CN112139191A - 基于主动降噪的语音处理系统、方法及智能通风柜系统 - Google Patents
基于主动降噪的语音处理系统、方法及智能通风柜系统 Download PDFInfo
- Publication number
- CN112139191A CN112139191A CN202010955116.6A CN202010955116A CN112139191A CN 112139191 A CN112139191 A CN 112139191A CN 202010955116 A CN202010955116 A CN 202010955116A CN 112139191 A CN112139191 A CN 112139191A
- Authority
- CN
- China
- Prior art keywords
- exhaust fan
- signal
- noise reduction
- voice
- noise
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B15/00—Preventing escape of dirt or fumes from the area where they are produced; Collecting or removing dirt or fumes from that area
- B08B15/02—Preventing escape of dirt or fumes from the area where they are produced; Collecting or removing dirt or fumes from that area using chambers or hoods covering the area
- B08B15/023—Fume cabinets or cupboards, e.g. for laboratories
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B13/00—Accessories or details of general applicability for machines or apparatus for cleaning
Abstract
本发明公开了基于主动降噪的语音处理系统、方法及智能通风柜系统,包括:语音采集模块,用于采集语音并将其转换为数字信号,排风机参数获取模块,用于获取排风机的转速;降噪模块,用于获得排风机的噪声信号,并将其转换为降噪信号,其中,通过降噪模块接收排风机参数获取模块的输出数据,并结合排风机的叶片数、叶轮直径以及功率计算获得基波频率和声压,从而获得噪声信号;语音重建模块,用于将降噪信号和语音采集模块的输出信号叠加得到重建信号。本发明通过直接测量排风机转速,结合其叶片数,得到排风机的噪声信号,噪声分析准确,提高了使用排风机的排风环境中的降噪准确性和降噪效果。
Description
技术领域
本发明涉及降噪技术领域,尤其涉及基于主动降噪的语音处理系统、方法及智能通风柜系统。
背景技术
随着人工智能与语音识别等技术的不断发展,智能化的技术也不断被加入到电器作中。通过在电器内加入语音识别模块,使用人员可以通过语音指令完成相应的操作。在使用包含排风机的电器时,排风机的快速旋转往往会产生较大的噪声,使得麦克风不能准确地采集到的使用人员发出的指令,完成相应的操作。
目前市面上的电器大都使用物理方法降低排风机噪声的影响,通过在排风机周围安装消音物质、消音器等以降低排风机噪声的影响。物理降噪效果有限,并且设置不便。因此,针对上述问题,有必要提出进一步地解决方案。
发明内容
本发明旨在提供基于主动降噪的语音处理系统、方法及智能通风柜系统,以克服现有技术中存在的不足。
为解决上述技术问题,本发明的技术方案是:
一种基于主动降噪的语音处理系统,适用于排风机环境,包括:
语音采集模块,所述语音采集模块用于采集语音并将其转换为数字信号,所述语音采集模块包括麦克风和A/D转换单元;
排风机参数获取模块,所述排风机参数获取模块用于获取所述排风机的转速;
降噪模块,所述降噪模块用于获得所述排风机的噪声信号,并将其转换为降噪信号,其中,通过所述降噪模块接收所述排风机参数获取模块的输出数据,并结合所述排风机的叶片数、叶轮直径以及功率计算获得基波频率和声压,从而获得噪声信号,计算公式如下:
