CN113411711A - 一种智能耳机降噪方法及系统 - Google Patents

Abstract

本发明提出了一种智能耳机降噪方法及系统，涉及降噪处理技术领域。一种智能耳机降噪方法，包括如下步骤：充电仓将当前噪声情况输入至第一降噪模型。若当前噪声情况与预存噪音不一致，充电仓将当前噪声情况传输至云服务器。云服务器将当前噪声情况输入至训练好的第二降噪模型，第二降噪模型将当前噪声情况与第二降噪模型中的噪音情况进行对比。若当前噪声情况与噪音情况不一致，则对当前噪声情况进行降噪处理，并将当前噪声情况以及将降噪处理作为对应降噪算法保存到第二降噪模型。充电仓通过对应降噪算法对当前噪声情况进行降噪处理。实现针对不同噪声情况，调用与噪声情况相匹配的降噪算法对噪声情况进行降噪处理的目的，达到较好的降噪效果。

Description

一种智能耳机降噪方法及系统

技术领域

本发明涉及降噪处理技术领域，具体而言，涉及一种智能耳机降噪方法及系统。

背景技术

随着科技的不断发展进步，高品质智能手机、Pad等便携式电子产品被广泛应用，人们对可与其配合应用的耳机的声学参数要求也越来越高。目前的智能耳机的主动ANC降噪方案以及通话ENC降噪方案都是通过耳机上的环境音MIC收音，然后通过耳机的噪声电路或者DSP电路进行噪声消除，让人耳听到的声音是消除了环境噪声后的声音。

但是用户在佩戴智能耳机的时候会遇到各种各样的复杂外接环境，例如下雨声、风声、火车声等，而且由于噪声的大小程度不同，则由大小程度不同的噪声所引起的噪声情况是不同的。目前的智能耳机降噪电路是通过芯片算法或电路实时计算达到降噪效果。但是降噪电路受到芯片本身计算力的影响，无法针对不同噪声情况进行降噪处理，导致降噪效果差。

发明内容

本发明的目的在于提供一种智能耳机降噪方法及系统，用以改善现有技术中无法针对不同噪声情况进行降噪处理，导致降噪效果差的问题。

本发明的实施例是这样实现的：

第一方面，本申请实施例提供一种智能耳机降噪方法，其包括如下步骤：耳机获取当前噪声情况，并将当前噪声情况传输至充电仓。充电仓将当前噪声情况输入至第一降噪模型，第一降噪模型将当前噪声情况与第一降噪模型中预存噪音进行对比。若当前噪声情况与预存噪音一致，则通过与预存噪音相对应的预存降噪算法对当前噪声情况进行降噪处理。若当前噪声情况与预存噪音不一致，则充电仓将当前噪声情况传输至云服务器。云服务器将当前噪声情况输入至训练好的第二降噪模型，第二降噪模型将当前噪声情况与第二降噪模型中的噪音情况进行对比。若当前噪声情况与噪音情况不一致，则对当前噪声情况进行降噪处理，并将当前噪声情况以及将降噪处理作为对应降噪算法保存到第二降噪模型。若当前噪声情况与噪音情况一致，则根据噪音情况确定对应降噪算法。云服务器将对应降噪算法传输至充电仓。充电仓将对应降噪算法和当前噪声情况保存到第一降噪模型，并通过对应降噪算法对当前噪声情况进行降噪处理。

在本发明的一些实施例中，上述预存降噪算法包括多个固定降噪算法和多个可替换降噪算法。

在本发明的一些实施例中，上述第一降噪模型将当前噪声情况与第一降噪模型中预存噪音进行对比的步骤包括：第一降噪模型将当前噪声情况与固定降噪算法处理的预存噪音进行对比，若当前噪声情况与固定降噪算法处理的预存噪音一致，则通过固定降噪算法对当前噪声情况进行降噪处理。若当前噪声情况与固定降噪算法处理的预存噪音不一致，则第一降噪模型将当前噪声情况与可替换降噪算法处理的预存噪音进行比对，若当前噪声情况与可替换降噪算法处理的预存噪音一致，则通过可替换降噪算法对当前噪声情况进行降噪处理。若当前噪声情况与可替换降噪算法处理的预存噪音不一致，则充电仓将当前噪声情况传输至云服务器。

