CN110310664A - 设备降噪功能的测试方法及相关设备 - Google Patents
设备降噪功能的测试方法及相关设备 Download PDFInfo
- Publication number
- CN110310664A CN110310664A CN201910540629.8A CN201910540629A CN110310664A CN 110310664 A CN110310664 A CN 110310664A CN 201910540629 A CN201910540629 A CN 201910540629A CN 110310664 A CN110310664 A CN 110310664A
- Authority
- CN
- China
- Prior art keywords
- test
- sound
- sample
- parameter
- devices
- 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.)
- Pending
Links
- 230000006870 function Effects 0.000 title claims abstract description 54
- 238000010998 test method Methods 0.000 title claims abstract description 27
- 238000012360 testing method Methods 0.000 claims abstract description 289
- 230000009467 reduction Effects 0.000 claims abstract description 31
- 238000001228 spectrum Methods 0.000 claims description 18
- 239000000284 extract Substances 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000011990 functional testing Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Processing of the speech or voice signal 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
- G10L21/0264—Noise filtering characterised by the type of parameter measurement, e.g. correlation techniques, zero crossing techniques or predictive techniques
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
Abstract
本申请涉及功能测试领域，尤其涉及一种设备降噪功能的测试方法及相关设备，设备降噪功能的测试方法包括：获取待测设备的性能参数，根据性能参数建立待测设备的测试场景；获取测试场景参数，根据测试场景参数，从预设的声音库中提取出与测试场景参数对应的任一原始声音，根据原始声音的声波曲线与预设的声波曲线的差异点，对原始声音进行修正，获得声音样本；将声音样本输入待测设备并通过待测设备进行播放，接收被播放后的声音样本，得到测试样本，将测试样本与声音样本进行比较，根据比较结果生成降噪测试报告。本申请增加了测试降噪功能的评价指标，扩大了测试维度，提升了测试效率，使自动化测试易于接入质量测试中。
Description
技术领域
本申请涉及功能测试技术领域，尤其涉及一种设备降噪功能的测试方法及相关设备。
背景技术
人们常常使用手机、电脑等设备进行听歌、视频通话、语音通话等等，对这些设备的降噪功能的要求也越来越高。手机主要采用的降噪技术是双麦降噪，一个麦克风为普通的用户通话时使用的麦克风，用于收集人声，而另一个是配置在机身顶端的麦克风，具备背景噪声采集功能，方便采集周围环境噪音。下面的麦克风主要用于拾取说话人的语音，被称为主麦克风，上面的麦克风用于拾取背景噪声，被称为副麦克风，通过各类降噪算法对两个麦克风拾取的声音信号进行处理，消除掉背景噪声，然后将清晰的语音信号传入到远端。
目前，各种高低端机型种类较多且性能参差不齐，话筒和听筒的降噪性能也不一，因此，对设备的降噪功能的测试显得尤为重要。目前对于设备降噪功能的测试比较少，且比较单一，针对多个性能不一的设备的降噪功能无法进行准确测试。
发明内容
有鉴于此，有必要针对现有技术中设备的降噪功能的测试比较单一，对于多个性能不一的设备的降噪功能无法进行准确测试的问题，提供一种设备降噪功能的测试方法及相关设备。
一种设备降噪功能的测试方法，包括：
获取待测设备的性能参数，根据所述性能参数建立所述待测设备的测试场景；
获取所述测试场景的测试场景参数，根据所述测试场景参数，从预设的声音库中提取出与所述测试场景参数对应的任一原始声音，根据所述原始声音的声波曲线与预设的声波曲线的差异点，对所述原始声音进行修正，将修正后的所述原始声音作为声音样本；
