CN117128185A - 笔记本电脑的风扇降噪方法、设备、存储介质及装置 - Google Patents
笔记本电脑的风扇降噪方法、设备、存储介质及装置 Download PDFInfo
- Publication number
- CN117128185A CN117128185A CN202311395357.XA CN202311395357A CN117128185A CN 117128185 A CN117128185 A CN 117128185A CN 202311395357 A CN202311395357 A CN 202311395357A CN 117128185 A CN117128185 A CN 117128185A
- Authority
- CN
- China
- Prior art keywords
- noise
- fan
- noise reduction
- audio
- preset
- 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
- 230000009467 reduction Effects 0.000 title claims abstract description 224
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims description 30
- 230000011218 segmentation Effects 0.000 claims description 19
- 230000003287 optical effect Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 5
- 238000012827 research and development Methods 0.000 abstract description 12
- 238000007689 inspection Methods 0.000 abstract description 11
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 241000883990 Flabellum Species 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000017525 heat dissipation Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000008439 repair process Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005461 lubrication Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/16—Constructional details or arrangements
- G06F1/20—Cooling means
- G06F1/206—Cooling means comprising thermal management
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D29/00—Details, component parts, or accessories
- F04D29/66—Combating cavitation, whirls, noise, vibration or the like; Balancing
- F04D29/661—Combating cavitation, whirls, noise, vibration or the like; Balancing especially adapted for elastic fluid pumps
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D29/00—Details, component parts, or accessories
- F04D29/66—Combating cavitation, whirls, noise, vibration or the like; Balancing
- F04D29/661—Combating cavitation, whirls, noise, vibration or the like; Balancing especially adapted for elastic fluid pumps
- F04D29/666—Combating cavitation, whirls, noise, vibration or the like; Balancing especially adapted for elastic fluid pumps by means of rotor construction or layout, e.g. unequal distribution of blades or vanes
-
- 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
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/24—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being the cepstrum
-
- 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
-
- 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
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- 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
