 |
| CN202057359U (zh) * | 2011-05-12 | 2011-11-30 | 李颖 | 便携式环境监测器 |
| CN102402983A (zh) * | 2011-11-25 | 2012-04-04 | 浪潮电子信息产业股份有限公司 | 一种云数据中心语音识别方法 |
| CN102820034A (zh) * | 2012-07-16 | 2012-12-12 | 中国民航大学 | 一种民用航空器噪声感知与识别装置及其方法 |
| CN103236260A (zh) * | 2013-03-29 | 2013-08-07 | 京东方科技集团股份有限公司 | 语音识别系统 |
| CN103542927A (zh) * | 2013-09-29 | 2014-01-29 | 中山大学 | 一种家用式噪声监测方法及监测系统 |
| CN103743475A (zh) * | 2013-12-24 | 2014-04-23 | 深圳先进技术研究院 | 一种噪声检测方法及装置 |
| CN203675098U (zh) * | 2013-10-18 | 2014-06-25 | 上海航天测控通信研究所 | 一种可模式切换的扩频测控接收机 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SG140445A1 (en) * | 2003-07-28 | 2008-03-28 | Sony Corp | Method and apparatus for automatically recognizing audio data |
| CN100483509C (zh) * | 2006-12-05 | 2009-04-29 | 华为技术有限公司 | 声音信号分类方法和装置 |
| JP4640463B2 (ja) * | 2008-07-11 | 2011-03-02 | ソニー株式会社 | 再生装置、表示方法および表示プログラム |
| CN101894550A (zh) * | 2010-07-19 | 2010-11-24 | 东南大学 | 基于情感对特征优化的语音情感分类方法 |
| CN102623007B (zh) * | 2011-01-30 | 2014-01-01 | 清华大学 | 基于可变时长的音频特征分类方法 |
| EP2490218B1 (en) * | 2011-02-18 | 2019-09-25 | Svox AG | Method for interference suppression |
| CN102693724A (zh) * | 2011-03-22 | 2012-09-26 | 张燕 | 一种基于神经网络的高斯混合模型的噪声分类方法 |
| CN102122491B (zh) * | 2011-03-24 | 2015-04-01 | 深圳市中庆微科技开发有限公司 | 一种在线检测应用环境噪音的led显示控制系统 |
| CN102436810A (zh) * | 2011-10-26 | 2012-05-02 | 华南理工大学 | 一种基于信道模式噪声的录音回放攻击检测方法和系统 |
| CN103093759B (zh) * | 2013-01-16 | 2014-12-10 | 东北大学 | 一种基于移动终端的嗓音检测评估装置及方法 |
| CN104359548A (zh) * | 2014-05-04 | 2015-02-18 | 机械工业第四设计研究院有限公司 | 一种室内噪声的检测方法 |
-
2015
- 2015-06-30 CN CN201510388528.5A patent/CN106328152B/zh active Active
-
2016
- 2016-06-21 WO PCT/CN2016/086626 patent/WO2017000813A1/zh active Application Filing
- 2016-06-29 TW TW105120634A patent/TW201701240A/zh unknown
-
2017
- 2017-05-19 HK HK17105107.0A patent/HK1231624A1/zh unknown
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1293428A (zh) * | 2000-11-10 | 2001-05-02 | 清华大学 | 基于语音识别的信息校核方法 |
| JP2009003008A (ja) * | 2007-06-19 | 2009-01-08 | Advanced Telecommunication Research Institute International | 雑音抑圧装置、音声認識装置、雑音抑圧方法、及びプログラム |
| CN101335005A (zh) * | 2007-06-28 | 2008-12-31 | 上海闻通信息科技有限公司 | 语音识别系统中的前导噪声处理 |
| CN102138795A (zh) * | 2011-02-21 | 2011-08-03 | 上海大学 | 根据鼾声声学特征确定阻塞性睡眠呼吸暂停与低通气综合症严重程度的方法 |
| CN202058443U (zh) * | 2011-05-09 | 2011-11-30 | 杨捷 | 一种鸟类语音识别系统 |
| CN202057359U (zh) * | 2011-05-12 | 2011-11-30 | 李颖 | 便携式环境监测器 |
| CN102402983A (zh) * | 2011-11-25 | 2012-04-04 | 浪潮电子信息产业股份有限公司 | 一种云数据中心语音识别方法 |
| CN102820034A (zh) * | 2012-07-16 | 2012-12-12 | 中国民航大学 | 一种民用航空器噪声感知与识别装置及其方法 |
| CN103236260A (zh) * | 2013-03-29 | 2013-08-07 | 京东方科技集团股份有限公司 | 语音识别系统 |
| CN103542927A (zh) * | 2013-09-29 | 2014-01-29 | 中山大学 | 一种家用式噪声监测方法及监测系统 |
| CN203675098U (zh) * | 2013-10-18 | 2014-06-25 | 上海航天测控通信研究所 | 一种可模式切换的扩频测控接收机 |
| CN103743475A (zh) * | 2013-12-24 | 2014-04-23 | 深圳先进技术研究院 | 一种噪声检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2017000813A1 (zh) | 2017-01-05 |
| CN106328152A (zh) | 2017-01-11 |
| HK1231624A1 (zh) | 2017-12-22 |
| TW201701240A (zh) | 2017-01-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106328152B (zh) | 一种室内噪声污染自动识别监测系统 | |
| CN101494049B (zh) | 一种用于音频监控系统中的音频特征参数的提取方法 | |
| CN102821194B (zh) | 基于多种传感器的手机室内定位装置及方法 | |
| CN109977731B (zh) | 一种场景的识别方法、识别设备及终端设备 | |
| CN101819758B (zh) | 一种声音控制屏幕显示的系统及实现方法 | |
| CN107202559B (zh) | 基于室内声学信道扰动分析的物体识别方法 | |
| CN109580268A (zh) | 一种产品异响、异音智能检测方法 | |
| CN105094298A (zh) | 终端以及基于该终端的手势识别方法 | |
| CN202058443U (zh) | 一种鸟类语音识别系统 | |
| CN109874096A (zh) | 一种基于智能终端选择输出的双耳麦克风助听器降噪算法 | |
| CN103310796A (zh) | 语音信号提取方法 | |
| CN105242330A (zh) | 一种天气状况的检测方法、装置及移动终端 | |
| CN104900237B (zh) | 一种用于对音频信息进行降噪处理的方法、装置和系统 | |
| CN203012127U (zh) | 一种声源定位装置 | |
| Englert et al. | Reduce the number of sensors: Sensing acoustic emissions to estimate appliance energy usage | |
| CN106502121B (zh) | 一种智能家居控制系统 | |
| CN103542927A (zh) | 一种家用式噪声监测方法及监测系统 | |
| JP2014191616A (ja) | 独居高齢者の見守り方法、装置およびサービス提供システム | |
| Satoh et al. | Ambient sound-based proximity detection with smartphones | |
| CN106548439A (zh) | 一种用于住宅小区生态环境评价的系统 | |
| CN113781728A (zh) | 一种基于群体智能优化的震动感知系统及方法 | |
| Paulo et al. | Continuos sound analysis in urban environments supported by FIWARE platform | |
| CN105025416B (zh) | 一种便携式双传声器声源识别与定位装置 | |
| CN109031202A (zh) | 基于听觉场景分析的室内环境区域定位系统及方法 | |
| CN116665707A (zh) | 音频识别方法和音频识别装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1231624 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |