CN113115195B - 主动降噪耳机自动生产测试方法及装置 - Google Patents

主动降噪耳机自动生产测试方法及装置 Download PDF

Info

Publication number
CN113115195B
CN113115195B CN202110438080.9A CN202110438080A CN113115195B CN 113115195 B CN113115195 B CN 113115195B CN 202110438080 A CN202110438080 A CN 202110438080A CN 113115195 B CN113115195 B CN 113115195B
Authority
CN
China
Prior art keywords
earphone
noise reduction
filtering
test data
tuning
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
Application number
CN202110438080.9A
Other languages
English (en)
Other versions
CN113115195A (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
Dongguan Shengqiang 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 Dongguan Shengqiang Electronics Co ltd filed Critical Dongguan Shengqiang Electronics Co ltd
Priority to CN202110438080.9A priority Critical patent/CN113115195B/zh
Publication of CN113115195A publication Critical patent/CN113115195A/zh
Application granted granted Critical
Publication of CN113115195B publication Critical patent/CN113115195B/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
    • G06N3/04—Architecture, e.g. interconnection topology
    • 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)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Otolaryngology (AREA)
  • Quality & Reliability (AREA)
  • Soundproofing, Sound Blocking, And Sound Damping (AREA)

Abstract

本申请的实施例提供了主动降噪耳机自动生产测试方法及装置。该基于AI的主动降噪耳机自动生产测试方法包括：获取各耳机在降噪测试时生成的测试数据、基于所述测试数据对所述耳机进行降噪调优时所用的滤波参数、以及调优之后生成的调整数据；基于所述测试数据、所述滤波参数以及所述调整数据，通过人工智能的方式构建滤波模型；在检测到待测试耳机的降噪偏差大于设定阈值时，基于所述滤波模型对所述待测试耳机的降噪性能进行测试和调优。本申请实施例的技术方案通过滤波模型来进行批量的耳机测试和调优，降低了耳机生产的成本，增强了耳机测试和生产的效率和精确性。