在本发明的一些实施例中，上述充电仓将对应降噪算法和当前噪声情况保存到第一降噪模型的步骤包括：若第一降噪模型中可替换降噪算法的数量小于预存数量，则保存对应降噪算法到第一降噪模型。若第一降噪模型中可替换降噪算法的数量与预存数量一致，则删除第一降噪模型中的一个可替换降噪算法，并将对应降噪算法保存到第一降噪模型。

在本发明的一些实施例中，若第一降噪模型中可替换降噪算法的数量与预存数量一致，则删除第一降噪模型中的一个可替换降噪算法的步骤包括：比较多个可替换降噪算法的使用次数，删除使用次数最少的可替换降噪算法。

在本发明的一些实施例中，若第一降噪模型中可替换降噪算法的数量与预存数量一致，则删除第一降噪模型中的一个可替换降噪算法的步骤包括：根据多个可替换降噪算法存入第一降噪模型的存入顺序，删除最先存入第一降噪模型的可替换降噪算法。

在本发明的一些实施例中，上述云服务器将当前噪声情况输入至训练好的第二降噪模型的步骤之前，方法还包括：建立噪音初始模型。获取样本，样本为多种噪音情况，任一噪音情况对应一种降噪算法。利用样本训练噪音初始模型，以得到训练好的第二降噪模型。

第二方面，本申请实施例提供一种智能耳机降噪系统，其包括：耳机，用于获取当前噪声情况，并将当前噪声情况传输至充电仓。充电仓，用于将当前噪声情况输入至第一降噪模型，第一降噪模型将当前噪声情况与第一降噪模型中预存噪音进行对比，若当前噪声情况与预存噪音一致，则通过与预存噪音相对应的预存降噪算法对当前噪声情况进行降噪处理，若当前噪声情况与预存噪音不一致，则将当前噪声情况传输至云服务器。云服务器，用于将当前噪声情况输入至训练好的第二降噪模型，第二降噪模型将当前噪声情况与第二降噪模型中的噪音情况进行对比，若当前噪声情况与噪音情况不一致，则对当前噪声情况进行降噪处理，并将当前噪声情况以及将降噪处理作为对应降噪算法保存到第二降噪模型，若当前噪声情况与噪音情况一致，则根据噪音情况确定对应降噪算法，并将对应降噪算法传输至充电仓。充电仓还用于将对应降噪算法和当前噪声情况保存到第一降噪模型，并通过对应降噪算法对当前噪声情况进行降噪处理。

第三方面，本申请实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当一个或多个程序被处理器执行时，实现如上述第一方面中任一项的方法。

第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。

相对于现有技术，本发明的实施例至少具有如下优点或有益效果：

本发明提供一种智能耳机降噪方法及系统，包括如下步骤：耳机获取当前噪声情况，并将当前噪声情况传输至充电仓。充电仓将当前噪声情况输入至第一降噪模型，第一降噪模型将当前噪声情况与第一降噪模型中预存噪音进行对比。若当前噪声情况与预存噪音一致，则通过与预存噪音相对应的预存降噪算法对当前噪声情况进行降噪处理。若当前噪声情况与预存噪音不一致，则充电仓将当前噪声情况传输至云服务器。云服务器将当前噪声情况输入至训练好的第二降噪模型，第二降噪模型将当前噪声情况与第二降噪模型中的噪音情况进行对比。若当前噪声情况与噪音情况不一致，则对当前噪声情况进行降噪处理，并将当前噪声情况以及将降噪处理作为对应降噪算法保存到第二降噪模型。若当前噪声情况与噪音情况一致，则根据噪音情况确定对应降噪算法。云服务器将对应降噪算法传输至充电仓。充电仓将对应降噪算法和当前噪声情况保存到第一降噪模型，并通过对应降噪算法对当前噪声情况进行降噪处理。

