TWI742520B - 人工智慧降噪系統及方法 - Google Patents
人工智慧降噪系統及方法 Download PDFInfo
- Publication number
- TWI742520B TWI742520B TW109101988A TW109101988A TWI742520B TW I742520 B TWI742520 B TW I742520B TW 109101988 A TW109101988 A TW 109101988A TW 109101988 A TW109101988 A TW 109101988A TW I742520 B TWI742520 B TW I742520B
- Authority
- TW
- Taiwan
- Prior art keywords
- noise
- noise signal
- signal
- artificial intelligence
- noise reduction
- Prior art date
Links
Images
Landscapes
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本發明公開一種人工智慧降噪系統及方法。人工智慧降噪系統包含收音單元、處理單元以及播放單元。收音單元接收外部音源發出的噪音訊號。處理單元連接收音單元,收集外部音源運作一段時間所產生的噪音訊號以建立大數據資料庫。處理單元利用人工智慧的機器學習噪音訊號的波形參數變化的規則,以分析出固定模式行為。處理單元基於固定模式行為以預先推算後續產生的噪音訊號的波形參數,並據以預先產生反向的聲音訊號,記錄在大數據資料庫中。播放單元連接處理單元,在外部音源發出噪音訊號時,播放聲音訊號抵消噪音訊號。
Description
本發明涉及降噪系統及方法,特別是涉及一種人工智慧降噪系統及方法。
抽油煙機,是一種淨化廚房環境的廚房電器,其能將爐灶燃燒的廢物和烹飪過程中產生的對人體有害的油煙迅速抽走排出的廢物,可減少污染,淨化空氣,並有防毒防爆的安全保障作用。現有抽油煙機的工作原理是通過電機帶動葉輪,產生負壓將煙機下方的空氣抽走。然而,目前廚房用的抽油煙機,一般都是電機安裝在油煙機相關機殼(油煙罩)內,由於主體機殼的音箱效應作用噪聲很大,經常用減少排風量來降低噪音,影響了抽油煙的效果。
本發明所要解決的技術問題在於,針對現有技術的不足提供一種人工智慧降噪系統,包含收音單元、處理單元以及播放單元。收音單元配置以接收外部音源發出的噪音訊號。處理單元連接收音單元,配置以收集外部音源運作一段時間所產生的噪音訊號以建立一大數據資料庫,利用人工智慧的機器學習分析噪音訊號的波形參數變化的規則,以以分析出一固定模式
行為,基於固定模式行為以預先推算後續產生的噪音訊號的波形參數,並據以預先產生與噪音訊號反向的聲音訊號,記錄在大數據資料庫中。播放單元連接處理單元,配置以依據指示訊號在外部音源發出噪音訊號時,播放聲音訊號抵消噪音訊號。
在一實施態樣中,處理單元判斷播放單元延遲播放聲音訊號的波形時,即時修正播放單元播放的聲音訊號的波形。
在一實施態樣中,處理單元定義一參考點,在播放單元播放的噪音訊號的波形到達參考點時,收音單元再次收音噪音訊號,處理單元判斷聲音訊號抵消噪音訊號的一降噪程度。
在一實施態樣中,當降噪程度不符合一預設降噪程度時,處理單元判定噪音訊號的波形參數改變,而利用人工智慧的機器學習改變後的噪音訊號的波形參數,分析出改變後的噪音訊號的固定模式行為,以預先產生另一聲音訊號,記錄在大數據資料庫中。
在一實施態樣中,噪音訊號的波形參數包含噪音訊號的頻率、週期、振幅、相位或其任意組合。
另外,本發明提供一種人工智慧降噪方法,包含以下步驟:配置收音單元,接收外部音源發出的噪音訊號;配置處理單元,收集外部音源運作一段時間所產生的噪音訊號以建立一大數據資料庫,利用人工智慧的機器學習分析噪音訊號的波形參數變化的規則,以分析出一固定模式行為,基於固定模式行為以預先推算後續產生的噪音訊號的波形參數,並據以預先產生與噪音訊號的反向的聲音訊號,記錄在大數據資料庫中;以及配置播放單元,在外部音源發出噪音訊號時,播放聲音訊號,以抵消噪音訊號。
在一實施態樣中,所述人工智慧降噪方法更包含以下步驟:由處理單元判斷播放單元延遲播放聲音訊號的波形時,即時修正播放單元播放
的聲音訊號的波形。
在一實施態樣中,所述人工智慧降噪方法更包含以下步驟:利用處理單元定義一參考點;以及在播放單元播放的噪音訊號的波形到達參考點時,收音單元再次收音噪音訊號,利用處理單元判斷聲音訊號抵消噪音訊號的一降噪程度。
