CN113779667B - 公共建筑广播系统设计方法和装置 - Google Patents

公共建筑广播系统设计方法和装置 Download PDF

Info

Publication number
CN113779667B
CN113779667B CN202110956979.XA CN202110956979A CN113779667B CN 113779667 B CN113779667 B CN 113779667B CN 202110956979 A CN202110956979 A CN 202110956979A CN 113779667 B CN113779667 B CN 113779667B
Authority
CN
China
Prior art keywords
design
acoustic
parameters
model
scheme
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
CN202110956979.XA
Other languages
English (en)
Other versions
CN113779667A (zh
Inventor
田恺
彭维英
张艳春
邓世勇
王子渊
李宝
宗力群
李金隆
张育萍
赵元初
杨广宁
王振宇
廖云保
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.)
China Railway Fifth Survey and Design Institute Group Co Ltd
Original Assignee
China Railway Fifth Survey and Design Institute Group 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 China Railway Fifth Survey and Design Institute Group Co Ltd filed Critical China Railway Fifth Survey and Design Institute Group Co Ltd
Priority to CN202110956979.XA priority Critical patent/CN113779667B/zh
Publication of CN113779667A publication Critical patent/CN113779667A/zh
Application granted granted Critical
Publication of CN113779667B publication Critical patent/CN113779667B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/20—Design reuse, reusability analysis or reusability optimisation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Architecture (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Building Environments (AREA)

Abstract

本申请提供一种公共建筑广播系统设计方法和装置，方法包括：根据公共建筑结构构建空间结构约束模型；分别将多个样本设计方案中的音响设计参数和空间结构约束模型组合，得到系统仿真模型；对各个系统仿真模型进行声学仿真，获取表征各个样本设计方案的声学特征参数；根据各个样本设计方案和对应的声学特征参数进行统计建模，构建回归模型；根据回归模型确定满足设计指标的可能设计方案，以及在可能设计方案中选定实际采用的设计方案。前述方案通过大量的方案评价建立回归模型，并通过回归模型预估子公共建筑结构中确定出的最优方案，实现广播系统方案的尽可能最优，发掘了广播系统声学优化的潜力。

Description

公共建筑广播系统设计方法和装置
技术领域
本申请涉及声音处理技术领域，具体涉及一种公共建筑广播系统设计方法和装置。
背景技术
公共建筑广播系统采用通过广播方式向位于建筑物内的人员提供信息。以交通枢纽等公共建筑为例，其广播系统是公共建筑旅客服务系统的核心组成部分，为旅客提供购票、进站、候车、出站等信息的提示，以及为枢纽工作人员提供生产信息指引。
广播系统与公共建筑结构的适配性直接影响广播系统的服务效果。一方面，广播系统应当使得其广播声音具有良好的强度和清晰度，以使得将声音信息清晰地传达给位于公共建筑内的人员，另一方面则需要尽可能的降低声音强度，以避免因为声压轻度过高造成人员精神紧张和舒适度下降。
