本發(fā)明涉及耳機降噪，特別涉及一種耳機降噪處理的方法、耳機與存儲介質(zhì)。

背景技術(shù)：

1、隨著電子技術(shù)的快速發(fā)展，無線耳機已經(jīng)成為人們?nèi)粘３鲂斜夭豢缮俚奈锲贰Ｔ诿鎸Ω鞣N相對嘈雜的環(huán)境時，人們通常會選擇佩戴無線耳機來降低環(huán)境噪聲的影響。

2、不同的噪聲環(huán)境對于降噪程度的需求是不同的，為更好地應(yīng)對多變的噪聲環(huán)境，現(xiàn)有的部分無線耳機采用了自適應(yīng)降噪的方式來降低環(huán)境噪聲的影響。然而，現(xiàn)有的自適應(yīng)降噪的方法并不能相對精準(zhǔn)高效地識別出噪聲場景，這導(dǎo)致了降噪程度需求的匹配度低，且現(xiàn)有的自適應(yīng)降噪的功耗較高，進而影響用戶的使用體驗。

3、鑒于此，有必要提供耳機降噪處理的方法、耳機與存儲介質(zhì)以解決上述的問題。

技術(shù)實現(xiàn)思路

1、鑒于現(xiàn)有技術(shù)存在的不足，本發(fā)明提供一種耳機降噪處理的方法、耳機與存儲介質(zhì)，其優(yōu)化了降噪?yún)?shù)的獲取方式，提高了場景識別的效率與精確性，減少了場景識別的計算量，降低了耳機的功耗，改善了用戶的使用體驗。

2、為實現(xiàn)上述的目的，本發(fā)明的第一方面提供一種耳機降噪處理的方法，其包括：

3、根據(jù)耳機當(dāng)前所處場景的環(huán)境音頻信號，得到第一頻譜與第二頻譜；

4、基于第一頻譜與預(yù)設(shè)的第一提取模式，得到幅值特征矩陣；

5、基于第二頻譜與預(yù)設(shè)的第二提取模式，得到若干能量特征值；

6、獲取幅值特征矩陣與預(yù)設(shè)的場景類型的比較矩陣的相似系數(shù)；

7、基于相似系數(shù)，從場景類型中篩選出特定場景類型；

8、根據(jù)能量特征值、相似系數(shù)與特定場景類型，確定出目標(biāo)場景類型；

9、獲取目標(biāo)場景類型對應(yīng)的降噪?yún)?shù)，作為目標(biāo)降噪?yún)?shù)。

10、在一個優(yōu)選的實施方式中，基于第一頻譜與預(yù)設(shè)的第一提取模式，得到幅值特征矩陣的步驟包括：

11、獲取預(yù)設(shè)的截取時寬、第一截取頻寬與初始矩陣；

12、基于第一頻譜、截取時寬與第一截取頻寬，得到若干第一目標(biāo)頻譜；

13、依序?qū)⒌谝荒繕?biāo)頻譜與初始矩陣的元素一一對應(yīng)關(guān)聯(lián)；

14、分別計算第一目標(biāo)頻譜的幅值特征參數(shù)；

15、根據(jù)幅值特征參數(shù)的大小，調(diào)整初始矩陣中同一預(yù)設(shè)目標(biāo)維度上對應(yīng)元素的位置，得到幅值特征矩陣。

16、在一個優(yōu)選的實施方式中，基于第二頻譜與預(yù)設(shè)的第二提取模式，得到若干能量特征值的步驟包括：

17、獲取預(yù)設(shè)的敏感頻率范圍與第二截取頻寬；

18、基于第二頻譜、敏感頻率范圍與第二截取頻寬，得到若干第二目標(biāo)頻譜；

19、分別計算第二目標(biāo)頻譜的能量特征參數(shù)，得到能量特征值。

20、在一個優(yōu)選的實施方式中，獲取幅值特征矩陣與預(yù)設(shè)的場景類型的比較矩陣的相似系數(shù)的步驟包括：

21、獲取預(yù)設(shè)的場景類型的比較矩陣；

22、根據(jù)余弦相似度公式，得到幅值特征矩陣與比較矩陣之間在預(yù)設(shè)目標(biāo)維度上的若干初始相似系數(shù)；

23、計算初始相似系數(shù)的平均值，得到幅值特征矩陣與比較矩陣的相似系數(shù)。在一個優(yōu)選的實施方式中，基于相似系數(shù)，從場景類型中篩選出特定場景類型的步驟包括：

24、根據(jù)相似系數(shù)的大小，獲取符合預(yù)設(shè)要求的相似系數(shù)，作為目標(biāo)相似系數(shù)；

25、根據(jù)目標(biāo)相似系數(shù)，從場景類型中篩選出特定場景類型。

26、在一個優(yōu)選的實施方式中，根據(jù)相似系數(shù)的大小，獲取符合預(yù)設(shè)要求的相似系數(shù)，作為目標(biāo)相似系數(shù)的步驟包括：