在一實施態樣中,所述人工智慧降噪方法更包含以下步驟:當降噪程度不符合一預設降噪程度時,由處理單元判定噪音訊號的波形參數改變,而利用人工智慧的機器學習改變後的噪音訊號的波形參數,分析出改變後的噪音訊號的固定模式行為,以預先產生另一聲音訊號,記錄在大數據資料庫中。
在一實施態樣中,所述人工智慧降噪方法更包含以下步驟:透過處理單元利用人工智慧方法的機器學習分析噪音訊號的頻率、週期、振幅、相位。
如上所述,本發明所提供人工智慧降噪系統及方法,其處理器預先透過人工智慧的機器學習分析外部音源例如抽油煙機產生的噪音的參數變化規則,以在往後外部音源運作時,由播放單元即時播放人工智慧分析出的可抵消噪音的語音。以此方式,相比於習知降噪系統必需使用運算能力很高的處理器,本發明使用運算能力一般處理器即可實現主動降噪的效果。
為使能更進一步瞭解本發明的特徵及技術內容,請參閱以下有關本發明的詳細說明與圖式,然而所提供的圖式僅用於提供參考與說明,並非用來對本發明加以限制。
SYS:人工智慧降噪系統
SPE:播放單元
VO:聲音訊號
PRO:處理單元
IT:大數據資料庫
RP:參考點
VS:外部音源
NOS:噪音訊號
MIC:收音單元
SIN1、SIN2:正弦波形
A:振幅
T:週期
S101~S115、S201~S207、S301~S311:步驟
圖1為本發明實施例的人工智慧降噪系統的方塊圖。
圖2為本發明實施例的人工智慧降噪系統的噪音訊號以及與噪音訊號具有相同振幅、相同頻率但反向的聲音訊號的波形圖。
圖3A為本發明實施例的人工智慧降噪方法的預先利用人工智慧學習分析噪音訊號的固定模式行為的步驟流程圖。
圖3B為本發明實施例的人工智慧降噪方法在延遲消音時進行自我修正的步驟流程圖。
圖3C為本發明實施例的人工智慧降噪方法在噪音變化時重新利用人工智慧學習分析噪音訊號的固定模式行為的步驟流程圖。
圖4為本發明實施例的人工智慧降噪系統應用於廚房的使用示意圖。
以下是通過特定的具體實施例來說明本發明所公開的實施方式,本領域技術人員可由本說明書所公開的內容瞭解本發明的優點與效果。本發明可通過其他不同的具體實施例加以施行或應用,本說明書中的各項細節也可基於不同觀點與應用,在不悖離本發明的構思下進行各種修改與變更。另外,本發明的附圖僅為簡單示意說明,並非依實際尺寸的描繪,事先聲明。以下的實施方式將進一步詳細說明本發明的相關技術內容,但所公開的內容並非用以限制本發明的保護範圍。
應當可以理解的是,雖然本文中可能會使用到“第一”、“第二”、“第三”等術語來描述各種元件或者訊號,但這些元件或者訊號不應受這些術語的限制。這些術語主要是用以區分一元件與另一元件,或者一訊號與另一訊號。另外,本文中所使用的術語“或”,應視實際情況可能包含相關聯的列出項目中的任一個或者多個的組合。
請參閱圖1和圖2,其中圖1為本發明實施例的人工智慧降噪系統的方塊圖;圖2為本發明實施例的人工智慧降噪系統的噪音訊號以及與噪音訊號具有相同振幅、相同頻率但反向的聲音訊號的波形圖。
如圖1所示,本實施例的人工智慧降噪系統SYS包含收音單元MIC、處理單元PRO以及播放單元SPE。處理單元PRO可為處理器,連接收音單元MIC以及播放單元SPE。收音單元MIC可包含麥克風或其他具有收音功能的裝置,配置以接收外部音源VS發出的噪音訊號NOS。播放單元SPE可包含具有播音功能的裝置例如揚聲器等。應理解,以上僅舉例說明,本發明不以此為限。
值得注意的是,現有降噪系統是隨著噪音的產生,即時分析噪音,接著產生可相互抵消噪音的聲音。為了在人耳聽到噪音前,有效消除噪音,現有降噪系統必須使用運算能力很好、運算速度很快的處理器,但由於需在每次產生噪音時,即時追蹤噪音,並在每次追蹤時快速執行複雜運算,提高了元件和運作成本。反之,若現有降噪系統採用一般處理器,則消音效果極差。
為了解決上述現有降噪系統的問題,本實施例的人工智慧降噪系統SYS的處理單元PRO收集外部音源VS運作一段時間所產生的噪音訊號NOS以建立大數據資料庫IT。處理單元PRO預先利用人工智慧的機器學習分析外部音源VS的噪音訊號NOS的波形參數的規則,以分析出一固定模式行為,並基於噪音訊號NOS的固定模式行為以預先推算後續產生的噪音訊號NOS的波形參數,並據以預先產生用以消除噪音訊號NOS的聲音訊號VO,記錄在大數據資料庫IT中。舉例而言,處理單元PRO所分析的噪音訊號NOS的參數包含噪音訊號NOS的頻率、週期、振幅、相位等參數。
如圖2所示,噪音訊號NOS具有一正弦波形SIN1,而聲音訊號
