CN115049216B - 一种噪声处理方法及系统 - Google Patents
一种噪声处理方法及系统 Download PDFInfo
- Publication number
- CN115049216B CN115049216B CN202210545761.XA CN202210545761A CN115049216B CN 115049216 B CN115049216 B CN 115049216B CN 202210545761 A CN202210545761 A CN 202210545761A CN 115049216 B CN115049216 B CN 115049216B
- Authority
- CN
- China
- Prior art keywords
- silencing
- information
- target
- noise
- related information
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本说明书实施例提供一种噪声处理方法及系统,该方法包括:获取目标区域的场景信息;获取目标区域内风机的第一相关信息和发电设备的第二相关信息,第一相关信息至少包括风机的第一设备信息以及第一位置信息,第二相关信息至少包括发电设备的第二设备信息以及第二位置信息;基于场景信息、第一相关信息和第二相关信息,确定对目标区域进行消音的消音方案。
Description
技术领域
本说明书涉及噪声处理领域,特别涉及一种噪声处理方法及系统。
背景技术
目前,随着工业的迅速发展,许多企业或工厂均配置有小型发电机房。但在机房的日常使用中,发电设备以及风机会带来较大噪声,对周围环境以及操作人员的身体都带来损害。
因此,希望可以提供一种噪声处理方法及系统,以对机房的噪声进行处理,避免噪声带来的不利影响。
发明内容
本说明书实施例之一提供一种噪声处理方法,该方法包括:获取目标区域的场景信息;获取目标区域内风机的第一相关信息和发电设备的第二相关信息,第一相关信息至少包括风机的第一设备信息以及第一位置信息,第二相关信息至少包括发电设备的第二设备信息以及第二位置信息;基于场景信息、第一相关信息和第二相关信息,确定对目标区域进行消音的消音方案。
本说明书实施例之一提供一种噪声处理系统,该系统包括:第一获取模块,用于获取目标区域的场景信息;第二获取模块,用于获取目标区域内风机的第一相关信息和发电设备的第二相关信息,第一相关信息至少包括风机的第一设备信息以及第一位置信息,第二相关信息至少包括发电设备的第二设备信息以及第二位置信息;第一确定模块,用于基于场景信息、第一相关信息和第二相关信息,确定对目标区域进行消音的消音方案。
本说明书实施例之一提供一种噪声处理装置,该装置包括至少一个处理器以及至少一个存储器;至少一个存储器用于存储计算机指令;至少一个处理器用于执行计算机指令中的至少部分指令以实现噪声处理方法。
本说明书实施例之一提供一种计算机可读存储介质,该存储介质存储计算机指令,当计算机指令被处理器执行时实现噪声处理方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的噪声处理系统的应用场景示意图;
图2是根据本说明书一些实施例所示的噪声处理系统的示例性模块图;
图3是根据本说明书一些实施例所示的确定目标区域的消音方案的示例性流程图;
图4是根据本说明书一些实施例所示的确定目标消音方案的示意图;
图5是根据本说明书一些实施例所示的噪音分布模型的示意图;
图6是根据本说明书一些实施例所示的又一确定目标区域的消音方案的示例性流程图;
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标签的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的噪声处理系统的应用场景示意图。
如图1所示,本说明书实施例所涉及的应用场景100至少可以包括服务器110、处理器120、存储设备130、图像获取装置140、网络150、用户终端160和目标区域170。
应用场景100可以通过实施本说明书中披露的方法和/或过程获取目标区域的场景信息;获取所述目标区域内风机的第一相关信息和发电设备的第二相关信息,所述第一相关信息至少包括风机的第一设备信息以及第一位置信息,所述第二相关信息至少包括发电设备的第二设备信息以及第二位置信息;基于所述场景信息、所述第一相关信息和所述第二相关信息,确定对所述目标区域进行消音的消音方案。
服务器110可以用于管理资源以及处理来自应用场景中至少一个组件或外部数据源(例如,云数据中心)的数据和/或信息。在一些实施例中,服务器110可以是单一服务器或服务器组。该服务器组可以是集中式或分布式的(例如,服务器110可以是分布式系统),可以是专用的也可以由其他设备或系统同时提供服务。在一些实施例中,服务器110可以是区域的或者远程的。在一些实施例中,服务器110可以在云平台上实施,或者以虚拟方式提供。仅作为示例,所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
处理器120可以处理从其他设备或系统组成部分中获得的数据和/或信息。处理器可以基于这些数据、信息和/或处理结果执行程序指令,以执行一个或多个本申请中描述的功能。例如,处理器110可以从图像获取装置140获取目标区域的图像,并对该图像进行处理以获取目标区域的场景信息。在一些实施例中,处理器120可以包含一个或多个子处理器(例如,单核处理器或多核多芯处理器)。仅作为示例,处理器120可以包括中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
存储设备130可以用于存储数据和/或指令。在一些实施例中,存储设备130可以储存处理器120用来执行或使用以完成本说明书中描述的示例性方法的数据和/或指令。例如,存储设备130可以存储由风机、发电设备的相关预设参数、图像获取装置140或人工输入获得的目标区域内风机的第一相关信息和发电设备的第二相关信息,又例如,存储设备130可以存储一个或多个机器学习模型。存储设备130可以包括一个或多个存储组件,每个存储组件可以是一个独立的设备,也可以是其他设备的一部分。在一些实施例中,存储设备130可包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性的,大容量储存器可以包括磁盘、光盘、固态磁盘等。在一些实施例中,所述存储设备130可在云平台上实现。