目前，对公共建筑广播系统的设计是人工进行音响布点设计和音响参数选定；随后，在采用辅助化设计手段对音响布局设计和音响参数的选定质量进行测试评估，并根据测试评估结果确定影响布点设计和参数选定是否达到技术指标。如果达到技术指标，则选择决策效果较好的布点设计和音响参数方案；如果没有一个技术方案达到技术指标，则再调整音响布点设计和音响参数，并重复上述步骤，直至满足要求，并将满足要求的设计方案作为最终设计方案。
发明内容
基于对现有技术方案的分析发现的问题，本申请提供一种公共建筑广播系统设计方法。
一方面，本申请提供一种公共建筑广播系统设计方法，包括：
根据公共建筑结构构建空间结构约束模型；
分别将多个样本设计方案中的音响设计参数和所述空间结构约束模型组合，得到系统仿真模型；所述音响设计参数包括声源位置、声源指向性和所述声源的声学参数；
对各个所述系统仿真模型进行声学仿真，获取表征各个样本设计方案的声学特征参数；
根据各个所述样本设计方案和对应的声学特征参数进行统计建模，构建回归模型；
根据所述回归模型确定满足设计指标的可能设计方案，以及在可能设计方案中选定实际采用的设计方案。
可选地，对各个所述系统仿真模型进行声学仿真，获取表征各个样本设计方案的声学特征参数，包括：
在所述空间结构约束模型中选取多个声音接受点；
对各个所述系统仿真模型进行声学仿真，获取各个所述声音接受点的声学特征参数；
根据各个所述声音接受点的声学特征参数，计算表征对应所述样本设计方案的声学特征参数。
可选地，在所述空间结构约束模型中选取声音接受点，包括：
根据所述公共建筑的结构、区域功能划分和基础设施布局选取所述声音接受点。
可选地，根据各个所述声音接受点的声学特征参数，计算表征对应所述样本设计方案的声学特征参数，包括：
根据各个所述声音接受点的功能划分和基础设置布局确定特征权重；
根据各个声音接受点的声学特征参数和对应的特征权重，累加得到表征对应所述样本设计方案的声学特征参数。
可选地，根据公共建筑结构构建空间结构约束模型，包括：
根据公共建筑结构构建完整结构约束模型；
对所述完整结构约束模型进行简化，得到所述空间结构约束模型。
可选地，所述声学特征参数的数量为多个；
根据所述回归模型确定满足设计指标的可能设计方案，以及在可能设计方案中选定实际采用的设计方案，包括：
确定所有声学特征参数均满足设计指标的可能设计方案；
根据选取的所述可能设计方案和所述空间结构约束模型，计算选取的所述可能设计方案的声学特征参数；
采用所述选取的所述可能设计方案的所有声学特征参数计算形体音质参数偏离度；
选择所述形体音质参数偏离度最小的所述可能设计方案作为实际采用的设计方案。
另一方面，本申请提供一种公共建筑广播系统设计装置，包括：
空间约束模型构建单元，用于根据公共建筑结构构建空间结构约束模型；
仿真模型构建单元，用于分别将多个样本设计方案中的音响设计参数和所述空间结构约束模型组合，得到系统仿真模型；所述音响设计参数包括声源位置、声源指向性和所述声源的声学参数；
仿真评价单元，用于对各个所述系统仿真模型进行声学仿真，获取表征各个样本设计方案的声学特征参数；
回归模型构建单元，用于根据各个所述样本设计方案和对应的声学特征参数进行统计建模，构建回归模型；
设计方案选定单元，用于根据所述回归模型确定满足设计指标的可能设计方案，以及在可能设计方案中选定实际采用的设计方案。
可选地，所述声学特征参数的数量为多个；所述设计方案选定单元包括：
方案范围选定子单元，用于确定所有声学特征参数均满足设计指标的可能设计方案；
可能方案选定子单元，用于根据选取的所述可能设计方案和所述空间结构约束模型，计算选取的所述可能设计方案的声学特征参数；
偏离度计算子单元，用于采用所述选取的所述可能设计方案的所有声学特征参数计算形体音质参数偏离度；
设计方案选定子单元，用于选择所述形体音质参数偏离度最小的所述可能设计方案作为实际采用的设计方案。
本申请提供的广播系统设计方法和装置，没有在人工经验设计的方案中直接选择某一方案作为最终的选定方案，而是在通过大量的方案评价建立回归模型，并通过回归模型预估子公共建筑结构中确定出的最优方案，实现广播系统方案的尽可能最优，发掘了广播系统声学优化的潜力。
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。
为了更清楚地说明本申请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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图；
图1是本申请实施例提供的公共建筑广播设计方法流程图；
图2是本申请一实施例确定最优设计方案的流程图；
图3是本申请实施例提供的公共建筑广播系统设计装置结构示意图；
图4是本申请实施例提供的电子设备的结构示意图；
其中：11-空间约束模型构建单元11，12-仿真模型构建单元、仿真13-评价单元，14-回归模型构建单元，15-设计方案选定单元，21-处理器，22-存储器，23-通信接口，24-总线系统。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点，下面将对本申请的方案进行进一步描述。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申请，但本申请还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本申请的一部分实施例，而不是全部的实施例。