fi=irn/60 (1)
公式(1)中,f为声音频率,r为排风机的转速,n为排风机的叶片数,i=1时为基波,
公式(2)、(3)中,b为当前转速下噪声的声压,p为当前转速下排风机的功率,p1为转速为r1时的功率,p2为转速为r2时的功率,d为排风机的叶轮直径;
语音重建模块,所述语音重建模块用于将所述降噪信号和所述语音采集模块的输出信号叠加得到重建信号。
在本发明的一个优选实施例中,所述排风机参数获取模块包括转速传感器,所述转速传感器用于测量所述排风机的转速。
在本发明的一个优选实施例中,所述降噪模块将所述排风机的噪声信号转换为降噪信号,具体为:
将所述排风机的噪声信号的相位增加180°得到降噪信号。
在本发明的一个优选实施例中,所述语音重建模块将所述重建信号进行低通滤波后输出。
本发明还提供了一种基于主动降噪的语音处理方法,适用于排风机环境,包括以下步骤:
采集所述排风机的参数,并根据所述参数获得所述排风机的噪声信号,其中,所述参数包括排风机的转速、叶片数、叶轮直径以及功率,所述排风机的噪声频率与排风机的转速、叶片数成正比,所述排风机的声压与排风机的功率、叶轮直径有关,根据排风机的噪声频率和声压获得其噪声信号,计算公式如下:
fi=irn/60 (1)
公式(1)中,f为声音频率,r为排风机的转速,n为排风机的叶片数,i=1时为基波,
公式(2)、(3)中,b为当前转速下噪声的声压,p为当前转速下排风机的功率,p1为转速为r1时的功率,p2为转速为r2时的功率,d为排风机的叶轮直径;
根据噪声信号获得降噪信号;
采集语音信号,将降噪信号和所述语音信号叠加,获得重建信号。
在本发明的一个优选实施例中,还包括步骤:
将重建信号进行低通滤波。
在本发明的一个优选实施例中,还包括以下步骤:
更新所述排风机的转速。
本发明还提供了一种基于主动降噪的语音识别方法,包括以上语音处理方法,还包括以下步骤:
将经过语音处理方法处理后的语音信号分析解码,并判断是否包括预设关键词。
在本发明的一个优选实施例中,还包括步骤:
更新降噪信号。
在本发明的一个优选实施例中,更新降噪信号,具体为:
重新采集所述排风机的转速。
本发明还提供了一种基于主动降噪的智能通风柜系统,包括排风机、视窗电机、照明模块、设置于排风管上的蝶阀以及蜂鸣器,还包括以上语音处理系统,或以上语音处理方法,或以上语音识别方法,以及,
语音识别模块,所述语音识别模块用于接收所述语音重建模块的输出信号,对其分析解码,并判断是否包括预设关键词;
处理模块,所述处理模块用于接收所述语音识别模块的输出信号并向所述视窗电机、照明模块、蝶阀或蜂鸣器发送指令。
与现有技术相比,本发明的有益效果是:
本发明通过直接测量排风机转速,结合其叶片数、叶轮直径、功率,得到排风机的噪声信号,噪声分析准确,提高了使用排风机的排风环境中的降噪准确性和降噪效果,更具有针对性;进一步地,提高了语音识别准确度和识别效率;再进一步地,提高了智能通风柜的实用性,提高操控的精准度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的语音处理系统的结构框图;
图2为本发明的智能通风柜系统的结构框图;
图3为本发明的智能通风柜系统的语音处理流程图;
图4为本发明的智能通风柜系统的语音识别流程图。
具体地,100、语音采集模块;
200、排风机参数获取模块;
300、降噪模块;
400、语音重建模块;
500、语音识别模块;
600、处理模块;610、视窗电机;620、照明模块;630、蝶阀;640、蜂鸣器。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示,一种基于主动降噪的语音处理系统,适用于排风机环境,包括语音采集模块100、排风机参数获取模块200、降噪模块300以及语音重建模块400。
具体而言,语音采集模块100用于采集语音并将其转换为数字信号。语音采集模块100包括麦克风和A/D转换单元,麦克风用于采集语音,A/D转换单元用于将采集到的语音由模拟信号转换为数字信号。
排风机参数获取模块200用于获取排风机的转速。在本发明的一个优选实施例中,排风机参数获取模块200包括转速传感器,转速传感器用于测量排风机的转速。当然排风机参数获取模块200还可以包括其他类型传感器,以获得排风机的叶片数、叶轮直径以及功率,或者以上参数由手动输入系统中。
降噪模块300用于获得排风机的噪声信号,并将其转换为降噪信号。其中,通过降噪模块300接收排风机参数获取模块200的输出数据,并结合排风机的叶片数、叶轮直径以及功率计算获得基波频率和声压,根据声压即可知噪声的幅值,已知声压和基波频率即可得到噪声信号,也即噪声声波。计算公式如下:
fi=irn/60 (1)
公式(1)中,f为声音频率,r为排风机的转速,n为排风机的叶片数,i=1时为基波,因为基波噪声在噪声中占主导,故只取其基波噪声。
公式(2)、(3)中,b为当前转速下噪声的声压,p为当前转速下排风机的功率,p1为转速为r1时的功率,p2为转速为r2时的功率,d为排风机的叶轮直径。公式(3)可以预先测量获得,后续测量中只需要得到当前转速即可得到当前功率。
其中,降噪模块300将排风机的噪声信号转换为降噪信号,具体为:将排风机的噪声信号的相位增加180°得到降噪信号。降噪信号与噪声信号幅值、频率相同且关于x轴对称,与噪声信号叠加后,可以相互抵消。
语音重建模块400用于将降噪信号和语音采集模块100的输出信号叠加得到重建信号,实现主动降噪。
在本发明的一个优选实施例中,语音重建模块400将重建信号进行低通滤波后输出,从而获得接近真实的语音信号。
本发明还提供了一种基于主动降噪的语音处理方法,适用于排风机环境,包括以下步骤:
S1采集排风机的参数,并根据参数获得排风机的噪声信号。其中,参数包括排风机的转速、叶片数、叶轮直径以及功率,排风机的噪声频率与排风机的转速、叶片数成正比,排风机的声压与排风机的功率、叶轮直径有关,根据排风机的噪声频率和声压获得其噪声信号,计算公式如下:
fi=irn/60 (1)
公式(1)中,f为声音频率,r为排风机的转速,n为排风机的叶片数,i=1时为基波,
公式(2)、(3)中,b为当前转速下噪声的声压,p为当前转速下排风机的功率,p1为转速为r1时的功率,p2为转速为r2时的功率,d为排风机的叶轮直径。
S2根据噪声信号获得降噪信号。
S3采集语音信号,将降噪信号和语音信号叠加,获得重建信号。
其中,可以设置语音采集的最低阈值,从而滤去音量过低的无关噪声,提升语音采集的效果。一般而言,最低阈值为30分贝,将低于30分贝的声音滤去。
在本发明的一个优选实施例中,还包括步骤:将重建信号进行低通滤波。
在本发明的一个优选实施例中,还包括以下步骤:更新排风机的转速,从而改善降噪情况。并且还能够通过排风机的实时状态,即实时转速,计算更新当前的噪声信号,自适应地建立降噪信号,提升主动降噪的效果,提升语音处理的效果。
本发明还提供了一种基于主动降噪的语音识别方法,包括以上语音处理方法,还包括以下步骤:
将经过语音处理方法处理后的语音信号分析解码,并判断是否包括预设关键词。
具体地,当获取到重建后的语音信号后,语音识别模块500对语音信号进行特征提取,提取出特征向量。通过声学模型(AM)、字典和语言模型(LM)对提取特征后的音频数据进行解码,将音频数据转化成文字。解码完成后,分析语音中是否包含用户设定的启动关键词,若不包含启动关键词,则停止分析。
在本发明的一个优选实施例中,还包括步骤:更新降噪信号。
在本发明的一个优选实施例中,更新降噪信号,具体为:重新采集排风机的转速,从而获得实时转速,对降噪信号进行重新生成,改善降噪情况。
在降噪效果不佳或不能匹配导致多次识别失败的情况下,使用人员可以强制更新当前降噪信号以改善降噪情况,也可以选择停用降噪环节,以备后期检修。
本发明还提供了一种基于主动降噪的智能通风柜系统,如图2所示,包括排风机、视窗电机610、照明模块620、设置于排风管上的蝶阀630以及蜂鸣器640,还包括以上语音处理系统,或以上语音处理方法,或以上语音识别方法,以及,语音识别模块500和处理模块600。
具体而言,语音识别模块500用于接收语音重建模块400的输出信号,对其分析解码,并判断是否包括预设关键词。处理模块600用于接收语音识别模块500的输出信号并向视窗电机610、照明模块620、蝶阀630或蜂鸣器640发送指令。其中,视窗电机610用于控制视窗的升降;排风机用于将柜内的气体排出,并且排风机为通风柜系统中的主要噪音来源;照明模块620用于使用通风柜时的照明;蝶阀630与排风机配合控制通风柜的排风量;蜂鸣器640用于突发情况的报警提醒。
参考图3,该智能通风柜系统的语音处理流程为:在通风柜系统为开启状态时,启动麦克风采集声音,将低于30分贝的声音滤去,当检测到高于30分贝的声音时,说明使用人员在通过语音控制通风柜,获取当前排风机转速,结合排风机叶片数计算基波和谐波噪声信号,将基波和谐波噪声信号叠加从而得到当前噪声信号,将噪声信号翻转为降噪信号,进行低通滤波以获得逼近真实语音信号。
