CN117440286B - 基于耳部健康监测的耳机智能控制方法、系统及存储介质 - Google Patents

基于耳部健康监测的耳机智能控制方法、系统及存储介质 Download PDF

Info

Publication number
CN117440286B
CN117440286B CN202311759680.0A CN202311759680A CN117440286B CN 117440286 B CN117440286 B CN 117440286B CN 202311759680 A CN202311759680 A CN 202311759680A CN 117440286 B CN117440286 B CN 117440286B
Authority
CN
China
Prior art keywords
earphone
ear health
information
current
ear
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
CN202311759680.0A
Other languages
English (en)
Other versions
CN117440286A (zh
Inventor
李雄杰
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.)
Yizhao Acoustics Technology Shenzhen Co ltd
Original Assignee
Yizhao Acoustics Technology Shenzhen 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 Yizhao Acoustics Technology Shenzhen Co ltd filed Critical Yizhao Acoustics Technology Shenzhen Co ltd
Priority to CN202311759680.0A priority Critical patent/CN117440286B/zh
Publication of CN117440286A publication Critical patent/CN117440286A/zh
Application granted granted Critical
Publication of CN117440286B publication Critical patent/CN117440286B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/10—Earpieces; Attachments therefor ; Earphones; Monophonic headphones
    • H04R1/1041—Mechanical or electronic switches, or control elements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R29/00—Monitoring arrangements; Testing arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R2201/00—Details of transducers, loudspeakers or microphones covered by H04R1/00 but not provided for in any of its subgroups
    • H04R2201/10—Details of earpieces, attachments therefor, earphones or monophonic headphones covered by H04R1/10 but not provided for in any of its subgroups
    • H04R2201/105—Manufacture of mono- or stereophonic headphone components
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Otolaryngology (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明涉及基于耳部健康监测的耳机智能控制方法、系统及存储介质，属于耳机控制技术领域，本发明通过根据耳部健康状态转移概率预测模型获取当前时间戳的耳部健康隶属度信息，最后通过获取当前耳机播放的音频特征数据信息，根据当前耳机播放的音频特征数据信息以及当前耳机的音量性能退化特征数据获取耳机实际的音量特征数据，根据耳机实际的音量特征数据以及当前时间戳的耳部健康隶属度信息生成耳机的控制参数。本发明通过融合用户的耳部健康状态信息以及耳机的性能退化特征，能够根据用户的耳部健康状态来调整耳机的控制参数，从而不但为用户进行个性化的设置，还提高了对耳机参数的控制精度，使得用户在使用耳机时更健康。

Description

基于耳部健康监测的耳机智能控制方法、系统及存储介质
技术领域
本发明涉及耳机控制技术领域，尤其涉及一种基于耳部健康监测的耳机智能控制方法、系统及存储介质。
背景技术