在对本申请实施例提供的公共建筑广播系统设计方法和装置进行说明前，首先基于现有技术设计方法对其可能存在的问题做分析。
现有技术提供的广播系统设计方法，采用了经验设计加模型测试的方法，在经验设计后通过模型仿真测试确定评价参数，基于评价参数确定经验设计方案是否满足指标要求，如果设计方案满足指标要求采用确定的设计方案，而如果没有达标需要重新进行经验设计并重复执行前述步骤。
采用前述的设计方法，可能带来两个问题：(1)最终确定的设计方案可能满足设计要求，但是此设计方案可能并不是所有满足要求的设计方案中较优的或者最优的设计方案；也就是采用前述设计方法，可能没有充分发掘广播系统声学优化的潜力；(2)在一些具体实施中，可能需要多次循环才能达到满足指标要求的设计方案，消耗过多时间而影响系统进度。
为了解决前述的至少一个问题，本申请实施例提供一种全新思路的公共建筑广播系统设计方法。图1是本申请实施例提供的公共建筑广播设计方法流程图；如图1所示，本申请实施例提供的方法包括步骤S101-S105。
S101：根据公共建筑结构构建空间结构约束模型。
本申请实施例中，公共建筑可能是已经建设完成的建筑物，也可能是处在项目设计阶段并且已经完成结构设计的建筑群。
为了能够根据公共建筑结构构建空间约束模型，首先需要基于公共建筑结构确定数字化的结构设计图；实际应用中，数据化的结构设计图可以是二维结构设计图，也可以是三维结构的设计图，优选采用三维结构的设计图。
根据公共建筑结构构建空间结构约束模型，可以不考虑公共建筑结构的承重受力特性，而仅考虑公共建筑构的内侧面结构特性，构建空间结构约束模型，即空间结构约束模型实质上是表征公共建筑内容空间形态的模型。例如，如果公共建筑为一个火车站，则空间结构约束模型为火车站的站房内部空间结构。
当然，为了考虑声音的反射和吸收特性，空间结构约束模型还需要考虑公共建筑的内侧装饰所用材料特性，例如包括侧墙吸声参数、吊顶吸声参数、后墙吸声参数。
本申请实施例具体应用中，可以采用元胞自动机、遗传算法或者多代理系统算法，基于公共建筑的结构和内侧装饰材料特性参数，构建完成结构约束模型。
在实际应用中，也可以根据公共建筑的环境参数，例如空气湿度、空气温度等引入到空间结构约束模型，以使得模型更符合实际情况。
在本申请实施例的具体应用中，采用公共建筑结构构建出的空间结构约束模型的局部细节十分复杂，而此类细节局部条件会使得后续步骤处理计算量很大，并且对计算结果并不会产生过多影响。为减小后续数据处理的运算量，可以根据公共建筑结构构建出完整结构约束模型，而后再根据设定的模型简化策略对完整结构约束模型进行简化，去除对结果计算影响不大的细节部分，得到简化的空间结构约束模型。
S102：分别将多个样本设计方案中的音响设计参数和空间结构约束模型组合，得到系统仿真模型。
本申请实施例中，音响设计参数可以包括音响的声源位置、声源指向性和声源的声学参数等对广播音质产生影响的参数。
在执行步骤S102前，需要首先获取多个样本设计方案；实际应用中，样本设计方案可以是在设定约束条件的情况下，枚举确定出的设计方案，也可以是有人员基于对公共建筑的空间结构约束模型和影响的特征参数等，人工设定的设计方案。
应当注意的是，不管是前述何种方式设计的方案，应当使得多个样本设计方案之间具有相对显著的差异。例如在样本设计方案较多的情况下，样本设计方案应当体现将声源位置改变、声源指向性改变和声学参数之间的差异性。
在本申请实施例中，为了能够尽可能地使得样本设计方案具有可预测性，可以首先由人员设计几个可能的样本设计方案，再通过仿真学习的方式或者参数替换的方式枚举出其他的样本设计方案。
S103：对各个系统仿真模型进行声学仿真，获取表征各个样本设计方案的声学特征参数。
步骤S103中，对各个系统仿真模型进行声学仿真，是向系统施加声音激励，并以音响设计参数和空间结构约束模型为约束，采用模拟仿真的方法确定声音在空间中的传输特性，并基于声音的传输特性确定声学特征参数。
本申请实施例中，对系统仿真模型进行声学仿真，可以采用CATT等声学仿真软件进行声学特征仿真而确定声学特征参数。
根据声音的波动传播特性、反射特性和折射特性可知，在不同的观测地点和/或不同的时间点，确定出声音振动特性并不相同。为了能够确定声学特征参数，需要首先确定声音接受点，在声音接受点处接受一段时间内的声波振动特性而确定声学特征参数。
在本申请实施例中，为了能够得到较为合理地评价系统仿真模型的声学特征模型，步骤S103可以包括步骤S1031-S1033。
S1031：在空间结构约束模型中选取多个声音接受点。
本申请实施例中，空间结构约束模型实质上是一三维模型，则多个声音接受点可以采用三维坐标表示。应当注意的是，声音接受点的坐标范围应当在空间结构约束模型确定的范围内。