图像获取装置140指可以获取目标场景170的图像的设备。图像获取装置140可以是摄像头,数码照相机等。图像获取装置140可以通过网络120接收获取目标场景图像的指令,并基于指令对目标场景170进行拍摄,并通过网络120将拍摄到的图像发送至应用场景100的各组成部分和/或外部组件。上述示例仅用于说明所述图像获取装置140设备范围的广泛性而非对其范围的限制。
网络150可以连接应用场景100的各组成部分和/或外部资源部分。网络150使得各组成部分之间,以及与应用场景100之外其他部分之间可以进行通讯,促进数据和/或信息的交换。在一些实施例中,应用场景100的一个或多个组件(例如,服务器110、处理器120、存储设备130、图像获取装置140、用户终端160)之间可以通过网络120交换信息和/或数据。例如,网络150可以将图像获取装置140得到的目标场景图像发送给处理器120。在一些实施例中,网络150可以是有线网络或无线网络中的任意一种或多种。在一些实施例中,网络150可以包括一个或以上网络接入点。例如,网络150可以包括有线或无线网络接入点,例如基站和/或网络交换点150-1、150-2、…。在一些实施例中,网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。
用户终端160指用户所使用的一个或多个终端设备。在一些实施例中,使用用户终端160的可以是一个或多个用户,可以包括直接使用服务的用户,也可以包括其他相关用户。在一些实施例中,用户终端160可以是移动设备160-1、平板计算机160-2、膝上型计算机160-3等其他具有输入和/或输出功能的设备中的一种或其任意组合。在一些实施例中,用户终端160可以通过网络150与应用场景100中的其他组件交互。例如,用户终端160可以收到服务器110发送的目标区域的消音方案。
目标区域170指需要进行消音处理的区域。目标区域170可以为机房。如图1所示,目标区域170中可以包括风机170-1以及发电设备170-2。目标区域170也可以包括其他任何用户需要在该场景中使用的设备。例如,目标区域170可以还可以包括图像获取装置140。
应当注意的是,应用场景100仅仅是为了说明的目的而提供的,并不意图限制本申请的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,应用场景100还可以包括信息源。然而,这些变化和修改不会背离本申请的范围。
图2是根据本说明书一些实施例所示的噪声处理系统的示例性模块图。
如图2所示,噪声处理系统200可以包括第一获取模块210、第二获取模块220以及第一确定模块230。
第一获取模块210可以用于获取目标区域的场景信息。关于目标区域、场景信息的更多内容参见图3及其相关内容。在一些实施例中,第一获取模块210还可以用于获取目标区域的图像;通过图像识别模型对图像进行处理,确定目标区域的空间结构信息和设备信息。关于目标区域的图像、图像识别模型、空间结构信息和设备信息的更多内容参见图3及其相关内容。
第二获取模块220可以用于获取目标区域内风机的第一相关信息和发电设备的第二相关信息,第一相关信息至少包括风机的第一设备信息以及第一位置信息,第二相关信息至少包括发电设备的第二设备信息以及第二位置信息。关于第一设备信息、第一位置信息、第二设备信息以及第二位置信息的更多内容参见图3及其相关内容。
第一确定模块230可以用于基于场景信息、第一相关信息和第二相关信息,确定对目标区域进行消音的消音方案。关于消音方案的更多内容参见图3及其相关内容。在一些实施例中,第一确定模块230还可以用于基于场景信息、第一相关信息以及第二相关信息,确定目标区域中需要进行消音处理的目标位置的第三位置信息;获取目标位置的第三设备信息以及材质信息;基于第一相关信息、第二相关信息以及第三相关信息,确定目标位置的声场分布图,其中,第三相关信息至少包括第三位置信息、第三设备信息以及材质信息;获取目标位置的消音参数矩阵,消音参数矩阵包括多个对目标位置进行消音的候选消音方案;通过效果评估模型对声场分布图以及消音参数矩阵进行处理,确定消音参数矩阵对应的效果向量,效果向量表征基于多个候选消音方案分别对目标位置进行消音处理的效果;基于效果向量,确定目标区域的消音方案。关于目标位置、第三位置信息、第三设备信息、材质信息、第三相关信息、消音参数矩阵、候选消音方案、效果向量的更多内容参见图6及其相关描述。
当确定到的消音方案的数量为多个时,噪声处理系统200系统还可以包括第三获取模块240、第二确定模块250、第三确定模块260、评分模块270以及第四确定模块280。
第三获取模块240可以用于获取用户的需求选项。关于用户的需求选项的更多内容参见图4及其相关内容。
第二确定模块250可以用于基于需求选项,从多个消音方案中确定多个待评估消音方案。关于需求选项、待评估消音方案的更多内容参见图4及其相关内容。
第三确定模块260可以用于针对多个待评估消音方案中的每一个待评估消音方案,通过噪音分布模型对该待评估消音方案、场景信息、第一相关信息和第二相关信息进行处理,确定基于该待评估消音方案对目标区域进行消音后的目标噪音分布图。关于噪音分布模型、目标噪音分布图的更多内容参见图4及其相关内容。
评分模块270可以用于基于需求选项、待评估消音方案以及噪音分布图,确定该待评估消音方案的评分。关于待评估消音方案的评分的更多内容参见图4及其相关内容。
第四确定模块280可以用于基于每一个待评估消音方案的评分,从多个待评估消音方案中确定目标消音方案。关于目标消音方案的更多内容参见图4及其相关内容。
需要注意的是,以上对于系统及其组成部分的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个组成部分进行任意组合,或者构成子系统与其他组成部分连接。例如,各个组成部分可以共用一个存储设备,各个组成部分也可以分别具有各自的存储设备。诸如此类的变形,均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的确定目标区域的消音方案的示例性流程图。在一些实施例中,流程300可以由处理器110执行。如图3所示,流程300包括下述步骤:
步骤310,获取目标区域的场景信息。在一些实施例中,该步骤可由第一获取模块执行。
目标区域可以是需要进行消音的区域。例如,目标区域可以是机房、实验室、教室、办公室等或其内的区域。目标区域可以是封闭式的或开放式的,例如,室内或室外。