如今, 耳机已经是人们生活中的一个必需品。耳朵是人体重要的听觉器官，具有辨别振动的功能，同时还具有平衡人体作用。从器官结构上来说，耳部结构还是比较复杂的，主要包括外耳、中耳、内耳三部分，细分则包括耳廓、外耳道、鼓膜、鼓室、内耳等。外耳由耳廓与外耳道组成，耳廓位于人的体表，外耳道则由耳廓中心一直到鼓膜，是声波传导的通道。中耳通过鼓膜与外耳分隔，与外耳一同构成了人耳的传音系统。内耳结构复杂而精细，是听觉与位觉的感受器。人的听觉与位觉是由耳部所有器官综合活动来完成的，任何一个器官出现损伤，都会对人的听觉与位觉产生影响。我们日常交谈说话的声音大约在40到60分贝，堵车时按喇叭产生的噪音为85 分贝，摩托车的轰鸣声是95 分贝，警笛声为120 分贝。诸多研究已经表明，持续暴露在85 分贝的噪音中会对人体造成危害。很多年轻人喜欢长时间戴着耳机听音乐，喜欢唱K，喜欢参加音乐会，孰不知，听力损伤是相对于噪音的强度及其持续的时间而言的，在嘈杂的环境中待的时间越长，对于听力的危险性就越高。现如今的耳机大部分均不能够根据用户的耳部健康情况来控制耳机的参数，不利于用户的健康；其次，现有技术中均为考虑耳机的使用退化情况，导致实际耳机的音频数据的识别出现了巨大偏差，不利于耳机的精准控制，导致了降低了对耳机参数的控制精度。
发明内容
本发明克服了现有技术的不足，提供了一种基于耳部健康监测的耳机智能控制方法、系统及存储介质。
为达上述目的，本发明采用的技术方案为：
本发明第一方面提供了一种基于耳部健康监测的耳机智能控制方法，包括以下步骤：
获取当前耳机的历史服役数据信息，并根据当前耳机的历史服役数据信息构建耳机音量性能退化特征预测模型，通过耳机音量性能退化特征预测模型获取当前耳机的音量性能退化特征数据；
获取用户在预设时间之内的耳部健康监测数据信息，并通过对用户在预设时间之内的耳部健康监测数据信息进行评价，获取每一时间戳的耳部健康隶属度信息；
通过马尔科夫链计算每一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的转移概率值，根据转移概率值构建耳部健康状态转移概率预测模型，根据耳部健康状态转移概率预测模型获取当前时间戳的耳部健康隶属度信息；
获取当前耳机播放的音频特征数据信息，根据当前耳机播放的音频特征数据信息以及当前耳机的音量性能退化特征数据获取耳机实际的音量特征数据，根据耳机实际的音量特征数据以及当前时间戳的耳部健康隶属度信息生成耳机的控制参数。
进一步的，在本方法中，根据当前耳机的历史服役数据信息构建耳机音量性能退化特征预测模型，通过耳机音量性能退化特征预测模型获取当前耳机的音量性能退化特征数据，具体包括：
基于贝叶斯网络构建耳机音量性能退化特征预测模型，并引入遗传算法，根据当前耳机的历史服役数据信息构建若干样本数据节点，并初始化部分样本数据节点的输入训练顺序；
将样本数据节点按照输入训练顺序输入到耳机音量性能退化特征预测模型中进行训练，获取耳机音量性能退化特征预测模型的模型参数；
根据遗传算法设置遗传代数，判断耳机音量性能退化特征预测模型的模型参数是否大于预设模型参数阈值，若不大于，则根据遗传代数对输入训练顺序进行遗传，调整样本数据节点的输入训练顺序；
当耳机音量性能退化特征预测模型的模型参数大于预设模型参数阈值时，输出样本数据节点的输入训练顺序，并按照样本数据节点的输入训练顺序对耳机音量性能退化特征预测模型进行训练；
获取预设时间之内耳机的服役数据信息，将预设时间之内耳机的服役数据信息输入到耳机音量性能退化特征预测模型中预测，获取当前耳机的音量性能退化特征数据。
进一步的，在本方法中，获取用户在预设时间之内的耳部健康监测数据信息，并通过对用户在预设时间之内的耳部健康监测数据信息进行评价，获取每一时间戳的耳部健康隶属度信息，具体包括：
获取用户在预设时间之内的耳部健康监测数据信息，并构建时间戳，结合时间戳以及用户在预设时间之内的耳部健康监测数据信息获取用户在每个时间戳的耳部健康监测数据信息；
引入决策树算法，设置若干耳部健康状态阈值范围，并根据用户在每个时间戳的耳部健康监测数据信息构建根节点，基于耳部健康状态阈值范围对根节点进行初始化分裂，生成若干分裂节点；
当分裂节点中的所有样本数据均在同一耳部健康状态阈值范围之内时，输出分裂节点，当分裂节点中的样本数据中至少出现一个其他耳部健康状态阈值范围的样本数据时，持续对分裂节点进行分裂；
获取最终的分裂节点对应的隶属度信息，根据最终的分裂节点对应的隶属度信息获取每一时间戳的耳部健康隶属度信息，并将每一时间戳的耳部健康隶属度信息输出。
进一步的，在本方法中，通过马尔科夫链计算每一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的转移概率值，根据转移概率值构建耳部健康状态转移概率预测模型，根据耳部健康状态转移概率预测模型获取当前时间戳的耳部健康隶属度信息；
引入马尔科夫链，通过马尔科夫链计算每一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的转移概率值，并基于深度神经网络构建耳部健康状态转移概率预测模型；
根据转移概率值构建转移概率值矩阵，并将转移概率值矩阵输入到耳部健康状态转移概率预测模型中进行编码学习，当耳部健康状态转移概率预测模型的模型参数符合预设要求之后，输出耳部健康状态转移概率预测模型；
根据耳部健康状态转移概率预测模型获取上一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的预测转移概率值，判断预测转移概率值是否大于预设转移概率阈值；
当预测转移概率值大于预设转移概率阈值时，将上一时间戳的耳部健康隶属度信息的下一等级的耳部健康隶属度信息作为当前时间戳的耳部健康隶属度信息。