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明属于音频识别技术领域,公开了一种笔记本电脑的风扇降噪方法、设备、存储介质及装置,本发明通过对目标笔记本电脑的运行音频进行音频预处理,根据预设MFCC模型对预处理后的音频特征集合进行识别,获得风扇噪音特征集合;基于风扇噪音特征集合、风扇轴心压力信息以及预设噪音特征信息进行对比,根据对比结果确定风扇噪音类型;根据风扇噪音类型从预设降噪方式中选取目标降噪模式,并根据目标降噪模式完成风扇降噪,本发明通过MFCC模型对预处理后的音频进行识别确定风扇噪音特征集合,根据风扇噪音特征集合确定风扇噪音类型,本发明能够精准确定噪音来源,并选取相应的降噪模式进行降噪,提升产品检验效率以及缩短产品研发周期。
Description
技术领域
本发明涉及音频识别技术领域,尤其涉及一种笔记本电脑的风扇降噪方法、设备、存储介质及装置。
背景技术
目前,随着电子产品更新速度越来越快,用户对产品的性能要求也越来越高,因此针对笔记本这样的小体积的集成度要求也越来越高,由于体积压缩导致散热系统体积也会被压缩,因此许多厂商在将笔记本出厂前需要对电子产品内的散热系统进行检验,避免由于散热或其他原因导致的噪音带来不良体验,但是现有噪音降噪技术,通常都是通过人工的方式逐台检测,也无法在影音播放时精确识别噪音,无法有效降低风扇噪音,导致检验效率低,产品研发周期较长。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种笔记本电脑的风扇降噪方法、设备、存储介质及装置,旨在解决现有技术中通过人工逐台检测的方式,也无法在影音播放时精确识别噪音,无法有效降低风扇噪音,导致检验效率低,产品研发周期较长的技术问题。
为实现上述目的,本发明提供一种笔记本电脑的风扇降噪方法,所述笔记本电脑的风扇降噪方法包括以下步骤:
对目标笔记本电脑的运行音频进行音频预处理,获得预处理后的音频特征集合;
根据预设MFCC模型对所述音频特征集合进行识别,获得风扇噪音特征集合;
基于所述风扇噪音特征集合、风扇轴心压力信息以及预设噪音特征信息进行对比,根据对比结果确定风扇噪音类型;
根据所述风扇噪音类型从预设降噪方式中选取目标降噪模式,并根据所述目标降噪模式完成风扇降噪。
可选地,所述对目标笔记本电脑的运行音频进行音频预处理,获得预处理后的音频特征集合的步骤,包括:
基于预设音频频率对目标笔记本电脑的运行音频进行音频分割,获得音频分割结果;
根据预设音频识别模型对所述音频分割结果中的音频特征进行分类,获得预设类型的噪音音频特征集合;
对所述噪音音频特征集合进行电脑自身噪音初筛选,获得预处理后的音频特征集合。
可选地,所述根据预设MFCC模型对所述音频特征集合进行识别,获得风扇噪音特征集合的步骤,包括:
从所述音频特征集合中提取风扇噪音特征,并根据预设MFCC模型对所述风扇噪音特征对应的倒谱参数进行整合,获得各音频频率对应的风扇噪音特征集合;
根据预设轴承噪音频率以及扇叶噪音频率对所述各音频频率对应的风扇噪音特征集合进行匹配,获得轴承噪音特征以及扇叶噪音特征;
根据所述轴承噪音特征以及所述扇叶噪音特征确定风扇噪音特征集合。
可选地,预设噪音特征信息包括预设轴承噪音特征以及预设扇叶噪音特征;所述基于所述风扇噪音特征集合、风扇轴心压力信息以及预设噪音特征信息进行对比,根据对比结果确定风扇噪音类型的步骤,包括:
实时获取风扇轴心压力信息;
将所述轴承噪音特征与所述预设轴承噪音特征进行相似度对比,获得第一相似度;
将所述扇叶噪音特征与所述预设扇叶噪音特征进行相似度对比,获得第二相似度,并根据所述第二相似确定扇叶因素对应的噪音概率;
根据所述风扇轴心压力信息、所述第一相似度确定轴承因素对应的噪音概率;
根据所述扇叶因素对应的噪音概率和所述轴承因素对应的噪音概率确定风扇噪音类型。
可选地,所述根据所述风扇噪音类型从预设降噪方式中选取目标降噪模式,并根据所述目标降噪模式完成风扇降噪的步骤,包括:
若所述风扇噪音类型为轴承噪音,从预设降噪方式中选取转动噪音降噪模式,并对风扇轴承松紧度进行调整完成风扇降噪;
若所述风扇噪音类型为扇叶噪音,则从所述预设降噪方式中选取震动噪音降噪模式,并对所述扇叶的轴承间隙以及叶片高度进行调整完成风扇降噪。
可选地,所述若所述风扇噪音类型为扇叶噪音,则从所述预设降噪方式中选取震动噪音降噪模式,并对所述扇叶的轴承间隙进行调整完成风扇降噪的步骤,包括:
若所述风扇噪音类型为扇叶噪音,则从所述预设降噪方式中选取震动噪音降噪模式;
基于所述震动噪音降噪模式中预设三轴镭射的方式对扇叶偏摆值以及偏心运动程度进行测量,获得每一片扇叶的偏摆值以及扇叶和外壳之间的距离值;
根据所述偏摆值和所述距离值确定扇叶平衡度;
根据所述扇叶平衡度对所述扇叶的轴承间隙以及叶片高度进行调整完成风扇降噪。
可选地,所述根据所述风扇噪音类型从预设降噪方式中选取目标降噪模式,并根据所述目标降噪模式完成风扇降噪的步骤之后,还包括:
在完成风扇噪音降噪后,对所述音频特征集合中包含的硬盘噪音特征以及光驱噪音特征进行噪音阈值检测,获得检测结果;
根据所述检测结果判断是否需要进行硬盘降噪以及光驱降噪,获得判断结果;
根据所述判断结果、预设硬盘降噪方式以及光驱降噪方式完成电脑降噪。
此外,为实现上述目的,本发明还提出一种笔记本电脑的风扇降噪设备,所述笔记本电脑的风扇降噪设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的笔记本电脑的风扇降噪程序,所述笔记本电脑的风扇降噪程序配置为实现如上文所述的笔记本电脑的风扇降噪的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有笔记本电脑的风扇降噪程序,所述笔记本电脑的风扇降噪程序被处理器执行时实现如上文所述的笔记本电脑的风扇降噪方法的步骤。
此外,为实现上述目的,本发明还提出一种笔记本电脑的风扇降噪装置,所述笔记本电脑的风扇降噪装置包括:
音频处理模块,用于对目标笔记本电脑的运行音频进行音频预处理,获得预处理后的音频特征集合;
噪音识别模块,用于根据预设MFCC模型对所述音频特征集合进行识别,获得风扇噪音特征集合;
类型确定模块,用于基于所述风扇噪音特征集合、风扇轴心压力信息以及预设噪音特征信息进行对比,根据对比结果确定风扇噪音类型;