参考图4,该智能通风柜系统的语音识别流程为:在通风柜系统为开启状态时,获取重建后的语音信号(即语音处理后的逼近真实语音信号),进行特征提取,语音解码,判断是否包含预设关键词,若包含,则识别语音关键词所对应的功能,判断通风柜是否包含此功能,若包含,则处理模块600发送指令给对应操作单元,例如视窗电机610、照明模块620、蝶阀630或蜂鸣器640,若不包含,则发出提示,例如“我好像没有听懂你在说什么”以提示使用人员再次发出语音指令。
综上所述,本发明通过直接测量排风机转速,结合其叶片数、叶轮直径以及功率,得到排风机的噪声信号,噪声分析准确,提高了使用排风机的排风环境中的降噪准确性和降噪效果,更具有针对性;进一步地,提高了语音识别准确度和识别效率;再进一步地,提高了智能通风柜的实用性,提高操控的精准度。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于主动降噪的语音处理系统,适用于排风机环境,其特征在于,包括:
语音采集模块,所述语音采集模块用于采集语音并将其转换为数字信号,所述语音采集模块包括麦克风和A/D转换单元;
排风机参数获取模块,所述排风机参数获取模块用于获取所述排风机的转速;
降噪模块,所述降噪模块用于获得所述排风机的噪声信号,并将其转换为降噪信号,其中,通过所述降噪模块接收所述排风机参数获取模块的输出数据,并结合所述排风机的叶片数、叶轮直径以及功率计算获得基波频率和声压,从而获得噪声信号,计算公式如下:
fi=irn/60 (1)
公式(1)中,f为声音频率,r为排风机的转速,n为排风机的叶片数,i=1时为基波,
公式(2)、(3)中,b为当前转速下噪声的声压,p为当前转速下排风机的功率,p1为转速为r1时的功率,p2为转速为r2时的功率,d为排风机的叶轮直径;
语音重建模块,所述语音重建模块用于将所述降噪信号和所述语音采集模块的输出信号叠加得到重建信号。
2.根据权利要求1所述的基于主动降噪的语音处理系统,其特征在于,所述排风机参数获取模块包括转速传感器,所述转速传感器用于测量所述排风机的转速。
3.根据权利要求1所述的基于主动降噪的语音处理系统,其特征在于,所述语音重建模块将所述重建信号进行低通滤波后输出。
4.一种基于主动降噪的语音处理方法,适用于排风机环境,其特征在于,包括以下步骤:
采集所述排风机的参数,并根据所述参数获得所述排风机的噪声信号,其中,所述参数包括排风机的转速、叶片数、叶轮直径以及功率,所述排风机的噪声频率与排风机的转速、叶片数成正比,所述排风机的声压与排风机的功率、叶轮直径有关,根据排风机的噪声频率和声压获得其噪声信号,计算公式如下:
fi=irn/60 (1)
公式(1)中,f为声音频率,r为排风机的转速,n为排风机的叶片数,i=1时为基波,
公式(2)、(3)中,b为当前转速下噪声的声压,p为当前转速下排风机的功率,p1为转速为r1时的功率,p2为转速为r2时的功率,d为排风机的叶轮直径;
根据噪声信号获得降噪信号;
采集语音信号,将降噪信号和所述语音信号叠加,获得重建信号。
5.根据权利要求4所述的基于主动降噪的语音处理方法,其特征在于,还包括步骤:
将重建信号进行低通滤波。
6.根据权利要求4所述的基于主动降噪的语音处理方法,其特征在于,还包括以下步骤:
更新所述排风机的转速。
7.一种基于主动降噪的语音识别方法,包括如权利要求4所述的语音处理方法,其特征在于,还包括以下步骤:
将经过语音处理方法处理后的语音信号分析解码,并判断是否包括预设关键词。
8.根据权利要求7所述的基于主动降噪的语音识别方法,其特征在于,还包括步骤:
更新降噪信号。
9.根据权利要求8所述的基于主动降噪的语音识别方法,其特征在于,更新降噪信号,具体为:
重新采集所述排风机的转速。
10.一种基于主动降噪的智能通风柜系统,包括排风机、视窗电机、照明模块、设置于排风管上的蝶阀以及蜂鸣器,其特征在于,还包括如权利要求1-3任一所述的语音处理系统,或如权利要求4-6任一所述的语音处理方法,或如权利要求7-9任一所述的语音识别方法,以及,
语音识别模块,所述语音识别模块用于接收所述语音重建模块的输出信号,对其分析解码,并判断是否包括预设关键词;