实际应用中，考虑到诸如火车站等一类公共建筑的作用是实现出行旅客的汇集和到站旅客的分散，公共建筑会设置不同的功能区域，并在不同的功能区域设置不同的基础设施，因此可以根据公共建筑的结构、区域功能划分和基础设施布局选取声音接受点。
例如，在一个实施例中，公共建筑为火车站，其包括候车大厅、候车排队区域、车站站台、到站出口、卫生辅助设施、餐饮辅助设施和各种类型的工作间。为了使得较为合理地得到评价各个系统仿真模型的声学特征参数，可以在前述各个功能区域分别设置声音接受点。
考虑不同的功能区部署的设备、位于不同功能区域的人员所处的姿态也不同，还可以根据不同功能区部署的基础设施、以及人员姿态确定各个功能区域实际声音接受点坐标。例如在候车大厅，布置有大量的座椅，旅客多坐在座椅上候车，此时可以将候车大厅中的声音接受点的高度坐标设置在旅客坐在座椅上时对应的耳部高度坐标范围内；而在车站站台、到站出口等区域，旅客多处于站立状态，此时可以将旅客站立时对应的耳部高度坐标作为声音接受点的坐标。
S1032：对各个系统仿真模型进行声学仿真，获取各个声音接受点的声学特征参数。
步骤S1032即是采用声学仿真软件进行声学特征仿真而确定各个声音接受点的声学特征参数。
S1033：根据各个声音接受点的声学特征参数，计算表征对应样本设计方案的声学特征参数。
本申请实施例中，可以采用预先设定的策略，基于各个声音接受点的声学特征参数，计算对应样本设计方案的设计特征参数。
例如，在一个应用中，可以预先设定各个声音接受点的加权权重，采用加权权重和对应的声学特征参数相乘得到修正参数，并将修正参数累加而得到样本设计方案的声学特征参数。
具体应用中，各个声音接受点的加权权重可以通过根据各个声音接受点附近可能的人口密度确定。例如，在公共建筑为交通枢纽的情况下，在其候车大厅、车站站台等人口密度很大的区域，可以设置较高的加权权重；而在餐饮辅助设施或者工作人员工作场所等区域，可以设置较小的加权权重。
再如，在另一应用中，可以将各个声音接受点中质量最差的声学特征参数确定样本设计方案的声学特征参数。
本申请实施例具体应用中，声学特征参数可以包括混响时间(Reverberationtime，RT)、早期衰变时间(Early decay time，EDT)、双耳脉冲响应(Binaural impulseresponse，BQI)、强度因子(G)、初始时间间隔及明晰度(C80)中的至少一种。
应当注意的是，在步骤S103中计算各个声学特征参数应当是独立的。
S104：根据各个样本设计方案和对应的声学特征参数进行统计建模，构建回归模型。
本申请实施例中，不同的样本设计方案下得到了不同的声学特征参数，而样本设计方案中音响设计参数是造成形成不同声学特征参数的原因，二者可能具有关联关系。
基于前述假设，本申请实施例步骤S104中基于样本设计方案和声学特征参数，查找二者之间的相互依赖关系，并进行假设检验，在假设检验通过的情况的下构建出回归模型。
本申请实施例中，考虑到样本设计方案中包括声源位置、声源指向性和声源的声学参数三个输入变量，而对应可以包括多个输出变量，本申请实施例中可以采用多元回归分析算法建立回归分析模型，继而确定样本设计方案和声学特性之间的关联关系。
在本申请实施例的一个应用中，步骤S104采用了多元适应回归样条算法(MultivariateAdaptive Regression Splines)建立了回归模型，具体的，通过多元适应回归样条算法建立其音响设计参数和声学特征参数之间的回归函数，并利用回归函数作为回归模型。
首先对各个设计方案中的音响设计参数和各个设计方案对应的声学特征参数进行归一化处理，得到归一化处理的音响设计参数向量和声学特征参数向量。具体的，分别对各个设计方案中声源位置、声源指向性和声源的声学参数分别进行归一化处理，得到归一化处理的音响设计参数向量。分别对各个设计方案进行仿真得到的混响时间、早期衰变时间、双耳脉冲响应、强度因子初始时间间隔及明晰度进行归一化处理，得到归一化处理的声学特征参数向量。
本公开实施例中，一个设计方案对应的音响设计参数向量和声学特征参数向量作为一个样本，而得到多个样本。多个样本被划分为训练用样本和测试用样本。
随后，采用多元适应回归样条算法中的正向处理步骤，对音响设计参数向量中在归一化区间内进行区间分段，采用训练用的样本数据对每一分段区间内的基本函数进行拟合，并通过合理地设计基本函数，保证基本函数在分段节点处的连续性，得到训练的回归函数。
回归函数可以采用表示，x为音响设计参数向量，M为分段区间的数量，Bm(x)为基本函数，am为基本函数的系数。
基本函数可以采用表示。/>为指数为q的基本函数，Km为分段区间中的子节点数量，skm＝±1(根据与子节点的位置关系取值，右侧取+1，左侧取-1)，tkm为子节点处音响设计参数向量的取值，q为基本函数的指数(一般基本函数多为样条函数，q多设置为4使得基本函数为三次样条函数)。
在拟合过程中，通过不断尝试不同的子节点数量和子节点的取值，直到得到的回归函数的残差取得最小值。
再后，进行反向步骤，采用测试用样本对回归模型贡献较小的子节点逐渐剔除，得到简化的拟合模型。