降噪处理模块,用于根据所述风扇噪音类型从预设降噪方式中选取目标降噪模式,并根据所述目标降噪模式完成风扇降噪。
本发明对目标笔记本电脑的运行音频进行音频预处理,获得预处理后的音频特征集合;根据预设MFCC模型对所述音频特征集合进行识别,获得风扇噪音特征集合;基于所述风扇噪音特征集合、风扇轴心压力信息以及预设噪音特征信息进行对比,根据对比结果确定风扇噪音类型;根据所述风扇噪音类型从预设降噪方式中选取目标降噪模式,并根据所述目标降噪模式完成风扇降噪,本发明通过对笔记本电脑运行音频进行预处理,并将预处理后的音频通过MFCC模型进行识别,确定风扇噪音特征集合,进而以便于后期根据风扇噪音特征集合确定风扇噪音类型,从而选取对应的降噪模式完成降噪,相较于通过人工逐台检测的方式,也无法在影音播放时精确识别噪音,无法有效降低风扇噪音,导致检验效率低,产品研发周期较长,本发明能够精准确定噪音来源,并选取相应的降噪模式进行降噪,提升产品检验效率以及缩短产品研发周期。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的笔记本电脑的风扇降噪设备的结构示意图;
图2为本发明笔记本电脑的风扇降噪方法第一实施例的流程示意图;
图3为本发明笔记本电脑的风扇降噪方法第二实施例的流程示意图;
图4为本发明笔记本电脑的风扇降噪装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的笔记本电脑的风扇降噪设备结构示意图。
如图1所示,该笔记本电脑的风扇降噪设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display),可选用户接口1003还可以包括标准的有线接口、无线接口,对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory,RAM),也可以是稳定的存储器(Non-volatileMemory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对笔记本电脑的风扇降噪设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,认定为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及笔记本电脑的风扇降噪程序。
在图1所示的笔记本电脑的风扇降噪设备中,网络接口1004主要用于连接后台服务器,与所述后台服务器进行数据通信;用户接口1003主要用于连接用户设备;所述笔记本电脑的风扇降噪设备通过处理器1001调用存储器1005中存储的笔记本电脑的风扇降噪程序,并执行本发明实施例提供的笔记本电脑的风扇降噪方法。
基于上述硬件结构,提出本发明笔记本电脑的风扇降噪方法的实施例。
参照图2,图2为本发明笔记本电脑的风扇降噪方法第一实施例的流程示意图,提出本发明笔记本电脑的风扇降噪方法第一实施例。
在本实施例中,所述笔记本电脑的风扇降噪方法包括以下步骤:
步骤S10:对目标笔记本电脑的运行音频进行音频预处理,获得预处理后的音频特征集合。
需说明的是,本实施例中的执行主体可以是包含笔记本降噪控制系统的设备,如:计算机、平板、手机或笔记本,所述笔记本降噪控制系统可以与后台监管平台连接,或通过手机APP连接,还可为其他可实现相同或相似功能的设备,本实施例对此不做限制。所述笔记本降噪控制系统可以应用于多种笔记本噪音检测场景下,如:出厂检测、返厂维修或维修人员上门维修时通过在待检测的笔记本中安插可移动存储U盘,所述U盘里存储有笔记本降噪控制系统等场景,所述笔记本降噪控制系统可以主动连接也可以是被动连接,具体根据应用场景所确定,在本实施例以及下述各实施例中以计算机为例对本发明笔记本电脑的风扇降噪方法进行说明。
应理解的是,目标笔记本电脑可以是需要进行噪音检测的笔记本电脑,其中目标笔记本电脑的运行音频可以是指在笔记本电脑开机后运行时通过收音装置采集的音频,例如:可以是在开启影音软件后播放音频收集的音频,可以是开启游戏软件后收集的音频,也可以是正常开机一段时间后收集的音频,本方案中运行音频的手机可以是基于运维人员触发的操作按照预设时间段采集音频,也可以是通过人工手动收集音频,本实施例中对运行音频的采集方式不加以具体限制。
可理解的是,音频预处理包括:滤波、A/D转换,音频分割、降噪等处理,其中滤波是为了解决频率混叠,对模拟信号进行离散化采集钱,采用低通滤波器进行采样,并通过A/D转换获得多个点的数据,从而以便于根据数据点组成的频谱图进行音频分割,进而获得音频特征集合。
具体实现中,电脑噪音主要是以下几个零部件引起的:光驱转动的噪音;电源风扇、CPU风扇、机箱风扇、显卡风扇的噪音;共振的声音要有效降低电脑噪音,单独地使用一款静音电源或者是静音CPU风扇,往往并不能达到良好的效果,需要从每一个噪音源入手,才能从根本上解决问题。因此本方案需要针对具体音频具体分析,从而能够更加清楚的确定噪音来源,进而确定相应的降噪模式,其中,本方案可以通过对目标笔记本电脑的运行音频进行音频预处理,获得预处理后的音频特征集合,以便于后期通过音频特征集合确定风扇噪音。
进一步地,为说明本方案音频预处理过程,上述步骤S10还包括:基于预设音频频率对目标笔记本电脑的运行音频进行音频分割,获得音频分割结果;根据预设音频识别模型对所述音频分割结果中的音频特征进行分类,获得预设类型的噪音音频特征集合;对所述噪音音频特征集合进行电脑自身噪音初筛选,获得预处理后的音频特征集合。
需说明的是,对音频预处理可以是将采集的音频通过预处理转换为频谱图,进而根据频谱图以及预设音频频率进行特征分类,从而获得预处理后的音频特征集合。
可理解的是,本方案中将采集的运行音频转换为频谱图,并根据预设音频频率对所述频谱图进行分割,获得不同频率下的频谱图分割结果,所述音频分割结果是由不同音频频率下的频谱图构成,并且本方案中通过预设音频频率中包含的电脑自身部件音频频率、影音音频频率以及人声音频频率对运行音频进行分割,获得分割后的音频特征集合。