将所述声音样本输入所述待测设备并通过所述待测设备进行播放，接收被播放后的声音样本，将接收到的所述播放后的声音样本作为测试样本，将所述测试样本与所述声音样本进行比较，根据比较结果生成降噪测试报告。
在其中一个可能的实施例中，所述获取待测设备的性能参数，根据所述性能参数建立所述待测设备的测试场景，包括：
获取所述待测设备的设备指纹，根据所述设备指纹获得所述待测设备的性能参数；
提取所述性能参数中与声音播放相关的播放性能参数，根据所述播放性能参数确定所述测试场景参数，组合所述测试场景参数后得到所述待测设备的测试场景。
在其中一个可能的实施例中，所述获取所述测试场景的测试场景参数，根据所述测试场景参数，从预设的声音库中提取出与所述测试场景参数对应的任一原始声音，根据所述原始声音的声波曲线与预设的声波曲线的差异点，对所述原始声音进行修正，将修正后的所述原始声音作为声音样本，包括：
以所述测试场景参数为查找关键词遍历所述声音库，查找并提取出与所述测试场景参数对应的所述原始声音；
播放所述原始声音后接收所述原始声音的声波，将所述原始声音的声波曲线与预设的声波曲线进行比较后得到差异点；
将所述差异点与预设的差异阈值进行比较，当所述差异点大于所述差异阈值时，对所述原始声音进行修正，得到所述声音样本，否则不修正所述原始声音，将所述原始声音作为所述声音样本。
在其中一个可能的实施例中，所述将所述声音样本输入所述待测设备并通过所述待测设备进行播放，接收被播放后的声音样本，将接收到的所述播放后的声音样本作为测试样本，将所述测试样本与所述声音样本进行比较，根据比较结果生成降噪测试报告，包括：
将所述声音样本输入所述待测设备并通过所述待测设备进行播放，接收被播放后的声音样本，将接收到的所述播放后的声音样本作为测试样本；
将所述测试样本输入到预设的语义识别模型中进行语义识别后得到第一文本信息；
将所述声音样本输入到所述语义识别模型中进行语义识别后得到第二文本信息；
将所述第一文本信息和所述第二文本信息进行比较，得到差异信息点，汇总所述差异信息点后生成所述降噪测试报告。
在其中一个可能的实施例中，所述提取所述性能参数中与声音播放相关的播放性能参数，根据所述播放性能参数确定所述测试场景参数，组合所述测试场景参数后得到所述待测设备的测试场景，包括：
将所述性能参数按照名称字母顺序进行排列后形成性能参数序列，根据预设的播放性能参数的特征词，从所述性能参数序列中提取出所述播放性能参数；
根据所述播放性能参数，得到多个不同类别的测试场景参数阈值；
分别将每一所述测试场景参数阈值乘以通过随机函数计算获得的一数值，得到多个不同类别的测试场景参数，将不同类别的测试场景参数进行组合后得到所述测试场景。
在其中一个可能的实施例中，所述将所述测试样本输入到预设的语义识别模型中进行语义识别后得到第一文本信息，包括：
将所述测试样本按照预设的声音分析时长分割成若干声音子片段，对每一所述声音子片段进行傅里叶变换后得到每一所述声音子片段的声音频谱，其中，傅里叶变换的公式为：
上式中，Y(n)表示经过傅里叶变换后的样本声音频率，y(n)表示原样本声音频率，f表示频率分辨率，n表示声波波长，N表示汉宁窗长度；
将所述声音频谱输入到预设的所述语义识别模型中进行语义识别后得到所述声音频谱对应的发音；
根据所述声音频谱对应的所述发音从预设的语音库中提取出对应的第一文本信息。
在其中一个可能的实施例中，所述将所述第一文本信息和所述第二文本信息进行比较，得到差异信息点，汇总所述差异信息点后生成所述降噪测试报告，包括：
计算所述第一文本信息与所述第二文本信息之间的汉明距离；
若所述汉明距离大于预设的汉明距离阈值，则根据所述汉明距离获得所述差异信息点；
若所述汉明距离小于预设的汉明距离阈值，则对所述第一文本信息和所述第二文本信息的字符使用余弦相似度算法计算所述第一文本信息和所述第二文本信息的字符的余弦值，根据所述余弦值得到所述第一文本信息与所述第二文本信息的相似度，根据所述相似度获得所述差异信息点；
汇总所述差异信息点后生成所述降噪测试报告。
一种设备降噪功能的测试装置，包括如下模块：
测试场景建立模块，设置为获取待测设备的性能参数，根据所述性能参数建立所述待测设备的测试场景；
声音样本获得模块，设置为获取所述测试场景的测试场景参数，根据所述测试场景参数，从预设的声音库中提取出与所述测试场景参数对应的任一原始声音，根据所述原始声音的声波曲线与预设的声波曲线的差异点，对所述原始声音进行修正，将修正后的所述原始声音作为声音样本；
降噪测试模块，设置为将所述声音样本输入所述待测设备并通过所述待测设备进行播放，接收被播放后的声音样本，将接收到的所述播放后的声音样本作为测试样本，将所述测试样本与所述声音样本进行比较，根据比较结果生成降噪测试报告。
基于相同的构思，本申请提出了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被一个或多个所述处理器执行时，使得一个或多个所述处理器执行上述设备降噪功能的测试方法的步骤。
基于相同的构思，本申请提出了一种存储介质，所述存储介质可被处理器读写，所述存储介质存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个所述处理器执行上述设备降噪功能的测试方法的步骤。
与现有技术相比，本申请中，根据待测设备的性能参数搭建测试环境，在此基础上选取声音样本通过待测设备进行播放从而达到测试目的，增加了测试降噪功能的评价指标，扩大了测试维度，提升了测试效率，使自动化测试接入质量测试中，同时测试脚本可复用，测试性能不一的设备的降噪功能也比较准确。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。