最后，采用预设的评价方法对反向步骤获得的简化的拟合模型进行评价，在评价值大于设定阈值的情况下，将简化后的拟合模型作为回归模型。评价方法可以采用决定系数法、剩余标准偏差法等本领域已知的评价方法。
S105：根据回归模型确定满足设计指标的可能设计方案，以及在可能设计方案中选定实际采用的设计方案。
在前述的步骤S104确定了回归模型后，利用回归模型可以预测在设置不同的音响设计参数后会得到何种声学特征参数。
而通过声学特征参数和设计指标进行比对，可以确定哪些音响设计参数可以被作为可能设计方案；而通过各种声学特征参数对应的音响设计参数进行横向比对，可以确定哪一可能设计方案可以为最优的设计方案。
图2是本申请一实施例确定最优设计方案的流程图。如图4所示在声学特征参数为多个的情况下，步骤S105的执行方法可以包括步骤S1051-S1054。
S1051：确定所有声学特征参数均满足设计指标的可能设计方案。
步骤S1051中，确定所有声学特征参数均满足设计指标的可能设计方案，是基于设计指标为依据，反向计算出所有的音响设计参数，此音响设计参数即为可能设计方案。
S1052：根据选取的可能设计方案和空间结构约束模型，计算选取的可能设计方案的声学特征参数。
因为前述的回归模型仅是一种预测模型，其并不一定具有良好的参数，因此还需要对选取的可能设计方案进行正向验证，获取可能设计方案的声学特征参数。
如果选择可能设计方案的声学特征参数符合设计指标，并且较优，则可以基于选取的可能设计方案继续执行后续步骤；而如果选择的可能设计方案并不好，则可以丢弃可能设计方案；在较多的可能设计方案对应的声学特征参数均不符合设计指标的情况下，甚至可以否定前述的回归模型的合理性。
S1053：采用选取的可能设计方案的所有声学特征参数计算形体音质参数偏离度。
在采用多个声学特征参数评价模型的情况下，本申请实施例提供的方案还会对各个声学特征参数进行归一化处理，并基于归一化处理结果累加得到形体音质参数偏离度。
对各个声学特征参数进行归一化处理的方法为获取某一声学特征参数推荐范围的上限αmaxj、下限αminj和中间值αmidj，其中j代表了第j个声学特征参数，随后采用可能设计方案计算得到的声学特征参数按照下述公式计算得到对应的形体音质参数偏离度。
公式中，n代表了声学特征参数的数量，αdm为形体音质参数偏离度。
S1054：选择形体音质参数偏离度最小的可能设计方案作为实际采用的设计方案。
根据前述公式，如果形体音质参数偏离度最小，则表征其所有声学特征参数靠近对应的中间值的程度越好，此时采用方案使得各种声学特征参数均较为合理，因此优选将此设计方案作为实际采用的设计方案。
通过前文的步骤S101-S105分析，本申请实施例提供的广播系统设计方法，并没有在人工经验设计的方案中直接选择某一方案作为最终的选定方案，而是在通过大量的方案评价建立回归模型，并通过回归模型预估子公共建筑结构中确定出的最优方案，实现广播系统方案的尽可能最优，发掘了广播系统声学优化的潜力。
在一些应用中，采用较短时间就可以得到满足设计指标的方案，避免采用前文提及的多次重复设计的方法造成的时间浪费。
本申请实施例还提供一种公共建筑广播系统设计装置，设计装置与前述的设计方法采用相同的发明构思。图3是本申请实施例提供的公共建筑广播系统设计装置结构示意图。如图3所示，设计装置包括空间约束模型构建单元11、仿真模型构建单元12、仿真评价单元13、回归模型构建单元14和设计方案选定单元15。
空间约束模型构建单元11用于根据公共建筑结构构建空间结构约束模型。
本申请实施例具体应用中，仿真模型构建单元12可以采用元胞自动机、遗传算法或者多代理系统算法，基于公共建筑的结构和内侧装饰材料特性参数，构建完成结构约束模型。
在本申请实施例的具体应用中，采用公共建筑结构构建出的空间结构约束模型的局部细节十分复杂，而此类细节局部条件会使得后续步骤处理计算量很大，并且对计算结果并不会产生过多影响；为此，在实际应用中，空间约束模型构建单元11可以根据公共建筑结构构建出完整结构约束模型，而后再根据设定的模型简化策略对完整结构约束模型进行简化，去除对结果计算影响不大的细节部分，而得到简化的空间结构约束模型
仿真模型构建单元12用于分别将多个样本设计方案中的音响设计参数和空间结构约束模型组合，得到系统仿真模型；音响设计参数包括声源位置、声源指向性和声源的声学参数。
在本申请实施例中，为了能够尽可能地使得样本设计方案具有可预测性，可以首先有人员设计几个可能的样本设计方案，再通过仿真学习的方式或者参数替换的方式枚举出其他的样本设计方案。
仿真评价单元13用于对各个系统仿真模型进行声学仿真，获取表征各个样本设计方案的声学特征参数。
仿真评价单元13可以采用CATT等声学仿真软件进行声学特征仿真而确定声学特征参数。
在一些应用中，仿真评价单元13可以基于一定条件，在空间中选取多个声音接受点；随后对各个系统仿真模型进行声学仿真，获取各个声音接受点的声学特征参数；最后，再根据各个声音接受点的声学特征参数，计算表征对应样本设计方案的声学特征参数。
