CN117459877B - 一种基于智能感知的耳机音效调控方法及系统 - Google Patents
一种基于智能感知的耳机音效调控方法及系统 Download PDFInfo
- Publication number
- CN117459877B CN117459877B CN202311791469.7A CN202311791469A CN117459877B CN 117459877 B CN117459877 B CN 117459877B CN 202311791469 A CN202311791469 A CN 202311791469A CN 117459877 B CN117459877 B CN 117459877B
- Authority
- CN
- China
- Prior art keywords
- sound effect
- parameters
- parameter
- target
- type
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 251
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000008447 perception Effects 0.000 title claims abstract description 20
- 230000001105 regulatory effect Effects 0.000 claims abstract description 84
- 230000009467 reduction Effects 0.000 claims abstract description 42
- 230000006870 function Effects 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 239000002245 particle Substances 0.000 claims description 45
- 230000006399 behavior Effects 0.000 claims description 33
- 239000011159 matrix material Substances 0.000 claims description 28
- 230000001276 controlling effect Effects 0.000 claims description 24
- 230000003542 behavioural effect Effects 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 9
- 238000000556 factor analysis Methods 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000012097 association analysis method Methods 0.000 claims description 4
- 230000000284 resting effect Effects 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 230000007704 transition Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000008054 signal transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002567 electromyography Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 231100000430 skin reaction Toxicity 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- H04R3/00—Circuits for transducers, loudspeakers or microphones
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2420/00—Details of connection covered by H04R, not provided for in its groups
- H04R2420/03—Connection circuits to selectively connect loudspeakers or headphones to amplifiers
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Circuit For Audible Band Transducer (AREA)
Abstract
本发明涉及耳机音效调控技术领域，特别是一种基于智能感知的耳机音效调控方法及系统。对各存储空间内的目标参数进行降维处理，得到降维后的目标参数；对各存储空间内降维后的目标参数进行异常检测处理，得到各种类型的最终目标参数；将第一预设类型的最终目标参数导入知识图谱中进行配对，得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数；将各项第二预设类型的最终目标参数分别与各项偏好音效参数进行比较，得到各项实时音效参数的调控类型；基于每一项需调控类型音效参数的偏好音效参数对耳机设备中相关联的关联性功能部件进行调控，实现了动态、个性化的耳机音效调控，提高用户体验感。
Description
技术领域
本发明涉及耳机音效调控技术领域，特别是一种基于智能感知的耳机音效调控方法及系统。
背景技术
随着电脑端耳机技术的不断发展，用户对于音频体验的需求也日益增长。然而，在不同的使用环境和用户状态下，传统的固定音效设置难以满足个性化的需求。为了提升用户体验，越来越多的关注点集中在如何通过智能感知技术来调控电脑端耳机音效，以使其能够自适应不同的使用场景和用户状态。用户在不同场景下使用耳机，不同用户对音效的喜好有所不同，而传统的设置无法满足个性化需求。并且用户的生理状态，如情绪、疲劳程度等，也会影响其对音效的感知和需求。基于上述挑战，通过智能感知技术，可以更精准地捕捉用户当前的使用状态，从而实现动态、个性化的电脑端耳机音效调控。这将为用户提供更为优越和符合其需求的音频体验。在这一背景下，研究基于智能感知的电脑端耳机音效调控方法变得尤为重要。
