本發(fā)明涉及耳機(jī)降噪，特別涉及一種耳機(jī)降噪的控制方法。

背景技術(shù)：

1、隨著電子技術(shù)的快速發(fā)展，無線耳機(jī)已經(jīng)成為人們?nèi)粘３鲂斜夭豢缮俚奈锲?。在面對各種相對嘈雜的環(huán)境時(shí)，人們通常會選擇佩戴無線耳機(jī)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(jī)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(jìn)而影響用戶的使用體驗(yàn)。

3、鑒于此，有必要提供耳機(jī)降噪的控制方法以解決上述的問題。

技術(shù)實(shí)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(jī)降噪的控制方法，其旨在解決耳機(jī)自適應(yīng)降噪的場景識別效率與精確性較低，且功耗配置不合理，對用戶多樣的使用需要求和復(fù)雜使用場景的適配性低的技術(shù)問題。

2、為實(shí)現(xiàn)上述的目的，本發(fā)明的第一方面提供一種耳機(jī)降噪的控制方法，其包括：

3、獲取耳機(jī)當(dāng)前的所處場景的環(huán)境音頻信號；

4、檢測是否可獲取到耳機(jī)當(dāng)前的位置信息；

5、若否，則根據(jù)環(huán)境音頻信號，確定出目標(biāo)場景類型；

6、若是，則獲取耳機(jī)當(dāng)前的位置信息和剩余電量參數(shù)；

7、檢測剩余電量參數(shù)是否大于預(yù)設(shè)的電量閾值；

8、若否，則根據(jù)位置信息與環(huán)境音頻信號，確定出目標(biāo)場景類型；

9、若是，則獲取耳機(jī)當(dāng)前的姿態(tài)信息；

10、基于環(huán)境音頻信號、位置信息、姿態(tài)信息與預(yù)設(shè)的配置了代理注意力機(jī)制的改進(jìn)transformer模型，確定出目標(biāo)場景類型；

11、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)。

12、在一個(gè)優(yōu)選的實(shí)施方式中，根據(jù)環(huán)境音頻信號，確定出目標(biāo)場景類型的步驟包括：

13、根據(jù)環(huán)境音頻信號，得到第一頻譜與第二頻譜；

14、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；

15、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；

16、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)；

17、基于相似系數(shù)，從場景類型中篩選出特定場景類型；

18、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

19、在一個(gè)優(yōu)選的實(shí)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：

20、獲取預(yù)設(shè)的截取時(shí)寬、第一截取頻寬與初始矩陣；

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

22、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)；

23、分別計(jì)算第一目標(biāo)頻譜的幅值特征參數(shù)；

24、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。

25、在一個(gè)優(yōu)選的實(shí)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：

26、獲取特定場景類型預(yù)設(shè)的能量區(qū)間；

27、依次判定能量特征值是否落入于對應(yīng)的能量區(qū)間；

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

29、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。

30、在一個(gè)優(yōu)選的實(shí)施方式中，根據(jù)位置信息與環(huán)境音頻信號，確定出目標(biāo)場景類型的步驟包括：

31、從位置信息中獲取關(guān)鍵位置信息；

32、從環(huán)境音頻信號中獲取環(huán)境音頻頻譜；

33、基于關(guān)鍵位置信息，確定出初始場景類型與關(guān)聯(lián)場景類型；

34、根據(jù)環(huán)境音頻頻譜與預(yù)設(shè)的提取模式，得到若干的能量特征值；

35、根據(jù)能量特征值，從初始場景類型與關(guān)聯(lián)場景類型中確定出目標(biāo)場景類型。

36、在一個(gè)優(yōu)選的實(shí)施方式中，基于關(guān)鍵位置信息，確定出初始場景類型與關(guān)聯(lián)場景類型的步驟包括：

37、獲取關(guān)鍵位置信息與預(yù)設(shè)的場景類型的適配值；

38、基于適配值，從預(yù)設(shè)的場景類型中確定出初始場景類型；

39、獲取初始場景類型與余下的場景類型的關(guān)聯(lián)值；

40、基于關(guān)聯(lián)值與預(yù)設(shè)的第一閾值，從余下的場景類型中得到關(guān)聯(lián)場景類型。

41、在一個(gè)優(yōu)選的實(shí)施方式中，根據(jù)能量特征值，從初始場景類型與關(guān)聯(lián)場景類型中確定出目標(biāo)場景類型的步驟包括：