应理解的是,预设音频识别模型包含多个音频识别模块,其中所述音频识别模型包含针对电脑自身噪音、外部噪音以及播放音频产生的麦克风噪音进行识别的模块,其中,预设类型包括外部噪音、音频麦克风噪音、风扇噪音、显卡风扇噪音、硬盘软驱噪音,本方案通过对分割后的音频特征进行识别,获得上述类型对应的噪音音频特征集合,将风扇噪音、显卡风扇噪音、硬盘软驱噪音作为电脑自身噪音从上述特征集合中进行初筛选,获得预处理后的音频特征集合。
具体实现中,基于预设音频频率对目标笔记本电脑的运行音频进行音频分割,获得音频分割结果;根据预设音频识别模型对音频分割结果中的音频特征进行分类,获得预设类型的噪音音频特征集合;对噪音音频特征集合进行电脑自身噪音初筛选,获得预处理后的音频特征集合。
步骤S20:根据预设MFCC模型对所述音频特征集合进行识别,获得风扇噪音特征集合。
需说明的是,预设MFCC模型是预先训练的用于通过倒谱参数对噪音进行识别的模型,所述MFCC模型通过上述预处理后音频特征集合中包含的频率图进行逆变换获得倒谱图,并对倒谱图中进行滤波,获得风扇噪音特征集合。所述模型通过过滤到背景杂音等无关的信息,通过梅尔倒谱的关键系数,以使他的倒频谱和人类非线性的听觉系统更为接近,但比人类听觉系统更加敏锐,能够在人类听觉接受范围内进一步缩小噪音识别范围,由于本方案是为了对噪音进行检测,避免由于噪音过大影响用户体验,因此需要模拟人类听觉系统进行相应检测识别,本方案通过所述MFCC模型对音频信号进行分帧加窗、将信号进行傅里叶变换、将频谱映射到梅尔刻度、取对数、进行DCT变换等一系列处理操作之后,获得风扇噪音特征集合。
可理解的是,风扇噪音特征集合包含风扇轴承噪音特征以及扇叶噪音特征,本方案通过对风扇具体部件噪音特征进行识别,从而精准确定噪音的来源。
具体实现中,电源风扇与CPU风扇噪音是主要的噪音源,因此主要对电源风扇以及显卡风扇产生的噪音进行具体识别,其中 电源风扇降噪的手段可以通过降低风扇转速解决,而CPU风扇如果降低转速,势必影响到CPU的散热,因此CPU降噪方法主要还是在于轴承的润滑以及扇叶的结构设计。因此不同的噪音来源需要选取不同的降噪方式,因此需要对风扇噪音来源进行详细的识别。
步骤S30:基于所述风扇噪音特征集合、风扇轴心压力信息以及预设噪音特征信息进行对比,根据对比结果确定风扇噪音类型。
需说明的是,本方案中通过确定风扇噪音类型,进而需要结合预设的压力检测装置获取风扇轴心压力信息判断风扇噪音的具体来源。预设噪音特征信息可以是预先设置的用于判断风扇噪音来源类型是否达到了主要噪音条件的特征信息,所述特征信息包括轴心压力、扇叶噪音阈值范围以及轴承噪音阈值范围。
可理解的是,本方案中通过确定风扇噪音特征结合中包含的轴承噪音特征以及所述扇叶噪音特征与预设噪音特征信息中包含的扇叶噪音阈值范围以及轴承噪音阈值范围进行对比,获得轴承噪音对比结果和扇叶噪音对比结果。
应理解的是,由于扇叶噪音相较于轴心压力较难测定,因此本方案通过排除法,借助预设的压力检测装置检测风扇轴心压力,并通过结合轴心压力和轴承噪音特征包含的噪音参数,判断风扇噪音是否主要来源于轴承噪音因素,若否,则主要来源于扇叶噪音。
具体实现中,通过检测风扇轴心压力信息判断是否超过预设轴心压力,若是,则判定轴承存在噪音问题, 并结合判断轴承噪音参数与预设轴承噪音范围进行对比,确定是否轴承噪音来源,若均满足则判定噪音来源为轴承,若扇叶的噪音范围超过预设阈值,则按照修理优先级对风扇进行调整。
步骤S40:根据所述风扇噪音类型从预设降噪方式中选取目标降噪模式,并根据所述目标降噪模式完成风扇降噪。
需说明的是,若风扇噪音类型为轴承,则选取轴承降噪模式对轴承进行降噪,所述目标降噪模式中包含风扇转速调整模型,由于不同的轴心压力以及轴承噪音频率会对应不同的转速调整,本方案需要通过结合不同的转速去测试轴承噪音,因此本方案在针对风扇降噪的同时,还需要结合不同的转速去矫正风扇轴心压力阈值。
可理解的是,若风扇噪音类型为扇叶,则选取扇叶降噪模型对扇叶进行降噪,而扇叶的噪音大多数来源于扇叶的角度问题,因此针对扇叶噪音的调整需要结合扇叶的偏摆值进行调整,进而通过目标降噪模式完成降噪。
本实施例对目标笔记本电脑的运行音频进行音频预处理,获得预处理后的音频特征集合;根据预设MFCC模型对所述音频特征集合进行识别,获得风扇噪音特征集合;基于所述风扇噪音特征集合、风扇轴心压力信息以及预设噪音特征信息进行对比,根据对比结果确定风扇噪音类型;根据所述风扇噪音类型从预设降噪方式中选取目标降噪模式,并根据所述目标降噪模式完成风扇降噪,本发明通过对笔记本电脑运行音频进行预处理,并将预处理后的音频通过MFCC模型进行识别,确定风扇噪音特征集合,进而以便于后期根据风扇噪音特征集合确定风扇噪音类型,从而选取对应的降噪模式完成降噪,相较于通过人工逐台检测的方式,也无法在影音播放时精确识别噪音,无法有效降低风扇噪音,导致检验效率低,产品研发周期较长,本实施例能够精准确定噪音来源,并选取相应的降噪模式进行降噪,提升产品检验效率以及缩短产品研发周期。
参照图3,图3为本发明笔记本电脑的风扇降噪方法第二实施例的流程示意图,基于上述图2所示的第一实施例,提出本发明笔记本电脑的风扇降噪方法的第二实施例。
在本实施例中,所述步骤S20还包括:
步骤 S201:从所述音频特征集合中提取风扇噪音特征,并根据预设MFCC模型对所述风扇噪音特征对应的倒谱参数进行整合,获得各音频频率对应的风扇噪音特征集合。
需说明的是,本方案中通过从音频特征集合中提取风扇噪音特征,并通过MFCC模型对风扇噪音特征进行分类,从而确定风扇噪音来源,由于风扇是有轴承和扇叶构成,因此需要对风扇的轴承噪音因素与扇叶噪音因素进行确定,从而确定相应的解决方式。
可理解的是,预设MFCC模型可以是 基于MFCC和IMFCC特征融合算法构建的模型,其中通过MFCC模块和IMFCC模块将不同噪音源进行区分,其中MFCC模型通过梅尔滤波数组将音频特征转换为MFCC特征向量,IMFCC模块与MFCC模块不同在于IMFCC模块通过翻转梅尔滤波器组将音频特征转换为IMFCC特征向量,因此本方案通过将音频特征集合按照高频和低频进行划分,两种滤波器组结构呈互补关系,可结合两种特征参数的优势以获取更好的识别结果。但是直接将两者叠加会增加特征的维数,从而增加训练和识别的计算量。除此之外,由于特征的各个维度的区分度不同,其中维度区分度很低的冗余特征以及干扰信息会直接影响识别性能,因此不能直接叠加,需要进行特征选择。