进一步的，在本方法中，获取当前耳机播放的音频特征数据信息，根据当前耳机播放的音频特征数据信息以及当前耳机的音量性能退化特征数据获取耳机实际的音量特征数据，具体包括：
获取当前耳机播放的音频特征数据信息，并通过对当前耳机播放的音频特征数据信息进行切割处理，获取若干音频片段的音域数据信息，并通过大数据获取在不同音量阈值之下音域数据信息在当前耳机中播放的实际的音量特征数据；
构建知识图谱，并将在不同音量阈值之下音域数据信息在当前耳机中播放的实际的音量特征数据输入到知识图谱中进行存储，并获取当前耳机设置的音量特征数据信息；
将当前耳机设置的音量特征数据信息以及音频片段的音域数据信息输入到知识图谱中进行数据匹配，获取每一音频片段在当前耳机中播放的实际的音量特征数据范围，并生成耳机实际的音量特征数据。
进一步的，在本方法中，根据耳机实际的音量特征数据以及当前时间戳的耳部健康隶属度信息生成耳机的控制参数，具体包括：
通过大数据获取每一耳部健康隶属度信息之下的健康耳机控制参数信息；
根据每一耳部健康隶属度信息之下的健康耳机控制参数信息以及当前时间戳的耳部健康隶属度信息生成当前耳部健康隶属度信息的健康耳机控制参数信息；
将当前耳部健康隶属度信息的健康耳机控制参数信息与耳机实际的音量特征数据进行对比，得到偏差率，并判断偏差率是否大于预设偏差率阈值；
当偏差率大于预设偏差率阈值时，以当前耳部健康隶属度信息的健康耳机控制参数信息为基准，对耳机实际的音量特征数据进行偏差计算，生成耳机的控制参数。
本发明第二方面提供了一种基于耳部健康监测的耳机智能控制系统，系统包括存储器以及处理器，存储器中包括基于耳部健康监测的耳机智能控制方法程序，基于耳部健康监测的耳机智能控制方法程序被处理器执行时，实现如下步骤：
获取当前耳机的历史服役数据信息，并根据当前耳机的历史服役数据信息构建耳机音量性能退化特征预测模型，通过耳机音量性能退化特征预测模型获取当前耳机的音量性能退化特征数据；
获取用户在预设时间之内的耳部健康监测数据信息，并通过对用户在预设时间之内的耳部健康监测数据信息进行评价，获取每一时间戳的耳部健康隶属度信息；
通过马尔科夫链计算每一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的转移概率值，根据转移概率值构建耳部健康状态转移概率预测模型，根据耳部健康状态转移概率预测模型获取当前时间戳的耳部健康隶属度信息；
获取当前耳机播放的音频特征数据信息，根据当前耳机播放的音频特征数据信息以及当前耳机的音量性能退化特征数据获取耳机实际的音量特征数据，根据耳机实际的音量特征数据以及当前时间戳的耳部健康隶属度信息生成耳机的控制参数。
本发明第三方面提供了一种计算机可读存储介质，计算机可读存储介质中包括基于耳部健康监测的耳机智能控制方法程序，基于耳部健康监测的耳机智能控制方法程序被处理器执行时，实现任一项的基于耳部健康监测的耳机智能控制方法的步骤。
本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
本发明通过获取当前耳机的历史服役数据信息，并根据当前耳机的历史服役数据信息构建耳机音量性能退化特征预测模型，通过耳机音量性能退化特征预测模型获取当前耳机的音量性能退化特征数据，进而获取用户在预设时间之内的耳部健康监测数据信息，并通过对用户在预设时间之内的耳部健康监测数据信息进行评价，获取每一时间戳的耳部健康隶属度信息，从而通过马尔科夫链计算每一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的转移概率值，根据转移概率值构建耳部健康状态转移概率预测模型，根据耳部健康状态转移概率预测模型获取当前时间戳的耳部健康隶属度信息，最后通过获取当前耳机播放的音频特征数据信息，根据当前耳机播放的音频特征数据信息以及当前耳机的音量性能退化特征数据获取耳机实际的音量特征数据，根据耳机实际的音量特征数据以及当前时间戳的耳部健康隶属度信息生成耳机的控制参数。本发明通过融合用户的耳部健康状态信息以及耳机的性能退化特征，能够根据用户的耳部健康状态来调整耳机的控制参数，从而不但为用户进行个性化的设置，还提高了对耳机参数的控制精度，使得用户在使用耳机时更健康。
附图说明
为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。
图1示出了基于耳部健康监测的耳机智能控制方法的整体方法流程图；
图2示出了基于耳部健康监测的耳机智能控制方法的第一方法流程图；
图3示出了基于耳部健康监测的耳机智能控制方法的第二方法流程图；
图4示出了基于耳部健康监测的耳机智能控制系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。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发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示，本发明第一方面提供了一种基于耳部健康监测的耳机智能控制方法，包括以下步骤：
S102:获取当前耳机的历史服役数据信息，并根据当前耳机的历史服役数据信息构建耳机音量性能退化特征预测模型，通过耳机音量性能退化特征预测模型获取当前耳机的音量性能退化特征数据；
S104:获取用户在预设时间之内的耳部健康监测数据信息，并通过对用户在预设时间之内的耳部健康监测数据信息进行评价，获取每一时间戳的耳部健康隶属度信息；