本发明首先通过耳机获取当前噪声情况。然后通过充电仓将当前噪声情况输入第一降噪模型，第一降噪模型对比当前噪声情况和多个预存噪音，若存在有与当前噪声情况一致的预存噪音，则直接利用该预存噪音对应的预存降噪算法处理当前噪声情况，若不存在与当前噪声情况一致的预存噪音，充电仓将当前噪声情况传输到云服务器。通过云服务器比对当前噪声情况和多个噪音情况，若存在有与当前噪声情况一致的噪音情况，云服务器将该噪音情况对应的降噪算法传输到充电仓。若不存在与当前噪声情况一致的噪音情况，云服务器将当前噪声情况保存到第二降噪模型，并对当前噪声情况进行降噪处理，将该降噪处理作为对应降噪算法保存到第二降噪模型。云服务器将对应降噪算法传输至充电仓，充电仓将对应降噪算法保存到第一降噪模型，以对第一降噪模型进行更新，并利用对应降噪算法处理当前噪声情况。由于对应降噪算法与当前噪声情况是相匹配的，则不同的当前噪声情况调用不同的对应降噪算法，以对当前噪声情况进行降噪处理，实现了针对不同噪声情况，调用与噪声情况相匹配的降噪算法对噪声情况进行降噪处理的目的，达到了较好的降噪效果。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本发明实施例提供的一种智能耳机降噪方法的流程图；

图2为本发明实施例提供的一种智能耳机降噪系统的结构框图；

图3为本发明实施例提供的一种电子设备的示意性结构框图。

图标：100-智能耳机降噪系统；110-耳机；120-充电仓；130-云服务器；101-存储器；102-处理器；103-通信接口。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，若出现术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，若出现由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

在本申请的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

在本申请的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。

实施例

请参照图1，图1所示为本申请实施例提供的一种智能耳机降噪方法的流程图。一种智能耳机降噪方法，其包括如下步骤：

S110：耳机110获取当前噪声情况，并将当前噪声情况传输至充电仓120；

具体的，耳机110与充电仓120通信连接，耳机110可以对当前的声音环境进行录音，以获取当前噪声情况，并将当前噪声情况传输至充电仓120。

S120：充电仓120将当前噪声情况输入至第一降噪模型，第一降噪模型将当前噪声情况与第一降噪模型中预存噪音进行对比；

具体的，第一降噪模型中包含有多个预存噪音和各预存噪音对应的预存降噪算法。第一降噪模型按照多个预存噪音的预存顺序，将当前噪声情况与多个预存噪音进行一一对比，从而确定第一降噪模型中是否存在与当前噪声情况一致的预存噪音。

S130：若当前噪声情况与预存噪音一致，则通过与预存噪音相对应的预存降噪算法对当前噪声情况进行降噪处理；

示例性的，当存在第一预存噪音与当前噪声情况一致时，充电仓120利用第一预存噪音对应的预存降噪算法对当前噪声情况进行降噪处理，不仅保证了降噪效果，而且在一定程度上也保证了降噪速率。

S140：若当前噪声情况与预存噪音不一致，则充电仓120将当前噪声情况传输至云服务器130；

具体的，充电仓120与云服务器130通信连接，当第一降噪模型中不存在与当前噪声情况一致的预存噪音时，充电仓120将当前噪声情况传输至云服务器130。

S150：云服务器130将当前噪声情况输入至训练好的第二降噪模型，第二降噪模型将当前噪声情况与第二降噪模型中的噪音情况进行对比；

具体的，第二降噪模型中包含有多个噪音情况和各噪音情况对应的降噪算法。第二降噪模型按照多个噪音情况的预置顺序，将当前噪声情况与多个噪音情况进行一一对比，从而确定第二降噪模型中是否存在与当前噪声情况一致的噪音情况。

S160：若当前噪声情况与噪音情况不一致，则对当前噪声情况进行降噪处理，并将当前噪声情况以及将降噪处理作为对应降噪算法保存到第二降噪模型；

具体的，当第二降噪模型中不存在与当前噪声情况一致的噪音情况时，则云服务器130对当前噪声情况进行降噪处理，将上述降噪处理作为对应降噪算法，并将当前噪声情况和对应降噪算法保存到第二降噪模型，以达到对第二降噪模型进行扩展的效果。从而当再次录入的环境噪音与当前噪声情况一致时，云服务器130直接将第二降噪模型中的对应降噪算法传输到充电仓120，从而避免了云服务器130对相同的环境噪音再次进行降噪处理，有效减少了云服务器130的计算量。