VO具有一正弦波形SIN2。聲音訊號VO與噪音訊號NOS具有相同振幅A以及具有相同週期T、頻率(週期的倒數),但聲音訊號VO與噪音訊號NOS反向。
如此,當處理單元PRO判斷播放單元SPE接收到噪音訊號NOS,或判斷外部音源VS(的電源)被開啟時,以判斷外部音源VS在運作過程中發出噪音訊號NOS時,處理單元PRO控制播放單元SPE播放大數據資料庫IT紀錄的聲音訊號VO,以使噪音訊號NOS與聲音訊號VO相互抵消,藉以消除噪音。以本實施例所提的方式,使用具一般運算能力的處理器即可達到完全消除外部音源VS的噪音,可有效節省成本。
應理解,實際上,外部音源VS產生的噪音訊號NOS的波形可能因受到干擾或其他因素,導致並非如圖2所示如此完整/理想的正弦波形SIN1。因此,處理單元PRO可分析一預定時間內的噪音訊號NOS的多個波形的參數,以更精確地分析出噪音訊號NOS的參數的變化規則。如此,處理單元PRO依據噪音訊號NOS的參數的變化規則,所產生的大數據資料庫IT,紀錄播放單元SPE播放出可確實完全抵消噪音訊號NOS的聲音訊號VO。
補充地說,本實施例的人工智慧降噪系統SYS的處理單元PRO可在每次判斷電源(開關)被開啟時,即啟動上述噪音消除作業,但實務上可替換為處理單元PRO判斷噪音訊號NOS的音量(與噪音訊號NOS的參數相關)高於一噪音門檻值,例如高於人耳可聽見或會影響人的噪音時,始啟動上述噪音消除作業。以上僅舉例說明,本發明不以此為限,可依據實際使用需求或個人對於噪音的認定,決定是否啟動噪音消除作業。
請參閱圖3A,其為本發明實施例的人工智慧降噪方法的預先利用人工智慧學習分析噪音訊號的固定模式行為的步驟流程圖。如圖3A所示,本實施例人工智慧降噪方法包含以下步驟S101~S115,其可使用上述人工智慧降噪系統SYS執行,具體說明如下。
在步驟S101,開啟外部音源VS。
在步驟S103,利用人工智慧降噪系統SYS的收音單元MIC接收外部音源VS運作一段時間所產生的噪音訊號NOS。
在步驟S105,利用處理單元PRO收集一段時間的噪音訊號NOS以建立大數據資料庫IT。
在步驟S107,利用人工智慧降噪系統SYS的處理單元PRO利用人工智慧的機器學習噪音訊號NOS的波形參數變化的規則。
在步驟S109,由處理單元PRO利用人工智慧的機器學習分析出噪音訊號NOS的固定模式行為。
在步驟S111,由處理單元PRO基於噪音訊號NOS的固定模式行為,以預先推算後續產生的噪音訊號NOS的波形參數。
在步驟S113,由處理單元PRO依據預先推算的波形參數,預先產生與噪音訊號NOS反向的聲音訊號VO。
在步驟S115,由處理單元PRO將聲音訊號VOVO和噪音訊號NOS的波形參數和固定模式行為記錄在大數據資料庫IT中。
請參閱圖3B,其為本發明實施例的人工智慧降噪方法在延遲消音時進行自我修正的步驟流程圖。如圖3B所示,本實施例人工智慧降噪方法包含以下步驟S201~S207,其可使用上述人工智慧降噪系統SYS執行於上述步驟S101~S115之後。
在步驟S201,外部音源VS在實際運作下,將產生噪音訊號NOS。
在步驟S203,利用播放單元SPE即時播放大數據資料庫IT所記錄的聲音訊號VO,以抵消噪音訊號NOS。
在步驟S205,由處理單元PRO判斷播放單元SPE是否延遲播放聲音訊號VO的波形,導致正在播放的聲音訊號VO的波形相位落後於噪音訊號
NOS。若是,執行步驟S207。若否,執行步驟S203持續播放。
在步驟S207,播放單元SPE即時自我修正播放的聲音訊號VO的波形。詳言之,噪音訊號NOS的波形已播放一部分時,播放單元SPE並非從聲音訊號VO的波形起始點開始播放,而是直接播放對應噪音訊號NOS的下一接續部分波形的聲音訊號VO的波形,以有效抵消噪音訊號NOS的音量。
請參閱圖3C,其為本發明實施例的人工智慧降噪方法在噪音變化時重新利用人工智慧學習分析噪音訊號NOS的固定模式行為的步驟流程圖。如圖3C所示,本實施例人工智慧降噪方法包含以下步驟S301~S311,其可使用上述人工智慧降噪系統SYS執行於上述步驟S101~S115之後。
在步驟S301,外部音源VS在實際運作下,將產生噪音訊號NOS。
在步驟S303,利用播放單元SPE即時播放大數據資料庫IT所記錄的聲音訊號VO。
在步驟S305,由處理單元PRO定義參考點RP,此可為時間參考點或聲音訊號VO的波形上的音量參考點。
在步驟S307,由處理單元PRO判斷是否到達定義的參考點RP,例如目前經過的時間是否到達時間參考點或聲音訊號VO是否播放到音量參考點。若否,接續播放尚未播放的聲音訊號VO的波形的音量值。若是,執行步驟S309。