应理解的是,本方案通过从音频特征集合中提取风扇噪音特征,并根据预设MFCC模型中包含的MFCC模块以及IMFCC模块对所述风扇噪音特征对应的倒谱参数进行整合,获得高频率以及低频率对应的风扇噪音特征集合。
步骤S202:根据预设轴承噪音频率以及扇叶噪音频率对所述各音频频率对应的风扇噪音特征集合进行匹配,获得轴承噪音特征以及扇叶噪音特征。
应理解的是,通过预设轴承噪音频率以及扇叶噪音频率对高频率以及低频率对应的风扇噪音特征集合进行匹配,获得匹配成功的轴承噪音特征以及扇叶噪音特征,所述轴承噪音特征包含噪音频率以及该频率对应的噪音参数值,所述扇叶噪音特征包括噪音频率以及该频率对应的噪音参数。
步骤S203:根据所述轴承噪音特征以及所述扇叶噪音特征确定风扇噪音特征集合。
具体实现中,通过上述轴承噪音特征以及扇叶噪音特征确定风扇噪音特征集合。
进一步地,预设噪音特征信息包括预设轴承噪音特征以及预设扇叶噪音特征;所述步骤S30还包括:实时获取风扇轴心压力信息;将所述轴承噪音特征与所述预设轴承噪音特征进行相似度对比,获得第一相似度;将所述扇叶噪音特征与所述预设扇叶噪音特征进行相似度对比,获得第二相似度,并根据所述第二相似确定扇叶因素对应的噪音概率;根据所述风扇轴心压力信息、所述第一相似度确定轴承因素对应的噪音概率;根据所述扇叶因素对应的噪音概率和所述轴承因素对应的噪音概率确定风扇噪音类型。
需说明的是,通过实时获取风扇轴心压力信息,所述轴心压力信息可以通过预先设置在风扇轴心上的压力检测装置检测的压力信息,所述压力信息可以是指松紧度,其中,通过将轴承噪音特征中包含的噪音频率以及噪音参数与预设轴承噪音特征中包含的频率以及参数进行相似度拟合,获得第一相似度。
可理解的是,通过将所述扇叶噪音特征与所述预设扇叶噪音特征进行相似度对比,获得第二相似度,并根据第二相似确定扇叶因素对应的噪音概率;根据所述风扇轴心压力信息、第一相似度确定轴承因素对应的噪音概率;根据所述扇叶因素对应的噪音概率和所述轴承因素对应的噪音概率确定风扇噪音类型。
应理解的是,通过上述噪音概率确定噪音主要来源,从而根据噪音修理优先级进行降噪,其中噪音修理优先级包括若是轴承噪音来源和扇叶噪音来源均有,则优先处理轴承松紧度,再调整扇叶偏摆值。
进一步,所述步骤S40还包括:若所述风扇噪音类型为轴承噪音,从预设降噪方式中选取转动噪音降噪模式,并对风扇轴承松紧度进行调整完成风扇降噪;若所述风扇噪音类型为扇叶噪音,则从所述预设降噪方式中选取震动噪音降噪模式,并对所述扇叶的轴承间隙以及叶片高度进行调整完成风扇降噪。
需说明的是,若风扇噪音类型为轴承噪音,从预设降噪方式中选取转动噪音降噪模式,并对风扇轴承松紧度进行调整完成风扇降噪;若风扇噪音类型为扇叶噪音,则从预设降噪方式中选取震动噪音降噪模式,并对所述扇叶的轴承间隙以及叶片高度进行调整完成风扇降噪。
可理解的是,在针对轴承松紧度调整时,可以采用通过人工滴入润滑油的方式来调整松紧度,在针对扇叶的轴承间隙以及叶片高度进行调整时,可以通过测试机台以扇叶光标点为原点,以镭射激光检测的方式测量扇叶旋转时的偏摆值以及扇叶外壳的上下空间,进而确定扇叶在旋转时的偏心程度。
进一步地,为说明扇叶偏心程度的缺点过程,所述若所述风扇噪音类型为扇叶噪音,则从所述预设降噪方式中选取震动噪音降噪模式,并对所述扇叶的轴承间隙进行调整完成风扇降噪的步骤,包括:若所述风扇噪音类型为扇叶噪音,则从所述预设降噪方式中选取震动噪音降噪模式;基于所述震动噪音降噪模式中预设三轴镭射的方式对扇叶偏摆值以及偏心运动程度进行测量,获得每一片扇叶的偏摆值以及扇叶和外壳之间的距离值;根据所述偏摆值和所述距离值确定扇叶平衡度;根据所述扇叶平衡度对所述扇叶的轴承间隙以及叶片高度进行调整完成风扇降噪。
需说明的是,若所述风扇噪音类型为扇叶噪音,则从所述预设降噪方式中选取震动噪音降噪模式;基于震动噪音降噪模式中预设三轴镭射的方式对扇叶偏摆值以及偏心运动程度进行测量,获得每一片扇叶的偏摆值以及扇叶和外壳之间的距离值;根据所述偏摆值和所述距离值确定扇叶平衡度;根据所述扇叶平衡度对所述扇叶的轴承间隙以及叶片高度进行调整完成风扇降噪。
可理解的是,偏摆值确定过程是通过扇叶在旋转时摆动的最高点和最低点的差值确定的,本方案通过读取周期性的数据确定基于震动噪音降噪模式中预设三轴镭射的方式对扇叶偏摆值以及偏心运动程度进行测量,获得每一片扇叶的偏摆值以及扇叶和外壳之间的距离值,并通过偏摆值和距离值确定扇叶平衡度,进而确定扇叶的轴承间隙以及叶片高度以便于后期进行调整。
进一步地,所述步骤S40之后还包括:在完成风扇噪音降噪后,对所述音频特征集合中包含的硬盘噪音特征以及光驱噪音特征进行噪音阈值检测,获得检测结果;根据所述检测结果判断是否需要进行硬盘降噪以及光驱降噪,获得判断结果;根据所述判断结果、预设硬盘降噪方式以及光驱降噪方式完成电脑降噪。
需说明的是,由于本方案中的噪音来源不仅限于扇叶,还包括硬盘噪音以及光驱噪音,因此本方案中在排除风扇噪音来源后,还可以通过检测硬盘噪音特征以及光驱噪音特征对应的噪音,从而判断是否存在噪音过度的情况,并且针对判断结果进行降噪。
可理解的是,在完成风扇噪音降噪后,对音频特征集合中包含的硬盘噪音特征以及光驱噪音特征进行噪音阈值检测,根据检测结果判断是否需要进行硬盘降噪以及光驱降噪,根据判断结果、预设硬盘降噪方式以及光驱降噪方式完成电脑降噪。所述检测结果包括硬盘噪音阈值以及光驱噪音阈值,通过硬盘噪音阈值以及光驱噪音阈值进行权重加权计算,获得目标噪音阈值,并根据目标噪音阈值判断否存在噪音过度的情况,并且针对判断结果进行降噪;所述判断结果包括需要或不需要两种结果。所述预设硬盘降噪方式可以是减少程序运行或更换轴承的方式。所述光驱降噪方式是真的存在光驱配置的设备,降噪方式可以通过更换光驱、增加润滑、检测光盘表面是否光滑并进行清洁或强化散热器的散热能力的方式进行降噪。
可理解的是,通过上述检测方式能够更加明确的确定噪音来源,并且完善了检测流程,相较于通过人工检测的方式,本方案能够实现更加精准的噪音定位,因此本方案能够提升产品检验效率以及缩短产品研发周期。