S170：若当前噪声情况与噪音情况一致，则根据噪音情况确定对应降噪算法；

具体的，当第二降噪模型中存在第一噪音情况与当前噪声情况一致时，则与第一噪音情况的降噪算法和对应降噪算法一致，则根据第一噪音情况确定对应降噪算法。

S180：云服务器130将对应降噪算法传输至充电仓120；

具体的，云服务器130将对应降噪算法传输至充电仓120，使得充电仓120利用对应降噪算法对当前噪声情况进行降噪处理。

S190：充电仓120将对应降噪算法和当前噪声情况保存到第一降噪模型，并通过对应降噪算法对当前噪声情况进行降噪处理。

具体的，第一降噪模型包括多个可替换算法和多个固定算法。当第一降噪模型中可替换降噪算法的数量小于预存数量时，将对应降噪算法保存到第一降噪模型。当第一降噪模型中可替换降噪算法的数量与预存数量一致时，则先删除第一降噪模型中的一个可替换降噪算法，再将对应降噪算法保存到第一降噪模型中，以对第一降噪模型进行更新，继而当再次录入的环境噪音与当前噪声情况一致时，充电仓120可以直接利用第一降噪模型中的对应降噪算法处理环境噪音，提高了降噪速率。对应降噪算法与当前噪声情况是相匹配的，则不同的当前噪声情况调用不同的对应降噪算法，以对当前噪声情况进行降噪处理，实现了针对不同噪声情况进行降噪处理的目的，达到了较好的降噪效果。

上述实现过程中，首先通过耳机110获取当前噪声情况。然后通过充电仓120将当前噪声情况输入第一降噪模型，第一降噪模型对比当前噪声情况和多个预存噪音，若存在有与当前噪声情况一致的预存噪音，则直接利用该预存噪音对应的预存降噪算法处理当前噪声情况，若不存在与当前噪声情况一致的预存噪音，充电仓120将当前噪声情况传输到云服务器130。通过云服务器130比对当前噪声情况和多个噪音情况，若存在有与当前噪声情况一致的噪音情况，云服务器130将该噪音情况对应的降噪算法传输到充电仓120。若不存在与当前噪声情况一致的噪音情况，云服务器130将当前噪声情况保存到第二降噪模型，并对当前噪声情况进行降噪处理，将该降噪处理作为对应降噪算法保存到第二降噪模型。云服务器130将对应降噪算法传输至充电仓120，充电仓120将对应降噪算法保存到第一降噪模型，以对第一降噪模型进行更新，并利用对应降噪算法处理当前噪声情况。由于对应降噪算法与当前噪声情况是相匹配的，则不同的当前噪声情况调用不同的对应降噪算法，以对当前噪声情况进行降噪处理，实现了针对不同噪声情况，调用与噪声情况相匹配的降噪算法对噪声情况进行降噪处理的目的，达到了较好的降噪效果。

在本实施例的一些实施方式中，上述预存降噪算法包括多个固定降噪算法和多个可替换降噪算法。具体的，第一降噪模型中的多个固定降噪算法是充电仓120出厂时就设置好的，按照固定顺序排列，不能对多个固定降噪算法更换。第一降噪模型可以根据由云服务器130传输而得的对应降噪算法对可替换降噪算法进行更新，达到了对第一降噪模型进行更新的效果。示例性的，第一降噪模型中固定降噪算法的数量可以为20个，可替换降噪算法的预存数量可以为20个。