Description

主动降噪耳机自动生产测试方法及装置
技术领域
本申请涉及计算机及通信技术领域，具体而言，涉及主动降噪耳机自动生产测试方法、装置及电子设备。
背景技术
在很多电子设备的生产制造过程中，需要有硬件、性能等检测，并基于检测的结果或者测试数据进行相应的调优。相关技术中是通过机器检测的方式获取到测试数据，并基于测试数据针对性的对相关产品进行调优，这种方式的成本高，效率低，且测试和调优的精度较低，没有严格、统一的标准来处理产品，很容易造成产品质量参差不齐，浪费生产成本的问题。
发明内容
本申请的实施例提供了主动降噪耳机自动生产测试方法及装置，进而至少在一定程度上可以滤波模型来进行批量的耳机测试和调优，降低了耳机生产的成本，增强了耳机测试和生产的效率和精确性。
本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面，提供了主动降噪耳机自动生产测试方法，包括：获取各耳机在降噪测试时生成的测试数据、基于所述测试数据对所述耳机进行降噪调优时所用的滤波参数、以及调优之后生成的调整数据；基于所述测试数据、所述滤波参数以及所述调整数据，通过人工智能的方式构建滤波模型；在检测到待测试耳机的降噪偏差大于设定阈值时，基于所述滤波模型对所述待测试耳机的降噪性能进行测试和调优。
根据本申请实施例的一个方面，所述基于所述测试数据、所述滤波参数以及所述调整数据，通过人工智能的方式构建滤波模型，包括：基于神经网络构建用于测试和调优耳机降噪性能的滤波模型；基于所述测试数据、所述滤波参数以及所述调整数据，构建训练样本；将所述训练样本输入所述滤波模型中，得到所述滤波模型的输出结果；将所述输出结果与所述滤波参数、所述调整数据分别进行比较，基于设定的损失函数计算训练损失；基于所述训练损失调整所述滤波模型的参数，生成调参之后的滤波模型。
根据本申请实施例的一个方面，所述获取各耳机在降噪测试时生成的测试数据、基于所述测试数据对所述耳机进行降噪调优时所用的滤波参数、以及调优之后生成的调整数据之前，所述方法还包括：对所述耳机进行降噪测试，生成所述耳机的测试数据；基于所述测试数据对应的曲线与参考曲线，生成对所述耳机进行降噪调优的滤波参数；基于所述滤波参数，对所述耳机的降噪性能进行调优，生成所述调整数据。
根据本申请实施例的一个方面，所述基于所述测试数据对应的曲线与参考曲线，生成对所述耳机进行降噪调优的滤波参数，包括：计算所述测试数据对应的曲线与参考曲线之间的相似度；若所述测试数据对应的曲线与参考曲线之间的相似度小于设定阈值，则判定所述耳机需要进行降噪调优；基于所述测试数据对应的曲线与参考曲线，生成对所述耳机进行降噪调优的滤波参数。
根据本申请实施例的一个方面，所述滤波参数包括滤波曲线；基于所述测试数据对应的曲线与参考曲线，生成对所述耳机进行降噪调优的滤波参数，包括：基于所述测试数据对应的曲线与参考曲线之间的相似度，对所述测试数据对应的曲线与参考曲线进行拟合，生成所述滤波曲线。
根据本申请实施例的一个方面，所述方法还包括：若所述测试数据对应的曲线与参考曲线之间的相似度大于或者等于设定阈值，则判定所述耳机为正常耳机。
根据本申请实施例的一个方面，所述在检测到待测试耳机的降噪偏差大于设定阈值时，基于所述滤波模型对所述待测试耳机的降噪性能进行测试和调优之后，还包括：若所述耳机中包含的一个单边耳机在经过调优之后生成的调整数据依然不满足正常要求，则停止对所述耳机的测试。
根据本申请实施例的一个方面，所述在检测到待测试耳机的降噪偏差大于设定阈值时，基于所述滤波模型对所述待测试耳机的降噪性能进行测试和调优之后，还包括：若调优之后生成的调整数据满足设定的测试成功标准，则存储所述测试数据、所述滤波参数以及所述调整数据。
根据本申请实施例的一个方面，提供了一种基于AI的主动降噪耳机自动生产测试装置，包括：获取单元，用于获取各耳机在降噪测试时生成的测试数据、基于所述测试数据对所述耳机进行降噪调优时所用的滤波参数、以及调优之后生成的调整数据；模型单元，用于基于所述测试数据、所述滤波参数以及所述调整数据，通过人工智能的方式构建滤波模型；应用单元，用于在检测到待测试耳机的降噪偏差大于设定阈值时，基于所述滤波模型对所述待测试耳机的降噪性能进行测试和调优。