场景信息可以是与目标区域相关的信息。例如,场景信息包括场景的尺寸大小、内部设施及其布局、外部环境等。
在一些实施例中,场景信息还可以包括目标区域的空间结构信息和设备信息。空间结构信息可以是目标区域的空间尺寸、目标区域形状的信息,设备信息可以是目标区域内所有设备的信息。例如,场景信息可以包括目标区域的室内结构布局的信息、室内的风机、发电机等可能产生噪音的设备(即噪音源)的信息等。
在一些实施例中,第一获取模块可以获取目标区域的图像。例如,可以通过摄像头获取机房区域的图像。在一些实施例中,第一获取模块可以通过图像识别模型对目标区域的图像进行处理,确定目标区域的空间结构信息和设备信息。在一些实施例中,图像识别模型可以是卷积神经网络模型。
在一些实施例中,图像识别模型的输入可以包括目标区域的图像,输出可以包括目标区域的空间结构信息和设备信息。图像识别模型可以对目标区域图像进行特征提取,基于提取的特征值和相对位置信息确定目标场景的空间结构和设备信息。其中,特征值可以是图像中检测到的设备图像的尺寸、形状等,相对位置可以是图像中检测到的设备之间的相对距离等。例如,图像识别模型可以通过获取的目标区域图像检测到设备在图像中的坐标位置,根据坐标位置测算设备之间的坐标向量,得到设备之间的相对距离。
在一些实施例中,图像识别模型可以通过多个有标签的训练样本训练得到。可以将多个带有标签的训练样本输入初始图像识别模型,通过标签和初始图像识别模型的结果构建损失函数,基于损失函数迭代更新初始图像识别模型的参数。当初始图像识别模型的损失函数满足预设条件时模型训练完成,得到训练好的初始图像识别模型。其中,预设条件可以是损失函数收敛、迭代的次数达到阈值等。在一些实施例中,训练样本至少可以包括样本区域的图像。标签可以为该样本区域的空间结构信息和设备信息。标签可以人工对样本区域的图像进行标注获取。
通过本说明书一些实施例所述的目标区域的图像,可以得到目标区域的空间结构信息和设备信息。通过图像识别模型,用户可以直接通过目标区域的图像识别出场景信息,避免人工输入,减少人力成本,提高工作效率。
在一些实施例中,场景信息还可以通过其他方式获取。例如,场景信息还可以通过目标区域内的多种传感器获取。目标区域内可以包含摄像头、空间测距设备等传感器,其可以用于识别内部设施、测量空间尺寸大小与空间结构。再例如场景信息还可以通过用户输入获取。基于用户输入的目标区域的尺寸大小、与目标区域相关的图像、文字等信息,提取其中与场景相关的内容作为场景信息。
步骤320,获取目标区域内风机的第一相关信息和发电设备的第二相关信息,第一相关信息至少包括风机的第一设备信息以及第一位置信息,第二相关信息至少包括发电设备的第二设备信息以及第二位置信息。在一些实施例中,该步骤可由第二获取模块执行。
目标区域可以包括风机、发电设备等噪音源,其中风机可以用于为目标区域通风、冷却散热、排尘,发电设备可以用于提供电力,上述设备运转时会产生噪音,影响人员/用户正常工作。
第一相关信息可以是与目标区域内风机相关的信息。例如,第一相关信息可以包括风机的型号、品牌、功率、转速、压力、流量、风机的朝向(以及风机出风口、进风口的朝向)、风机的摆放位置、产生噪音分贝大小(又称为噪音大小、噪音强度大小)等信息。
在一些实施例中,第一相关信息至少可以包括第一设备信息与第一位置信息。第一设备信息可以是风机设备相关的参数。例如,第一设备信息可以包括风机的型号、品牌等信息。基于第一设备信息可以获取风机的功率、转速、压力、流量等具体参数。第一位置信息可以是与风机摆放相关的信息。例如,第一位置信息可以包括风机的朝向(以及风机出风口、进风口的朝向)、风机的摆放位置等信息。
第二相关信息可以是与目标区域内发电设备相关的信息。例如,第二相关信息可以包括发电设备的功率、转速、电压、发电设备的摆放位置、产生噪音分贝大小等信息。
在一些实施例中,第二相关信息可以至少包括第二设备信息与第二位置信息。第二设备信息可以是与目标区域内发电设备相关的参数。例如,第二设备信息可以包括发电设备的型号、品牌等信息。基于第二设备信息可以获取发电设备的功率、转速、电压等参数。第二位置信息可以是与发电设备摆放相关的信息。例如,第二位置信息可以包括发电设备的摆放位置等信息。
第一相关信息和第二相关信息均可以通过风机、发电设备的相关预设参数获取,或通过人工测量输入、传感器如摄像头测量等方式获取。
步骤330,基于场景信息、第一相关信息和第二相关信息,确定对目标区域进行消音的消音方案。在一些实施例中,该步骤可由第一确定模块执行。
消音方案可以是用于对目标区域进行消音处理的计划处理方案。例如,消音方案可以包括隔音、减震、吸音、消音等方案。隔音可以是通过隔音墙、机房罩体、隔声门等将噪音源如风机等与外界隔离;减震可以是通过如橡胶隔震垫等减震结构减少噪音源产生的激振力;吸音可以是在机房的四周墙体及天花板通过吸收部分声能,减少由于声波反射产生的噪音;消音可以是采用阻尼消声器、多孔消音砖等多孔材料,使声波与多孔材料产生摩擦使声能转化热能,从而使噪音得到衰减。在一些实施例中,消音方案可以包括目标区域的具体消音位置、具体消音位置对应的消音材料(消音材料的尺寸规格、材料属性、消音系数)、消音材料结构等信息。在一些实施例中,一个目标区域可以对应多个消音方案。例如,仅针对该目标区域进行消音材料结构的改进、以及消音材料和消音材料结构同时改进等方案。
在一些实施例中,可以基于场景信息、第一相关信息、第二相关信息,通过建模或数学分析算法确定对目标区域进行消音的消音方案。例如,通过回归分析、判别分析、聚类分析等方法,对场景信息、第一相关信息、第二相关信息进行分析处理,以确定对目标区域进行消音的消音方案。
在一些实施例中,可以基于场景信息、第一相关信息、第二相关信息,通过效果评估模型确定对目标区域进行消音的消音方案,关于确定的具体说明,参见图6及其相关描述。
在一些实施例中,目标区域的消音方案可以为多个,可以从多个消音方案中根据用户的需求选项确定出目标消音方案。关于上述实施例的更多内容参见图4及其相关描述。
通过本说明书一些实施例所述的噪声处理方法,可以实现基于区域内多样化噪音源的针对性消音方案设计,且消音方案过程通过模型实现,避免了人工设计过程中因多种噪音因素影响而带来的设计困难。
图4是根据本说明书一些实施例所示的确定目标消音方案的示意图。在一些实施例中,流程400可以由处理器120执行。
当处理器确定的消音方案的数量为多个时,可以执行流程400,以从多个消音方案中确定目标推荐方案。如图4所示,流程400可以包括以下步骤:
步骤410,获取用户的需求选项。在一些实施例中,该步骤可由第三获取模块执行。