处理模块,所述处理模块用于接收所述语音识别模块的输出信号并向所述视窗电机、照明模块、蝶阀或蜂鸣器发送指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010955116.6A CN112139191B (zh) | 2020-09-11 | 2020-09-11 | 基于主动降噪的语音处理系统、方法及智能通风柜系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010955116.6A CN112139191B (zh) | 2020-09-11 | 2020-09-11 | 基于主动降噪的语音处理系统、方法及智能通风柜系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112139191A true CN112139191A (zh) | 2020-12-29 |
CN112139191B CN112139191B (zh) | 2021-06-25 |
Family
ID=73890895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010955116.6A Active CN112139191B (zh) | 2020-09-11 | 2020-09-11 | 基于主动降噪的语音处理系统、方法及智能通风柜系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112139191B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114913845A (zh) * | 2021-02-09 | 2022-08-16 | 北京小米移动软件有限公司 | 语音识别方法、语音识别模型的训练方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030163326A1 (en) * | 2002-02-27 | 2003-08-28 | Jens Maase | Electrical appliance, in particular, a ventilator hood |
CN101727895A (zh) * | 2008-10-20 | 2010-06-09 | 联想(北京)有限公司 | 降噪装置、计算机以及降噪方法 |
CN105665405A (zh) * | 2016-01-25 | 2016-06-15 | 广东工业大学 | 一种实验通风柜 |
CN205584419U (zh) * | 2016-03-16 | 2016-09-14 | 中航华东光电(上海)有限公司 | 风噪声消除系统 |
CN107165846A (zh) * | 2016-03-07 | 2017-09-15 | 深圳市轻生活科技有限公司 | 一种语音控制智能风扇 |
CN208240026U (zh) * | 2018-05-28 | 2018-12-14 | 南京诺丹工程技术有限公司 | 一种实验室智能型通风柜控制装置 |
CN109538538A (zh) * | 2018-11-28 | 2019-03-29 | 努比亚技术有限公司 | 一种风扇噪音的处理方法、移动终端及存储介质 |
-
2020
- 2020-09-11 CN CN202010955116.6A patent/CN112139191B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030163326A1 (en) * | 2002-02-27 | 2003-08-28 | Jens Maase | Electrical appliance, in particular, a ventilator hood |
CN101727895A (zh) * | 2008-10-20 | 2010-06-09 | 联想(北京)有限公司 | 降噪装置、计算机以及降噪方法 |
CN105665405A (zh) * | 2016-01-25 | 2016-06-15 | 广东工业大学 | 一种实验通风柜 |
CN107165846A (zh) * | 2016-03-07 | 2017-09-15 | 深圳市轻生活科技有限公司 | 一种语音控制智能风扇 |
CN205584419U (zh) * | 2016-03-16 | 2016-09-14 | 中航华东光电(上海)有限公司 | 风噪声消除系统 |