图1为本申请实施例中的一种设备降噪功能的测试方法的整体流程图；
图2为本申请实施例中的一种设备降噪功能的测试方法中的获得声音样本过程的示意图；
图3为本申请实施例中的一种设备降噪功能的测试方法中的降噪测试过程的示意图；
图4为本申请实施例中的一种设备降噪功能的测试装置的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，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。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
图1为本申请实施例中的一种设备降噪功能的测试方法的整体流程图，如图1所示，一种设备降噪功能的测试方法，包括：
步骤S1，获取待测设备的性能参数，根据所述性能参数建立所述待测设备的测试场景。
本步骤执行时，首先获取所述待测设备的设备指纹，通过所述设备指纹获得所述待测设备的性能参数，获得所述待测设备的性能参数后，从所述性能参数中提取与声音播放相关的播放性能参数，根据所述播放性能参数确定所述测试场景参数，再将所述测试场景参数组合在一起，即得到所述待测设备的测试场景。其中，播放性能参数包括播放的音高、音长、音频、韵律等。
步骤S2，获取所述测试场景的测试场景参数，根据所述测试场景参数，从预设的声音库中提取出与所述测试场景参数对应的任一原始声音，根据所述原始声音的声波曲线与预设的声波曲线的差异点，对所述原始声音进行修正，将修正后的所述原始声音作为声音样本。
本步骤执行时，以所述测试场景参数为查找关键词遍历所述声音库，查找并提取出与所述测试场景参数对应的原始声音，对该原始声音进行播放，并接收该原始声音播放后的声波，将所述声波的声波曲线与预设的声波曲线进行比较，得到差异点；将所述差异点与预设的差异阈值进行比较，当所述差异点大于所述差异阈值时，对所述原始声音进行修正，将修正后的原始声音作为声音样本，否则，不修正所述原始声音，直接将所述原始声音作为声音样本。其中，修正是为了避免从声音库中提取的原始声音不符合当前测试场景。
步骤S3，将所述声音样本输入所述待测设备并通过所述待测设备进行播放，接收被播放后的声音样本，将接收到的所述播放后的声音样本作为测试样本，将所述测试样本与所述声音样本进行比较，根据比较结果生成降噪测试报告。
本步骤执行时，将所述声音样本输入所述待测设备，并使用所述待测设备对所述声音样本进行播放，接收被播放后的声音样本，将所述被播放后的声音样本作为测试样本。声音样本经过待测设备进行播放，接收该被播放的声音样本作为测试样本，将测试样本与播放前的声音样本进行比较，就可以知道该待测设备的麦克风的降噪功能。
具体的，比较方法可以采用将所述测试样本输入到预设的语义识别模型中进行语义识别后得到第一文本信息，将所述声音样本也输入到所述语义识别模型中进行语义识别后得到第二文本信息；将所述第一文本信息和所述第二文本信息进行比较，得到差异信息点，汇总所述差异信息点后生成降噪测试报告。
本实施例，根据待测设备的性能参数搭建测试场景，在此基础上选取声音样本通过待测设备进行播放从而达到测试目的，增加了测试降噪功能的评价指标，扩大了测试维度，提升了测试效率，使自动化测试接入质量测试中，同时测试脚本可复用，测试性能不一的设备的降噪功能也比较准确。
在一个实施例中，所述步骤S1，获取待测设备的性能参数，根据所述性能参数建立所述待测设备的测试场景，包括：
获取所述待测设备的设备指纹，根据所述设备指纹获得所述待测设备的性能参数；
本步骤中，所述设备指纹是指可以用于唯一标识出该设备的设备特征或者独特的设备标识。在每一台设备生产出来时都会有一个设备指纹，根据该设备指纹可以查询到待测设备的型号信息，根据型号信息可以获得待测设备的性能参数。
提取所述性能参数中与声音播放相关的播放性能参数，根据所述播放性能参数确定所述测试场景参数，组合所述测试场景参数后得到所述待测设备的测试场景。
本步骤执行时，将所述性能参数按照名称的字母顺序进行排列后形成性能参数序列，根据预设的播放性能参数的特征词，从所述性能参数序列中提取出所述播放性能参数；根据所述播放性能参数，得到多个不同类别的测试场景参数阈值；分别将每一所述测试场景参数阈值乘以通过随机函数计算获得的一数值，得到多个不同类别的测试场景参数，将不同类别的测试场景参数进行组合后得到所述待测设备的测试场景。
本实施例，根据待测设备的播放性能参数确定测试场景，提高了测试的准确性和可信度。
在一个实施例中，图2为本申请实施例中的一种设备降噪功能的测试方法中的获得声音样本过程的示意图，如图2所示，所述步骤S2，获取所述测试场景的测试场景参数，根据所述测试场景参数，从预设的声音库中提取出与所述测试场景参数对应的任一原始声音，根据所述原始声音的声波曲线与预设的声波曲线的差异点，对所述原始声音进行修正，将修正后的所述原始声音作为声音样本，包括：
步骤S201，以所述测试场景参数为查找关键词遍历所述声音库，查找并提取出与所述测试场景参数对应的所述原始声音。