在步驟S309,利用收音單元MIC接收外部音源VS目前產生的噪音訊號NOS,即再次收音。
在步驟S311,在播放聲音訊號VO的過程中,由處理單元PRO判斷降噪程度是否符合一預設降噪程度,即判斷目前播放的聲音訊號VO是否能有效抵消噪音訊號NOS。若否,持續執行步驟S303。若是,判定外部音源VS所產生的噪音訊號NOS的波形參數可能因為外部音源VS長期使用或受外
部環境等因素而改變,重新執行步驟S107~S115,以重新利用人工智慧的機器學習改變後的噪音訊號NOS的波形參數,並分析出改變後的噪音訊號NOS的新固定模式行為,以預先產生另一聲音訊號,接著記錄在大數據資料庫IT中,並執行步驟S303播放另一聲音訊號。
請參閱圖4,其為本發明實施例的人工智慧降噪系統應用於廚房的使用示意圖。如圖4所示,本實施例的人工智慧降噪系統SYS包含收音單元、處理單元以及播放單元,例如設置於廚房的抽油煙機內,本發明不受限於圖4所示的配置位置。本實施例的外部音源VS以廚房的抽油煙機為舉例,實務上可為其他會產生噪音的裝置。收音單元例如為揚聲器,但本發不以此為限。
首先,在前置作業中,開啟外部音源VS的抽油煙機,收音單元接收抽油煙機所產生的噪音訊號。處理單元利用人工智慧的機器學習分析噪音訊號與音量相關的參數的規則,分析出可抵消噪音訊號的聲音訊號。舉例而言,處理單元分析出與噪音訊號的振幅相同、頻率相同、反向的一聲音訊號,輸出至播放單元。
在完成上述前置作業後,往後在廚房進行烹飪而開啟抽油煙機時,直接啟動人工智慧降噪系統SYS便可直接有效地實現降噪效果。詳言之,在實際作業過程中,當抽油煙機運作產生相同的噪音訊號時,播放單元同時播放聲音訊號。此聲音訊號將與噪音訊號在空氣中相互抵消,以消除抽油煙機的噪音。如此,抽油煙機對人耳而言,等效為靜音的抽油煙機,在廚房內外的人們不會聽見抽油煙機發出的高音貝噪音,進而有效提升人們的生活品質。
更實用地,抽油煙機或其他會產生噪音的外部音源VS可能具有不同的轉速、排風量、溫度等參數多段可切換,轉至不同段產生的噪音訊號的參數可能不同。因此,在前置作業中,可分別開啟外部音源VS於不同段,
以分析外部音源VS於每一段所產生的每一噪音訊號的參數,並分析出與每一噪音訊號的振幅相同、頻率相同、反向的聲音訊號,儲存於處理單元所建立的學習資料庫內。
在實際作業中,當開啟外部音源VS,或將外部音源VS切換至不同段而改變外部音源VS設定的控制參數時,處理單元可依據外部音源VS被切至哪一段,即依據外部音源VS設定的控制參數,從學習資料庫中抓取相對應的聲音訊號,並由播放單元播放此聲音訊號,如此可完全消除外部音源VS產生的噪音訊號。
綜上所述,本發明所提供人工智慧降噪系統及方法,其處理器預先透過人工智慧的機器學習分析外部音源例如抽油煙機產生的噪音的參數變化規則,以在往後外部音源運作時,由播放單元即時播放人工智慧分析出的可抵消噪音的語音。以此方式,相比於習知降噪系統必需使用運算能力很高的處理器,本發明使用運算能力一般處理器即可實現主動降噪的效果。
以上所公開的內容僅為本發明的優選可行實施例,並非因此侷限本發明的申請專利範圍,所以凡是運用本發明說明書及圖式內容所做的等效技術變化,均包含於本發明的申請專利範圍內。
人工智慧降噪系統:SYS
播放單元:SPE
聲音訊號:VO
處理單元:PRO
大數據資料庫:IT
參考點:RP
外部音源:VS
噪音訊號:NOS
收音單元:MIC
Claims (8)
- 一種人工智慧降噪系統,包含:一收音單元,配置以接收一外部音源發出的一噪音訊號;一處理單元,連接該收音單元,配置以收集該外部音源運作一段時間所產生的該噪音訊號以建立一大數據資料庫,利用人工智慧的機器學習該噪音訊號的波形參數變化的規則以分析出一固定模式行為,基於該固定模式行為以預先推算後續產生的該噪音訊號的波形參數,並據以預先產生與該噪音訊號反向的一聲音訊號,記錄在該大數據資料庫中;以及一播放單元,連接該處理單元,配置以在該外部音源發出該噪音訊號時,播放該聲音訊號抵消該噪音訊號;其中該處理單元定義一參考點,在該播放單元播放的該噪音訊號的波形到達該參考點時,該收音單元再次收音該噪音訊號,該處理單元判斷該聲音訊號抵消該噪音訊號的一降噪程度。
- 如請求項1所述的人工智慧降噪系統,其中該處理單元判斷該播放單元延遲播放該聲音訊號的波形時,即時修正該播放單元播放的該聲音訊號的波形。
- 如請求項1所述的人工智慧降噪系統,其中當該降噪程度不符合一預設降噪程度時,該處理單元判定該噪音訊號的波形參數改變,而利用人工智慧的機器學習改變後的該噪音訊號的波形參數,分析出改變後的該噪音訊號的該固定模式行為,以預先產生另一聲音訊號,記錄在該大數據資料庫中。