发明内容
本发明克服了现有技术的不足，提供了一种基于智能感知的耳机音效调控方法及系统。
为达到上述目的本发明采用的技术方案为：
本发明第一方面公开了一种基于智能感知的耳机音效调控方法，包括以下步骤：
在预设时间段内通过各传感器采集各种类型的目标参数，并将各种类型的目标参数输送至数据存储器中相应的存储空间内；其中，所述目标参数包括目标用户的实时生理参数与耳机设备的实时音效参数；
对各存储空间内的目标参数进行降维处理，得到降维后的目标参数；对各存储空间内降维后的目标参数进行异常检测处理，得到各种类型的最终目标参数；
构建知识图谱，并将第一预设类型的最终目标参数导入所述知识图谱中进行配对，得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数；
将各项第二预设类型的最终目标参数分别与各项偏好音效参数进行比较，得到比较结果，并根据所述比较结果得到各项实时音效参数的调控类型；其中，调控类型包括需调控类型音效参数与不需调控类型音效参数；
获取与每一项需调控类型音效参数相关联的关联性功能部件，并基于每一项需调控类型音效参数的偏好音效参数对耳机设备中相关联的关联性功能部件进行调控。
优选地，本发明的一个较佳实施例中，对各存储空间内的目标参数进行降维处理，得到降维后的目标参数，具体为：
引入因子分析算法，并计算各存储空间内目标参数的协方差矩阵，协方差矩阵描述了目标参数之间的线性关系；
基于幂法对所述协方差矩阵进行特征值分解，以将协方差矩阵分解为特征值和特征向量；其中，特征值表示参数的变异性，特征向量表示参数的主要方向；
将分解后的特征值按降序排序，并选择前k个特征值对应的特征向量；根据前k个特征值对应的特征向量构成因子载荷矩阵的估计，并基于Varimax旋转法对因子载荷矩阵进行旋转，得到因子载荷矩阵；其中，因子载荷矩阵描述了各目标参数与潜在因子之间的关系；
通过目标参数的特征值、解释力以及可解释性确定出因子选择准则，根据所述因子选择准则对目标参数的各潜在因子进行筛选，得到选定的因子；
根据所述因子载荷矩阵提取出与各选定的因子的因子载荷；将各选定的因子的因子载荷与预设值进行相乘，得到各选定的因子的因子得分；将各选定的因子的因子得分与预设得分进行比较；
若某一选定的因子的因子得分不大于预设得分，则将该选定的因子进一步筛除；若某一选定的因子的因子得分大于预设得分，则将该选定的因子保留；得到各目标参数的最终剩余因子；
将各目标参数的最终剩余因子保存，得到降维后的目标参数。
优选地，本发明的一个较佳实施例中，对各存储空间内降维后的目标参数进行异常检测处理，得到各种类型的最终目标参数，具体为：
构建虚拟空间坐标系，并将各存储空间内降维后的目标参数映射到所述虚拟空间坐标系内；
引入粒子群优化算法，降维后的目标参数的数据中心作为优化的目标，并定义一个适应度函数；
根据降维后的目标参数随机生成一组粒子，每个粒子代表一个可能的数据中心，且每个粒子都有一个位置和速度；其中，粒子的位置被视为当前的数据中心，而速度则表示粒子在搜索空间中的移动方向和速率
对于每个粒子，根据其当前位置和速度以及全局最优和个体最优位置，使用预设的更新规则来调整其位置和速度；当对每个粒子进行调整位置和速度后，更新适应度函数的值；
对于每个粒子，根据更新后的适应度函数的值更新个体最优位置，同时，根据整个粒子群的情况，更新全局最优位置；重复执行更新位置、计算适应度以及更新最佳位置步骤，直到满足终止条件；将最终粒子的位置解码为虚拟空间坐标系中降维后的目标参数的最优数据中心；
在所述虚拟空间坐标系中获取各降维后的目标参数的坐标信息，根据所述坐标信息计算各降维后的目标参数与所述最优数据中心之间的欧氏距离；并将所述欧氏距离与预设欧氏距离进行比较；
若某一降维后的目标参数与所述最优数据中心之间的欧氏距离大于预设欧氏距离，则将该降维后的目标参数在相应的存储空间内剔除；
对各个存储空间内降维后的目标参数进行筛选处理，并更新各个存储空间内剩余目标参数输出，得到各种类型的最终目标参数。
优选地，本发明的一个较佳实施例中，构建知识图谱，并将第一预设类型的最终目标参数导入所述知识图谱中进行配对，得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数，具体为：
提前获取目标用户在进行各种行为活动时对耳机设备的各项偏好音效参数；其中，所述行为活动包括观看影视、休憩、阅读、工作以及进行电竞游戏；
基于大数据网络检索得到目标用户在进行各种行为活动时所对应的特征生理参数组合，并构建知识图谱，将在大数据网络检索得到的目标用户在进行各种行为活动时所对应的特征生理参数组合与目标用户在进行各种行为活动时对耳机设备的各项偏好音效参数输入所述知识图谱中；
获取第一预设类型的最终目标参数，第一预设类型的最终目标参数即是目标用户的各项实时生理参数；并通过灰色关联分析法计算第一预设类型的最终目标参数与知识图谱中各种特征生理参数组合之间的关联度，得到多个关联度；
对多个关联度进行升序排列处理，得到最大关联度，获取第一预设类型的最终目标参数与最大关联度对应的特征生理参数组合，根据第一预设类型的最终目标参数与最大关联度对应的特征生理参数组合在所述知识图谱中配对得到目标用户的实时行为活动；
根据目标用户的实时行为活动在知识图谱中进一步配对得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数。
优选地，本发明的一个较佳实施例中，将各项第二预设类型的最终目标参数分别与各项偏好音效参数进行比较，得到比较结果，并根据所述比较结果得到各项实时音效参数的调控类型，具体为：
获取第二预设类型的最终目标参数，第二预设类型的最终目标参数即是耳机设备的实时音效参数；
分别计算耳机设备的各项实时音效参数与对应类型的偏好音效参数的差值，得到音效参数偏差值；
预设音效参数偏差值阈值范围，判断所述音效参数偏差值是否位于预设音效参数偏差值阈值范围内；
若位于，则将相应类型的实时音效参数视为不需调控类型音效参数；若不位于，则将相应类型的实时音效参数视为需调控类型音效参数。