在本申请的一些实施例中，基于前述方案，所述模型单元用于：基于神经网络构建用于测试和调优耳机降噪性能的滤波模型；基于所述测试数据、所述滤波参数以及所述调整数据，构建训练样本；将所述训练样本输入所述滤波模型中，得到所述滤波模型的输出结果；将所述输出结果与所述滤波参数、所述调整数据分别进行比较，基于设定的损失函数计算训练损失；基于所述训练损失调整所述滤波模型的参数，生成调参之后的滤波模型。
在本申请的一些实施例中，基于前述方案，所述基于AI的主动降噪耳机自动生产测试装置还包括：测试数据单元，用于对所述耳机进行降噪测试，生成所述耳机的测试数据；滤波参数单元，用于基于所述测试数据对应的曲线与参考曲线，生成对所述耳机进行降噪调优的滤波参数；调整数据单元，用于基于所述滤波参数，对所述耳机的降噪性能进行调优，生成所述调整数据。
在本申请的一些实施例中，基于前述方案，所述滤波参数单元用于：计算所述测试数据对应的曲线与参考曲线之间的相似度；若所述测试数据对应的曲线与参考曲线之间的相似度小于设定阈值，则判定所述耳机需要进行降噪调优；基于所述测试数据对应的曲线与参考曲线，生成对所述耳机进行降噪调优的滤波参数。
在本申请的一些实施例中，基于前述方案，所述滤波参数包括滤波曲线；所述基于所述测试数据对应的曲线与参考曲线，生成对所述耳机进行降噪调优的滤波参数，包括：基于所述测试数据对应的曲线与参考曲线之间的相似度，对所述测试数据对应的曲线与参考曲线进行拟合，生成所述滤波曲线。
在本申请的一些实施例中，基于前述方案，所述基于AI的主动降噪耳机自动生产测试装置还用于：若所述测试数据对应的曲线与参考曲线之间的相似度大于或者等于设定阈值，则判定所述耳机为正常耳机。
在本申请的一些实施例中，基于前述方案，所述基于AI的主动降噪耳机自动生产测试装置还用于：若所述耳机中包含的一个单边耳机在经过调优之后生成的调整数据依然不满足正常要求，则停止对所述耳机的测试。
在本申请的一些实施例中，基于前述方案，所述基于AI的主动降噪耳机自动生产测试装置还用于：若调优之后生成的调整数据满足设定的测试成功标准，则存储所述测试数据、所述滤波参数以及所述调整数据。
根据本申请实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例中所述的基于AI的主动降噪耳机自动生产测试方法。
根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的基于AI的主动降噪耳机自动生产测试方法。
根据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的基于AI的主动降噪耳机自动生产测试方法。
在本申请的一些实施例所提供的技术方案中，通过人工智能的方式统计和学习耳机在降噪测试时生成的测试数据、基于测试数据对耳机进行降噪调优时所用的滤波参数、以及调优之后生成的调整数据，并生成用于优化耳机降噪性能的滤波模型，以通过滤波模型来进行批量的耳机测试和调优，降低了耳机生产的成本，增强了耳机测试和生产的效率和精确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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。在附图中：
图1示意性示出了根据本申请的一个实施例的基于AI的主动降噪耳机自动生产测试方法的流程图；
图2示意性示出了根据本申请的一个实施例的生成数据的流程图；
图3示意性示出了根据本申请的一个实施例的构建滤波模型的流程图；
图4示意性示出了根据本申请的一个实施例的基于AI的主动降噪耳机自动生产测试装置的示意图；
图5示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
本实施例中的终端设备用于采集待测试耳机的测试数据，以检测待测试耳机的降噪偏差是否大于设定阈值，并在检测到待测试耳机的降噪偏差大于设定阈值时，基于滤波模型对待测试耳机的降噪性能进行测试和调优。