S106:通过马尔科夫链计算每一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的转移概率值，根据转移概率值构建耳部健康状态转移概率预测模型，根据耳部健康状态转移概率预测模型获取当前时间戳的耳部健康隶属度信息；
S108:获取当前耳机播放的音频特征数据信息，根据当前耳机播放的音频特征数据信息以及当前耳机的音量性能退化特征数据获取耳机实际的音量特征数据，根据耳机实际的音量特征数据以及当前时间戳的耳部健康隶属度信息生成耳机的控制参数。
需要说明的是，本发明通过融合用户的耳部健康状态信息以及耳机的性能退化特征，能够根据用户的耳部健康状态来调整耳机的控制参数，从而不但为用户进行个性化的设置，还提高了对耳机参数的控制精度，使得用户在使用耳机时更健康。
进一步的，在本方法中，根据当前耳机的历史服役数据信息构建耳机音量性能退化特征预测模型，通过耳机音量性能退化特征预测模型获取当前耳机的音量性能退化特征数据，具体包括：
基于贝叶斯网络构建耳机音量性能退化特征预测模型，并引入遗传算法，根据当前耳机的历史服役数据信息构建若干样本数据节点，并初始化部分样本数据节点的输入训练顺序；
将样本数据节点按照输入训练顺序输入到耳机音量性能退化特征预测模型中进行训练，获取耳机音量性能退化特征预测模型的模型参数；
根据遗传算法设置遗传代数，判断耳机音量性能退化特征预测模型的模型参数是否大于预设模型参数阈值，若不大于，则根据遗传代数对输入训练顺序进行遗传，调整样本数据节点的输入训练顺序；
当耳机音量性能退化特征预测模型的模型参数大于预设模型参数阈值时，输出样本数据节点的输入训练顺序，并按照样本数据节点的输入训练顺序对耳机音量性能退化特征预测模型进行训练；
获取预设时间之内耳机的服役数据信息，将预设时间之内耳机的服役数据信息输入到耳机音量性能退化特征预测模型中预测，获取当前耳机的音量性能退化特征数据。
需要说明的是，由于使用的关系，耳机中的音量性能会发生一定的退化现象，如在相同的音量设置之下，音量相比于之前提高了或者降低了。本发明遗传算法对耳机音量性能退化特征预测模型的训练进行优化，提高了耳机音量性能退化特征预测模型训练速度，节省训练时间；另一方面，对训练数据节点进行优化，能够提高模型的预测精度，通过本方法能够获取当前耳机的音量性能退化特征数据，进而提高耳机的实际音量数据对于用户的健康状态影响的评价精度。
如图2所示，进一步的，在本方法中，获取用户在预设时间之内的耳部健康监测数据信息，并通过对用户在预设时间之内的耳部健康监测数据信息进行评价，获取每一时间戳的耳部健康隶属度信息，具体包括：
S202:获取用户在预设时间之内的耳部健康监测数据信息，并构建时间戳，结合时间戳以及用户在预设时间之内的耳部健康监测数据信息获取用户在每个时间戳的耳部健康监测数据信息；
S204:引入决策树算法，设置若干耳部健康状态阈值范围，并根据用户在每个时间戳的耳部健康监测数据信息构建根节点，基于耳部健康状态阈值范围对根节点进行初始化分裂，生成若干分裂节点；
S206:当分裂节点中的所有样本数据均在同一耳部健康状态阈值范围之内时，输出分裂节点，当分裂节点中的样本数据中至少出现一个其他耳部健康状态阈值范围的样本数据时，持续对分裂节点进行分裂；
S208:获取最终的分裂节点对应的隶属度信息，根据最终的分裂节点对应的隶属度信息获取每一时间戳的耳部健康隶属度信息，并将每一时间戳的耳部健康隶属度信息输出。
需要说明的是，通过决策树算法对用户的耳部健康监测数据信息进行评价，获取耳部健康隶属度信息，其中，耳部健康隶属度信息如健康、健康程度高、健康程度中、健康程度低等隶属度，耳部健康监测数据信息包括耳部听力测试数据、耳部医疗评估数据等。
如图3所示，进一步的，在本方法中，通过马尔科夫链计算每一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的转移概率值，根据转移概率值构建耳部健康状态转移概率预测模型，根据耳部健康状态转移概率预测模型获取当前时间戳的耳部健康隶属度信息；
S302:引入马尔科夫链，通过马尔科夫链计算每一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的转移概率值，并基于深度神经网络构建耳部健康状态转移概率预测模型；
S304:根据转移概率值构建转移概率值矩阵，并将转移概率值矩阵输入到耳部健康状态转移概率预测模型中进行编码学习，当耳部健康状态转移概率预测模型的模型参数符合预设要求之后，输出耳部健康状态转移概率预测模型；
S306:根据耳部健康状态转移概率预测模型获取上一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的预测转移概率值，判断预测转移概率值是否大于预设转移概率阈值；
S308:当预测转移概率值大于预设转移概率阈值时，将上一时间戳的耳部健康隶属度信息的下一等级的耳部健康隶属度信息作为当前时间戳的耳部健康隶属度信息。
需要说明的是，在一个连续的时间序列中，耳部的健康状态是可能会发生一定的变化的，即从一种耳部健康隶属度信息转移到另一种的耳部健康隶属度信息，可能听力状态会变好，亦可能会变坏。通过马尔科夫链能够计算出每一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的转移概率值，通过融合马尔科夫链以及深度神经网络能够预测出转移概率值，从而提高用户对耳部健康隶属度信息的监测精度。
进一步的，在本方法中，获取当前耳机播放的音频特征数据信息，根据当前耳机播放的音频特征数据信息以及当前耳机的音量性能退化特征数据获取耳机实际的音量特征数据，具体包括：