优选地，本发明的一个较佳实施例中，获取与每一项需调控类型音效参数相关联的关联性功能部件，并基于每一项需调控类型音效参数的偏好音效参数对耳机设备中相关联的关联性功能部件进行调控，具体为：
提取各项需调控类型音效参数的特征信息，并获取耳机设备内各功能部件的性能信息；
逐一计算每一项需调控类型音效参数的特征信息与耳机设备内各功能部件的性能信息之间的皮尔逊相关系数；
预设皮尔逊相关系数阈值范围，将皮尔逊相关系数位于预设皮尔逊相关系数阈值范围内对应的功能部件记录为调控该项需调控类型音效参数的关联性功能部件；
重复以上步骤，直至获取得到调控每一项需调控类型音效参数的关联性功能部件；
获取与每一项需调控类型音效参数相对应的偏好音效参数，根据每一项需调控类型音效参数相对应的偏好音效参数生成检索标签，基于所述检索标签在大数据网络中检索得到将每一项需调控类型音效参数调整至偏好音效参数时对应关联性功能部件的预设电性数据；
获取关联性功能部件的实际电性数据，计算各关联性功能部件的实际电性数据与预设电性数据之间的差值，得到电性数据差值；根据所述电性数据差值对相应关联性功能部件的实际电性数据进行调控。
本发明第二方面公开了一种基于智能感知的耳机音效调控系统，所述耳机音效调控系统包括存储器与处理器，所述存储器中存储有耳机音效调控方法程序，当所述耳机音效调控方法程序被所述处理器执行时，实现如下步骤：
在预设时间段内通过各传感器采集各种类型的目标参数，并将各种类型的目标参数输送至数据存储器中相应的存储空间内；其中，所述目标参数包括目标用户的实时生理参数与耳机设备的实时音效参数；
对各存储空间内的目标参数进行降维处理，得到降维后的目标参数；对各存储空间内降维后的目标参数进行异常检测处理，得到各种类型的最终目标参数；
构建知识图谱，并将第一预设类型的最终目标参数导入所述知识图谱中进行配对，得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数；
将各项第二预设类型的最终目标参数分别与各项偏好音效参数进行比较，得到比较结果，并根据所述比较结果得到各项实时音效参数的调控类型；其中，调控类型包括需调控类型音效参数与不需调控类型音效参数；
获取与每一项需调控类型音效参数相关联的关联性功能部件，并基于每一项需调控类型音效参数的偏好音效参数对耳机设备中相关联的关联性功能部件进行调控。
本发明解决了背景技术中存在的技术缺陷，本发明具备以下有益效果：在预设时间段内通过各传感器采集各种类型的目标参数，并将各种类型的目标参数输送至数据存储器中相应的存储空间内；对各存储空间内的目标参数进行降维处理，得到降维后的目标参数；对各存储空间内降维后的目标参数进行异常检测处理，得到各种类型的最终目标参数；构建知识图谱，并将第一预设类型的最终目标参数导入所述知识图谱中进行配对，得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数；将各项第二预设类型的最终目标参数分别与各项偏好音效参数进行比较，得到比较结果，并根据所述比较结果得到各项实时音效参数的调控类型；获取与每一项需调控类型音效参数相关联的关联性功能部件，并基于每一项需调控类型音效参数的偏好音效参数对耳机设备中相关联的关联性功能部件进行调控，通过本方法能够精准地捕捉用户当前的使用状态，从而实现动态、个性化的耳机音效调控，提高用户体验感。
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为一种基于智能感知的耳机音效调控方法的第一方法流程图；
图2为一种基于智能感知的耳机音效调控方法的第二方法流程图；
图3为一种基于智能感知的耳机音效调控系统的系统框图。
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，本发明第一方面公开了一种基于智能感知的耳机音效调控方法，包括以下步骤：
S102：在预设时间段内通过各传感器采集各种类型的目标参数，并将各种类型的目标参数输送至数据存储器中相应的存储空间内；其中，所述目标参数包括目标用户的实时生理参数与耳机设备的实时音效参数；
S104：对各存储空间内的目标参数进行降维处理，得到降维后的目标参数；对各存储空间内降维后的目标参数进行异常检测处理，得到各种类型的最终目标参数；
S106：构建知识图谱，并将第一预设类型的最终目标参数导入所述知识图谱中进行配对，得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数；
S108：将各项第二预设类型的最终目标参数分别与各项偏好音效参数进行比较，得到比较结果，并根据所述比较结果得到各项实时音效参数的调控类型；其中，调控类型包括需调控类型音效参数与不需调控类型音效参数；
S110：获取与每一项需调控类型音效参数相关联的关联性功能部件，并基于每一项需调控类型音效参数的偏好音效参数对耳机设备中相关联的关联性功能部件进行调控。
优选地，本发明的一个较佳实施例中，对各存储空间内的目标参数进行降维处理，得到降维后的目标参数，具体为：
引入因子分析算法，并计算各存储空间内目标参数的协方差矩阵，协方差矩阵描述了目标参数之间的线性关系；
值得一提的是，通过协方差矩阵可以进一步计算生理参数之间的相关性，相关性分析可以帮助了解参数之间的关联程度；另外还可以使用相关系数进行计算；
基于幂法对所述协方差矩阵进行特征值分解，以将协方差矩阵分解为特征值和特征向量；其中，特征值表示参数的变异性，特征向量表示参数的主要方向；
将分解后的特征值按降序排序，并选择前k个特征值对应的特征向量；根据前k个特征值对应的特征向量构成因子载荷矩阵的估计，并基于Varimax旋转法对因子载荷矩阵进行旋转，得到因子载荷矩阵；其中，因子载荷矩阵描述了各目标参数与潜在因子之间的关系；
制得一提的是，将特征值按降序排序，以便确定哪些因子对数据变异性的解释较大；
通过目标参数的特征值、解释力以及可解释性确定出因子选择准则，根据所述因子选择准则对目标参数的各潜在因子进行筛选，得到选定的因子；
根据所述因子载荷矩阵提取出与各选定的因子的因子载荷；将各选定的因子的因子载荷与预设值进行相乘，得到各选定的因子的因子得分；将各选定的因子的因子得分与预设得分进行比较；