本实施例对目标笔记本电脑的运行音频进行音频预处理,获得预处理后的音频特征集合;从所述音频特征集合中提取风扇噪音特征,并根据预设MFCC模型对所述风扇噪音特征对应的倒谱参数进行整合,获得各音频频率对应的风扇噪音特征集合;根据预设轴承噪音频率以及扇叶噪音频率对所述各音频频率对应的风扇噪音特征集合进行匹配,获得轴承噪音特征以及扇叶噪音特征;根据所述轴承噪音特征以及所述扇叶噪音特征确定风扇噪音特征集合;基于所述风扇噪音特征集合、风扇轴心压力信息以及预设噪音特征信息进行对比,根据对比结果确定风扇噪音类型;根据所述风扇噪音类型从预设降噪方式中选取目标降噪模式,并根据所述目标降噪模式完成风扇降噪,本发明通过对笔记本电脑运行音频进行预处理,并将预处理后的音频通过MFCC模型进行识别,确定风扇噪音特征集合,进而以便于后期根据风扇噪音特征集合确定风扇噪音类型,从而选取对应的降噪模式完成降噪,相较于通过人工逐台检测的方式,也无法在影音播放时精确识别噪音,无法有效降低风扇噪音,导致检验效率低,产品研发周期较长,本实施例能够精准确定噪音来源,并选取相应的降噪模式进行降噪,提升产品检验效率以及缩短产品研发周期。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有笔记本电脑的风扇降噪程序,所述笔记本电脑的风扇降噪程序被处理器执行时实现如上文所述的笔记本电脑的风扇降噪方法的步骤。
参照图4,图4为本发明笔记本电脑的风扇降噪装置第一实施例的结构框图。
如图4所示,本发明实施例提出的笔记本电脑的风扇降噪装置包括:
音频处理模块10,用于对目标笔记本电脑的运行音频进行音频预处理,获得预处理后的音频特征集合;
噪音识别模块20,用于根据预设MFCC模型对所述音频特征集合进行识别,获得风扇噪音特征集合;
类型确定模块30,用于基于所述风扇噪音特征集合、风扇轴心压力信息以及预设噪音特征信息进行对比,根据对比结果确定风扇噪音类型;
降噪处理模块40,用于根据所述风扇噪音类型从预设降噪方式中选取目标降噪模式,并根据所述目标降噪模式完成风扇降噪。
本实施例对目标笔记本电脑的运行音频进行音频预处理,获得预处理后的音频特征集合;根据预设MFCC模型对所述音频特征集合进行识别,获得风扇噪音特征集合;基于所述风扇噪音特征集合、风扇轴心压力信息以及预设噪音特征信息进行对比,根据对比结果确定风扇噪音类型;根据所述风扇噪音类型从预设降噪方式中选取目标降噪模式,并根据所述目标降噪模式完成风扇降噪,本发明通过对笔记本电脑运行音频进行预处理,并将预处理后的音频通过MFCC模型进行识别,确定风扇噪音特征集合,进而以便于后期根据风扇噪音特征集合确定风扇噪音类型,从而选取对应的降噪模式完成降噪,相较于通过人工逐台检测的方式,也无法在影音播放时精确识别噪音,无法有效降低风扇噪音,导致检验效率低,产品研发周期较长,本实施例能够精准确定噪音来源,并选取相应的降噪模式进行降噪,提升产品检验效率以及缩短产品研发周期。
进一步地,所述音频处理模块10还用于基于预设音频频率对目标笔记本电脑的运行音频进行音频分割,获得音频分割结果;根据预设音频识别模型对所述音频分割结果中的音频特征进行分类,获得预设类型的噪音音频特征集合;对所述噪音音频特征集合进行电脑自身噪音初筛选,获得预处理后的音频特征集合。
进一步地,所述噪音识别模块20还用于从所述音频特征集合中提取风扇噪音特征,并根据预设MFCC模型对所述风扇噪音特征对应的倒谱参数进行整合,获得各音频频率对应的风扇噪音特征集合;根据预设轴承噪音频率以及扇叶噪音频率对所述各音频频率对应的风扇噪音特征集合进行匹配,获得轴承噪音特征以及扇叶噪音特征;根据所述轴承噪音特征以及所述扇叶噪音特征确定风扇噪音特征集合。
进一步地,预设噪音特征信息包括预设轴承噪音特征以及预设扇叶噪音特征;所述类型确定模块30还用于实时获取风扇轴心压力信息;将所述轴承噪音特征与所述预设轴承噪音特征进行相似度对比,获得第一相似度;将所述扇叶噪音特征与所述预设扇叶噪音特征进行相似度对比,获得第二相似度,并根据所述第二相似确定扇叶因素对应的噪音概率;根据所述风扇轴心压力信息、所述第一相似度确定轴承因素对应的噪音概率;根据所述扇叶因素对应的噪音概率和所述轴承因素对应的噪音概率确定风扇噪音类型。
进一步地,所述降噪处理模块40还用于若所述风扇噪音类型为轴承噪音,从预设降噪方式中选取转动噪音降噪模式,并对风扇轴承松紧度进行调整完成风扇降噪;若所述风扇噪音类型为扇叶噪音,则从所述预设降噪方式中选取震动噪音降噪模式,并对所述扇叶的轴承间隙以及叶片高度进行调整完成风扇降噪。
进一步地,所述降噪处理模块40还用于若所述风扇噪音类型为扇叶噪音,则从所述预设降噪方式中选取震动噪音降噪模式;基于所述震动噪音降噪模式中预设三轴镭射的方式对扇叶偏摆值以及偏心运动程度进行测量,获得每一片扇叶的偏摆值以及扇叶和外壳之间的距离值;根据所述偏摆值和所述距离值确定扇叶平衡度;根据所述扇叶平衡度对所述扇叶的轴承间隙以及叶片高度进行调整完成风扇降噪。
进一步地,所述降噪处理模块40还用于在完成风扇噪音降噪后,对所述音频特征集合中包含的硬盘噪音特征以及光驱噪音特征进行噪音阈值检测,获得检测结果;根据所述检测结果判断是否需要进行硬盘降噪以及光驱降噪,获得判断结果;根据所述判断结果、预设硬盘降噪方式以及光驱降噪方式完成电脑降噪。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的笔记本电脑的风扇降噪方法,此处不再赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序,可将这些词语解释为名称。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通 过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明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(如只读存储器镜像(Read Only Memory image,ROM)/随机存取存储器(Random AccessMemory,RAM)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,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的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种笔记本电脑的风扇降噪方法,其特征在于,所述笔记本电脑的风扇降噪方法包括以下步骤:
