一种动态主动降噪方法及空调设备与流程

[0001]
本发明涉及空调设备领域，具体而言涉及一种动态主动降噪方法及空调设备。


背景技术：

[0002]
目前的空调设备，逐渐在一些特定机型中出现采用主动降噪技术进行声场抵消而降低空调运转噪声的设计。但是，现有主流的主动降噪技术通常在出厂前直接对主动降噪模块进行训练，使其按照固定的降噪模式响应环境噪声信号，从而产生降噪声波实现声场抵消。
[0003]
但是，现有的这种前期预设的降噪方式，在实际使用中，往往会受空调安装环境的影响，导致预先训练好的降噪模式无法发挥理想的降噪效果。比如，一般预设降噪模式时，通常采用实验室数据对降噪系统参数进行设定。但是，一旦实际使用过程中，噪声频谱分布明显区别试验样本，或者空调出风口气流输出受到环境因素影响，现有降噪模式将无法实时动态根据环境因素进行调节，因而会影响整体降噪效果。


技术实现要素：

[0004]
本发明针对现有技术的不足，提供一种动态主动降噪方法及空调设备，本发明能够根据空调运行情况、空调外部环境因素动态调节降噪处理参数，从而实时保证降噪效果。本发明具体采用如下技术方案。
[0005]
首先，为实现上述目的，提出一种动态主动降噪方法，用于空调设备，其步骤包括：第一步，在空调设备运转前，先采集并记录当前环境噪声，对当前环境噪声进行小波变换后，计算其与理想环境信号之间的偏差量为基础偏差量e(k，j)，其中，k为偏差量信号的时域参数，而j为偏差量信号的频域参数；第二步，空调设备运转时，实时采集空调设备中风机的运行状态数据为m，以及空调设备运转时的噪声分量n(i，t)，对所述噪声分量n(i，t)进行小波变换后，计算其与基础偏差量e(k，j)之间的差值为降噪目标n(k，j)，其中，k为降噪目标的时域参数，而j为降噪目标的频域参数；第三步，根据空调设备中风机的运行状态数据m调取相应的小波神经网络模型，利用该小波神经网络模型对所述降噪目标n(k，j)进行声场处理，获得驱动信号；第四步，根据所述驱动信号相应驱动扬声器输出降噪声波。
[0006]
可选的，如上任一所述的动态主动降噪方法，其中，所述小波神经网络模型由以下步骤获得：步骤201，在空调设备运行状态数据为m的情况下，建立具有输入层、隐含层和输出层的小波神经网络模型其中，u
i
为隐含层第i个节点的输入参数，h
i
为隐含层第i个节点的输出参数，训练集包括{x(k，j)，y}，其中，x(k，j)表示对应降噪目标的训练数据集，y表示针对该降噪目标的降噪声波所对应的驱动信号，ψ(*)表示隐含层的运算过程，m表示隐含层神经元的数量，θ＝(w
i
，a
i
，b
i
，c
i
)分别为小波神经网络的四组权
值参数；步骤202，建立优化目标函数为其中，为示针对该降噪目标的反相声波所对应的驱动信号，r(θ)为约束在权值参数矩阵w＝{w
i
}和c＝{c
i
}上的正则项，λ为一固定系数；步骤203，以利用优化目标函数为为目标，采用梯度下降算法修正上述权值参数，获得小波神经网络模型。
[0007]
可选的，如上任一所述的动态主动降噪方法，其中，所述步骤203中，梯度下降算法中具体按照以下的修正递归公式迭代修正所述权值参数：a
i，n
＝1/2(δa
i，n-1
+2a
i，n-1
+1/2||a
i，n-2-a
i，n
||)，其中，a
i，n
表示第n次迭代所得到的权值参数，δa
i，n-1
＝a
i，n-1-a
i，n-2
。
[0008]
可选的，如上任一所述的动态主动降噪方法，其中，第四步，根据所述驱动信号相应驱动扬声器输出降噪声波后还包括以下步骤：实时采集降噪后的环境噪声，在环境噪声分贝超出预设值时，重新触发对所述小波神经网络模型执行步骤201至步骤203的训练过程，重新触发的训练过程中，训练数据集x(k，j)根据环境噪声的频域和时域特性，分别按照环境噪声的频域分布和环境噪声的时域分布进行修正。
[0009]
同时，为实现上述目的，本发明还提供一种空调设备，其包括：麦克风，其安装在空调设备的外壳上以及出风口位置，用于采集环境噪声；扬声器，其设置在空调设备的外壳上和/或风道上，用于输出降噪声波；主动降噪控制单元，其连接所述麦克风和扬声器，包括有以下子模块：基础偏差量获取模块，其用于在空调设备运转前，通过所述麦克风采集并记录当前环境噪声，对当前环境噪声进行小波变换后，计算其与理想环境信号之间的偏差量为基础偏差量e(k，j)，其中，k为偏差量信号的时域参数，而j为偏差量信号的频域参数；降噪目标获取模块，其用于在空调设备运转时，实时采集空调设备中风机的运行状态数据为m，以及空调设备运转时的噪声分量n(i，t)，对所述噪声分量n(i，t)进行小波变换后，计算其与基础偏差量e(k，j)之间的差值为降噪目标n(k，j)，其中，k为降噪目标的时域参数，而j为降噪目标的频域参数；声场处理模块，其连接在降噪目标获取模块后，用于在获得降噪目标后，根据空调设备中风机的运行状态数据m调取相应的小波神经网络模型，利用该小波神经网络模型对所述降噪目标n(k，j)进行声场处理，获得驱动信号；输出模块，其连接所述扬声器，用于根据所述驱动信号相应驱动扬声器输出降噪声波，对噪声进行声场抵消。