本步骤中，搭建好测试场景后，就要开始选取含有噪音的声音样本，此处选取声音样本是要选取与测试场景相对应的声音样本，所以根据测试场景参数可以在预设的声音库中选取与测试场景相匹配的声音样本。以测试场景参数为查找关键词遍历声音库，查找与测试场景相匹配的原始声音，比如，某个测试场景参数，声音分贝90DB，则在声音库中选取声音分贝在90分贝上下浮动的声音，作为声音样本，具体可以设置一个阈值，只要是在这个阈值范围内的上下浮动都可以作为选取的对象。
步骤S202，播放所述原始声音后接收所述原始声音的声波，将所述原始声音的声波曲线与预设的声波曲线进行比较后得到差异点。
本步骤中，在将所述原始声音的声波曲线和预设的声波曲线进行比较时，可以将这两条声波曲线放到同一个坐标系下进行比较，该坐标系的横坐标为频率，纵坐标为振幅，在同一频率下比较两条声波曲线的振幅，差异点即为两条声波曲线的振幅差。
步骤S203，将所述差异点与预设的差异阈值进行比较，当所述差异点大于所述差异阈值时，对所述原始声音进行修正，得到所述声音样本，否则不修正所述原始声音，将所述原始声音作为所述声音样本。
本步骤中，若两条声波曲线的振幅差大于差异阈值，则以预设的声波曲线的振幅对所述原始声音进行修正，将修正后的原始声音作为声音样本进行下一步的测试工作。其中，可以采用预设的误差修正模型对所述原始声音进行修正，修正的目的是使声音样本符合该测试场景。若两条声波曲线的振幅差小于差异阈值，则可以不修正该原始声音，直接将该原始声音作为声音样本进行下一步的测试工作。
本实施例，使用与测试场景对应的声音样本，使测试具有针对性，提高了测试效率。
在一个实施例中，图3为本申请实施例中的一种设备降噪功能的测试方法中的降噪测试过程的示意图，如图3所示，所述步骤S3，将所述声音样本输入所述待测设备并通过所述待测设备进行播放，接收被播放后的声音样本，将接收到的所述播放后的声音样本作为测试样本，将所述测试样本与所述声音样本进行比较，根据比较结果生成降噪测试报告，包括：
步骤S301，将所述声音样本输入所述待测设备并通过所述待测设备进行播放，接收被播放后的声音样本，将接收到的所述播放后的声音样本作为测试样本。
本步骤中，在播放所述声音样本时可以将所述声音样本分成数段进行播放，依次接收每一段播放的声波信息，在接收声波信息时可以设置两个或两个以上的接收器，避免一个接收器在接收时存在的误差。
步骤S302，将所述测试样本输入到预设的语义识别模型中进行语义识别后得到第一文本信息。
本步骤中，将所述测试样本输入到语义识别模型之前，可以将所述测试样本按照预设的声音分析时长分割成若干声音子片段，再对每一所述声音子片段进行傅里叶变换，得到每一所述声音子片段的声音频谱；将所述声音频谱输入到所述语义识别模型中进行语义识别，得到所述声音频谱对应的发音；根据所述声音频谱对应的发音从预设的语音库中提取出对应的第一文本信息。其中，所述语义识别模型可以采用NLP语义识别模型，具体的，输入的所述声音频谱在该语义识别模型中，可以识别出所述声音频谱的音高、音调、音频等特征参数，根据这些特征参数，可以得到所述声音频谱对应的发音。
步骤S303，将所述声音样本输入到所述语义识别模型中进行语义识别后得到第二文本信息。
本步骤所采用的技术方法与步骤S302一致，此处不再赘述。
步骤S304，将所述第一文本信息和所述第二文本信息进行比较，得到差异信息点，汇总所述差异信息点后生成所述降噪测试报告。
本步骤执行时，首先计算所述第一文本信息与所述第二文本信息之间的汉明距离，若所述汉明距离大于预设的汉明距离阈值，则根据所述汉明距离获得所述差异信息点，若所述汉明距离小于预设的汉明距离阈值，则进一步使用余弦相似度算法计算所述第一文本信息和所述第二文本信息的字符的余弦值，从而获得所述第一文本信息与所述第二文本信息的相似度，根据所述相似度获得所述差异信息点，汇总所述差异信息点后就可以得到降噪测试的结果，并生成降噪测试报告。
本实施例，使用语义识别模识别出声音样本和测试样本的音高、音调、音频等特征参数，从而得到对应的发音情况，减少了测试误差的出现。
在一个实施例中，所述提取所述性能参数中与声音播放相关的播放性能参数，根据所述播放性能参数确定所述测试场景参数，组合所述测试场景参数后得到所述待测设备的测试场景，包括：
将所述性能参数按照名称字母顺序进行排列后形成性能参数序列，根据预设的播放性能参数的特征词，从所述性能参数序列中提取出所述播放性能参数；
本步骤中，播放性能参数包括音高、音长、音频、韵律等，播放性能参数的特征词是指待测设备的话筒、听筒、系统版本等。
根据所述播放性能参数，得到多个不同类别的测试场景参数阈值；
本步骤中，测试场景参数阈值包括声音传播的最远距离、声音能够分辨的最小分贝等。声音传播的最远距离可以通过测试得到，比如，设定初始测试距离X，按一定的距离增加阈值n，以X+n逐渐测试在渐远的距离声音是否能接收到，当距离达到X+m时，无法接收到该声音，则X+m-n为该声音的最远传播距离。能够分辨的最小分贝也可以根据上述测试方案来确定，能够分辨的最小分贝通常为15分贝或者20分贝。
分别将每一所述测试场景参数阈值乘以通过随机函数计算获得的一数值，得到多个不同类别的测试场景参数，将不同类别的测试场景参数进行组合后得到所述测试场景。
随机函数是产生随机数的函数，它是EXCEL中很重要的函数，C语言里也有rand(),srand()等随机函数。随机函数产生的数一般在0到1之间。测试场景参数阈值作为随机函数的最大值或者最小值，计算得到的测试场景参数不能大于这个阈值。如，声音频率阈值为60HZ，则乘以通过随机函数计算获得的数值，得到的声音频率数值为不大于60HZ的参数，可以是30HZ，50HZ等。