对目标笔记本电脑的运行音频进行音频预处理,获得预处理后的音频特征集合;
根据预设MFCC模型对所述音频特征集合进行识别,获得风扇噪音特征集合;
基于所述风扇噪音特征集合、风扇轴心压力信息以及预设噪音特征信息进行对比,根据对比结果确定风扇噪音类型;
根据所述风扇噪音类型从预设降噪方式中选取目标降噪模式,并根据所述目标降噪模式完成风扇降噪。
2.如权利要求1所述的笔记本电脑的风扇降噪方法,其特征在于,所述对目标笔记本电脑的运行音频进行音频预处理,获得预处理后的音频特征集合的步骤,包括:
基于预设音频频率对目标笔记本电脑的运行音频进行音频分割,获得音频分割结果;
根据预设音频识别模型对所述音频分割结果中的音频特征进行分类,获得预设类型的噪音音频特征集合;
对所述噪音音频特征集合进行电脑自身噪音初筛选,获得预处理后的音频特征集合。
3.如权利要求2所述的笔记本电脑的风扇降噪方法,其特征在于,所述根据预设MFCC模型对所述音频特征集合进行识别,获得风扇噪音特征集合的步骤,包括:
从所述音频特征集合中提取风扇噪音特征,并根据预设MFCC模型对所述风扇噪音特征对应的倒谱参数进行整合,获得各音频频率对应的风扇噪音特征集合;
根据预设轴承噪音频率以及扇叶噪音频率对所述各音频频率对应的风扇噪音特征集合进行匹配,获得轴承噪音特征以及扇叶噪音特征;
根据所述轴承噪音特征以及所述扇叶噪音特征确定风扇噪音特征集合。
4.如权利要求3所述的笔记本电脑的风扇降噪方法,预设噪音特征信息包括预设轴承噪音特征以及预设扇叶噪音特征;其特征在于,所述基于所述风扇噪音特征集合、风扇轴心压力信息以及预设噪音特征信息进行对比,根据对比结果确定风扇噪音类型的步骤,包括:
实时获取风扇轴心压力信息;
将所述轴承噪音特征与所述预设轴承噪音特征进行相似度对比,获得第一相似度;
将所述扇叶噪音特征与所述预设扇叶噪音特征进行相似度对比,获得第二相似度,并根据所述第二相似确定扇叶因素对应的噪音概率;
根据所述风扇轴心压力信息、所述第一相似度确定轴承因素对应的噪音概率;
根据所述扇叶因素对应的噪音概率和所述轴承因素对应的噪音概率确定风扇噪音类型。
5.如权利要求4所述的笔记本电脑的风扇降噪方法,其特征在于,所述根据所述风扇噪音类型从预设降噪方式中选取目标降噪模式,并根据所述目标降噪模式完成风扇降噪的步骤,包括:
若所述风扇噪音类型为轴承噪音,从预设降噪方式中选取转动噪音降噪模式,并对风扇轴承松紧度进行调整完成风扇降噪;
若所述风扇噪音类型为扇叶噪音,则从所述预设降噪方式中选取震动噪音降噪模式,并对所述扇叶的轴承间隙以及叶片高度进行调整完成风扇降噪。
6.如权利要求5所述的笔记本电脑的风扇降噪方法,其特征在于,所述若所述风扇噪音类型为扇叶噪音,则从所述预设降噪方式中选取震动噪音降噪模式,并对所述扇叶的轴承间隙进行调整完成风扇降噪的步骤,包括:
若所述风扇噪音类型为扇叶噪音,则从所述预设降噪方式中选取震动噪音降噪模式;
基于所述震动噪音降噪模式中预设三轴镭射的方式对扇叶偏摆值以及偏心运动程度进行测量,获得每一片扇叶的偏摆值以及扇叶和外壳之间的距离值;
根据所述偏摆值和所述距离值确定扇叶平衡度;
根据所述扇叶平衡度对所述扇叶的轴承间隙以及叶片高度进行调整完成风扇降噪。
7.如权利要求1所述的笔记本电脑的风扇降噪方法,其特征在于,所述根据所述风扇噪音类型从预设降噪方式中选取目标降噪模式,并根据所述目标降噪模式完成风扇降噪的步骤之后,还包括:
在完成风扇噪音降噪后,对所述音频特征集合中包含的硬盘噪音特征以及光驱噪音特征进行噪音阈值检测,获得检测结果;
根据所述检测结果判断是否需要进行硬盘降噪以及光驱降噪,获得判断结果;
根据所述判断结果、预设硬盘降噪方式以及光驱降噪方式完成电脑降噪。
8.一种笔记本电脑的风扇降噪设备,其特征在于,所述笔记本电脑的风扇降噪设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的笔记本电脑的风扇降噪程序,所述笔记本电脑的风扇降噪程序被所述处理器执行时实现如权利要求1至7中任一项所述的笔记本电脑的风扇降噪方法。
9.一种存储介质,其特征在于,所述存储介质上存储有笔记本电脑的风扇降噪程序,所述笔记本电脑的风扇降噪程序被处理器执行时实现如权利要求1至7中任一项所述的笔记本电脑的风扇降噪方法。
10.一种笔记本电脑的风扇降噪装置,其特征在于,所述笔记本电脑的风扇降噪装置包括:
音频处理模块,用于对目标笔记本电脑的运行音频进行音频预处理,获得预处理后的音频特征集合;
噪音识别模块,用于根据预设MFCC模型对所述音频特征集合进行识别,获得风扇噪音特征集合;
类型确定模块,用于基于所述风扇噪音特征集合、风扇轴心压力信息以及预设噪音特征信息进行对比,根据对比结果确定风扇噪音类型;
降噪处理模块,用于根据所述风扇噪音类型从预设降噪方式中选取目标降噪模式,并根据所述目标降噪模式完成风扇降噪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311395357.XA CN117128185B (zh) | 2023-10-26 | 2023-10-26 | 笔记本电脑的风扇降噪方法、设备、存储介质及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311395357.XA CN117128185B (zh) | 2023-10-26 | 2023-10-26 | 笔记本电脑的风扇降噪方法、设备、存储介质及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117128185A true CN117128185A (zh) | 2023-11-28 |
CN117128185B CN117128185B (zh) | 2024-01-26 |
Family