42、獲取初始場景類型的能量區(qū)間與關(guān)聯(lián)場景類型的能量區(qū)間；

43、獲取能量特征值落入于初始場景類型的能量區(qū)間與關(guān)聯(lián)場景類型的能量區(qū)間的落入數(shù)量；

44、基于落入數(shù)量，得到目標(biāo)場景類型。

45、在一個(gè)優(yōu)選的實(shí)施方式中，基于環(huán)境音頻信號、位置信息、姿態(tài)信息與預(yù)設(shè)的配置了代理注意力機(jī)制的改進(jìn)transformer模型，確定出目標(biāo)場景類型的步驟包括：

46、從環(huán)境音頻信號中提取出音頻特征序列；

47、從位置信息與姿態(tài)信息中提取出輔助特征序列；

48、將音頻特征序列與輔助特征序列輸入到配置了代理注意力機(jī)制的改進(jìn)transformer模型中，得到各場景類型的匹配值；

49、根據(jù)匹配值的大小，得到目標(biāo)場景類型。

50、在一個(gè)優(yōu)選的實(shí)施方式中，將音頻特征序列與輔助特征序列輸入到配置了代理注意力機(jī)制的改進(jìn)transformer模型中，得到各場景類型的匹配值的步驟包括：

51、對音頻特征序列與輔助特征序列進(jìn)行映射與編碼，分別得到音頻增強(qiáng)序列與輔助增強(qiáng)序列；

52、基于音頻增強(qiáng)序列、輔助增強(qiáng)序列與預(yù)設(shè)的代理注意力機(jī)制，得到增強(qiáng)特征矩陣；

53、基于預(yù)設(shè)的全連接層與增強(qiáng)特征矩陣，得到各場景類型的匹配值。

54、在一個(gè)優(yōu)選的實(shí)施方式中，基于音頻增強(qiáng)序列、輔助增強(qiáng)序列與預(yù)設(shè)的代理注意力機(jī)制，得到增強(qiáng)特征矩陣的步驟包括：

55、根據(jù)音頻增強(qiáng)序列與預(yù)設(shè)的轉(zhuǎn)換權(quán)重矩陣，分別得到第一矩陣、第二矩陣與第三矩陣；

56、根據(jù)輔助增強(qiáng)序列與預(yù)設(shè)的代理轉(zhuǎn)換矩陣，得到代理矩陣；

57、將代理矩陣、第二矩陣與第三矩陣進(jìn)行交互計(jì)算，得到融合矩陣；

58、將第一矩陣、代理矩陣與融合矩陣進(jìn)行交互計(jì)算，得到注意力權(quán)重矩陣；

59、將注意力權(quán)重矩陣與第三矩陣進(jìn)行加權(quán)求和，得到增強(qiáng)特征矩陣。

60、本發(fā)明的第二方面提供一種耳機(jī)，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(yùn)行的計(jì)算機(jī)程序，處理器執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述任一項(xiàng)的耳機(jī)降噪的控制方法的步驟。

61、本發(fā)明的第三方面提供一種計(jì)算機(jī)可讀存儲介質(zhì)，計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述任一項(xiàng)的耳機(jī)降噪的控制方法的步驟。

62、本發(fā)明的有益效果在于：其通過耳機(jī)當(dāng)前的位置信息與剩余電量，劃分出根據(jù)不同參數(shù)信息獲取降噪?yún)?shù)的模式，在未獲取到位置信息時(shí)，則直接利用環(huán)境音頻信號進(jìn)行場景識別，實(shí)現(xiàn)對場景類型的快速確定；在獲取到位置信息后，若電量未滿足要求，則結(jié)合環(huán)境音頻信號與位置信息，實(shí)現(xiàn)對場景類型的快速初篩與側(cè)重復(fù)篩；若電量滿足要求，則利用改進(jìn)transformer模型和多源特征信息，在保持較低計(jì)算復(fù)雜性的同時(shí)，實(shí)現(xiàn)對復(fù)雜音頻場景類型的別與分類；合理配置了耳機(jī)的降噪功耗，優(yōu)化了降噪?yún)?shù)的獲取方式，提高了自適應(yīng)降噪的效率與精確性，提高了耳機(jī)應(yīng)對用戶多樣使用需求與使用場景的適配性，改善用戶的使用體驗(yàn)。