在一个实施例中，所述步骤S302，将所述测试样本输入到预设的语义识别模型中进行语义识别后得到第一文本信息，包括：
将所述测试样本按照预设的声音分析时长分割成若干声音子片段，对每一所述声音子片段进行傅里叶变换后得到每一所述声音子片段的声音频谱，其中，傅里叶变换的公式为：
上式中，Y(n)表示经过傅里叶变换后的样本声音频率，y(n)表示原样本声音频率，f表示频率分辨率，n表示声波波长，N表示汉宁窗长度；
将所述声音频谱输入到预设的所述语义识别模型中进行语义识别后得到所述声音频谱对应的发音；
根据所述声音频谱对应的所述发音从预设的语音库中提取出对应的第一文本信息。
在一个实施例中，所述步骤S304，将所述第一文本信息和所述第二文本信息进行比较，得到差异信息点，汇总所述差异信息点后生成所述降噪测试报告，包括：
计算所述第一文本信息与所述第二文本信息之间的汉明距离；
本步骤中，汉明距离是使用在数据传输差错控制编码里面的，汉明距离表示两个(相同长度)字对应位不同的数量，换句话说，它就是两个等长字符串对应位置的不同字符的个数。对两个字符串进行异或运算，并统计结果为1的个数，那么这个数就是汉明距离。
若所述汉明距离大于预设的汉明距离阈值，则根据所述汉明距离获得所述差异信息点；
本步骤中，若所述汉明距离大于预设的汉明距离阈值，表明所述第一文本信息与所述第二文本信息的存在一定的差异，此时可以直接根据该差异获得降噪测试的结果。
若所述汉明距离小于预设的汉明距离阈值，则对所述第一文本信息和所述第二文本信息的字符使用余弦相似度算法计算所述第一文本信息和所述第二文本信息的字符的余弦值，根据所述余弦值得到所述第一文本信息与所述第二文本信息的相似度，根据所述相似度获得所述差异信息点；
本步骤中，若所述汉明距离小于预设的汉明距离阈值，我们可以进一步使用余弦相似度算法计算所述第一文本信息和所述第二文本信息的字符之间的余弦值，从而获得所述第一文本信息和所述第二文本信息的相似度和差异点。余弦相似度，又称为余弦相似性，是通过计算两个词向量的夹角余弦值来评估他们的相似度。
汇总所述差异信息点后生成所述降噪测试报告。
本实施例，通过汉明距离和预先相似度计算获得第一文本信息和第二文本信息之间的相似度从而获得降噪测试的结果，使得文本比较效率较高，准确度也较高。
在一个实施例中，提出一种设备降噪功能的测试装置，如图4所示，包括测试场景建立模块、声音样本获得模块、降噪测试模块，具体的：
测试场景建立模块，设置为获取待测设备的性能参数，根据所述性能参数建立所述待测设备的测试场景；
声音样本获得模块，设置为获取所述测试场景的测试场景参数，根据所述测试场景参数，从预设的声音库中提取出与所述测试场景参数对应的任一原始声音，根据所述原始声音的声波曲线与预设的声波曲线的差异点，对所述原始声音进行修正，将修正后的所述原始声音作为声音样本；
降噪测试模块，设置为将所述声音样本输入所述待测设备并通过所述待测设备进行播放，接收被播放后的声音样本，将接收到的所述播放后的声音样本作为测试样本，将所述测试样本与所述声音样本进行比较，根据比较结果生成降噪测试报告。
在一个实施例中，提出一种计算机设备，所述计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行计算机可读指令时实现上述各实施例中所述的设备降噪功能的测试方法的步骤。
在一个实施例中，提出一种存储介质，所述存储介质可被处理器读写，所述存储介质存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述各实施例中所述的设备降噪功能的测试方法的步骤。其中，所述存储介质可以为非易失性存储介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁盘或光盘等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明一些示例性实施例，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种设备降噪功能的测试方法，其特征在于，包括：
获取待测设备的性能参数，根据所述性能参数建立所述待测设备的测试场景；
获取所述测试场景的测试场景参数，根据所述测试场景参数，从预设的声音库中提取出与所述测试场景参数对应的任一原始声音，根据所述原始声音的声波曲线与预设的声波曲线的差异点，对所述原始声音进行修正，将修正后的所述原始声音作为声音样本；
将所述声音样本输入所述待测设备并通过所述待测设备进行播放，接收被播放后的声音样本，将接收到的所述播放后的声音样本作为测试样本，将所述测试样本与所述声音样本进行比较，根据比较结果生成降噪测试报告。
2.根据权利要求1所述的设备降噪功能的测试方法，其特征在于，所述获取待测设备的性能参数，根据所述性能参数建立所述待测设备的测试场景，包括：
获取所述待测设备的设备指纹，根据所述设备指纹获得所述待测设备的性能参数；
提取所述性能参数中与声音播放相关的播放性能参数，根据所述播放性能参数确定所述测试场景参数，组合所述测试场景参数后得到所述待测设备的测试场景。
3.根据权利要求1所述的设备降噪功能的测试方法，其特征在于，所述获取所述测试场景的测试场景参数，根据所述测试场景参数，从预设的声音库中提取出与所述测试场景参数对应的任一原始声音，根据所述原始声音的声波曲线与预设的声波曲线的差异点，对所述原始声音进行修正，将修正后的所述原始声音作为声音样本，包括：