ID=88854896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311395357.XA Active CN117128185B (zh) | 2023-10-26 | 2023-10-26 | 笔记本电脑的风扇降噪方法、设备、存储介质及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117128185B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120294710A1 (en) * | 2011-05-20 | 2012-11-22 | Pao-Feng Lee | Style of Fan Device |
CN111649440A (zh) * | 2020-05-22 | 2020-09-11 | 珠海格力电器股份有限公司 | 有效降噪的风机控制方法、风机及空调机组 |
CN111927717A (zh) * | 2020-08-12 | 2020-11-13 | 国家电投集团广西兴安风电有限公司 | 一种风机机舱传动链噪声在线监测系统及方法 |
CN116335977A (zh) * | 2023-03-31 | 2023-06-27 | 苏州瑞波机械有限公司 | 一种轴流式通风机、控制方法及存储介质 |
-
2023
- 2023-10-26 CN CN202311395357.XA patent/CN117128185B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120294710A1 (en) * | 2011-05-20 | 2012-11-22 | Pao-Feng Lee | Style of Fan Device |
CN111649440A (zh) * | 2020-05-22 | 2020-09-11 | 珠海格力电器股份有限公司 | 有效降噪的风机控制方法、风机及空调机组 |
CN111927717A (zh) * | 2020-08-12 | 2020-11-13 | 国家电投集团广西兴安风电有限公司 | 一种风机机舱传动链噪声在线监测系统及方法 |
CN116335977A (zh) * | 2023-03-31 | 2023-06-27 | 苏州瑞波机械有限公司 | 一种轴流式通风机、控制方法及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117128185B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ittichaichareon et al. | Speech recognition using MFCC | |
JP7025569B2 (ja) | 保険の録音による品質検査方法、装置、機器及びコンピュータ記憶媒体 | |
Jelil et al. | Spoof Detection Using Source, Instantaneous Frequency and Cepstral Features. | |
CN105989836B (zh) | 一种语音采集方法、装置及终端设备 | |
WO2019134247A1 (zh) | 基于声纹识别模型的声纹注册方法、终端装置及存储介质 | |
CN110047512B (zh) | 一种环境声音分类方法、系统及相关装置 | |
CN110556126B (zh) | 语音识别方法、装置以及计算机设备 | |
CN109614881B (zh) | 可自适应调节阈值的生物识别认证方法、设备及存储设备 | |
AU2013223662B2 (en) | Modified mel filter bank structure using spectral characteristics for sound analysis | |
CN113223536B (zh) | 声纹识别方法、装置及终端设备 | |
CN111932269A (zh) | 设备信息处理方法及装置 | |
Al-Kaltakchi et al. | Thorough evaluation of TIMIT database speaker identification performance under noise with and without the G. 712 type handset | |
CN117128185B (zh) | 笔记本电脑的风扇降噪方法、设备、存储介质及装置 | |
CN117112336B (zh) | 智能通信设备异常检测方法、设备、存储介质及装置 | |
Al-Karawi et al. | Using combined features to improve speaker verification in the face of limited reverberant data | |
JPWO2020003413A1 (ja) | 情報処理装置、制御方法、及びプログラム | |
CN111486547B (zh) | 空调诊断方法、诊断装置、空调器及计算机可读存储介质 | |
CN110660411B (zh) | 基于语音识别的健身安全提示方法、装置、设备及介质 | |
CN115315746A (zh) | 说话人识别方法、识别装置、识别程序、性别识别模型生成方法以及说话人识别模型生成方法 | |
KR101208678B1 (ko) | 다중 생체정보를 이용하는 점진적 개인인증 시스템 및 방법 | |
CN110675878A (zh) | 一种车商识别的方法、装置、存储介质及电子设备 | |
CN105989838B (zh) | 语音识别方法及装置 | |
CN110299134B (zh) | 一种音频处理方法和系统 | |
CN115662464B (zh) | 一种智能识别环境噪声的方法及系统 | |
Połap | Extraction of specific data from a sound sample by removing additional distortion |
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 |