获取当前耳机播放的音频特征数据信息，并通过对当前耳机播放的音频特征数据信息进行切割处理，获取若干音频片段的音域数据信息，并通过大数据获取在不同音量阈值之下音域数据信息在当前耳机中播放的实际的音量特征数据；
构建知识图谱，并将在不同音量阈值之下音域数据信息在当前耳机中播放的实际的音量特征数据输入到知识图谱中进行存储，并获取当前耳机设置的音量特征数据信息；
将当前耳机设置的音量特征数据信息以及音频片段的音域数据信息输入到知识图谱中进行数据匹配，获取每一音频片段在当前耳机中播放的实际的音量特征数据范围，并生成耳机实际的音量特征数据。
需要说明的是，通过本方法能够生成当前音频数据在当前耳机设置之下实际的音量特征数据，从而提高对耳机数据对于用户的健康危害的评价精度。
进一步的，在本方法中，根据耳机实际的音量特征数据以及当前时间戳的耳部健康隶属度信息生成耳机的控制参数，具体包括：
通过大数据获取每一耳部健康隶属度信息之下的健康耳机控制参数信息；
根据每一耳部健康隶属度信息之下的健康耳机控制参数信息以及当前时间戳的耳部健康隶属度信息生成当前耳部健康隶属度信息的健康耳机控制参数信息；
将当前耳部健康隶属度信息的健康耳机控制参数信息与耳机实际的音量特征数据进行对比，得到偏差率，并判断偏差率是否大于预设偏差率阈值；
当偏差率大于预设偏差率阈值时，以当前耳部健康隶属度信息的健康耳机控制参数信息为基准，对耳机实际的音量特征数据进行偏差计算，生成耳机的控制参数。
需要说明的是，通过本方法能够以当前耳部健康隶属度信息的健康耳机控制参数信息为基准，对耳机实际的音量特征数据进行偏差计算，生成耳机的控制参数，从而使得耳机的音量参数适应用户的耳部健康状态。
此外，本方法还可以包括以下步骤：
获取当前耳机的音量性能退化特征数据，并预设不可控制的标准，并判断所述当前耳机的音量性能退化特征数据是否达到了所述不可控制的标准；
当所述当前耳机的音量性能退化特征数据达到了所述不可控制的标准时，获取当前耳机即将播放的音频数据信息，并对所述当前耳机即将播放的音频数据信息进行切割处理，获取即将播放的音频片段数据；
获取每一即将播放的音频片段数据的音域数据，判断所述即将播放的音频片段数据的音域数据是否在当前耳部健康隶属度信息的健康耳机控制参数信息范围之内；
当所述即将播放的音频片段数据的音域数据不在当前耳部健康隶属度信息的健康耳机控制参数信息范围之内时，则对相关的音频数据进行预警，生成预警，并按照预设方式播放。
需要说明的是，当当前耳机的音量性能退化特征数据达到了不可控制的标准时，说明耳机的音量调节可能已经损坏了，由于不可调节，就可能会对用户产生危害。通过本方法能够对出现异常的耳机以及即将播放的音频片段数据的音域数据进行预警，能够提示所述即将播放的音频片段数据的音域数据不在当前耳部健康隶属度信息的健康耳机控制参数信息范围之内，保证耳机的健康使用。
此外，本方法还可以包括以下步骤：
当所述当前耳机的音量性能退化特征数据没达到了所述不可控制的标准时，则获取当前耳机的音量可调控范围数据信息以及每一即将播放的音频片段数据的音域数据；
获取所述当前耳机的音量可调控范围数据信息之下所述每一即将播放的音频片段数据的音域数据在耳机中显现的实际音域范围数据信息；
判断所述前耳机的音量可调控范围数据信息之下所述每一即将播放的音频片段数据的音域数据在耳机中显现的实际音域范围数据信息是否在当前耳部健康隶属度信息的健康耳机控制参数信息范围之内；
若不在，则获取对应的即将播放的音频片段数据，并根据所述对应的即将播放的音频片段数据生成预警信息，并按照预设方式播放。
需要说明的是，当所述当前耳机的音量性能退化特征数据没达到了所述不可控制的标准时，虽然还是可以控制的，但是具有一定的音量控制范围，所述前耳机的音量可调控范围数据信息之下所述每一即将播放的音频片段数据的音域数据在耳机中显现的实际音域范围数据信息不在当前耳部健康隶属度信息的健康耳机控制参数信息范围之内时，根据所述对应的即将播放的音频片段数据生成预警信息，保障用户的耳部健康。
如图4所示，本发明第二方面提供了一种基于耳部健康监测的耳机智能控制系统4，系统4包括存储器41以及处理器42，存储器41中包括基于耳部健康监测的耳机智能控制方法程序，基于耳部健康监测的耳机智能控制方法程序被处理器42执行时，实现如下步骤：
获取当前耳机的历史服役数据信息，并根据当前耳机的历史服役数据信息构建耳机音量性能退化特征预测模型，通过耳机音量性能退化特征预测模型获取当前耳机的音量性能退化特征数据；
获取用户在预设时间之内的耳部健康监测数据信息，并通过对用户在预设时间之内的耳部健康监测数据信息进行评价，获取每一时间戳的耳部健康隶属度信息；
通过马尔科夫链计算每一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的转移概率值，根据转移概率值构建耳部健康状态转移概率预测模型，根据耳部健康状态转移概率预测模型获取当前时间戳的耳部健康隶属度信息；
获取当前耳机播放的音频特征数据信息，根据当前耳机播放的音频特征数据信息以及当前耳机的音量性能退化特征数据获取耳机实际的音量特征数据，根据耳机实际的音量特征数据以及当前时间戳的耳部健康隶属度信息生成耳机的控制参数。