在本实施例的一些实施方式中，上述第一降噪模型将当前噪声情况与第一降噪模型中预存噪音进行对比的步骤包括：第一降噪模型将当前噪声情况与固定降噪算法处理的预存噪音进行对比，若当前噪声情况与固定降噪算法处理的预存噪音一致，则通过固定降噪算法对当前噪声情况进行降噪处理。若当前噪声情况与固定降噪算法处理的预存噪音不一致，则第一降噪模型将当前噪声情况与可替换降噪算法处理的预存噪音进行比对，若当前噪声情况与可替换降噪算法处理的预存噪音一致，则通过可替换降噪算法对当前噪声情况进行降噪处理。若当前噪声情况与可替换降噪算法处理的预存噪音不一致，则充电仓120将当前噪声情况传输至云服务器130。具体的，当当前噪声情况输入至第一降噪模型时，第一降噪模型首先将当前噪声情况与固定降噪算法处理的预存噪音进行对比，当存在有固定降噪算法处理的预存噪音与当前噪声情况一致时，则利用该预存噪音对应的固定降噪算法处理当前噪声情况。当不存在有预存噪音与当前噪声情况一致时，第一降噪模型再将当前噪声情况与可替换降噪算法处理的预存噪音进行对比。当存在有可替换降噪算法处理的预存噪音与当前噪声情况一致时，则该预存噪音对应的可替换降噪算法处理当前噪声情况。当不存在有可替换降噪算法处理的预存噪音与当前噪声情况一致时，充电仓120将当前噪声情况传输至云服务器130。通过第一降噪模型不断对比当前噪声情况和预存噪音，以确定第一降噪模型中是否存在与当前噪声情况相匹配的预存降噪算法，若存在，充电仓120直接利用与当前噪声情况相匹配的预存降噪算法处理当前噪声情况，不仅提高了降噪速率，而且也保证了得到的对应降噪算法与当前噪声情况相匹配，达到了较好的降噪效果。

在本实施例的一些实施方式中，上述充电仓120将对应降噪算法和当前噪声情况保存到第一降噪模型的步骤包括：若第一降噪模型中可替换降噪算法的数量小于预存数量，则保存对应降噪算法到第一降噪模型。若第一降噪模型中可替换降噪算法的数量与预存数量一致，则删除第一降噪模型中的一个可替换降噪算法，并将对应降噪算法保存到第一降噪模型。具体的，根据可替换降噪算法的数量是否超过预存数量，判断是否删除其中一个可替换降噪算法。将对应降噪算法保存到第一降噪模型，以更新第一降噪模型，继而当再次录入的环境噪音与当前噪声情况一致时，充电仓120可以直接利用第一降噪模型中的对应降噪算法处理环境噪音，提高了降噪速率。

在本实施例的一些实施方式中，若第一降噪模型中可替换降噪算法的数量与预存数量一致，则删除第一降噪模型中的一个可替换降噪算法的步骤包括：比较多个可替换降噪算法的使用次数，删除使用次数最少的可替换降噪算法。具体的，当需要删除一个可替换降噪算法时，第一降噪模型比较多个可替换降噪算法的使用次数，删除使用次数最少的可替换降噪算法。相比于被删除的可替换降噪算法，第一降噪模型中保留的可替换降噪算法都是用户经常使用到的降噪算法，则更新后的第一降噪模型中的预存降噪算法都是跟用户的生活环境匹配的降噪算法。随着日积月累的使用，第一降噪模型将更适应用户的生活环境，则充电仓120处理噪音的速率将会更快，用户的使用舒适感将不断提高。

示例性的，第一降噪模型中第一可替换降噪算法和第二可替换降噪算法的使用次数均可以为一次，第一降噪模型中其余的可替换降噪算法可以为两次。当需要删除一个可替换降噪算法时，第一降噪模型可以根据第一可替换降噪算法和第二可替换降噪算法的预存顺序，删除第一可替换降噪算法或者删除第二可替换降噪算法。

在本实施例的一些实施方式中，若第一降噪模型中可替换降噪算法的数量与预存数量一致，则删除第一降噪模型中的一个可替换降噪算法的步骤包括：根据多个可替换降噪算法存入第一降噪模型的存入顺序，删除最先存入第一降噪模型的可替换降噪算法。具体的，当需要删除一个可替换降噪算法时，可以按照多个可替换降噪算法存入第一降噪模型的存入顺序，将最先存入第一降噪模型的可替换降噪算法删除。