需求选项可以是用户对消音方案的需求。需求选项可以包括消音效果、外观、成本等因素的需求。需求选项可以包括对消音方案的具体信息(如目标区域的具体消音位置、具体消音位置对应的消音材料、消音材料结构等信息)的需求。例如,需求选项可以是消音成本最低、消音效果最好等,需求选项还可以是用户的具体需求如消音材料的具体选择、消音材料使用的具体位置等。在一些实施例中,需求选项可以基于用户输入确定。
步骤420,基于需求选项,从多个消音方案中确定多个待评估消音方案。在一些实施例中,该步骤可由第二确定模块执行。
待评估消音方案可以是需要进行评估的消音方案。例如,基于效果评估模型确定的多个消音方案。
在一些实施例中,第二确定模块可以基于需求选项,从多个消音方案中确定多个待评估消音方案。如图4所示,可以基于需求选项从消音方案1、…、消音方案n中确定m个的消音方案,分别为待评估消音方案1、…、待评估消音方案m,作为评估消音方案。
步骤430,针对多个待评估消音方案中的每一个待评估消音方案,通过噪音分布模型对该待评估消音方案、场景信息、第一相关信息和第二相关信息进行处理,确定基于待评估消音方案对目标区域进行消音后的目标噪音分布图。在一些实施例中,该步骤可由第三确定模块执行。
目标噪音分布图可以是基于某一待评估消音方案对目标区域进行消音后,目标区域的不同位置的噪音强度大小分布图。每一个待评估消音方案可以对应一个目标噪音分布图。如图4所示,可以基于待评估消音方案1确定目标噪音分布图1、…、基于待评估消音方案m确定目标噪音分布图m。
目标噪音分布图可以是包含不同颜色标记的目标区域的空间结构图,其中不同颜色标记表示不同噪音强度大小,例如,蓝色区域表示该区域噪音强度较小,红色区域表示该区域噪音强度较大。在一些实施例中,可以通过RGB算法可以实现目标噪音分布图中颜色与噪音强度大小的对应关系。例如,噪音强度大小为120分贝,目标噪音分布图中对应位置的RGB值可以为(5,39,175)。本说明书的一些实施例可以通过目标噪音分布图的颜色变化直观得到噪音强度与分布位置之间的关系,便于用户了解相关信息。
在一些实施例中,噪音分布模型的输入可以包括某一待评估消音方案、场景信息、第一相关信息和第二相关信息,噪音分布模型的输出可以包括每个待评估消音方案对应的目标噪音分布图。该待评估消音方案可以包括目标区域的具体消音位置、具体消音位置对应的消音材料、消音材料结构等信息。噪音分布模型可以包括但不限于隐马尔可夫模型、神经网络模型等。
在一些实施例中,噪音分布模型可以通过多个有标签的训练样本训练得到。可以将多个带有标签的训练样本输入初始噪音分布模型,通过标签和初始噪音分布模型的结果构建损失函数,基于损失函数迭代更新初始噪音分布模型的参数。当初始噪音分布模型的损失函数满足预设条件时模型训练完成,得到训练好的噪音分布模型。其中,预设条件可以是损失函数收敛、迭代的次数达到阈值等。在一些实施例中,训练样本可以包括样本待评估消音方案、场景信息、第一相关信息和第二相关信息。标签可以为基于样本待评估消音方案对目标区域进行消音处理后的目标噪音分布图。标签可以通过实施样本待评估消音方案,并测试目标区域不同位置的噪音,绘制对应的噪音分布图得到。
在一些实施例中,噪音分布模型可以为其他结构的模型。如图5所示,噪音分布模型500可以包括第一噪音分布确定层520-1、第二噪音分布确定层520-2以及融合层520-3。第一噪音分布确定层520-1、第二噪音分布确定层520-2可以对输入数据510进行处理,分别得到第一噪音分布图521以及第二噪音分布图522,其中,输入数据510可以包括场景信息511、第一相关信息512、第二相关信息513以及待评估消音方案514。融合层520-3可以对第一噪音分布图521以及第二噪音分布图522进行处理,得到目标噪音分布图530。
在一些实施例中,第一噪音分布确定层可以是声学模型。第一噪音分布确定层可以用于对待评估消音方案、场景信息、第一相关信息以及第二相关信息进行计算,得到基于待评估消音方案对目标区域进行消音处理后目标区域的声学特征,从而可以确定目标区域的第一噪音分布图。第一噪音分布图可以为经过声学计算得到的噪音分布图。
在一些实施例中,第二噪音分布确定层可以是自学习模型。第二噪音分布确定层的输入可以包括某一待评估消音方案、场景信息、第一相关信息以及第二相关信息,输出可以包括基于该待评估消音方案对目标区域进行消音处理后目标区域的第二噪音分布图。第二噪音分布图可以为经过机器学习模型预测得到的噪音分布图。
在一些实施例中,第二噪音分布确定层可以包括确定层与预测层。确定层可以用于获取初始噪音分布图。初始噪音分布图可以目标区域未经过消音处理的噪音分布图。确定层的输入可以包括场景信息、第一相关信息、第二相关信息,输出可以包括初始噪音分布图。预测层可以用于确定第二噪音分布图。预测层的输入可以包括初始噪音分布图以及一待评估消音方案,输出可以包括基于该待评估消音方案对目标区域进行消音处理后目标区域的第二噪音分布图。
在一些实施例中,确定层和预测层可以进行联合训练获取。训练样本可以包括样本待评估消音方案、场景信息、第一相关信息和第二相关信息,训练样本的标签可以为样本第二噪音分布图,其中,样本第二噪音分布图的获取方式可以参考本说明书上文中噪音分布模型训练部分标签的获取方式。将训练样本中的场景信息、第一相关信息和第二相关信息输入初始确定层,将初始确定层的输出以及样本待评估消音方案输入初始预测层,并基于初始预测层的输出以及标签构建损失函数,基于损失函数同时迭代更新初始确定层和初始预测层的参数,直到预设条件被满足训练完成。训练完成后确定层和预测层的参数也可以确定,获取训练好的确定层和预测层,其中,预设条件可以是损失函数小于阈值、收敛,或训练周期达到阈值。
融合层可以通过对第一噪音分布图以及第二噪音分布图进行加权和处理,以得到目标噪音分布图。
在一些实施例中,加权和处理过程可以包括:基于第二噪音分布确定层的准确率,确定第二噪音分布确定层输出的第二噪音分布图对应的权重,其中准确率的具体计算公式如下:
Y=ML+(1-M)V (2)
其中,M为第二噪音分布确定层的准确率,TP为预测结果为正类,且与事实相符的次数,TN为预测结果为负类,且与事实相符的次数,FP为预测结果为正类,但与事实不符的次数,FN为预测结果为负类,但与事实不符的次数,Y为最终的噪音分布,L为第二噪音分布确定层输出的第二噪音分布图,V为第一噪音分布确定层输出的第一噪音分布图。在公式(2)中,M作为第二噪音分布确定层输出结果的权重,1-M为第一噪音分布确定层的权重。