本发明第三方面提供了一种计算机可读存储介质，计算机可读存储介质中包括基于耳部健康监测的耳机智能控制方法程序，基于耳部健康监测的耳机智能控制方法程序被处理器执行时，实现任一项的基于耳部健康监测的耳机智能控制方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元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，也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，本发明实施例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）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (7)

1.基于耳部健康监测的耳机智能控制方法，其特征在于，包括以下步骤：
获取当前耳机的历史服役数据信息，并根据所述当前耳机的历史服役数据信息构建耳机音量性能退化特征预测模型，通过所述耳机音量性能退化特征预测模型获取当前耳机的音量性能退化特征数据；
获取用户在预设时间之内的耳部健康监测数据信息，并通过对所述用户在预设时间之内的耳部健康监测数据信息进行评价，获取每一时间戳的耳部健康隶属度信息；
通过马尔科夫链计算每一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的转移概率值，根据所述转移概率值构建耳部健康状态转移概率预测模型，根据所述耳部健康状态转移概率预测模型获取当前时间戳的耳部健康隶属度信息；
获取当前耳机播放的音频特征数据信息，根据所述当前耳机播放的音频特征数据信息以及当前耳机的音量性能退化特征数据获取耳机实际的音量特征数据，根据所述耳机实际的音量特征数据以及当前时间戳的耳部健康隶属度信息生成耳机的控制参数；
根据所述当前耳机的历史服役数据信息构建耳机音量性能退化特征预测模型，通过所述耳机音量性能退化特征预测模型获取当前耳机的音量性能退化特征数据，具体包括：
基于贝叶斯网络构建耳机音量性能退化特征预测模型，并引入遗传算法，根据所述当前耳机的历史服役数据信息构建若干样本数据节点，并初始化部分所述样本数据节点的输入训练顺序；
将所述样本数据节点按照所述输入训练顺序输入到所述耳机音量性能退化特征预测模型中进行训练，获取耳机音量性能退化特征预测模型的模型参数；
根据所述遗传算法设置遗传代数，判断所述耳机音量性能退化特征预测模型的模型参数是否大于预设模型参数阈值，若不大于，则根据所述遗传代数对输入训练顺序进行遗传，调整所述样本数据节点的输入训练顺序；
当所述耳机音量性能退化特征预测模型的模型参数大于预设模型参数阈值时，输出样本数据节点的输入训练顺序，并按照所述样本数据节点的输入训练顺序对耳机音量性能退化特征预测模型进行训练；
获取预设时间之内耳机的服役数据信息，将所述预设时间之内耳机的服役数据信息输入到所述耳机音量性能退化特征预测模型中预测，获取当前耳机的音量性能退化特征数据。
2.根据权利要求1所述的基于耳部健康监测的耳机智能控制方法，其特征在于，获取用户在预设时间之内的耳部健康监测数据信息，并通过对所述用户在预设时间之内的耳部健康监测数据信息进行评价，获取每一时间戳的耳部健康隶属度信息，具体包括：
获取用户在预设时间之内的耳部健康监测数据信息，并构建时间戳，结合所述时间戳以及用户在预设时间之内的耳部健康监测数据信息获取用户在每个时间戳的耳部健康监测数据信息；
引入决策树算法，设置若干耳部健康状态阈值范围，并根据所述用户在每个时间戳的耳部健康监测数据信息构建根节点，基于所述耳部健康状态阈值范围对所述根节点进行初始化分裂，生成若干分裂节点；
当所述分裂节点中的所有样本数据均在同一耳部健康状态阈值范围之内时，输出所述分裂节点，当所述分裂节点中的样本数据中至少出现一个其他耳部健康状态阈值范围的样本数据时，持续对所述分裂节点进行分裂；
获取最终的分裂节点对应的隶属度信息，根据所述最终的分裂节点对应的隶属度信息获取每一时间戳的耳部健康隶属度信息，并将每一时间戳的耳部健康隶属度信息输出。
3.根据权利要求1所述的基于耳部健康监测的耳机智能控制方法，其特征在于，通过马尔科夫链计算每一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的转移概率值，根据所述转移概率值构建耳部健康状态转移概率预测模型，根据所述耳部健康状态转移概率预测模型获取当前时间戳的耳部健康隶属度信息；
引入马尔科夫链，通过所述马尔科夫链计算每一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的转移概率值，并基于深度神经网络构建耳部健康状态转移概率预测模型；
根据所述转移概率值构建转移概率值矩阵，并将所述转移概率值矩阵输入到所述耳部健康状态转移概率预测模型中进行编码学习，当耳部健康状态转移概率预测模型的模型参数符合预设要求之后，输出耳部健康状态转移概率预测模型；
根据所述耳部健康状态转移概率预测模型获取上一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的预测转移概率值，判断所述预测转移概率值是否大于预设转移概率阈值；
当所述预测转移概率值大于预设转移概率阈值时，将上一时间戳的耳部健康隶属度信息的下一等级的耳部健康隶属度信息作为当前时间戳的耳部健康隶属度信息。
4.根据权利要求1所述的基于耳部健康监测的耳机智能控制方法，其特征在于，获取当前耳机播放的音频特征数据信息，根据所述当前耳机播放的音频特征数据信息以及当前耳机的音量性能退化特征数据获取耳机实际的音量特征数据，具体包括：
获取当前耳机播放的音频特征数据信息，并通过对所述当前耳机播放的音频特征数据信息进行切割处理，获取若干音频片段的音域数据信息，并通过大数据获取在不同音量阈值之下音域数据信息在当前耳机中播放的实际的音量特征数据；