获取各耳机在降噪测试时生成的测试数据、基于测试数据对耳机进行降噪调优时所用的滤波参数、以及调优之后生成的调整数据；基于测试数据、滤波参数以及调整数据，通过人工智能的方式构建滤波模型；在检测到待测试耳机的降噪偏差大于设定阈值时，基于滤波模型对待测试耳机的降噪性能进行测试和调优。本申请实施例的技术方案通过人工智能的方式统计和学习耳机降噪的历史测试数据，并生成用于优化耳机降噪性能的滤波模型，以通过滤波模型来进行批量的耳机测试和调优，降低了耳机生产的成本，增强了耳机测试和生产的效率和精确性。
需要说明的是，本申请实施例所提供的基于AI的主动降噪耳机自动生产测试方法一般由服务器执行，相应地，基于AI的主动降噪耳机自动生产测试装置一般设置于服务器中。但是，在本申请的其它实施例中，终端设备等装置也可以与服务器具有相似的功能，从而执行本申请实施例所提供的基于AI的主动降噪耳机自动生产测试方法。
以下对本申请实施例的技术方案的实现细节进行详细阐述：
图1示出了根据本申请的一个实施例的基于AI的主动降噪耳机自动生产测试方法的流程图，该基于AI的主动降噪耳机自动生产测试方法可以由服务器来执行，该服务器可以是图1中所示的服务器。参照图1所示，该基于AI的主动降噪耳机自动生产测试方法至少包括步骤S110至步骤S130，详细介绍如下：
在步骤S110中，获取各耳机在降噪测试时生成的测试数据、基于测试数据对耳机进行降噪调优时所用的滤波参数、以及调优之后生成的调整数据。
在本申请一实施例中，在对耳机进行降噪测试时，会生成对应的数据，其中包括了降噪测试时生成的测试数据。当测试数据不符合设定的测试标准时，基于测试数据和测试标准生成对应的滤波参数，以基于滤波参数对耳机的降噪性能进行调优；并且在对耳机进行调优之后，基于调优的结果生成的调整数据。
在本申请一实施例中，获取各耳机在降噪测试时生成的测试数据、基于测试数据对耳机进行降噪调优时所用的滤波参数、以及调优之后生成的调整数据之前，方法还包括S210～S230：
在步骤S210中，对耳机进行降噪测试，生成耳机的测试数据；
在步骤S220中，基于测试数据对应的曲线与参考曲线，生成对耳机进行降噪调优的滤波参数；
在步骤S230中，基于滤波参数，对耳机的降噪性能进行调优，生成调整数据。
在本申请的一个实施例中，在实际应用中，先对耳机进行降噪测试，以生成耳机的测试数据。示例性的，本实施例中通过自制的4通道降噪测试声卡，可同时测量2对立体声耳机或4只TWS耳机，大大提高开发生产测试效率。本实施例中的测试声卡可以采用24bit位宽，信噪比和灵敏度完全满足降噪测试需求。本实施例中的测试声卡的频响测量精度与Audio Precision相当，在陡峭频响位置的相位测量精度优于AP。本实施例中的测试声卡集成4通道COM接口，可同时连接控制2对立体声耳机或4只真无线蓝牙(True WirelessStereo，TWS)耳机进行测试。
进一步的，本实施例中还可以对耳机的某些性能进行针对性的测试，例如测量低频低至2Hz，可协助分析低频overshot对降噪底噪的影响。
在本申请的一个实施例中，步骤S220中基于测试数据对应的曲线与参考曲线，生成对耳机进行降噪调优的滤波参数的过程，包括如下步骤：
计算测试数据对应的曲线与参考曲线之间的相似度；
若测试数据对应的曲线与参考曲线之间的相似度小于设定阈值，则判定耳机需要进行降噪调优；
基于测试数据对应的曲线与参考曲线，生成对耳机进行降噪调优的滤波参数。
在本申请一实施例中，通过根据测试数据对应的曲线以及设定的参考曲线之间的相似度，若相似度小于设定阈值，则说明耳机需要进行降噪调优。本实施例中通过基于参考曲线，对测试数据对应的曲线进行调整，生成对耳机进行降噪调优的滤波参数。
在本申请一实施例中，滤波参数包括滤波曲线；基于测试数据对应的曲线与参考曲线，生成对耳机进行降噪调优的滤波参数，包括：基于测试数据对应的曲线与参考曲线之间的相似度，对测试数据对应的曲线与参考曲线进行拟合，生成滤波曲线。
在本申请一实施例中，做降噪耳机必须能调整降噪滤波器的增益，相位和局部走势才能做出一致性很好，效果达标的产品。这需要量产时每台耳机都能测量计算获得降噪滤波器的目标曲线，并且自动调整滤波器参数，使滤波器无论在频响、相位还是走势上都与本台耳机的目标曲线无线接近才能做出合格的耳机，确保生产直通率和一致性。本实施例中通过将测试数据对应的曲线和参考曲线之间的相似度，确定耳机调优的滤波器的曲线，以保证耳机的产品性能和生产通过率。
