[发明专利]一种基于GPR模型的自适应声掩蔽系统及方法

权利要求书

1.一种基于GPR模型的自适应声掩蔽系统，其特征在于，该系统由掩蔽声数据库、声满意度代理模型以及自适应掩蔽声筛选子系统构建而成，所述掩蔽声数据库由间歇性的虫类鸣叫声、鸟类鸣叫声、水流声和多种自然声构成，所述声满意度代理模型由高斯过程回归算法建模构成，所述自适应掩蔽声筛选子系统是基于所述掩蔽声数据库和所述声满意度代理模型，并引入免疫记忆机制构建而成。

2.一种针对如权利要求1所述的一种基于GPR模型的自适应声掩蔽系统的构建方法，其特征在于，该方法包括以下步骤：

步骤1：采集背景声样本和自然声样本并利用采集的样本数据建立掩蔽声数据库；

步骤2：利用GPR模型回归组合声满意度代理模型；

步骤3：基于声满意度代理模型在掩蔽声数据库上构建自适应掩蔽声筛选子系统。

3.根据权利要求2所述的一种基于GPR模型的自适应声掩蔽系统的构建方法，其特征在于，所述步骤1包括以下分步骤：

步骤11：采集不同场景、季节和时段的环境背景声样本，并利用主成分分析法得到多个影响声环境满意度的有效特征参量；

步骤12：基于有效特征参量采集间歇性的虫类鸣叫声、鸟类鸣叫声、水流声和其他多种自然声的数据，利用采集的数据及其对应的有效特征参量建立掩蔽声数据库。

4.根据权利要求3所述的一种基于GPR模型的自适应声掩蔽系统的构建方法，其特征在于，所述步骤11中的有效特征参量为影响背景声满意度的主要特征，其具体通过对噪声物理特征：A声级、特征频率声压级、响度、粗糙度、锐度、抖晃度及音调度进行主成分分析获得。

5.根据权利要求2所述的一种基于GPR模型的自适应声掩蔽系统的构建方法，其特征在于，所述步骤2包括以下分步骤：

步骤21：采取均匀采样方法在掩蔽声数据库中采集掩蔽声样本；

步骤22：将环境背景声样本与掩蔽声样本组合得到组合声样本和对应的多组有效特征参量值；

步骤23：对组合声样本中的所有组合声进行满意度主观评价试验并得到对应的满意度观测值；

步骤24：将组合声样本中的所有组合声有效特征值及其对应的满意度观测值作为训练样本；

步骤25：考虑组合声满意度代理模型，并利用高斯过程回归算法建模该声满意度代理模型。

6.根据权利要求5所述的一种基于GPR模型的自适应声掩蔽系统的构建方法，其特征在于，所述步骤24中的代理模型，其描述公式为：

式中，组合声样本表示由组合声有效特征量构成的d维输入变量，表示潜在(真实)满意度函数，y(·)表示对应于组合声样本的满意度观测函数，随机偏差ε表示真实声满意度值受不同个体主观差异的影响。

7.根据权利要求5所述的一种基于GPR模型的自适应声掩蔽系统的构建方法，其特征在于，所述步骤25中的高斯过程回归模型，推导出满意度预测公式为：

式中，分别表示任一组合声的满意度的预测值和预测方差，表示满意度观测向量，K_*,mn、K_mn和K_**均表示函数协方差矩阵，表示偏差协方差矩阵，Ι_mn表示mn级单位矩阵。

8.根据权利要求2所述的一种基于GPR模型的自适应声掩蔽系统的构建方法，其特征在于，其特征在于，所述步骤3包括以下分步骤：

步骤31：自适应掩蔽声筛选子系统对任意新背景声进行识别并同时激活记忆细胞；

步骤32：若对新背景声识别结果为重复背景声，则在自适应掩蔽声系统的掩蔽声数据库中直接匹配记忆最优掩蔽声；

步骤33：若对新背景声识别结果为全新背景声，则利用组合声满意度的预测公式，逐个计算该背景声与掩蔽声数据库的组合声满意度值，在数据库中筛选得到最大满意度值对应的最优掩蔽声，并同时产生记忆细胞；

步骤34：输出该最优掩蔽声并对新背景声进行控制干预。