以所述测试场景参数为查找关键词遍历所述声音库，查找并提取出与所述测试场景参数对应的所述原始声音；
播放所述原始声音后接收所述原始声音的声波，将所述原始声音的声波曲线与预设的声波曲线进行比较后得到差异点；
将所述差异点与预设的差异阈值进行比较，当所述差异点大于所述差异阈值时，对所述原始声音进行修正，得到所述声音样本，否则不修正所述原始声音，将所述原始声音作为所述声音样本。
4.根据权利要求3所述的设备降噪功能的测试方法，其特征在于，所述将所述声音样本输入所述待测设备并通过所述待测设备进行播放，接收被播放后的声音样本，将接收到的所述播放后的声音样本作为测试样本，将所述测试样本与所述声音样本进行比较，根据比较结果生成降噪测试报告，包括：
将所述声音样本输入所述待测设备并通过所述待测设备进行播放，接收被播放后的声音样本，将接收到的所述播放后的声音样本作为测试样本；
将所述测试样本输入到预设的语义识别模型中进行语义识别后得到第一文本信息；
将所述声音样本输入到所述语义识别模型中进行语义识别后得到第二文本信息；
将所述第一文本信息和所述第二文本信息进行比较，得到差异信息点，汇总所述差异信息点后生成所述降噪测试报告。
5.根据权利要求2所述的设备降噪功能的测试方法，其特征在于，所述提取所述性能参数中与声音播放相关的播放性能参数，根据所述播放性能参数确定所述测试场景参数，组合所述测试场景参数后得到所述待测设备的测试场景，包括：
将所述性能参数按照名称字母顺序进行排列后形成性能参数序列，根据预设的播放性能参数的特征词，从所述性能参数序列中提取出所述播放性能参数；
根据所述播放性能参数，得到多个不同类别的测试场景参数阈值；
分别将每一所述测试场景参数阈值乘以通过随机函数计算获得的一数值，得到多个不同类别的测试场景参数，将不同类别的测试场景参数进行组合后得到所述测试场景。
6.根据权利要求4所述的设备降噪功能的测试方法，其特征在于，所述将所述测试样本输入到预设的语义识别模型中进行语义识别后得到第一文本信息，包括：
将所述测试样本按照预设的声音分析时长分割成若干声音子片段，对每一所述声音子片段进行傅里叶变换后得到每一所述声音子片段的声音频谱，其中，傅里叶变换的公式为：
上式中，Y(n)表示经过傅里叶变换后的样本声音频率，y(n)表示原样本声音频率，f表示频率分辨率，n表示声波波长，N表示汉宁窗长度；
将所述声音频谱输入到预设的所述语义识别模型中进行语义识别后得到所述声音频谱对应的发音；
根据所述声音频谱对应的所述发音从预设的语音库中提取出对应的第一文本信息。
7.根据权利要求4所述的设备降噪功能的测试方法，其特征在于，所述将所述第一文本信息和所述第二文本信息进行比较，得到差异信息点，汇总所述差异信息点后生成所述降噪测试报告，包括：
计算所述第一文本信息与所述第二文本信息之间的汉明距离；
若所述汉明距离大于预设的汉明距离阈值，则根据所述汉明距离获得所述差异信息点；
若所述汉明距离小于预设的汉明距离阈值，则对所述第一文本信息和所述第二文本信息的字符使用余弦相似度算法计算所述第一文本信息和所述第二文本信息的字符的余弦值，根据所述余弦值得到所述第一文本信息与所述第二文本信息的相似度，根据所述相似度获得所述差异信息点；
汇总所述差异信息点后生成所述降噪测试报告。
8.一种设备降噪功能的测试装置，其特征在于，包括如下模块：
测试场景建立模块，设置为获取待测设备的性能参数，根据所述性能参数建立所述待测设备的测试场景；
声音样本获得模块，设置为获取所述测试场景的测试场景参数，根据所述测试场景参数，从预设的声音库中提取出与所述测试场景参数对应的任一原始声音，根据所述原始声音的声波曲线与预设的声波曲线的差异点，对所述原始声音进行修正，将修正后的所述原始声音作为声音样本；
降噪测试模块，设置为将所述声音样本输入所述待测设备并通过所述待测设备进行播放，接收被播放后的声音样本，将接收到的所述播放后的声音样本作为测试样本，将所述测试样本与所述声音样本进行比较，根据比较结果生成降噪测试报告。
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处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被一个或多个所述处理器执行时，使得一个或多个所述处理器执行如权利要求1至7中任一项所述的设备降噪功能的测试方法的步骤。
10.一种存储介质，其特征在于，所述存储介质可被处理器读写，所述存储介质存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个所述处理器执行如权利要求1至7中任一项所述的设备降噪功能的测试方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910540629.8A CN110310664A (zh) | 2019-06-21 | 2019-06-21 | 设备降噪功能的测试方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910540629.8A CN110310664A (zh) | 2019-06-21 | 2019-06-21 | 设备降噪功能的测试方法及相关设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110310664A true CN110310664A (zh) | 2019-10-08 |