制得一提的是，因子提取是通过找到能够最大程度解释原始数据方差的线性组合来实现的，常用的因子提取方法包括主成分分析（PCA）和最大方差因子分析（EFA）等；
若某一选定的因子的因子得分不大于预设得分，则将该选定的因子进一步筛除；若某一选定的因子的因子得分大于预设得分，则将该选定的因子保留；得到各目标参数的最终剩余因子；
制得一提的是，通过选定的因子的因子得分进一步判断所选定的因子是否为不需要保留的因子，进一步提高可靠性；
将各目标参数的最终剩余因子保存，得到降维后的目标参数。
需要说明的是，生理参数包括心率、体温、肌电图、呼吸频率、脑电波以及皮肤电反应等；音效参数包括音量、声音空间的宽度和深度、声音均衡度、失真度以及频率响应等。
需要说明的是，可以通过一系列传感器采集各项目标参数，如通过音量传感器采集耳机实时音量、通过心率传感器采集用户心率等。由于各项参数是多维的，通过因子分析法对所采集到的目标参数进行降维处理，可以减少数据的复杂性，降低存储空间，使其更易于处理和理解，降低了过拟合的风险，同时保留主要的变异性，并且能够去除冗余信息，使数据更为紧凑，使得数据更容易可视化和解释，有助于深入理解音效参数之间的关系。
优选地，本发明的一个较佳实施例中，对各存储空间内降维后的目标参数进行异常检测处理，得到各种类型的最终目标参数，具体为：
构建虚拟空间坐标系，并将各存储空间内降维后的目标参数映射到所述虚拟空间坐标系内；
引入粒子群优化算法，降维后的目标参数的数据中心作为优化的目标，并定义一个适应度函数；
根据降维后的目标参数随机生成一组粒子，每个粒子代表一个可能的数据中心，且每个粒子都有一个位置和速度；其中，粒子的位置被视为当前的数据中心，而速度则表示粒子在搜索空间中的移动方向和速率
对于每个粒子，根据其当前位置和速度以及全局最优和个体最优位置，使用预设的更新规则来调整其位置和速度；当对每个粒子进行调整位置和速度后，更新适应度函数的值；
对于每个粒子，根据更新后的适应度函数的值更新个体最优位置，同时，根据整个粒子群的情况，更新全局最优位置；重复执行更新位置、计算适应度以及更新最佳位置步骤，直到满足终止条件；将最终粒子的位置解码为虚拟空间坐标系中降维后的目标参数的最优数据中心；
在所述虚拟空间坐标系中获取各降维后的目标参数的坐标信息，根据所述坐标信息计算各降维后的目标参数与所述最优数据中心之间的欧氏距离；并将所述欧氏距离与预设欧氏距离进行比较；
若某一降维后的目标参数与所述最优数据中心之间的欧氏距离大于预设欧氏距离，则将该降维后的目标参数在相应的存储空间内剔除；
对各个存储空间内降维后的目标参数进行筛选处理，并更新各个存储空间内剩余目标参数输出，得到各种类型的最终目标参数。
需要说明的是，粒子群算法是一种优化算法，用于寻找搜索空间中的最优解，将降维后的数据中心作为优化的目标，定义一个适应度函数，该函数应当测量数据点到中心的距离，并且越小表示数据点越靠近中心，这样，粒子群算法的优化目标就是最小化这个适应度函数；随机生成一组粒子，每个粒子代表一个可能的数据中心。每个粒子都有一个位置和速度。粒子的位置可以被视为当前的数据中心，而速度则表示粒子在搜索空间中的移动方向和速率。对于每个粒子，根据其当前位置和速度以及全局最优和个体最优位置，使用更新规则来调整其位置和速度。对于每个粒子，计算适应度函数的值，即数据点到该中心的距离。对于每个粒子，根据适应度函数的值更新个体最优位置。同时，根据整个粒子群的情况，更新全局最优位置。重复执行更新位置、计算适应度、更新最佳位置等步骤，直到满足终止条件。将最终粒子的位置解码为参数的数据中心，便能够得到最优的降维后的数据中心。若某一降维后的目标参数与所述最优数据中心之间的欧氏距离大于预设欧氏距离，则说明该数据为无效数据（噪声数据），则将该降维后的目标参数在相应的存储空间内剔除。通过优化得到最优数据中心，从而根据最优数据中心进一步筛选出噪声参数，从而提高可靠性，进一提高音效调控效果与精度。
如图2所示，优选地，本发明的一个较佳实施例中，构建知识图谱，并将第一预设类型的最终目标参数导入所述知识图谱中进行配对，得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数，具体为：
S202：提前获取目标用户在进行各种行为活动时对耳机设备的各项偏好音效参数；其中，所述行为活动包括观看影视、休憩、阅读、工作以及进行电竞游戏；
S204：基于大数据网络检索得到目标用户在进行各种行为活动时所对应的特征生理参数组合，并构建知识图谱，将在大数据网络检索得到的目标用户在进行各种行为活动时所对应的特征生理参数组合与目标用户在进行各种行为活动时对耳机设备的各项偏好音效参数输入所述知识图谱中；
S206：获取第一预设类型的最终目标参数，第一预设类型的最终目标参数即是目标用户的各项实时生理参数；并通过灰色关联分析法计算第一预设类型的最终目标参数与知识图谱中各种特征生理参数组合之间的关联度，得到多个关联度；
S208：对多个关联度进行升序排列处理，得到最大关联度，获取第一预设类型的最终目标参数与最大关联度对应的特征生理参数组合，根据第一预设类型的最终目标参数与最大关联度对应的特征生理参数组合在所述知识图谱中配对得到目标用户的实时行为活动；
S210：根据目标用户的实时行为活动在知识图谱中进一步配对得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数。
需要说明的是，通过分析生理参数，可以进一步判断出目标用户在进行行为活动，如当用户在电脑端前带着耳机听歌休憩时，通常伴随着较低的心率和较为平缓的心率变化，显示较低的皮肤电活动，表示相对放松；如用户在进行电竞游戏时，心率可能在游戏紧张刺激时明显上升，皮肤电活动可能在游戏紧张刺激时上升；如在进行阅读时注视点可能在文本上移动，跟随阅读的进行。总体而言，通过监测目标用户的生理参数的变化，结合先验知识，可以根据生理参数与各种行为活动建立一定的关联性，从而对用户当前可能的行为活动进行推断。因此，基于大数据网络检索得到目标用户在进行各种行为活动时所对应的特征生理参数组合，并且提前获取目标用户在进行各种行为活动时对耳机设备的各项偏好音效参数，如用户在进行休憩时所偏好的音量、声音均衡度、失真度等音效参数。然后计算目标用户的实时生理参数与各种特征生理参数组合之间的关联度，从而配对识别得到目标用户的实时行为活动人，然后根据目标用户的实时行为活动进一步配对得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数。本步骤算法简单，能够有效提高系统响应速度，提高系统鲁棒性，并且配对结果精度高，能够有效提高调控精度，提高用户体验感。