回归模型构建单元14用于根据各个样本设计方案和对应的声学特征参数进行统计建模，构建回归模型。
回归模型构建单元14可以采用多元回归分析算法或者替代算法建立多元多重回归分析模型，继而确定样本设计方案和声学特性之间的关联关系，继而建立回归模型。
设计方案选定单元15用于根据回归模型确定满足设计指标的可能设计方案，以及在可能设计方案中选定实际采用的设计方案。
在本申请实施例一些应用中，声学特征参数的数量为多个；设计方案选定单元15包括：
方案范围选定子单元，用于确定所有声学特征参数均满足设计指标的可能设计方案；
可能方案选定子单元，用于根据选取的可能设计方案和空间结构约束模型，计算选取的可能设计方案的声学特征参数；
偏离度计算子单元，用于采用选取的可能设计方案的所有声学特征参数计算形体音质参数偏离度；
设计方案选定子单元，用于选择形体音质参数偏离度最小的可能设计方案作为实际采用的设计方案。
本申请实施例提供的广播系统设计装置通过大量的方案评价建立回归模型，并通过回归模型预估子公共建筑结构中确定出的最优方案，实现广播系统方案的尽可能最优，发掘了广播系统声学优化的潜力。
基于前述的发明构思，本申请还提供一种电子设备。图4是本申请实施例提供的电子设备的结构示意图。如图4所示，第一服务器包括至少一个处理器21、至少一个存储器22和至少一个通信接口23。通信接口23，用于与外部设备之间的信息传输。
第一服务器中的各个组件通过总线系统24耦合在一起。可理解地，总线系统24用于实现这些组件之间的连接通信。总线系统24除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但为了清楚说明起见，在图4中将各种总线都标为总线系统24。
可以理解，本实施例中的存储器22可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。在一些实施方式中，存储器22存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。
其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础任务以及处理基于硬件的任务。应用程序，包含各种应用程序，例如媒体播放器(MediaPlayer)、浏览器(Browser)等，用于实现各种应用任务。实现本公开实施例提供的公共建筑广播系统设计方法的程序可以包含在应用程序中。
在本公开实施例中，处理器21通过调用存储器22存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器21用于执行本公开实施例提供的公共建筑广播系统设计方法的各个步骤。
本公开实施例提供的公共建筑广播系统设计方法可以应用于处理器21中，或者由处理器21实现。处理器21可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器21中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器21可以是通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecific IntegratedCircuit，ASIC)、现成可编程门阵列(FieldProgrammableGateArray，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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本公开实施例提供的公共建筑广播系统设计方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器22，处理器21读取存储器22中的信息，结合其硬件完成方法的步骤。
本公开实施例还提出一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储程序或指令，程序或指令使计算机执行公共建筑广播系统设计方法的步骤各实施例的步骤，为避免重复描述，在此不再赘述。
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，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，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种公共建筑广播系统设计方法，其特征在于，包括：
根据公共建筑结构构建空间结构约束模型；
分别将多个样本设计方案中的音响设计参数和所述空间结构约束模型组合，得到系统仿真模型；所述音响设计参数包括声源位置、声源指向性和所述声源的声学参数；
对各个所述系统仿真模型进行声学仿真，获取表征各个样本设计方案的声学特征参数；
根据各个所述样本设计方案和对应的声学特征参数进行统计建模，构建回归模型；
根据所述回归模型确定满足设计指标的可能设计方案，以及在可能设计方案中选定实际采用的设计方案。