Family
ID=68076989
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910540629.8A Pending CN110310664A (zh) | 2019-06-21 | 2019-06-21 | 设备降噪功能的测试方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110310664A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111627416A (zh) * | 2020-05-13 | 2020-09-04 | 广州国音智能科技有限公司 | 音频噪声消除方法、装置、设备和存储介质 |
| CN116386611A (zh) * | 2023-04-20 | 2023-07-04 | 珠海谷田科技有限公司 | 一种教学声场环境的去噪方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060014773A (ko) * | 2004-08-12 | 2006-02-16 | 주식회사 현대오토넷 | 음성 인식 테스트 장치 및 방법 |
| TW200912894A (en) * | 2007-09-07 | 2009-03-16 | Ensky Technology Co Ltd | Test apparatus and method for decrease noise influence in audio device testing process |
| CN106548772A (zh) * | 2017-01-16 | 2017-03-29 | 上海智臻智能网络科技股份有限公司 | 语音识别测试系统及方法 |
| WO2018007631A1 (en) * | 2016-07-07 | 2018-01-11 | Goshawk Communications (Uk) Ltd | Hearing test and modification of audio signals |
| CN107910014A (zh) * | 2017-11-23 | 2018-04-13 | 苏州科达科技股份有限公司 | 回声消除的测试方法、装置及测试设备 |
| CN108564966A (zh) * | 2018-02-02 | 2018-09-21 | 安克创新科技股份有限公司 | 语音测试的方法及其设备、具有存储功能的装置 |
| CN108877770A (zh) * | 2018-05-31 | 2018-11-23 | 北京百度网讯科技有限公司 | 用于测试智能语音设备的方法、装置和系统 |
| CN109192195A (zh) * | 2018-09-29 | 2019-01-11 | 深圳市微测检测有限公司 | 一种语音识别测试系统及方法 |
| CN109473094A (zh) * | 2018-11-12 | 2019-03-15 | 东风汽车有限公司 | 车载控制屏语音识别率测试方法、电子设备、系统 |
| CN109817219A (zh) * | 2019-03-19 | 2019-05-28 | 四川长虹电器股份有限公司 | 语音唤醒测试方法及系统 |
-
2019
- 2019-06-21 CN CN201910540629.8A patent/CN110310664A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060014773A (ko) * | 2004-08-12 | 2006-02-16 | 주식회사 현대오토넷 | 음성 인식 테스트 장치 및 방법 |
| TW200912894A (en) * | 2007-09-07 | 2009-03-16 | Ensky Technology Co Ltd | Test apparatus and method for decrease noise influence in audio device testing process |
| WO2018007631A1 (en) * | 2016-07-07 | 2018-01-11 | Goshawk Communications (Uk) Ltd | Hearing test and modification of audio signals |
| CN106548772A (zh) * | 2017-01-16 | 2017-03-29 | 上海智臻智能网络科技股份有限公司 | 语音识别测试系统及方法 |
| CN107910014A (zh) * | 2017-11-23 | 2018-04-13 | 苏州科达科技股份有限公司 | 回声消除的测试方法、装置及测试设备 |
| CN108564966A (zh) * | 2018-02-02 | 2018-09-21 | 安克创新科技股份有限公司 | 语音测试的方法及其设备、具有存储功能的装置 |
| CN108877770A (zh) * | 2018-05-31 | 2018-11-23 | 北京百度网讯科技有限公司 | 用于测试智能语音设备的方法、装置和系统 |