构建知识图谱，并将所述在不同音量阈值之下音域数据信息在当前耳机中播放的实际的音量特征数据输入到所述知识图谱中进行存储，并获取当前耳机设置的音量特征数据信息；
将所述当前耳机设置的音量特征数据信息以及音频片段的音域数据信息输入到所述知识图谱中进行数据匹配，获取每一音频片段在当前耳机中播放的实际的音量特征数据范围，并生成耳机实际的音量特征数据。
5.根据权利要求1所述的基于耳部健康监测的耳机智能控制方法，其特征在于，根据所述耳机实际的音量特征数据以及当前时间戳的耳部健康隶属度信息生成耳机的控制参数，具体包括：
通过大数据获取每一耳部健康隶属度信息之下的健康耳机控制参数信息；
根据所述每一耳部健康隶属度信息之下的健康耳机控制参数信息以及当前时间戳的耳部健康隶属度信息生成当前耳部健康隶属度信息的健康耳机控制参数信息；
将所述当前耳部健康隶属度信息的健康耳机控制参数信息与所述耳机实际的音量特征数据进行对比，得到偏差率，并判断所述偏差率是否大于预设偏差率阈值；
当所述偏差率大于所述预设偏差率阈值时，以所述当前耳部健康隶属度信息的健康耳机控制参数信息为基准，对所述耳机实际的音量特征数据进行偏差计算，生成耳机的控制参数。
6.基于耳部健康监测的耳机智能控制系统，其特征在于，所述系统包括存储器以及处理器，所述存储器中包括基于耳部健康监测的耳机智能控制方法程序，所述基于耳部健康监测的耳机智能控制方法程序被处理器执行时，实现如下步骤：
获取当前耳机的历史服役数据信息，并根据所述当前耳机的历史服役数据信息构建耳机音量性能退化特征预测模型，通过所述耳机音量性能退化特征预测模型获取当前耳机的音量性能退化特征数据；
获取用户在预设时间之内的耳部健康监测数据信息，并通过对所述用户在预设时间之内的耳部健康监测数据信息进行评价，获取每一时间戳的耳部健康隶属度信息；
通过马尔科夫链计算每一时间戳的耳部健康隶属度信息转移到下一等级的耳部健康隶属度信息的转移概率值，根据所述转移概率值构建耳部健康状态转移概率预测模型，根据所述耳部健康状态转移概率预测模型获取当前时间戳的耳部健康隶属度信息；
获取当前耳机播放的音频特征数据信息，根据所述当前耳机播放的音频特征数据信息以及当前耳机的音量性能退化特征数据获取耳机实际的音量特征数据，根据所述耳机实际的音量特征数据以及当前时间戳的耳部健康隶属度信息生成耳机的控制参数；
根据所述当前耳机的历史服役数据信息构建耳机音量性能退化特征预测模型，通过所述耳机音量性能退化特征预测模型获取当前耳机的音量性能退化特征数据，具体包括：
基于贝叶斯网络构建耳机音量性能退化特征预测模型，并引入遗传算法，根据所述当前耳机的历史服役数据信息构建若干样本数据节点，并初始化部分所述样本数据节点的输入训练顺序；
将所述样本数据节点按照所述输入训练顺序输入到所述耳机音量性能退化特征预测模型中进行训练，获取耳机音量性能退化特征预测模型的模型参数；
根据所述遗传算法设置遗传代数，判断所述耳机音量性能退化特征预测模型的模型参数是否大于预设模型参数阈值，若不大于，则根据所述遗传代数对输入训练顺序进行遗传，调整所述样本数据节点的输入训练顺序；
当所述耳机音量性能退化特征预测模型的模型参数大于预设模型参数阈值时，输出样本数据节点的输入训练顺序，并按照所述样本数据节点的输入训练顺序对耳机音量性能退化特征预测模型进行训练；
获取预设时间之内耳机的服役数据信息，将所述预设时间之内耳机的服役数据信息输入到所述耳机音量性能退化特征预测模型中预测，获取当前耳机的音量性能退化特征数据。
7.一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中包括基于耳部健康监测的耳机智能控制方法程序，所述基于耳部健康监测的耳机智能控制方法程序被处理器执行时，实现如权利要求1-5任一项所述的基于耳部健康监测的耳机智能控制方法的步骤。
CN202311759680.0A 2023-12-20 2023-12-20 基于耳部健康监测的耳机智能控制方法、系统及存储介质 Active CN117440286B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311759680.0A CN117440286B (zh) 2023-12-20 2023-12-20 基于耳部健康监测的耳机智能控制方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311759680.0A CN117440286B (zh) 2023-12-20 2023-12-20 基于耳部健康监测的耳机智能控制方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN117440286A CN117440286A (zh) 2024-01-23
CN117440286B true CN117440286B (zh) 2024-03-15

Family

ID=89556912

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311759680.0A Active CN117440286B (zh) 2023-12-20 2023-12-20 基于耳部健康监测的耳机智能控制方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN117440286B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016119127A1 (zh) * 2015-01-27 2016-08-04 深圳市冠旭电子有限公司 基于耳机的听力保护方法、系统及耳机