在本实施例的一些实施方式中，上述云服务器130将当前噪声情况输入至训练好的第二降噪模型的步骤之前，方法还包括：建立噪音初始模型。获取样本，样本为多种噪音情况，任一噪音情况对应一种降噪算法。利用样本训练噪音初始模型，以得到训练好的第二降噪模型。具体的，通过多种噪音情况以及各噪音情况对应的降噪算法训练第二降噪模型，可以使得训练好的第二降噪模型对当前噪声情况的识别更为准确。

请参照图2，图2为本申请实施例提供的一种智能耳机降噪系统100的结构框图。一种智能耳机降噪系统100，其包括：耳机110，用于获取当前噪声情况，并将当前噪声情况传输至充电仓120。充电仓120，用于将当前噪声情况输入至第一降噪模型，第一降噪模型将当前噪声情况与第一降噪模型中预存噪音进行对比，若当前噪声情况与预存噪音一致，则通过与预存噪音相对应的预存降噪算法对当前噪声情况进行降噪处理，若当前噪声情况与预存噪音不一致，则将当前噪声情况传输至云服务器130。云服务器130，用于将当前噪声情况输入至训练好的第二降噪模型，第二降噪模型将当前噪声情况与第二降噪模型中的噪音情况进行对比，若当前噪声情况与噪音情况不一致，则对当前噪声情况进行降噪处理，并将当前噪声情况以及将降噪处理作为对应降噪算法保存到第二降噪模型，若当前噪声情况与噪音情况一致，则根据噪音情况确定对应降噪算法，并将对应降噪算法传输至充电仓120。充电仓120还用于将对应降噪算法和当前噪声情况保存到第一降噪模型，并通过对应降噪算法对当前噪声情况进行降噪处理。上述实现过程中，首先通过耳机110获取当前噪声情况。然后通过充电仓120将当前噪声情况输入第一降噪模型，第一降噪模型对比当前噪声情况和多个预存噪音，若存在有与当前噪声情况一致的预存噪音，则直接利用该预存噪音对应的预存降噪算法处理当前噪声情况，若不存在与当前噪声情况一致的预存噪音，充电仓120将当前噪声情况传输到云服务器130。通过云服务器130比对当前噪声情况和多个噪音情况，若存在有与当前噪声情况一致的噪音情况，云服务器130将该噪音情况对应的降噪算法传输到充电仓120。若不存在与当前噪声情况一致的噪音情况，云服务器130将当前噪声情况保存到第二降噪模型，并对当前噪声情况进行降噪处理，将该降噪处理作为对应降噪算法保存到第二降噪模型。云服务器130将对应降噪算法传输至充电仓120，充电仓120将对应降噪算法保存到第一降噪模型，以对第一降噪模型进行更新，并利用对应降噪算法处理当前噪声情况。由于对应降噪算法与当前噪声情况是相匹配的，则不同的当前噪声情况调用不同的对应降噪算法，以对当前噪声情况进行降噪处理，实现了针对不同噪声情况，调用与噪声情况相匹配的降噪算法对噪声情况进行降噪处理的目的，达到了较好的降噪效果。

请参照图3，图3为本申请实施例提供的电子设备的一种示意性结构框图。电子设备包括存储器101、处理器102和通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，如本申请实施例所提供的一种智能耳机降噪系统100对应的程序指令/模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。

其中，存储器101可以是但不限于，随机存取存储器101(Random Access Memory，RAM)，只读存储器101(Read Only Memory，ROM)，可编程只读存储器101(ProgrammableRead-Only Memory，PROM)，可擦除只读存储器101(Erasable Programmable Read-OnlyMemory，EPROM)，电可擦除只读存储器101(Electric Erasable Programmable Read-OnlyMemory，EEPROM)等。

处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器102，包括中央处理器102(Central Processing Unit，CPU)、网络处理器102(Network Processor，NP)等；还可以是数字信号处理器102(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

可以理解，图3所示的结构仅为示意，电子设备还可包括比图3中所示更多或者更少的组件，或者具有与图3所示不同的配置。图3中所示的各组件可以采用硬件、软件或其组合实现。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、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。在这点上，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，所述模块、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方式中，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，两个连续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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动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。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能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，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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器101(ROM，Read-Only Memory)、随机存取存储器101(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