- 如請求項1所述的人工智慧降噪系統,其中該噪音訊號的參數包含該噪音訊號的頻率、週期、振幅、相位或其任意組合。
- 一種人工智慧降噪方法,包含以下步驟: 配置一收音單元,接收一外部音源發出的一噪音訊號;配置一處理單元,收集該外部音源運作一段時間所產生的該噪音訊號以建立一大數據資料庫,利用人工智慧的機器學習分析該噪音訊號的波形參數變化的規則,以分析出一固定模式行為,基於該固定模式行為以預先推算後續產生的該噪音訊號的波形參數,並據以預先產生與該噪音訊號反向的一聲音訊號,記錄在該大數據資料庫中;配置一播放單元,在該外部音源發出該噪音訊號時,播放該聲音訊號,以抵消該噪音訊號;利用該處理單元定義一參考點;以及在該播放單元播放的該噪音訊號的波形到達該參考點時,該收音單元再次收音該噪音訊號,利用該處理單元判斷該聲音訊號抵消該噪音訊號的一降噪程度。
- 如請求項5所述的人工智慧降噪方法,更包含以下步驟:由該處理單元判斷該播放單元延遲播放該聲音訊號的波形時,即時修正該播放單元播放的該聲音訊號的波形。
- 如請求項5所述的人工智慧降噪方法,更包含以下步驟:當該降噪程度不符合一預設降噪程度時,由該處理單元判定該噪音訊號的波形參數改變,而利用人工智慧的機器學習改變後的該噪音訊號的波形參數,分析出改變後的該噪音訊號的該固定模式行為,以預先產生另一聲音訊號,記錄在該大數據資料庫中。
- 如請求項5所述的人工智慧降噪方法,更包含以下步驟:透過該處理單元利用該人工智慧系統的機器學習分析該噪音訊號的頻率、週期、振幅、相位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109101988A TWI742520B (zh) | 2020-01-20 | 2020-01-20 | 人工智慧降噪系統及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109101988A TWI742520B (zh) | 2020-01-20 | 2020-01-20 | 人工智慧降噪系統及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202129486A TW202129486A (zh) | 2021-08-01 |
TWI742520B true TWI742520B (zh) | 2021-10-11 |
Family
ID=78282749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109101988A TWI742520B (zh) | 2020-01-20 | 2020-01-20 | 人工智慧降噪系統及方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI742520B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103035234A (zh) * | 2011-09-28 | 2013-04-10 | 比亚迪股份有限公司 | 有源降噪装置及方法和用于抽油烟机的噪声控制系统 |
TW201322782A (zh) * | 2011-11-25 | 2013-06-01 | Rong-Chin Lo | 利用相位補償技術實現排油煙機主動降噪 |
CN105449934A (zh) * | 2015-11-23 | 2016-03-30 | 珠海格力电器股份有限公司 | 电机降噪系统和降噪方法、吸油烟机 |
CN107289482A (zh) * | 2017-07-20 | 2017-10-24 | 杭州老板电器股份有限公司 | 一种油烟机自学习自动降噪系统及方法 |
CN108758729A (zh) * | 2018-03-30 | 2018-11-06 | 九阳股份有限公司 | 一种烟机降噪控制方法 |
-
2020
- 2020-01-20 TW TW109101988A patent/TWI742520B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103035234A (zh) * | 2011-09-28 | 2013-04-10 | 比亚迪股份有限公司 | 有源降噪装置及方法和用于抽油烟机的噪声控制系统 |