一般的降噪生产测试通过使用同种耳机中的黄金样品的降噪滤波器参数和调节降噪麦克风增益获得最佳生产测试结果，这是基于对耳机声学参数具备频响一致性的假设，比如假设耳机的被动降噪，Speaker和降噪麦克风的频响走势是一致的，只是存在增益上的差异，通过调节降噪麦克风增益弥补差异获得测试一致性。
在本申请一实施例中，基于滤波参数，对耳机的降噪性能进行调优，生成调整数据之后，还包括：若调优之后生成的调整数据满足设定的测试成功标准，则存储测试数据、滤波参数以及调整数据。
可选的，本实施例中的存储方式可以是将数据存储在测试装置中，也可以将数据上传至云端，通过云存储的方式保证数据的完整性和安全性。
在步骤S120中，基于测试数据、滤波参数以及调整数据，通过人工智能的方式构建滤波模型。
在本申请一实施例中，本实施例中基于AI理念对多台耳机的测试数据进行统计学习，创建最优的滤波器模型，为批量生产提供更有效的参考数据和调优方式。
在本申请的一个实施例中，如图3所示，步骤S120中基于测试数据、滤波参数以及调整数据，通过人工智能的方式构建滤波模型的过程，包括如下步骤S121～125：
在步骤S121中，基于神经网络构建用于测试和调优耳机降噪性能的滤波模型；
在步骤S122中，基于测试数据、滤波参数以及调整数据，构建训练样本；
在步骤S123中，将训练样本输入滤波模型中，得到滤波模型的输出结果；
在步骤S124中，将输出结果与滤波参数、调整数据分别进行比较，基于设定的损失函数计算训练损失；
在步骤S125中，基于训练损失调整滤波模型的参数，生成调参之后的滤波模型。
在本申请一实施例中，首先基于神经网络的方式构建用于测试和调优耳机降噪性能的滤波模型，以针对该模型进行对之后的待测试耳机进行相应的测试和调优处理。基于测试数据、滤波参数以及调整数据，构建训练样本，其中，测试数据作为输入数据，其对应的滤波参数和调整数据作为输出结果。将训练样本输入滤波模型中，得到滤波模型的输出结果，之后将输出结果与滤波参数、调整数据分别进行比较，基于设定的损失函数计算训练损失；基于训练损失调整滤波模型的参数，生成调参之后的滤波模型。
上述方案中，通过基于历史的测试数据、调整数据以及滤波参数构建滤波模型，并基于滤波模型对之后的待测试耳机进行测试，提高了耳机测试的效率和精确性。
在步骤S130中，在检测到待测试耳机的降噪偏差大于设定阈值时，基于滤波模型对待测试耳机的降噪性能进行测试和调优。
在本申请一实施例中，在构建得到滤波模型之后，在检测到待测试耳机的降噪偏差大于设定阈值时，则判定该待测试耳机为待优化耳机，之后基于滤波模型对待测试耳机的降噪性能进行测试和调优。本实施例的集成系统具备快速非侵入准确的降噪滤波器目标曲线测量能力，并且支持降噪滤波器的全参数精确调整自动优化算法，解决了降噪耳机生产的大问题，在预测和实测结果无限接近的前提下，自动虚拟调增益完全替代测调降噪麦克风增益，快速无声。
在本申请一实施例中，方法还包括：若测试数据对应的曲线与参考曲线之间的相似度大于或者等于设定阈值，则判定耳机为正常耳机，即不需要进行调优，便可以出厂。
在本申请一实施例中，在检测到待测试耳机的降噪偏差大于设定阈值时，基于滤波模型对待测试耳机的降噪性能进行测试和调优之后，方法还包括：
若耳机中包含的一个单边耳机在经过调优之后生成的调整数据依然不满足正常要求，则停止对耳机的测试。按照一对或一台耳机单边测试无效停止本台或本对测试的逻辑，继续另一对或一台耳机的测试。通过这种方式，提高耳机测试和出厂的效率。
在本申请一实施例中，在检测到待测试耳机的降噪偏差大于设定阈值时，基于滤波模型对待测试耳机的降噪性能进行测试和调优之后，还包括：若调优之后生成的调整数据满足设定的测试成功标准，则存储测试数据、滤波参数以及调整数据。
以下介绍本申请的装置实施例，可以用于执行本申请上述实施例中的基于AI的主动降噪耳机自动生产测试方法。对于本申请装置实施例中未披露的细节，请参照本申请上述的基于AI的主动降噪耳机自动生产测试方法的实施例。
图4示出了根据本申请的一个实施例的基于AI的主动降噪耳机自动生产测试装置的框图。