综上所述，本申请实施例提供的一种智能耳机降噪方法及系统，包括如下步骤：耳机110获取当前噪声情况，并将当前噪声情况传输至充电仓120。充电仓120将当前噪声情况输入至第一降噪模型，第一降噪模型将当前噪声情况与第一降噪模型中预存噪音进行对比。若当前噪声情况与预存噪音一致，则通过与预存噪音相对应的预存降噪算法对当前噪声情况进行降噪处理。若当前噪声情况与预存噪音不一致，则充电仓120将当前噪声情况传输至云服务器130。云服务器130将当前噪声情况输入至训练好的第二降噪模型，第二降噪模型将当前噪声情况与第二降噪模型中的噪音情况进行对比。若当前噪声情况与噪音情况不一致，则对当前噪声情况进行降噪处理，并将当前噪声情况以及将降噪处理作为对应降噪算法保存到第二降噪模型。若当前噪声情况与噪音情况一致，则根据噪音情况确定对应降噪算法。云服务器130将对应降噪算法传输至充电仓120。充电仓120将对应降噪算法和当前噪声情况保存到第一降噪模型，并通过对应降噪算法对当前噪声情况进行降噪处理。具体的，首先通过耳机110获取当前噪声情况。然后通过充电仓120将当前噪声情况输入第一降噪模型，第一降噪模型对比当前噪声情况和多个预存噪音，若存在有与当前噪声情况一致的预存噪音，则直接利用该预存噪音对应的预存降噪算法处理当前噪声情况，若不存在与当前噪声情况一致的预存噪音，充电仓120将当前噪声情况传输到云服务器130。通过云服务器130比对当前噪声情况和多个噪音情况，若存在有与当前噪声情况一致的噪音情况，云服务器130将该噪音情况对应的降噪算法传输到充电仓120。若不存在与当前噪声情况一致的噪音情况，云服务器130将当前噪声情况保存到第二降噪模型，并对当前噪声情况进行降噪处理，将该降噪处理作为对应降噪算法保存到第二降噪模型。云服务器130将对应降噪算法传输至充电仓120，充电仓120将对应降噪算法保存到第一降噪模型，以对第一降噪模型进行更新，并利用对应降噪算法处理当前噪声情况。由于对应降噪算法与当前噪声情况是相匹配的，则不同的当前噪声情况调用不同的对应降噪算法，以对当前噪声情况进行降噪处理，实现了针对不同噪声情况，调用与噪声情况相匹配的降噪算法对噪声情况进行降噪处理的目的，达到了较好的降噪效果。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种智能耳机降噪方法，其特征在于，包括如下步骤：

耳机获取当前噪声情况，并将所述当前噪声情况传输至充电仓；

充电仓将当前噪声情况输入至第一降噪模型，所述第一降噪模型将所述当前噪声情况与所述第一降噪模型中预存噪音进行对比；

若所述当前噪声情况与所述预存噪音一致，则通过与所述预存噪音相对应的预存降噪算法对所述当前噪声情况进行降噪处理；

若所述当前噪声情况与所述预存噪音不一致，则充电仓将所述当前噪声情况传输至云服务器；

云服务器将所述当前噪声情况输入至训练好的第二降噪模型，所述第二降噪模型将所述当前噪声情况与所述第二降噪模型中的噪音情况进行对比；

若所述当前噪声情况与所述噪音情况不一致，则对所述当前噪声情况进行降噪处理，并将所述当前噪声情况以及将所述降噪处理作为对应降噪算法保存到所述第二降噪模型；

若所述当前噪声情况与所述噪音情况一致，则根据所述噪音情况确定所述对应降噪算法；

云服务器将所述对应降噪算法传输至充电仓；

充电仓将所述对应降噪算法和所述当前噪声情况保存到所述第一降噪模型，并通过所述对应降噪算法对所述当前噪声情况进行降噪处理。

2.根据权利要求1所述的智能耳机降噪方法，其特征在于，所述预存降噪算法包括多个固定降噪算法和多个可替换降噪算法。

3.根据权利要求2所述的智能耳机降噪方法，其特征在于，所述第一降噪模型将所述当前噪声情况与所述第一降噪模型中预存噪音进行对比的步骤包括：

所述第一降噪模型将所述当前噪声情况与所述固定降噪算法处理的预存噪音进行对比，若所述当前噪声情况与所述固定降噪算法处理的预存噪音一致，则通过所述固定降噪算法对所述当前噪声情况进行降噪处理；