TW201322782A (zh) * | 2011-11-25 | 2013-06-01 | Rong-Chin Lo | 利用相位補償技術實現排油煙機主動降噪 |
CN105449934A (zh) * | 2015-11-23 | 2016-03-30 | 珠海格力电器股份有限公司 | 电机降噪系统和降噪方法、吸油烟机 |
CN107289482A (zh) * | 2017-07-20 | 2017-10-24 | 杭州老板电器股份有限公司 | 一种油烟机自学习自动降噪系统及方法 |
CN108758729A (zh) * | 2018-03-30 | 2018-11-06 | 九阳股份有限公司 | 一种烟机降噪控制方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202129486A (zh) | 2021-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11184711B2 (en) | Privacy device for mobile devices | |
JP5709760B2 (ja) | オーディオノイズキャンセリング | |
CN102365679B (zh) | 信号处理设备和信号处理方法 | |
Chang et al. | Active noise control in headsets by using a low-cost microcontroller | |
US8649526B2 (en) | Noise reduction circuit and method therefor | |
US6188770B1 (en) | Fan noise canceller | |
JP6110557B2 (ja) | 複数の回転装置からの高調波ノイズの能動低減 | |
US10891936B2 (en) | Voice echo suppression in engine order cancellation systems | |
TWI742520B (zh) | 人工智慧降噪系統及方法 | |
JP6499279B2 (ja) | 複数のノイズ源からの高調波ノイズの能動低減 | |
US10937441B1 (en) | Beam level based adaptive target selection | |
US11900909B2 (en) | System and method for providing a quiet zone | |
Shyu et al. | A study on using microcontroller to design active noise control systems | |
JP2023506235A (ja) | 周囲騒音の検出、識別、及び管理のためのシステム及び方法 | |
US20220353611A1 (en) | Control by sliding virtual buttons | |
Chang et al. | Active noise control and its application to snore noise cancellation | |
CN112240584B (zh) | 吸油烟机的降噪方法及吸油烟机 | |
CN114283773A (zh) | 用于语音设备降低环境噪声的方法和装置、存储介质 | |
Wu et al. | Auxiliary noise power scheduling in active noise control systems with acoustic feedback path modeling | |
CN112489615A (zh) | 降噪方法、降噪系统、降噪装置及吸油烟机 | |
JP2021114773A5 (zh) | ||
CN113994423A (zh) | 用于耳戴式播放设备的语音活动检测的音频系统和信号处理方法 | |
Wang et al. | Psychoacoustic active noise control system with auditory masking | |
Iwai et al. | Audio integrated active noise control system with auto gain controller | |
CN108874361A (zh) | 一种用于计算机的控制方法 |