在一些实施例中,第二噪音分布确定层输出结果的权重还可以基于其他关系确定。例如,第二噪音分布确定层输出结果的权重可以是k*M,其中,k为预设的权重系数。
步骤440,基于需求选项、待评估消音方案以及该待评估消音方案对应的目标噪音分布图,确定该待评估消音方案的评分。在一些实施例中,该步骤可由评分模块执行。
评分可以是对待评估消音方案的消音效果、外观、成本等进行加权处理得到的分数。在一些实施例中,评分可以基于用户的需求选项进行。例如,用户的需求选项中对消音方案的消音效果有所偏好时,对待评估消音方案的评分过程可以着重对消音效果好的消音方案评以较高分数,即施以较高的权重。评分可以是具体数值。如,10以内的分数或100以内的分数。还可以基于待评估消音方案的评分确定评分等级。例如,评分等级可以包括优秀、一般、较差,分别对应评分为100~80、80~60、60~0。
步骤450,基于每一个待评估消音方案的评分,从多个待评估消音方案中确定目标消音方案。在一些实施例中,该步骤可由第四确定模块执行。
目标消音方案可以是最终确定的消音方案。处理器可以将评分分数最高或评分等级最好的待评估消音方案作为目标消音方案。
通过本说明书一些实施例所述的噪音分布的确定过程,可以得到直观的噪音分布图,有利于工作人员了解每种待评估消音方案的具体降噪效果;另外,通过第一噪音分布确定层与第二噪音分布确定层输出结果加权融合,得到更为准确的噪音分布,减小了不准确的模型对输出结果的影响。
图6是根据本说明书一些实施例所示的确定目标区域消音方案的示例性流程图。在一些实施例中,流程600可以由第一确定模块执行。如图6所示,流程600包括下述步骤:
步骤610,基于场景信息、第一相关信息以及第二相关信息,确定目标区域中需要进行消音处理的目标位置的第三位置信息。
目标位置可以是目标区域内的进行消音处理的位置。例如,目标位置可以是目标区域内的噪音源(如风机、发电设备等)所处的位置。再例如,目标位置还可以是目标区域内的其他可以进行消音处理的位置。
第三位置信息可以是目标位置的位置信息。在一些实施例中,目标位置可以是一个或多个,对应的,第三位置信息可以包括一个或多个目标位置的位置信息。
在一些实施例中,第一确定模块可以根据第一位置信息以及第二位置信息,确定目标区域内需要进行消音处理的区域,再基于目标区域的场景信息(即空间结构信息与设备信息),从需要进行消音处理的区域中确定出目标位置的第三位置信息。
步骤620,获取目标位置的第三设备信息以及材质信息。
第三设备信息可以是目标位置的设备相关的信息。第三设备信息可以包括目标位置是否存在设备,当存在设备时,第三设备信息可以进一步包括设备的具体类型与型号。例如,当目标位置存在机床时,第三设备信息可以包括机床、该机床的型号为4-72-5/A。基于第三设备信息可以确定位于目标位置的设备的结构、材质、转速、流量、功率、噪音大小等信息。
材质信息可以是目标位置的原始材质信息。例如,材质信息可以包括混凝土、瓷砖、木结构、树脂材料等。
第三设备信息和材质信息可以基于用户输入确定,还可以通过对目标区域的图像进行图像识别确定。
步骤630,基于第一相关信息、第二相关信息以及第三相关信息,确定目标位置的声场分布图,其中,第三相关信息至少包括第三位置信息、第三设备信息以及材质信息。
第三相关信息可以是与目标位置相关的信息。第三相关信息至少可以包括目标位置的第三位置信息、第三设备信息与材质信息。
声场分布图可以是反映目标位置与噪音源之间的位置关系与噪音分布情况的图结构数据。例如,声场分布图可以包括噪音源位置、目标位置、间隔物(目标区域内非噪音源的其他设备,如墙面、屏风等)位置、上述位置之间的距离、上述位置之间的角度等。在一些实施例中,声场分布图可以包括节点以及节点之间的边。节点可以与目标位置以及噪音源位置对应。在一些实施例中,节点可以基于第一相关信息中的第一位置信息以及第二相关信息中的第二位置信息确定。边的长度与方向可以与目标区域中各目标位置之间、各噪音源位置之间以及目标位置与噪音源位置之间的长度与方向对应。在一些实施例中,节点之间的边可以基于目标位置以及噪音源位置,通过距离计算、方向角计算确定。在一些实施例中,边还可以包括目标区域中各目标位置之间、各噪音源位置之间以及目标位置与噪音源位置之间的间隔物。在一些实施例中,间隔物可以基于用户输入确定,或通过目标区域的图像确定。
在一些实施例中,声场分布图的边还可以包括目标区域中各目标位置之间、各噪音源位置之间以及目标位置与噪音源位置之间的共振频率。共振频率可以是噪音源发出的声波满足共振(共鸣)条件时对应声波的振动频率。在一些实施例中,共振频率可以通过用户输入确定,或通过第一确定模块计算确定。应当理解的是,当多个噪音源产生相同频率的噪音时,其噪音的声波之间产生共振,进而增强噪音强度,此时需要更有效的消音方案进行消音。
步骤640,获取目标位置的消音参数矩阵,消音参数矩阵包括多个对目标位置进行消音的候选消音方案。
候选消音方案可以预先设定的目标区域的目标位置的消音方案。一个目标位置可以对应多个候选消音方案。候选消音方案可以基于用户选择确定,或由处理器基于目标位置确定。在一些实施例中,处理器基于目标位置确定候选消音方案。可以基于目标位置的空间结构,确定合适的消音材料尺寸,例如,当目标位置长宽为2000mm×1200mm的通风口时,选用长宽为2400mm×1200mm玻镁岩棉板1、长宽为2440mm×1830mm的矿渣棉吸音板2作为候选消音方案。可以基于目标位置的噪音强度,确定合适的消音材料,例如,噪音强度大时选用吸音效果好的消音材料作为候选消音方案。可以基于消音成本选择合适的消音材料,例如,当消音预算不足时,选用成本低的消音材料作为候选消音方案等。
消音参数矩阵可以是整合某一目标位置多个候选消音方案相关信息的矩阵。其中,消音参数矩阵中的行表示不同的消音方案,列表示每个候选消音方案中具体内容的说明。其中,消音参数矩阵中的列可以包括消音材料种类、消音材料尺寸规格、消音系数等。例如,当目标区域对应三个候选消音方案时,消音参数矩阵的元素可以是三个消音方案的具体参数。例如,消音参数矩阵如下:
其中,左起第一列为消音材料种类,1为玻镁岩棉板、2为矿渣棉吸音板、3为海绵板;左起第二列为消音材料尺寸规格,表示为长*宽*厚度,单位为mm;左起第三列为消音系数,消音系数可以通过材料类型确定。在一些实施例中,消音参数矩阵还可以包括其他列。例如,第四列为消音材料的价格,第五列为消音材料的外观颜色等。在一些实施例中,消音参数矩阵还可以包括与消音材料剩余量相关的列,当某一消音材料剩余数量不足时,可以将消音参数矩阵中的该列设置为0。在一些实施例中,消音参数矩阵可以基于对各种消音材料的统计确定。