若所述当前噪声情况与所述固定降噪算法处理的预存噪音不一致，则所述第一降噪模型将所述当前噪声情况与所述可替换降噪算法处理的预存噪音进行比对，若所述当前噪声情况与所述可替换降噪算法处理的预存噪音一致，则通过所述可替换降噪算法对所述当前噪声情况进行降噪处理；

若所述当前噪声情况与所述可替换降噪算法处理的预存噪音不一致，则充电仓将所述当前噪声情况传输至云服务器。

4.根据权利要求2所述的智能耳机降噪方法，其特征在于，所述充电仓将所述对应降噪算法和所述当前噪声情况保存到所述第一降噪模型的步骤包括：

若所述第一降噪模型中所述可替换降噪算法的数量小于预存数量，则保存所述对应降噪算法到所述第一降噪模型；

若所述第一降噪模型中所述可替换降噪算法的数量与所述预存数量一致，则删除所述第一降噪模型中的一个所述可替换降噪算法，并将所述对应降噪算法保存到所述第一降噪模型。

5.根据权利要求4所述的智能耳机降噪方法，其特征在于，若所述第一降噪模型中所述可替换降噪算法的数量与所述预存数量一致，则删除所述第一降噪模型中的一个所述可替换降噪算法的步骤包括：

比较多个所述可替换降噪算法的使用次数，删除所述使用次数最少的所述可替换降噪算法。

6.根据权利要求4所述的智能耳机降噪方法，其特征在于，若所述第一降噪模型中所述可替换降噪算法的数量与所述预存数量一致，则删除所述第一降噪模型中的一个所述可替换降噪算法的步骤包括：

根据多个可替换降噪算法存入所述第一降噪模型的存入顺序，删除最先存入所述第一降噪模型的所述可替换降噪算法。

7.根据权利要求1所述的智能耳机降噪方法，其特征在于，所述云服务器将所述当前噪声情况输入至训练好的第二降噪模型的步骤之前，所述方法还包括：

建立噪音初始模型；

获取样本，所述样本为多种噪音情况，任一所述噪音情况对应一种降噪算法；

利用所述样本训练所述噪音初始模型，以得到训练好的第二降噪模型。

8.一种智能耳机降噪系统，其特征在于，包括：

耳机，用于获取当前噪声情况，并将所述当前噪声情况传输至充电仓；

充电仓，用于将当前噪声情况输入至第一降噪模型，所述第一降噪模型将所述当前噪声情况与所述第一降噪模型中预存噪音进行对比，若所述当前噪声情况与所述预存噪音一致，则通过与所述预存噪音相对应的预存降噪算法对所述当前噪声情况进行降噪处理，若所述当前噪声情况与所述预存噪音不一致，则将所述当前噪声情况传输至云服务器；

云服务器，用于将所述当前噪声情况输入至训练好的第二降噪模型，所述第二降噪模型将所述当前噪声情况与所述第二降噪模型中的噪音情况进行对比，若所述当前噪声情况与所述噪音情况不一致，则对所述当前噪声情况进行降噪处理，并将所述当前噪声情况以及将所述降噪处理作为对应降噪算法保存到所述第二降噪模型，若所述当前噪声情况与所述噪音情况一致，则根据所述噪音情况确定所述对应降噪算法，并将所述对应降噪算法传输至充电仓；

所述充电仓还用于将所述对应降噪算法和所述当前噪声情况保存到所述第一降噪模型，并通过所述对应降噪算法对所述当前噪声情况进行降噪处理。

9.一种电子设备，其特征在于，包括：

存储器，用于存储一个或多个程序；

处理器；

当所述一个或多个程序被所述处理器执行时，实现如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。

Images