参照图4所示，根据本申请的一个实施例的基于AI的主动降噪耳机自动生产测试装置400，包括：获取单元410，用于获取各耳机在降噪测试时生成的测试数据、基于测试数据对耳机进行降噪调优时所用的滤波参数、以及调优之后生成的调整数据；模型单元420，用于基于测试数据、滤波参数以及调整数据，通过人工智能的方式构建滤波模型；应用单元430，用于在检测到待测试耳机的降噪偏差大于设定阈值时，基于滤波模型对待测试耳机的降噪性能进行测试和调优。
在本申请的一些实施例中，基于前述方案，模型单元420用于：基于神经网络构建用于测试和调优耳机降噪性能的滤波模型；基于测试数据、滤波参数以及调整数据，构建训练样本；将训练样本输入滤波模型中，得到滤波模型的输出结果；将输出结果与滤波参数、调整数据分别进行比较，基于设定的损失函数计算训练损失；基于训练损失调整滤波模型的参数，生成调参之后的滤波模型。
在本申请的一些实施例中，基于前述方案，基于AI的主动降噪耳机自动生产测试装置400还包括：测试数据单元，用于对耳机进行降噪测试，生成耳机的测试数据；滤波参数单元，用于基于测试数据对应的曲线与参考曲线，生成对耳机进行降噪调优的滤波参数；调整数据单元，用于基于滤波参数，对耳机的降噪性能进行调优，生成调整数据。
在本申请的一些实施例中，基于前述方案，滤波参数单元用于：计算测试数据对应的曲线与参考曲线之间的相似度；若测试数据对应的曲线与参考曲线之间的相似度小于设定阈值，则判定耳机需要进行降噪调优；基于测试数据对应的曲线与参考曲线，生成对耳机进行降噪调优的滤波参数。
在本申请的一些实施例中，基于前述方案，滤波参数包括滤波曲线；基于测试数据对应的曲线与参考曲线，生成对耳机进行降噪调优的滤波参数，包括：基于测试数据对应的曲线与参考曲线之间的相似度，对测试数据对应的曲线与参考曲线进行拟合，生成滤波曲线。
在本申请的一些实施例中，基于前述方案，基于AI的主动降噪耳机自动生产测试装置400还用于：若测试数据对应的曲线与参考曲线之间的相似度大于或者等于设定阈值，则判定耳机为正常耳机。
在本申请的一些实施例中，基于前述方案，基于AI的主动降噪耳机自动生产测试装置400还用于：若耳机中包含的一个单边耳机在经过调优之后生成的调整数据依然不满足正常要求，则停止对耳机的测试。
在本申请的一些实施例中，基于前述方案，基于AI的主动降噪耳机自动生产测试装置400还用于：若调优之后生成的调整数据满足设定的测试成功标准，则存储测试数据、滤波参数以及调整数据。
图5示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是，图5示出的电子设备的计算机系统500仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统500包括中央处理单元(Central Processing Unit，CPU)501，其可以根据存储在只读存储器(Read-Only Memory，ROM)502中的程序或者从储存部分508加载到随机访问存储器(Random Access Memory，RAM)503中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在RAM 503中，还存储有系统操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(Input/Output，I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(Cathode Ray Tube，CRT)、液晶显示器(Liquid Crystal Display，LCD)等以及扬声器等的输出部分507；包括硬盘等的储存部分508；以及包括诸如LAN(Local Area Network，局域网)卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入储存部分508。
特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本申请的系统中限定的各种功能。
需要说明的是，本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的方法。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (10)