2.根据权利要求1所述公共建筑广播系统设计方法，其特征在于，对各个所述系统仿真模型进行声学仿真，获取表征各个样本设计方案的声学特征参数，包括：
在所述空间结构约束模型中选取多个声音接受点；
对各个所述系统仿真模型进行声学仿真，获取各个所述声音接受点的声学特征参数；
根据各个所述声音接受点的声学特征参数，计算表征对应所述样本设计方案的声学特征参数。
3.根据权利要求2所述公共建筑广播系统设计方法，其特征在于，在所述空间结构约束模型中选取声音接受点，包括：
根据所述公共建筑的结构、区域功能划分和基础设施布局选取所述声音接受点。
4.根据权利要求3所述公共建筑广播系统设计方法，其特征在于，根据各个所述声音接受点的声学特征参数，计算表征对应所述样本设计方案的声学特征参数，包括：
根据各个所述声音接受点的功能划分和基础设置布局确定特征权重；
根据各个声音接受点的声学特征参数和对应的特征权重，累加得到表征对应所述样本设计方案的声学特征参数。
5.根据权利要求1所述公共建筑广播系统设计方法，其特征在于，根据公共建筑结构构建空间结构约束模型，包括：
根据公共建筑结构构建完整结构约束模型；
对所述完整结构约束模型进行简化，得到所述空间结构约束模型。
6.根据权利要求1-5任一项所述的公共建筑广播系统设计方法，其特征在于，所述声学特征参数的数量为多个；
根据所述回归模型确定满足设计指标的可能设计方案，以及在可能设计方案中选定实际采用的设计方案，包括：
确定所有声学特征参数均满足设计指标的可能设计方案；
根据选取的所述可能设计方案和所述空间结构约束模型，计算选取的所述可能设计方案的声学特征参数；
采用所述选取的所述可能设计方案的所有声学特征参数计算形体音质参数偏离度；
选择所述形体音质参数偏离度最小的所述可能设计方案作为实际采用的设计方案。
7.一种公共建筑广播系统设计装置，其特征在于，包括：
空间约束模型构建单元，用于根据公共建筑结构构建空间结构约束模型；
仿真模型构建单元，用于分别将多个样本设计方案中的音响设计参数和所述空间结构约束模型组合，得到系统仿真模型；所述音响设计参数包括声源位置、声源指向性和所述声源的声学参数；
仿真评价单元，用于对各个所述系统仿真模型进行声学仿真，获取表征各个样本设计方案的声学特征参数；
回归模型构建单元，用于根据各个所述样本设计方案和对应的声学特征参数进行统计建模，构建回归模型；
设计方案选定单元，用于根据所述回归模型确定满足设计指标的可能设计方案，以及在可能设计方案中选定实际采用的设计方案。
8.根据权利要求7所述的公共建筑广播系统设计装置，其特征在于，所述声学特征参数的数量为多个；所述设计方案选定单元包括：
方案范围选定子单元，用于确定所有声学特征参数均满足设计指标的可能设计方案；
可能方案选定子单元，用于根据选取的所述可能设计方案和所述空间结构约束模型，计算选取的所述可能设计方案的声学特征参数；
偏离度计算子单元，用于采用所述选取的所述可能设计方案的所有声学特征参数计算形体音质参数偏离度；
设计方案选定子单元，用于选择所述形体音质参数偏离度最小的所述可能设计方案作为实际采用的设计方案。
9.一种电子设备，其特征在于，包括处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至6任一项所述公共建筑广播系统设计方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至6任一项所述公共建筑广播系统设计方法的步骤。
CN202110956979.XA 2021-08-19 2021-08-19 公共建筑广播系统设计方法和装置 Active CN113779667B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110956979.XA CN113779667B (zh) 2021-08-19 2021-08-19 公共建筑广播系统设计方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110956979.XA CN113779667B (zh) 2021-08-19 2021-08-19 公共建筑广播系统设计方法和装置

Publications (2)

Publication Number Publication Date
CN113779667A CN113779667A (zh) 2021-12-10
CN113779667B true CN113779667B (zh) 2023-09-01

Family

ID=78838608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110956979.XA Active CN113779667B (zh) 2021-08-19 2021-08-19 公共建筑广播系统设计方法和装置

Country Status (1)

Country Link