优选地，本发明的一个较佳实施例中，将各项第二预设类型的最终目标参数分别与各项偏好音效参数进行比较，得到比较结果，并根据所述比较结果得到各项实时音效参数的调控类型，具体为：
获取第二预设类型的最终目标参数，第二预设类型的最终目标参数即是耳机设备的实时音效参数；
分别计算耳机设备的各项实时音效参数与对应类型的偏好音效参数的差值，得到音效参数偏差值；
预设音效参数偏差值阈值范围，判断所述音效参数偏差值是否位于预设音效参数偏差值阈值范围内；
若位于，则将相应类型的实时音效参数视为不需调控类型音效参数；若不位于，则将相应类型的实时音效参数视为需调控类型音效参数。
需要说明的是，通过本步骤能够判断出耳机中各项音效参数是否在目标用户进行当前行为活动时的偏好范围内，若不位于，则相应类型的实时音效参数视为需调控类型音效参数。
优选地，本发明的一个较佳实施例中，获取与每一项需调控类型音效参数相关联的关联性功能部件，并基于每一项需调控类型音效参数的偏好音效参数对耳机设备中相关联的关联性功能部件进行调控，具体为：
提取各项需调控类型音效参数的特征信息，并获取耳机设备内各功能部件的性能信息；
逐一计算每一项需调控类型音效参数的特征信息与耳机设备内各功能部件的性能信息之间的皮尔逊相关系数；
预设皮尔逊相关系数阈值范围，将皮尔逊相关系数位于预设皮尔逊相关系数阈值范围内对应的功能部件记录为调控该项需调控类型音效参数的关联性功能部件；
重复以上步骤，直至获取得到调控每一项需调控类型音效参数的关联性功能部件；
获取与每一项需调控类型音效参数相对应的偏好音效参数，根据每一项需调控类型音效参数相对应的偏好音效参数生成检索标签，基于所述检索标签在大数据网络中检索得到将每一项需调控类型音效参数调整至偏好音效参数时对应关联性功能部件的预设电性数据；
获取关联性功能部件的实际电性数据，计算各关联性功能部件的实际电性数据与预设电性数据之间的差值，得到电性数据差值；根据所述电性数据差值对相应关联性功能部件的实际电性数据进行调控。
需要说明的是，电性数据包括电流、电压、阻抗等。皮尔逊相关系数越大，正负相关关系越强，而值越小，相关性越弱。通过小波变换等特征提取算法提取各项需调控类型音效参数的特征信息，如频谱能量、主频成分等。获取耳机设备内各功能部件的性能信息，功能部件包括磁体、线圈、降噪器、电压调节器、电流调节器等；性能信息即是各功能部件的功能作用，如利用电压调节器可以调节设备电压等。将皮尔逊相关系数位于预设皮尔逊相关系数阈值范围内对应的功能部件记录为调控该项需调控类型音效参数的关联性功能部件，如利用电压调节器调节设备电压，而通过电流调节器调节设备电流等关联性功能部件。通过本方法能够根据用户在进行各种行为活动时的音效偏好参数对耳机设备进行自动、精准调控，提高用户体验感。
此外，本方法还包括以下步骤：
在预设时间段内采集耳机设备中各功能部件的实际电性数据，构建数据库，并将采集得到的实际电性数据输入所述数据库内；
将数据库所有的实际电性数据视为一个特征集，从所述特征集中随机选择一个作为根节点的初始特征；
对选定的初始特征进行分类，得到一个分割点，根据所述分割点将特征集分为两个子集，一个子集分割在分割点上方区域，另一个子集分割在分割点下方区域；得到若干个枝干区域；
获取各个枝干区域内所属的实际电性数据，并计算各个枝干区域内所属的实际电性数据的附属度，若所述附属度不大于预设附属度，则重复以上步骤，进行分裂迭代，直至附属度大于预设附属度；若所述附属度大于预设附属度，则将各个枝干区域内所属的实际电性数据；其中，各个枝干区域内所属的实际电性数据与各功能部件的实际电性数据相对应；
构建马尔科夫模型，将各个枝干区域内所属的实际电性数据导入所述马尔科夫模型中计算相应功能部件在未来时间节点的状态转移概率；
若某一功能部件在未来时间节点的状态转移概率大于预设转移概率，则将该功能部件标记为需调控功能部件；并获取需调控功能部件的状态转移类型信息；
根据需调控功能部件的状态转移类型信息在大共享数据库中检索得到若干个历史调控方案，并获取各个历史调控方案的历史调控成功率，将历史调功成功率最高的历史调控方案最为最高优先级的调控方案输出。
需要说明的是，通过决策树模型对采集得到的实际电性数据进行聚类处理，以快速区分出哪些数据是属于哪一功能部件的，以利于后续通过马尔可夫模型对各功能部件的转移状态进行预测。
需要说明的是，在耳机运行过程中使用马尔可夫模型对运行转移状态概率进行预测，可以实现对系统行为的更好掌控，提高系统的智能化水平，同时改善用户体验、延长设备寿命、优化资源利用等方面的效果。举例来说，马尔可夫模型能够帮助预测耳机可能的运行状态，通过建模不同状态之间的转移概率，可以在给定当前状态的情况下，预测系统可能处于哪种状态，例如正常工作状态、低电量状态、充电状态等，例如，在低电量状态预测到来时，系统可以采取措施，如降低功耗或提醒用户充电，以优化资源利用并延长电池寿命，实现智能调控，提高用户体验感；通过预测可能的状态，可以根据系统当前状态调整耳机的行为，以提供更好的用户体验，例如，在预测到用户可能在短时间内要离开时，可以自动降低功耗或暂停播放以节省电量。
此外，本方法还包括以下步骤：
获取耳机设备中各传感器的位置节点，以及获取耳机设备中信号采集器的位置节点，根据各传感器的位置节点与信号采集器的位置节点初始化得到无线信号交汇节点；
随机访问一个传感器的位置节点，并计算该位置节点的传感器到无线信号交汇节点的距离值，根据所述距离值计算该位置节点的传感器与无线信号交汇节点之间的信噪比；
然后访问下一传感器的位置节点，重复以上步骤，直至计算得到各传感器与无线信号交汇节点之间的总信噪比；
判断总信噪比是大于预设阈值，若大于，则将当前的无线信号交汇节点输出；
若不大于，则重新初始化无线信号交汇节点，按照以上步骤继续计算传感器与重新初始化无线信号交汇节点之间的总信噪比，直至总信噪比大于预设阈值，则将当前的无线信号交汇节点输出；
将输出的无线信号交汇节点作为最终无线信号交汇节点，并根据最终无线信号交汇节点构建无线信号传送网络，基于所述无线信号传送网络将各传感器所采集得到的参数输送至信号采集器上。