1.主动降噪耳机自动生产测试方法，其特征在于，包括：
获取各耳机在降噪测试时生成的测试数据、基于所述测试数据对所述耳机进行降噪调优时所用的滤波参数、以及调优之后生成的调整数据；
基于所述测试数据、所述滤波参数以及所述调整数据，通过人工智能的方式构建滤波模型；
在检测到待测试耳机的降噪偏差大于设定阈值时，基于所述滤波模型对所述待测试耳机的降噪性能进行测试和调优。
2.根据权利要求1所述的方法，其特征在于，基于所述测试数据、所述滤波参数以及所述调整数据，通过人工智能的方式构建滤波模型，包括：
基于神经网络构建用于测试和调优耳机降噪性能的滤波模型；
基于所述测试数据、所述滤波参数以及所述调整数据，构建训练样本；
将所述训练样本输入所述滤波模型中，得到所述滤波模型的输出结果；
将所述输出结果与所述滤波参数、所述调整数据分别进行比较，基于设定的损失函数计算训练损失；
基于所述训练损失调整所述滤波模型的参数，生成调参之后的滤波模型。
3.根据权利要求1所述的方法，其特征在于，获取各耳机在降噪测试时生成的测试数据、基于所述测试数据对所述耳机进行降噪调优时所用的滤波参数、以及调优之后生成的调整数据之前，所述方法还包括：
对所述耳机进行降噪测试，生成所述耳机的测试数据；
基于所述测试数据对应的曲线与参考曲线，生成对所述耳机进行降噪调优的滤波参数；
基于所述滤波参数，对所述耳机的降噪性能进行调优，生成所述调整数据。
4.根据权利要求3所述的方法，其特征在于，基于所述测试数据对应的曲线与参考曲线，生成对所述耳机进行降噪调优的滤波参数，包括：
计算所述测试数据对应的曲线与参考曲线之间的相似度；
若所述测试数据对应的曲线与参考曲线之间的相似度小于设定阈值，则判定所述耳机需要进行降噪调优；
基于所述测试数据对应的曲线与参考曲线，生成对所述耳机进行降噪调优的滤波参数。
5.根据权利要求3所述的方法，其特征在于，所述滤波参数包括滤波曲线；
基于所述测试数据对应的曲线与参考曲线，生成对所述耳机进行降噪调优的滤波参数，包括：
基于所述测试数据对应的曲线与参考曲线之间的相似度，对所述测试数据对应的曲线与参考曲线进行拟合，生成所述滤波曲线。
6.根据权利要求3所述的方法，其特征在于，所述方法还包括：
若所述测试数据对应的曲线与参考曲线之间的相似度大于或者等于设定阈值，则判定所述耳机为正常耳机。
7.根据权利要求1所述的方法，其特征在于，在检测到待测试耳机的降噪偏差大于设定阈值时，基于所述滤波模型对所述待测试耳机的降噪性能进行测试和调优之后，还包括：
若所述耳机中包含的一个单边耳机在经过调优之后生成的调整数据依然不满足正常要求，则停止对所述耳机的测试。
8.根据权利要求1所述的方法，其特征在于，在检测到待测试耳机的降噪偏差大于设定阈值时，基于所述滤波模型对所述待测试耳机的降噪性能进行测试和调优之后，还包括：
若调优之后生成的调整数据满足设定的测试成功标准，则存储所述测试数据、所述滤波参数以及所述调整数据。
9.一种基于AI的主动降噪耳机自动生产测试装置，其特征在于，包括：
获取单元，用于获取各耳机在降噪测试时生成的测试数据、基于所述测试数据对所述耳机进行降噪调优时所用的滤波参数、以及调优之后生成的调整数据；
模型单元，用于基于所述测试数据、所述滤波参数以及所述调整数据，通过人工智能的方式构建滤波模型；
应用单元，用于在检测到待测试耳机的降噪偏差大于设定阈值时，基于所述滤波模型对所述待测试耳机的降噪性能进行测试和调优。
10.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至8中任一项所述的主动降噪耳机自动生产测试方法。
CN202110438080.9A 2021-04-22 2021-04-22 主动降噪耳机自动生产测试方法及装置 Active CN113115195B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110438080.9A CN113115195B (zh) 2021-04-22 2021-04-22 主动降噪耳机自动生产测试方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110438080.9A CN113115195B (zh) 2021-04-22 2021-04-22 主动降噪耳机自动生产测试方法及装置