27、獲取相似系數(shù)中的最大值，作為最大相似系數(shù)；

28、根據(jù)最大相似系數(shù)，獲取對應(yīng)的比較值；

29、逐個判定相似系數(shù)是否小于比較值；

30、若否，則將相似系數(shù)標(biāo)記為目標(biāo)相似系數(shù)。

31、在一個優(yōu)選的實施方式中，根據(jù)能量特征值、相似系數(shù)與特定場景類型，確定出目標(biāo)場景類型的步驟包括：

32、獲取特定場景類型預(yù)設(shè)的能量區(qū)間；

33、依次判定能量特征值是否落入于對應(yīng)的能量區(qū)間；

34、獲取能量特征值落入各個特定場景類型的能量區(qū)間的落入數(shù)量；

35、基于落入數(shù)量與相似系數(shù)，從特定場景類型中確定出目標(biāo)場景類型。

36、在一個優(yōu)選的實施方式中，基于落入數(shù)量與相似系數(shù)，從特定場景類型中確定出目標(biāo)場景類型的步驟包括：

37、獲取落入數(shù)量中的最大落入數(shù)量與相似系數(shù)中的最大相似系數(shù)；

38、判定最大落入數(shù)量與最大相似系數(shù)是否對應(yīng)于同一特定場景類型；

39、若是，則標(biāo)記特定場景類型為目標(biāo)場景類型；

40、若否，則基于落入數(shù)量、相似系數(shù)與預(yù)設(shè)的權(quán)重系數(shù)，得到特定場景類型對應(yīng)的參考值；

41、將參考值中的最大參考值對應(yīng)的特定場景類型標(biāo)記為目標(biāo)場景類型。

42、本發(fā)明的第二方面提供一種耳機，其包括存儲器、處理器以及存儲在存儲器中并可在處理器上運行的計算機程序，處理器執(zhí)行計算機程序時實現(xiàn)上述任一項的耳機降噪處理的方法的步驟。

43、本發(fā)明的第三方面提供一種計算機可讀存儲介質(zhì)，計算機可讀存儲介質(zhì)存儲有計算機程序，計算機程序被處理器執(zhí)行時實現(xiàn)上述任一項的耳機降噪處理的方法的步驟。

44、本發(fā)明的有益效果在于：其通過利用雙頻譜與雙提取的識別篩選方式，從不同的特征角度對場景類型開展層進式的識別篩選，利用幅值特征矩陣與比較幅值特征矩陣的相似系數(shù)，從整體層面上對場景類型進行初步篩選，再結(jié)合能量特征值與相似系數(shù)，從敏感頻段的局部層面上對特定場景類型進行側(cè)重復(fù)篩，以確定出目標(biāo)場景類型，優(yōu)化了耳機降噪?yún)?shù)的獲取方式，提高了場景識別的效率與精確性，減少了場景識別的計算量，降低了耳機的功耗，改善了用戶的使用體驗。

技術(shù)特征：

1.一種耳機降噪處理的方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種耳機降噪處理的方法，其特征在于，所述基于所述第一頻譜與預(yù)設(shè)的第一提取模式，得到幅值特征矩陣的步驟包括：

3.根據(jù)權(quán)利要求1所述的一種耳機降噪處理的方法，其特征在于，所述基于所述第二頻譜與預(yù)設(shè)的第二提取模式，得到若干能量特征值的步驟包括：

4.根據(jù)權(quán)利要求1所述的一種耳機降噪處理的方法，其特征在于，所述獲取所述幅值特征矩陣與預(yù)設(shè)的場景類型的比較矩陣的相似系數(shù)的步驟包括：

5.根據(jù)權(quán)利要求1所述的一種耳機降噪處理的方法，其特征在于，所述基于所述相似系數(shù)，從所述場景類型中篩選出特定場景類型的步驟包括：

6.根據(jù)權(quán)利要求5所述的一種耳機降噪處理的方法，其特征在于，所述根據(jù)所述相似系數(shù)的大小，獲取符合預(yù)設(shè)要求的相似系數(shù)，作為目標(biāo)相似系數(shù)的步驟包括：

7.根據(jù)權(quán)利要求1所述的一種耳機降噪處理的方法，其特征在于，所述根據(jù)所述能量特征值、相似系數(shù)與特定場景類型，確定出目標(biāo)場景類型的步驟包括：

8.根據(jù)權(quán)利要求7所述的一種耳機降噪處理的方法，其特征在于，所述基于所述落入數(shù)量與相似系數(shù)，從所述特定場景類型中確定出目標(biāo)場景類型的步驟包括：

9.一種耳機，其包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權(quán)利要求1至8中任一項所述的耳機降噪處理的方法的步驟。

10.一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至8中任一項所述的耳機降噪處理的方法的步驟。

技術(shù)總結(jié)
本發(fā)明公開一種耳機降噪處理的方法、耳機與存儲介質(zhì)，其包括根據(jù)耳機當(dāng)前所處場景的環(huán)境音頻信號，得到第一頻譜與第二頻譜；基于第一頻譜與預(yù)設(shè)的第一提取模式，得到幅值特征矩陣；基于第二頻譜與預(yù)設(shè)的第二提取模式，得到若干能量特征值；獲取幅值特征矩陣與預(yù)設(shè)的場景類型的比較矩陣的相似系數(shù)；基于相似系數(shù)，從場景類型中篩選出特定場景類型；根據(jù)能量特征值、相似系數(shù)與特定場景類型，確定出目標(biāo)場景類型；獲取目標(biāo)場景類型對應(yīng)的降噪?yún)?shù)，作為目標(biāo)降噪?yún)?shù)。本申請通過利用雙頻譜與雙提取的識別篩選方式，優(yōu)化了耳機降噪?yún)?shù)的獲取方式，提高了場景識別的效率與精確性，減少了場景識別的計算量，降低耳機的功耗，改善用戶的使用體驗。

技術(shù)研發(fā)人員：劉熙民,杜海泉,李偉雄,彭嬌,孫偉鴻,陳盛博,湯鵬杰
受保護的技術(shù)使用者：江西瑞聲電子有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19