需要说明的是，通过本方法充分考虑了无线信号传送网络的合理性，使得获取各传感器所采集得到的实收数据时，能够降低干扰数据，提高数据传送质量，降低数据处理难度，进而提高调控精度与系统响应速度。
如图3所示，本发明第二方面公开了一种基于智能感知的耳机音效调控系统，所述耳机音效调控系统包括存储器20与处理器60，所述存储器20中存储有耳机音效调控方法程序，当所述耳机音效调控方法程序被所述处理器60执行时，实现如下步骤：
在预设时间段内通过各传感器采集各种类型的目标参数，并将各种类型的目标参数输送至数据存储器中相应的存储空间内；其中，所述目标参数包括目标用户的实时生理参数与耳机设备的实时音效参数；
对各存储空间内的目标参数进行降维处理，得到降维后的目标参数；对各存储空间内降维后的目标参数进行异常检测处理，得到各种类型的最终目标参数；
构建知识图谱，并将第一预设类型的最终目标参数导入所述知识图谱中进行配对，得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数；
将各项第二预设类型的最终目标参数分别与各项偏好音效参数进行比较，得到比较结果，并根据所述比较结果得到各项实时音效参数的调控类型；其中，调控类型包括需调控类型音效参数与不需调控类型音效参数；
获取与每一项需调控类型音效参数相关联的关联性功能部件，并基于每一项需调控类型音效参数的偏好音效参数对耳机设备中相关联的关联性功能部件进行调控。
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 (5)
1.一种基于智能感知的耳机音效调控方法，其特征在于，包括以下步骤：
在预设时间段内通过各传感器采集各种类型的目标参数，并将各种类型的目标参数输送至数据存储器中相应的存储空间内；其中，所述目标参数包括目标用户的实时生理参数与耳机设备的实时音效参数；
对各存储空间内的目标参数进行降维处理，得到降维后的目标参数；对各存储空间内降维后的目标参数进行异常检测处理，得到各种类型的最终目标参数；
构建知识图谱，并将第一预设类型的最终目标参数导入所述知识图谱中进行配对，得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数；
将各项第二预设类型的最终目标参数分别与各项偏好音效参数进行比较，得到比较结果，并根据所述比较结果得到各项实时音效参数的调控类型；其中，调控类型包括需调控类型音效参数与不需调控类型音效参数；
获取与每一项需调控类型音效参数相关联的关联性功能部件，并基于每一项需调控类型音效参数的偏好音效参数对耳机设备中相关联的关联性功能部件进行调控；
其中，构建知识图谱，并将第一预设类型的最终目标参数导入所述知识图谱中进行配对，得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数，具体为：
提前获取目标用户在进行各种行为活动时对耳机设备的各项偏好音效参数；其中，所述行为活动包括观看影视、休憩、阅读、工作以及进行电竞游戏；
基于大数据网络检索得到目标用户在进行各种行为活动时所对应的特征生理参数组合，并构建知识图谱，将在大数据网络检索得到的目标用户在进行各种行为活动时所对应的特征生理参数组合与目标用户在进行各种行为活动时对耳机设备的各项偏好音效参数输入所述知识图谱中；
获取第一预设类型的最终目标参数，第一预设类型的最终目标参数即是目标用户的各项实时生理参数；并通过灰色关联分析法计算第一预设类型的最终目标参数与知识图谱中各种特征生理参数组合之间的关联度，得到多个关联度；
对多个关联度进行升序排列处理，得到最大关联度，获取第一预设类型的最终目标参数与最大关联度对应的特征生理参数组合，根据第一预设类型的最终目标参数与最大关联度对应的特征生理参数组合在所述知识图谱中配对得到目标用户的实时行为活动；
根据目标用户的实时行为活动在知识图谱中进一步配对得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数；
其中，将各项第二预设类型的最终目标参数分别与各项偏好音效参数进行比较，得到比较结果，并根据所述比较结果得到各项实时音效参数的调控类型，具体为：
获取第二预设类型的最终目标参数，第二预设类型的最终目标参数即是耳机设备的实时音效参数；
分别计算耳机设备的各项实时音效参数与对应类型的偏好音效参数的差值，得到音效参数偏差值；
预设音效参数偏差值阈值范围，判断所述音效参数偏差值是否位于预设音效参数偏差值阈值范围内；
若位于，则将相应类型的实时音效参数视为不需调控类型音效参数；若不位于，则将相应类型的实时音效参数视为需调控类型音效参数。
2.根据权利要求1所述的一种基于智能感知的耳机音效调控方法，其特征在于，对各存储空间内的目标参数进行降维处理，得到降维后的目标参数，具体为：
引入因子分析算法，并计算各存储空间内目标参数的协方差矩阵，协方差矩阵描述了目标参数之间的线性关系；
基于幂法对所述协方差矩阵进行特征值分解，以将协方差矩阵分解为特征值和特征向量；其中，特征值表示参数的变异性，特征向量表示参数的主要方向；
将分解后的特征值按降序排序，并选择前k个特征值对应的特征向量；根据前k个特征值对应的特征向量构成因子载荷矩阵的估计，并基于Varimax旋转法对因子载荷矩阵进行旋转，得到因子载荷矩阵；其中，因子载荷矩阵描述了各目标参数与潜在因子之间的关系；
通过目标参数的特征值、解释力以及可解释性确定出因子选择准则，根据所述因子选择准则对目标参数的各潜在因子进行筛选，得到选定的因子；
根据所述因子载荷矩阵提取出与各选定的因子的因子载荷；将各选定的因子的因子载荷与预设值进行相乘，得到各选定的因子的因子得分；将各选定的因子的因子得分与预设得分进行比较；
若某一选定的因子的因子得分不大于预设得分，则将该选定的因子进一步筛除；若某一选定的因子的因子得分大于预设得分，则将该选定的因子保留；得到各目标参数的最终剩余因子；
将各目标参数的最终剩余因子保存，得到降维后的目标参数。
3.根据权利要求1所述的一种基于智能感知的耳机音效调控方法，其特征在于，对各存储空间内降维后的目标参数进行异常检测处理，得到各种类型的最终目标参数，具体为：
构建虚拟空间坐标系，并将各存储空间内降维后的目标参数映射到所述虚拟空间坐标系内；
引入粒子群优化算法，降维后的目标参数的数据中心作为优化的目标，并定义一个适应度函数；