CN109756809A (zh) * 2019-01-11 2019-05-14 深圳市迷购网络科技有限公司 保健耳机的控制方法、保健耳机及计算机可读存储介质
CN113316055A (zh) * 2020-02-27 2021-08-27 哈曼国际工业有限公司 用于音频信号评估和调整的系统和方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016119127A1 (zh) * 2015-01-27 2016-08-04 深圳市冠旭电子有限公司 基于耳机的听力保护方法、系统及耳机
CN109756809A (zh) * 2019-01-11 2019-05-14 深圳市迷购网络科技有限公司 保健耳机的控制方法、保健耳机及计算机可读存储介质
CN113316055A (zh) * 2020-02-27 2021-08-27 哈曼国际工业有限公司 用于音频信号评估和调整的系统和方法

Also Published As

Publication number Publication date
CN117440286A (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
Best et al. Sound externalization: A review of recent research
US8447042B2 (en) System and method for audiometric assessment and user-specific audio enhancement
US8892232B2 (en) Social network with enhanced audio communications for the hearing impaired
US20240098433A1 (en) Method for configuring a hearing-assistance device with a hearing profile
CN107170463A (zh) 音频信号调节方法及系统
US10897675B1 (en) Training a filter for noise reduction in a hearing device
Chung et al. Effects of directional microphone and adaptive multichannel noise reduction algorithm on cochlear implant performance
EP3873105B1 (en) System and methods for audio signal evaluation and adjustment
CN108933856A (zh) 用于声学暴露管理的动态时间加权系统和方法
KR100643311B1 (ko) 스테레오 음향 제공 장치 및 방법
US12022265B2 (en) System and method for personalized fitting of hearing aids
CN117440286B (zh) 基于耳部健康监测的耳机智能控制方法、系统及存储介质
CN108270913B (zh) 一种移动终端及听力保护方法
KR100929617B1 (ko) 네트워크를 이용한 청력도 기반 이퀄라이제이션 시스템
CN210270867U (zh) 一种多媒体终端设备的音量自动调节系统
Norrix et al. The effects of FM and hearing aid microphone settings, FM gain, and ambient noise levels on SNR at the tympanic membrane
US20110261971A1 (en) Sound Signal Compensation Apparatus and Method Thereof
Wash et al. MP3 listening levels on London underground for music and speech
Lundberg et al. The type of noise influences quality ratings for noisy speech in hearing aid users
CN112019974B (zh) 适应听力损失的媒体系统和方法
CN113613122A (zh) 音量调节方法、装置、耳机及存储介质
Jarvey et al. The Influence of Earphone Usage Behaviour on Ear Disorders
D'Onofrio et al. Musician and nonmusician hearing aid setting preferences for music and speech stimuli
Dobrucki et al. Various aspects of auditory fatigue caused by listening to loud music
EP4303873A1 (en) Personalized bandwidth extension

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