步骤650,通过效果评估模型对声场分布图以及消音参数矩阵进行处理,确定消音参数矩阵对应的效果向量,效果向量表征基于多个候选消音方案分别对目标位置进行消音处理的效果。
效果评估模型可以用于预测候选消音方案的消音效果。在一些实施例中,效果评估模型可以是图神经网络模型。
在一些实施例中,效果评估模型的输入可以为用图论意义上的图来表示的目标位置的特征、噪声源的特征、以及各个目标位置之间、各个噪声源之间、目标位置与噪声源之间关系的特征,效果评估模型的输出可以包括节点对应的效果向量。所述图是由节点和边组成的一种数据结构,可以包括多个节点以及连接多个节点的多条边/路径。其中,节点和边可以与声场分布图中的节点和边对应。节点的特征可以包括目标位置或噪声源的相关信息。例如,风机的位置、噪声强度、噪声频率等。节点的特征还可以包括消音参数矩阵。节点的特征可以基于第一相关信息、第二相关信息以及第三相关信息确定。边的特征可以包括目标位置与噪音源之间的距离与方向。
在一些实施例中,当节点之间存在间隔物时,边的特征还可以包括间隔矩阵。间隔矩阵可以是声场分布图中节点之间存在间隔物时,间隔物对噪音强度影响的矩阵。矩阵中行表示不同的间隔物,当存在多行时表示两个节点之间存在多个间隔物,矩阵中的列表示间隔物的参数,间隔物的参数的更多内容可以参考消音参数矩阵中候选消音方案的参数。例如,当目标位置与某一噪音源之间的间隔矩阵如下:
该间隔矩阵表示上述两个节点间存在两个间隔物,左起第一列为间隔物种类,1为玻镁岩棉板、2为矿渣棉吸音板、3为海绵板;左起第二列为间隔物尺寸规格,表示为长*宽*厚度,单位为mm;左起第三列为间隔物的消音系数,消音系数可以通过材料类型确定。
效果向量可以表征消音参数矩阵中各候选消音方案分别对目标位置进行消音处理的效果。在一些实施例中,向量中元素的位置对应各候选消音方案,元素的值对应消音参数矩阵中各种消音方案对应的消音效果。消音效果可以通过多种方式表示。例如,消音效果可以通过噪音强度表示,对应的,效果向量可以表示为(100dB,115dB,70dB),其中三个分贝值分别表示三个候选消音方案对某一目标位置进行消音处理后,该目标位置的噪音强度大小。在一些实施例中,效果向量还可以包括其他形式的向量,如以消音材料成本为元素的向量、以消音材料占地面积为元素的向量等。
在一些实施例中,可以将上述节点和边的特征以图的方式作为效果评估模型的输入,可以得到节点的效果向量,即各目标位置的消音参数矩阵对应的效果向量。
效果评估模型可以基于大量带有标签的训练样本训练得到。训练样本可以是样本声场分布图与样本消音参数矩阵,标签可以是样本消音参数矩阵对应的效果向量。将带有标签的训练样本输入初始效果评估模型,通过训练更新初始效果评估模型的参数,当训练的模型满足预设条件时,训练结束,获取训练好的效果评估模型。
在一些实施例中,可以将样本消音参数矩阵的各样本候选消音方案分别输入噪音分布模型,噪音分布模型的输入还可以包括样本声场分布图对应的场景信息、第一相关信息以及第二相关信息,噪音分布模型的输出可以为目标区域的目标噪音分布图。基于各个候选消音方案对应的目标噪音分布图可以确定目标区域中各个目标位置的噪音信息,从而可以确定出各个节点的效果向量。第一确定模块可以将该效果向量作为效果评估模型的训练样本的标签。通过上述方式可以对噪音分布模型进行训练的训练样本的标签,在一些情况下有利于解决训练效果评估模型时难以获得标签的问题。
步骤660,基于效果向量,确定目标区域的消音方案。
在一些实施例中,可以将效果向量中满足预设条件的元素对应的候选消音方案确定为目标区域的消音方案。第一确定模块可以将消音向量中噪音强度值满足阈值的元素对应的候选消音方案作为目标区域的消音方案。例如,某一目标位置到另一目标位置的效果向量为(100dB,115dB,70dB),可以将分贝值小于100dB对应的候选消音方案作为目标区域最终的消音方案。类似地,还可以将成本最低、占地面积最小的消音方案作为目标区域最终的消音方案。在一些实施例中,目标区域最终的消音方案还可以基于其他预设规则确定,如用户喜好的消音材料外观等。
通过本说明书一些实施例所述的目标区域消音方案确定过程,可以实现基于多因素的消音方案择优选择,通过消音参数矩阵可以直观反映每种消音方案的具体内容;效果评估模型可以实现针对每种候选消音方案,对对应消音效果进行智能评估,减少人为评估所需的人力成本与资源浪费;另外,效果评估模型可以使用噪音分布模型输出的数据作为标签,减少运算量,提高训练效率,且使得经过精确声学计算的噪音分布模型的输出可以运用到效果评估模型中,提高效果评估模型的评估精确程度。
应当注意的是,上述有关各流程的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对各流程进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
本说明书一些实施例还公开了一种噪声处理装置,该装置包括至少一个处理器以及至少一个存储器,至少一个存储器用于存储计算机指令,至少一个处理器用于执行计算机指令中的至少部分指令以实现噪声处理方法。
本说明书一些实施例还公开了一种计算机可读存储介质,该存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机运行上述噪声处理方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (6)
1.一种噪声处理方法,其特征在于,所述方法包括:
获取目标区域的场景信息;所述场景信息包括所述目标区域的空间结构信息和设备信息,所述获取目标区域的场景信息包括:
获取所述目标区域的图像;
通过图像识别模型对所述图像进行处理,确定所述目标区域的所述空间结构信息和所述设备信息;
获取所述目标区域内风机的第一相关信息和发电设备的第二相关信息,所述第一相关信息至少包括风机的第一设备信息以及第一位置信息,所述第二相关信息至少包括发电设备的第二设备信息以及第二位置信息;
基于所述场景信息、所述第一相关信息和所述第二相关信息,确定对所述目标区域进行消音的消音方案;其中包括:
基于所述场景信息、所述第一相关信息以及所述第二相关信息,确定所述目标区域中需要进行消音处理的目标位置的第三位置信息;
获取所述目标位置的第三设备信息以及材质信息;
基于所述第一相关信息、所述第二相关信息以及第三相关信息,确定所述目标位置的声场分布图,其中,所述第三相关信息至少包括目标位置的所述第三位置信息、所述第三设备信息以及所述材质信息;
