[发明专利]声品质识别方法、装置、系统、以及车辆

说明书

本发明涉及仿真技术领域，公开了一种声品质识别方法、装置、系统、以及车辆，该方法包括：获取环境中的声音信息；以及根据所述声音信息以及声品质识别模型，确定所述声音信息的声品质。本发明能够实时地、快速地、精确地、有效地对获取的环境中的声音信息进行声品质评价或识别，实现将主观评价的结果客观化，大大降低了相关人员的工作时间和工作成本，在提高声品质评价精确度的同时节约了时间成本和劳动成本。

技术领域

本发明涉及仿真技术领域，具体地涉及一种声品质识别方法、一种声品质识别装置、一种声品质识别系统、以及一种车辆。

背景技术

随着科技的发展和进步，人们的生活水平越来越好，对生活品质的追求也在逐渐提高。例如，对于特定环境(例如车辆内部等)中的声音，人们现在不仅关心声环境的“噪声大不大”，而且更关心声环境“声音舒不舒服”，而后者就是声品质问题。而传统的声测量只能测量声环境中“噪声大小”，而不能评价声环境的“声音舒适度”。

现有技术中一般采用将相关软件(Artemis声品质分析软件等)的客观分析和人员的主观评价的结合的方式对声音样本的声品质进行评价。这种方法虽然很有效，但是相当的费时费力，例如主观评价不仅要对评价人员进行相关的听音培训，而且还需要根据声音信号的不同选择不同的评价方法，给相关的从业人员带来很多的作业负担。即现有技术中缺少一种能够实时地、快速地、精确地、有效地对声音样本进行声品质评价或识别的方案。

发明内容

本发明的目的是为了克服现有技术存在的缺少能够实时地、快速地、精确地、有效地对声音样本进行声品质评价或识别的问题，提供一种声品质识别方法、装置、系统、以及车辆。

为了实现上述目的，本发明一方面提供一种声品质识别方法，该方法包括：获取环境中的声音信息；以及根据所述声音信息以及声品质识别模型，确定所述声音信息的声品质。

优选地，所述声品质识别模型根据以下步骤建立：获取所述环境中的多个样本声音信息以及所述多个样本声音信息对应的样本声品质信息；以及将所述多个样本声音信息作为神经网络模型的输入、对应于所述多个样本声音信息中的每一个样本声音信息的所述样本声品质信息作为神经网络模型的对应输出对所述神经网络模型进行训练，以生成所述声品质识别模型。

优选地，所述神经网络模型采用BP神经网络算法建立。

优选地，所述神经网络模型采用遗传算法GA改进的BP神经网络算法建立。

优选地，所述根据所述声音信息以及声品质识别模型确定所述声音信息的声品质包括：将所述声音信息作为所述声品质识别模型的输入，运行所述声品质识别模型；以及确定所述声品质识别模型的输出作为所述声音信息的声品质的识别结果。

优选地，所述声音信息包括以下的至少一者：声音音频数据、声音音频数据对应的声音的响度、声音音频数据对应的声音的尖锐度、声音音频数据对应的声音的抖动度、以及声音音频数据对应的声音的粗糙度；所述样本声音信息包括以下的至少一者：样本声音音频数据、样本声音音频数据对应的声音的响度、样本声音音频数据对应的声音的尖锐度、样本声音音频数据对应的声音的抖动度、以及样本声音音频数据对应的声音的粗糙度；以及所述声音信息的声品质包括声品质等级和声品质评价值中的至少一者；所述样本声音信息的声品质包括样本声品质等级和样本声品质评价值中的至少一者。

本发明第二方面提供一种声品质识别装置，该装置包括：获取模块，用于获取环境中的声音信息；以及识别模块，用于根据所述声音信息以及声品质识别模型确定所述声音信息的声品质。

优选地，所述声品质识别模型根据以下步骤建立：获取所述环境中的多个样本声音信息以及所述多个样本声音信息对应的样本声品质信息；以及将所述多个样本声音信息作为神经网络模型的输入、对应于所述多个样本声音信息中的每一个样本声音信息的所述样本声品质信息作为神经网络模型的对应输出对所述神经网络模型进行训练，以生成所述声品质识别模型。