根据降维后的目标参数随机生成一组粒子，每个粒子代表一个可能的数据中心，且每个粒子都有一个位置和速度；其中，粒子的位置被视为当前的数据中心，而速度则表示粒子在搜索空间中的移动方向和速率
对于每个粒子，根据其当前位置和速度以及全局最优和个体最优位置，使用预设的更新规则来调整其位置和速度；当对每个粒子进行调整位置和速度后，更新适应度函数的值；
对于每个粒子，根据更新后的适应度函数的值更新个体最优位置，同时，根据整个粒子群的情况，更新全局最优位置；重复执行更新位置、计算适应度以及更新最佳位置步骤，直到满足终止条件；将最终粒子的位置解码为虚拟空间坐标系中降维后的目标参数的最优数据中心；
在所述虚拟空间坐标系中获取各降维后的目标参数的坐标信息，根据所述坐标信息计算各降维后的目标参数与所述最优数据中心之间的欧氏距离；并将所述欧氏距离与预设欧氏距离进行比较；
若某一降维后的目标参数与所述最优数据中心之间的欧氏距离大于预设欧氏距离，则将该降维后的目标参数在相应的存储空间内剔除；
对各个存储空间内降维后的目标参数进行筛选处理，并更新各个存储空间内剩余目标参数输出，得到各种类型的最终目标参数。
4.根据权利要求1所述的一种基于智能感知的耳机音效调控方法，其特征在于，获取与每一项需调控类型音效参数相关联的关联性功能部件，并基于每一项需调控类型音效参数的偏好音效参数对耳机设备中相关联的关联性功能部件进行调控，具体为：
提取各项需调控类型音效参数的特征信息，并获取耳机设备内各功能部件的性能信息；
逐一计算每一项需调控类型音效参数的特征信息与耳机设备内各功能部件的性能信息之间的皮尔逊相关系数；
预设皮尔逊相关系数阈值范围，将皮尔逊相关系数位于预设皮尔逊相关系数阈值范围内对应的功能部件记录为调控该项需调控类型音效参数的关联性功能部件；
重复以上步骤，直至获取得到调控每一项需调控类型音效参数的关联性功能部件；
获取与每一项需调控类型音效参数相对应的偏好音效参数，根据每一项需调控类型音效参数相对应的偏好音效参数生成检索标签，基于所述检索标签在大数据网络中检索得到将每一项需调控类型音效参数调整至偏好音效参数时对应关联性功能部件的预设电性数据；
获取关联性功能部件的实际电性数据，计算各关联性功能部件的实际电性数据与预设电性数据之间的差值，得到电性数据差值；根据所述电性数据差值对相应关联性功能部件的实际电性数据进行调控。
5.一种基于智能感知的耳机音效调控系统，其特征在于，所述耳机音效调控系统包括存储器与处理器，所述存储器中存储有耳机音效调控方法程序，当所述耳机音效调控方法程序被所述处理器执行时，实现如下步骤：
在预设时间段内通过各传感器采集各种类型的目标参数，并将各种类型的目标参数输送至数据存储器中相应的存储空间内；其中，所述目标参数包括目标用户的实时生理参数与耳机设备的实时音效参数；
对各存储空间内的目标参数进行降维处理，得到降维后的目标参数；对各存储空间内降维后的目标参数进行异常检测处理，得到各种类型的最终目标参数；
构建知识图谱，并将第一预设类型的最终目标参数导入所述知识图谱中进行配对，得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数；
将各项第二预设类型的最终目标参数分别与各项偏好音效参数进行比较，得到比较结果，并根据所述比较结果得到各项实时音效参数的调控类型；其中，调控类型包括需调控类型音效参数与不需调控类型音效参数；
获取与每一项需调控类型音效参数相关联的关联性功能部件，并基于每一项需调控类型音效参数的偏好音效参数对耳机设备中相关联的关联性功能部件进行调控；
其中，构建知识图谱，并将第一预设类型的最终目标参数导入所述知识图谱中进行配对，得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数，具体为：
提前获取目标用户在进行各种行为活动时对耳机设备的各项偏好音效参数；其中，所述行为活动包括观看影视、休憩、阅读、工作以及进行电竞游戏；
基于大数据网络检索得到目标用户在进行各种行为活动时所对应的特征生理参数组合，并构建知识图谱，将在大数据网络检索得到的目标用户在进行各种行为活动时所对应的特征生理参数组合与目标用户在进行各种行为活动时对耳机设备的各项偏好音效参数输入所述知识图谱中；
获取第一预设类型的最终目标参数，第一预设类型的最终目标参数即是目标用户的各项实时生理参数；并通过灰色关联分析法计算第一预设类型的最终目标参数与知识图谱中各种特征生理参数组合之间的关联度，得到多个关联度；
对多个关联度进行升序排列处理，得到最大关联度，获取第一预设类型的最终目标参数与最大关联度对应的特征生理参数组合，根据第一预设类型的最终目标参数与最大关联度对应的特征生理参数组合在所述知识图谱中配对得到目标用户的实时行为活动；
根据目标用户的实时行为活动在知识图谱中进一步配对得到目标用户在进行当前实时行为活动时对耳机设备的各项偏好音效参数；
其中，将各项第二预设类型的最终目标参数分别与各项偏好音效参数进行比较，得到比较结果，并根据所述比较结果得到各项实时音效参数的调控类型，具体为：
获取第二预设类型的最终目标参数，第二预设类型的最终目标参数即是耳机设备的实时音效参数；
分别计算耳机设备的各项实时音效参数与对应类型的偏好音效参数的差值，得到音效参数偏差值；
预设音效参数偏差值阈值范围，判断所述音效参数偏差值是否位于预设音效参数偏差值阈值范围内；
若位于，则将相应类型的实时音效参数视为不需调控类型音效参数；若不位于，则将相应类型的实时音效参数视为需调控类型音效参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311791469.7A CN117459877B (zh) | 2023-12-25 | 2023-12-25 | 一种基于智能感知的耳机音效调控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311791469.7A CN117459877B (zh) | 2023-12-25 | 2023-12-25 | 一种基于智能感知的耳机音效调控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117459877A CN117459877A (zh) | 2024-01-26 |
| CN117459877B true CN117459877B (zh) | 2024-03-15 |