获取所述目标位置的消音参数矩阵,所述消音参数矩阵包括多个对所述目标位置进行消音的候选消音方案;
通过效果评估模型对所述声场分布图以及所述消音参数矩阵进行处理,确定所述消音参数矩阵对应的效果向量,所述效果向量表征基于所述多个候选消音方案分别对所述目标位置进行消音处理的效果;
基于所述效果向量,确定所述目标区域的所述消音方案;
所述消音方案包括目标区域的具体消音位置的选择、具体消音位置对应的消音材料和消音材料结构的改进;
其中,所述消音材料包括:消音材料的尺寸规格、材料属性及消音系数。
2.如权利要求1所述的方法,其特征在于,当确定到的所述消音方案的数量为多个时,所述方法还包括:
获取用户的需求选项;
基于所述需求选项,从多个所述消音方案中确定多个待评估消音方案;
针对所述多个待评估消音方案中的每一个待评估消音方案,通过噪音分布模型对该待评估消音方案、所述场景信息、所述第一相关信息和所述第二相关信息进行处理,确定基于该待评估消音方案对所述目标区域进行消音后的目标噪音分布图;
基于所述需求选项、所述待评估消音方案以及所述目标噪音分布图,确定该待评估消音方案的评分;
基于所述每一个待评估消音方案的评分,从所述多个待评估消音方案中确定目标消音方案。
3.一种噪声处理系统,其特征在于,所述系统包括:
第一获取模块,用于获取目标区域的场景信息;所述场景信息包括所述目标区域的空间结构信息和设备信息,所述第一获取模块进一步用于:
获取所述目标区域的图像;
通过图像识别模型对所述图像进行处理,确定所述目标区域的所述空间结构信息和所述设备信息;
第二获取模块,用于获取所述目标区域内风机的第一相关信息和发电设备的第二相关信息,所述第一相关信息至少包括风机的第一设备信息以及第一位置信息,所述第二相关信息至少包括发电设备的第二设备信息以及第二位置信息;
第一确定模块,用于基于所述场景信息、所述第一相关信息和所述第二相关信息,确定对所述目标区域进行消音的消音方案;所述第一确定模块进一步用于:
基于所述场景信息、所述第一相关信息以及所述第二相关信息,确定所述目标区域中需要进行消音处理的目标位置的第三位置信息;
获取所述目标位置的第三设备信息以及材质信息;
基于所述第一相关信息、所述第二相关信息以及第三相关信息,确定所述目标位置的声场分布图,其中,所述第三相关信息至少包括目标位置的所述第三位置信息、所述第三设备信息以及所述材质信息;
获取所述目标位置的消音参数矩阵,所述消音参数矩阵包括多个对所述目标位置进行消音的候选消音方案;
通过效果评估模型对所述声场分布图以及所述消音参数矩阵进行处理,确定所述消音参数矩阵对应的效果向量,所述效果向量表征基于所述多个候选消音方案分别对所述目标位置进行消音处理的效果;
基于所述效果向量,确定所述目标区域的所述消音方案;
所述消音方案包括目标区域的具体消音位置的选择、具体消音位置对应的消音材料和消音材料结构的改进;
其中,所述消音材料包括:消音材料的尺寸规格、材料属性及消音系数。
4.如权利要求3所述的系统,其特征在于,当确定到的所述消音方案的数量为多个时,所述系统还包括:
第三获取模块,用于获取用户的需求选项;
第二确定模块,用于基于所述需求选项,从多个所述消音方案中确定多个待评估消音方案;
第三确定模块,用于针对所述多个待评估消音方案中的每一个待评估消音方案,通过噪音分布模型对该待评估消音方案、所述场景信息、所述第一相关信息和所述第二相关信息进行处理,确定基于该待评估消音方案对所述目标区域进行消音后的目标噪音分布图;
评分模块,用于基于所述需求选项、所述待评估消音方案以及所述目标噪音分布图,确定该待评估消音方案的评分;
第四确定模块,用于基于所述每一个待评估消音方案的评分,从所述多个待评估消音方案中确定目标消音方案。
5.一种噪声处理装置,其特征在于,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1~2中任意一项所述的噪声处理方法。
6.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当所述计算机指令被处理器执行时实现如权利要求1~2任意一项所述的噪声处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210545761.XA CN115049216B (zh) | 2022-05-19 | 2022-05-19 | 一种噪声处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210545761.XA CN115049216B (zh) | 2022-05-19 | 2022-05-19 | 一种噪声处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115049216A CN115049216A (zh) | 2022-09-13 |
CN115049216B true CN115049216B (zh) | 2023-09-22 |
Family
ID=83159457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210545761.XA Active CN115049216B (zh) | 2022-05-19 | 2022-05-19 | 一种噪声处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115049216B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116320176B (zh) * | 2023-05-16 | 2023-08-15 | 泰坦(天津)能源技术有限公司 | 一种提高井下语音识别精度的处理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107630750A (zh) * | 2017-10-30 | 2018-01-26 | 江苏中能电力设备有限公司 | 一种燃气机组以及分布式能源站噪声综合治理系统 |
CN108352155A (zh) * | 2015-09-30 | 2018-07-31 | 惠普发展公司,有限责任合伙企业 | 抑制环境声 |
CN114143665A (zh) * | 2021-11-04 | 2022-03-04 | 苏州浪潮智能科技有限公司 | 一种服务器风扇的降噪处理系统及方法 |