CN208240026U (zh) * | 2018-05-28 | 2018-12-14 | 南京诺丹工程技术有限公司 | 一种实验室智能型通风柜控制装置 |
CN109538538A (zh) * | 2018-11-28 | 2019-03-29 | 努比亚技术有限公司 | 一种风扇噪音的处理方法、移动终端及存储介质 |
Non-Patent Citations (2)
Title |
---|
李隆年 等: "《电机设计》", 30 September 1992, 清华大学出版社 * |
谢中朋 等: "《复杂矿井通风系统稳定性研究》", 30 September 2019, 首都经济贸易大学 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114913845A (zh) * | 2021-02-09 | 2022-08-16 | 北京小米移动软件有限公司 | 语音识别方法、语音识别模型的训练方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112139191B (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102543073B (zh) | 一种沪语语音识别信息处理方法 | |
CN110536215A (zh) | 音频信号处理的方法、装置、计算设置及存储介质 | |
CN106328151B (zh) | 一种环噪消除系统及其应用方法 | |
AU2020416094A1 (en) | Method and apparatus for inspecting wind turbine blade, and device and storage medium thereof | |
CN110444202B (zh) | 复合语音识别方法、装置、设备及计算机可读存储介质 | |
CN112139191B (zh) | 基于主动降噪的语音处理系统、方法及智能通风柜系统 | |
CN111540347A (zh) | 基于音频的电缆隧道监测方法及系统 | |
CN106952654A (zh) | 机器人降噪方法、装置及机器人 | |
CN113008361B (zh) | 一种变电站站界噪声抗环境干扰检测方法及装置 | |
CN110297042A (zh) | 一种基于声音识别的裁床断刀检测方法、装置及设备 | |
Mei et al. | Adaptive signal enhancement based on improved VMD-SVD for leak location in water-supply pipeline | |
CN109032823A (zh) | 一种语音模块异常自恢复的方法及装置 | |
CN113077806A (zh) | 音频处理方法及装置、模型训练方法及装置、介质和设备 | |
WO2022134781A1 (zh) | 拖音的检测方法、装置、设备及存储介质 | |
CN109841208A (zh) | 一种应用于吸油烟机中的语音增强方法 | |
JP5077847B2 (ja) | 残響時間推定装置及び残響時間推定方法 | |
CN111755025B (zh) | 一种基于音频特征的状态检测方法、装置及设备 | |
CN113295346A (zh) | 基于声波的阀门内漏检测方法 | |
CN116052706B (zh) | 一种基于神经网络的低复杂度语音增强方法 | |
CN112666430A (zh) | 变压器声纹智能故障检测方法及系统 | |
CN116316909A (zh) | 基于armax模型的电力系统惯量在线辨识方法与系统 | |
CN115881142A (zh) | 一种骨导语音编码模型的训练方法、装置及存储介质 | |
CN114184270A (zh) | 一种设备振动数据处理方法、装置、设备及存储介质 | |
JP3586205B2 (ja) | 音声スペクトル改善方法、音声スペクトル改善装置、音声スペクトル改善プログラム、プログラムを記憶した記憶媒体 | |
CN114790991A (zh) | 给水泵汽蚀检测系统及方法 |
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 |