CN (1) CN113779667B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000224700A (ja) * 1999-02-02 2000-08-11 Matsushita Electric Ind Co Ltd 音場制御装置
CN111950129A (zh) * 2020-07-16 2020-11-17 中国人民解放军军事科学院国防科技创新研究院 基于高斯回归模型的作战仿真实验方案优化方法
CN112565119A (zh) * 2020-11-30 2021-03-26 西北工业大学 一种基于时变混合信号盲分离的宽带doa估计方法
CN112887875A (zh) * 2021-01-22 2021-06-01 平安科技（深圳）有限公司 会议系统语音数据采集方法、装置、电子设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000224700A (ja) * 1999-02-02 2000-08-11 Matsushita Electric Ind Co Ltd 音場制御装置
CN111950129A (zh) * 2020-07-16 2020-11-17 中国人民解放军军事科学院国防科技创新研究院 基于高斯回归模型的作战仿真实验方案优化方法
CN112565119A (zh) * 2020-11-30 2021-03-26 西北工业大学 一种基于时变混合信号盲分离的宽带doa估计方法
CN112887875A (zh) * 2021-01-22 2021-06-01 平安科技（深圳）有限公司 会议系统语音数据采集方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113779667A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
Yoon et al. Reliability improvement of a sound quality index for a vehicle HVAC system using a regression and neural network model
Ghanim et al. Real-time dynamic transit signal priority optimization for coordinated traffic networks using genetic algorithms and artificial neural networks
JP7006585B2 (ja) 情報処理装置及び情報処理方法
US20190279094A1 (en) Epistemic and Aleatoric Deep Plasticity based on Sound Feedback
JP2001525954A (ja) 人工知能を用いた学習、分類、および最適化のための汎用システム
CN109817222B (zh) 一种年龄识别方法、装置及终端设备
CN108923983B (zh) 机会网络链路的预测方法、装置及可读存储介质
CN113779667B (zh) 公共建筑广播系统设计方法和装置
CN113672846A (zh) 网约车调度方法、装置、电子设备及存储介质
RU2768509C2 (ru) Устройство помощи в управлении транспортным средством
CN114760585A (zh) 车辆群智感知激励方法、系统及设备
CN109165800A (zh) 一种实现报废汽车回收量准确预测的方法
CN111881972B (zh) 一种黑产用户识别方法及装置、服务器、存储介质
CN114299920A (zh) 用于语音识别的语言模型的训练、语音识别方法及装置
CN110222892B (zh) 乘客的下车站点预测方法及装置
CN115049216B (zh) 一种噪声处理方法及系统
CN116011995A (zh) 车辆保养信息推送方法、装置、电子设备及存储介质
CN109447352B (zh) 一种公交出行od矩阵反推的组合方法
WO2020044599A1 (ja) 振動騒音伝達経路推定システム及び伝達率推定方法
CN103607219A (zh) 一种电力线通信系统的噪声预测方法
CN115310732A (zh) 航班延误预测方法及系统
CN111612226B (zh) 基于混合模型的群体日均到达人数的预测方法及装置
CN114937506A (zh) 一种面向疫情防控的公交车在途强化学习速度控制方法
CN113505884A (zh) 噪声烦恼度预测模型训练、预测方法、系统、装置及介质
CN116894585B (zh) 一种应用于未来社区综合数据智能分析方法和系统

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