CN114187885A (zh) * | 2021-11-05 | 2022-03-15 | 东风柳州汽车有限公司 | 一种吸音棉布置方案的生成方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3621406B2 (ja) * | 1991-05-15 | 2005-02-16 | 株式会社リコー | 画像形成装置 |
CN110310618B (zh) * | 2019-06-05 | 2021-09-03 | 广州小鹏汽车科技有限公司 | 车辆行驶环境声音的处理方法、处理装置和车辆 |
US11450303B2 (en) * | 2019-11-12 | 2022-09-20 | Sony Corporation | Unmanned aerial vehicle (UAV) based noise cancellation in physical area |
US20210217398A1 (en) * | 2020-01-15 | 2021-07-15 | Qualcomm Incorporated | Active noise control |
-
2022
- 2022-05-19 CN CN202210545761.XA patent/CN115049216B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108352155A (zh) * | 2015-09-30 | 2018-07-31 | 惠普发展公司,有限责任合伙企业 | 抑制环境声 |
CN107630750A (zh) * | 2017-10-30 | 2018-01-26 | 江苏中能电力设备有限公司 | 一种燃气机组以及分布式能源站噪声综合治理系统 |
CN114143665A (zh) * | 2021-11-04 | 2022-03-04 | 苏州浪潮智能科技有限公司 | 一种服务器风扇的降噪处理系统及方法 |
CN114187885A (zh) * | 2021-11-05 | 2022-03-15 | 东风柳州汽车有限公司 | 一种吸音棉布置方案的生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115049216A (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102741833B (zh) | 用于数据中心的基于知识的模型 | |
JP6562893B2 (ja) | パラメータ推定装置、空調システム評価装置、パラメータ推定方法およびプログラム | |
CN115049216B (zh) | 一种噪声处理方法及系统 | |
CN111968247B (zh) | 三维房屋空间的构建方法、装置、电子设备及存储介质 | |
US20190369577A1 (en) | Apparatus and method for controlling operation of home appliance, home appliance and method for operating of home appliance | |
JP2020106153A (ja) | 空調制御システム及び方法 | |
CN113161006A (zh) | 密接人员感染风险评估方法、装置、电子设备及存储介质 | |
CN116257559A (zh) | 基于空间网格的人与地址关联方法、装置及电子设备 | |
Mak et al. | Sustainable noise control system design for building ventilation systems | |
JP2019067083A (ja) | 換気設計装置、換気設計方法、該方法を実行するためのプログラム及び記憶媒体 | |
JP2020144555A (ja) | 設備機器の制御システム | |
Sequeira et al. | Optimal acoustic design of multi-source industrial buildings by means of a simplified acoustic diffusion model | |
US11551037B2 (en) | Method and apparatus for determining a physical shape, method for manufacturing a calculation device, calculation device, and use of the calculation device | |
CN111047207A (zh) | 能力水平评估方法、装置、设备及存储介质 | |
CN114444987B (zh) | 一种户型图的自动化分析方法及装置 | |
KR102426492B1 (ko) | 환기설비 연동 범용 제어 방법, 장치 및 프로그램 | |
JP6867817B2 (ja) | 音響設計方法及びプログラム | |
JP7460886B2 (ja) | 機械学習装置 | |
CN114662185A (zh) | 室内声学仿真设计方法、装置、设备及存储介质 | |
US8321182B2 (en) | System and method for positioning and controlling air conditioning tiles for optimal cooling using Voronoi diagrams | |
Kang et al. | Floor plan optimization for indoor environment based on multimodal data | |
JP7185987B1 (ja) | プログラム、方法、システム、および装置 | |
Jun et al. | Research on multi-objective optimization of building energy efficiency based on energy consumption and thermal comfort | |
CN117892655A (zh) | 建筑物联网虚拟化管理平台及管理方法及系统 | |
KR20220149123A (ko) | 오염물질경로 예측 장치 |
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 |