| CN109192195A (zh) * | 2018-09-29 | 2019-01-11 | 深圳市微测检测有限公司 | 一种语音识别测试系统及方法 |
| CN109473094A (zh) * | 2018-11-12 | 2019-03-15 | 东风汽车有限公司 | 车载控制屏语音识别率测试方法、电子设备、系统 |
| CN109817219A (zh) * | 2019-03-19 | 2019-05-28 | 四川长虹电器股份有限公司 | 语音唤醒测试方法及系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111627416A (zh) * | 2020-05-13 | 2020-09-04 | 广州国音智能科技有限公司 | 音频噪声消除方法、装置、设备和存储介质 |
| CN111627416B (zh) * | 2020-05-13 | 2023-10-20 | 广州国音智能科技有限公司 | 音频噪声消除方法、装置、设备和存储介质 |
| CN116386611A (zh) * | 2023-04-20 | 2023-07-04 | 珠海谷田科技有限公司 | 一种教学声场环境的去噪方法 |
| CN116386611B (zh) * | 2023-04-20 | 2023-10-13 | 珠海谷田科技有限公司 | 一种教学声场环境的去噪方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11042616B2 (en) | Detection of replay attack | |
| US7539616B2 (en) | Speaker authentication using adapted background models | |
| US8972260B2 (en) | Speech recognition using multiple language models | |
| US7133826B2 (en) | Method and apparatus using spectral addition for speaker recognition | |
| CN110782872A (zh) | 基于深度卷积循环神经网络的语种识别方法及装置 | |
| WO2020181824A1 (zh) | 声纹识别方法、装置、设备以及计算机可读存储介质 | |
| CN105788592A (zh) | 一种音频分类方法及装置 | |
| US7684986B2 (en) | Method, medium, and apparatus recognizing speech considering similarity between the lengths of phonemes | |
| US9431007B2 (en) | Voice search device, voice search method, and non-transitory recording medium | |
| KR20030085584A (ko) | 암시적인 스피커 적응을 사용하는 음성 인식 시스템 | |
| Gao et al. | Towards data-efficient modeling for wake word spotting | |
| CN110310664A (zh) | 设备降噪功能的测试方法及相关设备 | |
| CN111737515A (zh) | 音频指纹提取方法、装置、计算机设备和可读存储介质 | |
| Liu et al. | Detecting adversarial audio via activation quantization error | |
| CN114708857A (zh) | 语音识别模型训练方法、语音识别方法及相应装置 | |
| Chen et al. | Push the limit of adversarial example attack on speaker recognition in physical domain | |
| CN116156214A (zh) | 一种视频调音方法、装置、电子设备及存储介质 | |
| CN113012684B (zh) | 一种基于语音分割的合成语音检测方法 | |
| CN115273826A (zh) | 歌声识别模型训练方法、歌声识别方法及相关装置 | |
| US8229739B2 (en) | Speech processing apparatus and method | |
| CN108744498B (zh) | 一种基于双vr设备的虚拟游戏快速启动方法 | |
| CN111368129A (zh) | 基于深度神经网络的哼唱检索法 | |
| CN116631406B (zh) | 基于声学特征生成的身份特征提取方法、设备及存储介质 | |
| JPS593491A (ja) | 音声認識装置 | |
| CN113450768A (zh) | 语音合成系统评测方法、装置、可读存储介质及终端设备 |
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 |