[发明专利]用于定位转向系统中发生的噪声的装置及方法

权利要求书

1.一种用于定位转向系统中发生的噪声的装置，所述装置包括：

声音接收单元，被配置为检测所述转向系统中发生的噪声；

处理单元，被配置为将关于所述转向系统中的由所述声音接收单元检测到的噪声的数据输入到神经网络模型中，所述神经网络模型被配置为预先执行学习并且对所述转向系统中的噪声发生的位置或部件进行定位；以及

存储单元，在所述存储单元中存储被配置为预先执行学习的所述神经网络模型。

2.根据权利要求1所述的装置，其中，所述处理单元被配置为执行将关于所述转向系统中的由所述声音接收单元检测到的噪声的时域数据转换为频域数据的预处理，并且将预处理后的数据输入到所述神经网络模型中。

3.根据权利要求1所述的装置，其中，所述处理单元被配置为：执行将Mel频率倒谱系数技术应用于关于所述转向系统中的由所述声音接收单元检测到的所述噪声的数据，并且提取所述转向系统中的所述噪声的频率特征的预处理，并将预处理后的数据输入到所述神经网络模型中。

4.根据权利要求1所述的装置，其中，所述处理单元被配置为：执行生成将关于所述转向系统中的由所述声音接收单元检测到的所述噪声的时域数据转换为频域数据而产生的图像的预处理，并且将通过该预处理生成的所述图像输入到所述神经网络模型中。

5.根据权利要求1所述的装置，其中，所述处理单元被配置为：执行将Mel频率倒谱系数技术应用于关于所述转向系统中的由所述声音接收单元检测到所述噪声的数据、提取所述转向系统中的所述噪声的频率特征并将所提取的频率特征生成为图像的预处理，并且将通过所述预处理生成的所述图像输入到所述神经网络模型中。

6.根据权利要求4所述的装置，其中，所述处理单元被配置为：将通过所述预处理生成的所述图像的区域输入到所述神经网络模型中。

7.根据权利要求4所述的装置，其中，所述神经网络模型是包括卷积层、池化层以及全连接层的卷积神经网络模型。

8.根据权利要求7所述的装置，其中，所述卷积层被配置为：使用滤波器对通过所述预处理生成的所述图像执行滤波，执行卷积计算并且创建特征映射，以便提取通过所述预处理生成的所述图像的特征，

所述池化层被配置为从由所述卷积层创建的所述特征映射提取用于每个区域的代表值并且减小所述特征映射的大小，

所述全连接层被配置为使用激活功能来进一步加强所述特征并且对所加强的特征进行分类，并且

对于所述转向系统中的所述噪声，输出层被配置为基于由所述全连接层分类的结果来定位并输出所述噪声发生的位置或部件。

9.根据权利要求5所述的装置，其中，所述处理单元被配置为将通过所述预处理生成的所述图像的区域输入到所述神经网络模型中。

10.根据权利要求5所述的装置，其中，所述神经网络模型是包括卷积层、池化层以及全连接层的卷积神经网络模型。

11.根据权利要求10所述的装置，其中，所述卷积层被配置为：使用滤波器对通过所述预处理生成的所述图像执行滤波，执行卷积计算并创建特征映射，以便提取通过所述预处理生成的所述图像的特征，

所述池化层被配置为从由所述卷积层创建的所述特征映射提取用于每个区域的代表值并且减小所述特征映射的大小，

所述全连接层被配置为使用激活功能来加强所述特征并且对所加强的特征进行分类，并且

对于所述转向系统中的所述噪声，输出层被配置为基于由所述全连接层分类的结果来定位并输出所述噪声发生的位置或部件。

12.根据权利要求1所述的装置，其中，所述处理单元和所述存储单元以平板PC的形式实现。

13.根据权利要求1所述的装置，其中，所述声音接收单元包括麦克风。