Publications (2)

Publication Number Publication Date
CN113115195A CN113115195A (zh) 2021-07-13
CN113115195B true CN113115195B (zh) 2022-04-29

Family

ID=76719768

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110438080.9A Active CN113115195B (zh) 2021-04-22 2021-04-22 主动降噪耳机自动生产测试方法及装置

Country Status (1)

Country Link
CN (1) CN113115195B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114205726B (zh) * 2021-09-01 2024-04-12 珠海市杰理科技股份有限公司 成品耳机的测试方法及装置、耳机制造系统
CN114040284B (zh) * 2021-09-26 2024-02-06 北京小米移动软件有限公司 噪声的处理方法、噪声的处理装置、终端及存储介质
CN117202071B (zh) * 2023-09-21 2024-03-29 广东金海纳实业有限公司 一种降噪耳机的测试方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109328380A (zh) * 2016-06-13 2019-02-12 Med-El电气医疗器械有限公司 具有噪声模型适配的递归噪声功率估计
CN111554321A (zh) * 2020-04-20 2020-08-18 北京达佳互联信息技术有限公司 降噪模型训练方法、装置、电子设备及存储介质
US10897675B1 (en) * 2019-08-14 2021-01-19 Sonova Ag Training a filter for noise reduction in a hearing device
CN112423176A (zh) * 2019-08-20 2021-02-26 Oppo广东移动通信有限公司 耳机降噪方法、装置、存储介质及降噪耳机
CN112687286A (zh) * 2020-12-22 2021-04-20 深圳地平线机器人科技有限公司 音频设备的降噪模型的调整方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8385572B2 (en) * 2007-03-12 2013-02-26 Siemens Audiologische Technik Gmbh Method for reducing noise using trainable models
US10580430B2 (en) * 2017-10-19 2020-03-03 Bose Corporation Noise reduction using machine learning

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109328380A (zh) * 2016-06-13 2019-02-12 Med-El电气医疗器械有限公司 具有噪声模型适配的递归噪声功率估计
US10897675B1 (en) * 2019-08-14 2021-01-19 Sonova Ag Training a filter for noise reduction in a hearing device
CN112423176A (zh) * 2019-08-20 2021-02-26 Oppo广东移动通信有限公司 耳机降噪方法、装置、存储介质及降噪耳机
CN111554321A (zh) * 2020-04-20 2020-08-18 北京达佳互联信息技术有限公司 降噪模型训练方法、装置、电子设备及存储介质
CN112687286A (zh) * 2020-12-22 2021-04-20 深圳地平线机器人科技有限公司 音频设备的降噪模型的调整方法和装置

Also Published As

Publication number Publication date
CN113115195A (zh) 2021-07-13

Similar Documents

Publication Publication Date Title
CN113115195B (zh) 主动降噪耳机自动生产测试方法及装置
KR102262686B1 (ko) 음성 품질 평가 방법 및 음성 품질 평가 장치
US9830905B2 (en) Systems and methods for feature extraction
CN110610723B (zh) 车内声品质的评价方法、装置、设备及存储介质
CN112818619A (zh) 一种耳机主动降噪的仿真方法及装置
CN111862951B (zh) 语音端点检测方法及装置、存储介质、电子设备
US20200213794A1 (en) Method and system for measuring total sound pressure level of noise, and computer readable storage medium
US11282514B2 (en) Method and apparatus for recognizing voice
WO2019024450A1 (zh) 一种设备故障检测方法及装置
CN112309414A (zh) 基于音频编解码的主动降噪方法、耳机及电子设备
CN112798102A (zh) 一种声品质评价方法、装置、系统及介质
CN112863545B (zh) 性能测试方法、装置、电子设备及计算机可读存储介质
CN111312274B (zh) 语音信号处理方法、装置、系统、电子设备、及存储介质
CN108605191A (zh) 异音检测方法和装置
CN114302301B (zh) 频响校正方法及相关产品
WO2022166795A1 (zh) 游戏场景的终端振动评估方法、装置、介质及设备
CN112562717B (zh) 啸叫检测方法、装置、存储介质、计算机设备
CN114501281A (zh) 声音调整方法、装置、电子设备和计算机可读介质
Lobato et al. Modeling the perceived tonal loudness of multiple tonal components
Huang et al. Objective Quantification of Small Motor Sound Quality Based on Psychoacoustic Metrics
CN115438735A (zh) 基于联邦学习的质检方法、系统、可读介质及电子设备
CN116033314B (zh) 一种音频自动增益补偿方法、系统、计算机及存储介质
CN116541768A (zh) 故障诊断方法、装置、设备及计算机可读存储介质
CN112102821B (zh) 应用于电子设备的数据处理方法、装置、系统、介质
CN117932373A (zh) 多维kpi数据异常检测模型的训练、识别方法及装置

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
TR01 Transfer of patent right

Effective date of registration: 20230307

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.