Family
ID=89591365
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311791469.7A Active CN117459877B (zh) | 2023-12-25 | 2023-12-25 | 一种基于智能感知的耳机音效调控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117459877B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN207369231U (zh) * | 2017-07-07 | 2018-05-15 | 赵平 | 多功能智能型耳机装置的设定系统 |
| CN109218875A (zh) * | 2017-07-07 | 2019-01-15 | 赵平 | 具定向交谈功能的智能型耳机装置个人化系统及使用方法 |
| CN116634622A (zh) * | 2023-07-26 | 2023-08-22 | 深圳特朗达照明股份有限公司 | 一种基于物联网的led智能控制方法、系统及介质 |
| CN116996807A (zh) * | 2023-09-28 | 2023-11-03 | 小舟科技有限公司 | 基于用户情感的脑控耳机控制方法及装置、耳机、介质 |
-
2023
- 2023-12-25 CN CN202311791469.7A patent/CN117459877B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN207369231U (zh) * | 2017-07-07 | 2018-05-15 | 赵平 | 多功能智能型耳机装置的设定系统 |
| CN109218875A (zh) * | 2017-07-07 | 2019-01-15 | 赵平 | 具定向交谈功能的智能型耳机装置个人化系统及使用方法 |
| CN116634622A (zh) * | 2023-07-26 | 2023-08-22 | 深圳特朗达照明股份有限公司 | 一种基于物联网的led智能控制方法、系统及介质 |
| CN116996807A (zh) * | 2023-09-28 | 2023-11-03 | 小舟科技有限公司 | 基于用户情感的脑控耳机控制方法及装置、耳机、介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117459877A (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109714324B (zh) | 基于机器学习算法的用户网络异常行为发现方法及系统 | |
| CN112052759B (zh) | 一种活体检测方法和装置 | |
| CN112529638B (zh) | 基于用户分类和深度学习的服务需求动态预测方法及系统 | |
| CN116916504B (zh) | 调光面板的智能控制方法、装置、设备及存储介质 | |
| Wang et al. | The trend-fuzzy-granulation-based adaptive fuzzy cognitive map for long-term time series forecasting | |
| Huang et al. | Learning Utterance-Level Representations with Label Smoothing for Speech Emotion Recognition. | |
| CN114587281B (zh) | 一种具有助眠功能的智能枕控制方法、系统及可读存储介质 | |
| JP6950504B2 (ja) | 異常候補抽出プログラム、異常候補抽出方法および異常候補抽出装置 | |
| CN113094448B (zh) | 住宅空置状态的分析方法及分析装置、电子设备 | |
| CN117459877B (zh) | 一种基于智能感知的耳机音效调控方法及系统 | |
| CN117709712A (zh) | 一种基于混合神经网络的配电网的态势预测方法及终端 | |
| CN111310072B (zh) | 关键词提取方法、装置和计算机可读存储介质 | |
| CN117392714A (zh) | 基于半监督学习的人脸美丽预测方法、设备及介质 | |
| CN117056591A (zh) | 基于动态预测的电力缴费渠道智能推荐方法及系统 | |
| CN116680613A (zh) | 基于多尺度度量学习的人类活动识别综合优化方法 | |
| CN116361628A (zh) | 基于vfd房的故障类别智能分析方法及装置 | |
| CN113407808A (zh) | 图神经网络模型适用性判定方法、装置和计算机设备 | |
| Bharathi et al. | The significance of feature selection techniques in machine learning | |
| CN112861798B (zh) | 基于生理信号的分类识别方法、介质及电子设备 | |
| CN112861796B (zh) | 特征自适应的动作识别方法 | |
| CN113496222B (zh) | 基于无标签图表数据的模式识别方法、装置和计算机设备 | |
| Cheng et al. | Multi-Objective Optimization of Feature Selection Procedure for Human Activity Recognition | |
| CN118141377B (zh) | 患者的负性情绪监测系统及方法 | |
| Vishwakarma et al. | Performance improvements in face classification using random forest | |
| CN116030841A (zh) | 一种基于语音自监督学习的躯体化障碍识别方法 |
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 |