[0010]
可选的，如上任一所述的空调设备，其中，所述扬声器均匀排布在所述风道的外周。
[0011]
可选的，如上任一所述的空调设备，其中，所述扬声器的振膜面由一外壳包覆固定，所述外壳与风道的外周表面或与空调设备的外壳表面气密连接；所述扬声器(2)的振膜面与风道中气流的流通方向平行，设置在空调系统内部的风道中，或所述扬声器(2)的振膜面设置为贴合空调设备的外壳表面。
[0012]
可选的，如上任一所述的空调设备，其中，所述扬声器还连接有比较器，所述比较器在环境噪声分贝超出预设值时，重新触发主动降噪控制单元对所述小波神经网络模型执行以下训练过程：步骤201
’
，在空调设备运行状态数据为m的情况下，建立具有输入层、隐含
层和输出层的小波神经网络模型其中，u
i
为隐含层第i个节点的输入参数，h
i
为隐含层第i个节点的输出参数，训练集包括{x
′
(k，j)，y}，其中，x
′
(k，j)表示修正后训练数据集，x
′
(k，j)在对应降噪目标的训练数据集x(k，j)中分别按照环境噪声的各频域分量的占比和各时域分量的占比进行修正，可等比例增加环境噪声与训练数据集之间的差量；y表示针对该降噪目标的降噪声波所对应的驱动信号，ψ(*)表示隐含层的运算过程，m表示隐含层神经元的数量，θ＝(w
i
，a
i
，b
i
，c
i
)分别为小波神经网络的四组权值参数；步骤202
’
，建立优化目标函数为其中，为示针对该降噪目标的反相声波所对应的驱动信号，r(θ)为约束在权值参数矩阵w＝{w
i
}和c＝{c
i
}上的正则项，λ为一固定系数；步骤203
’
，以利用优化目标函数为，以利用优化目标函数为为目标，采用梯度下降算法修正上述权值参数，获得小波神经网络模型，其中，梯度下降算法中具体按照以下的修正递归公式迭代修正所述权值参数：a
i，n
＝1/2(δa
i，n-1
+2a
i，n-1
+1/2||a
i，n-2-a
i，n
||)，上式中，a
i，n
表示第n次迭代所得到的权值参数，δa
i，n-1
＝a
i，n-1-a
i，n-2
。
[0013]
有益效果
[0014]
本发明在空调设备的外壳及出风口位置设置有麦克风，在空调设备的外壳上或风道上设置有扬声器，可通过小波神经网络模型，以空调未运转时的环境声为基准，对空调运转时所产生的噪声进行声场抵消，从而在保证降噪效果的同时，不影响获取外界环境音。这一功能尤其适用于车载空调或其他需要关注环境变化的工作场合。
[0015]
并且，本发明对声场的处理能够实时根据噪声水平和空调运行状态进行调节。在空调风机采用不同档位输送不同风量时，通过风机的运行状态数据m查找到适合该风量下输出噪声特性的小波神经网络模型，从而有效保证降噪效果。
[0016]
本发明在空调设备运转时的环境噪声超出预定处理范围时，还可进一步根据环境噪声中各频域分量的占比和各时域分量的占比，对原始的训练数据集x(k，j)进行更新，从而获得针对现场噪声特性的新的小波神经网络模型。由此，通过简单的迭代训练步骤，本发明可以保证在绝大多工作状态下保证足够的降噪水平。
[0017]
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。
附图说明
[0018]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，并与本发明的实施例一起，用于解释本发明，并不构成对本发明的限制。在附图中：
[0019]
图1是本发明的空调设备出风口位置的示意图；
[0020]
图2是本发明所使用的小波神经网络模型的示意图；
[0021]
图中，1表示麦克风；2表示扬声器；21表示扬声器的外壳。
具体实施方式
[0022]
为使本发明实施例的目的和技术方案更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0023]
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
[0024]
图1为根据本发明的一种车载空调设备出风口的结构示意图。该空调设备上设置有：
[0025]
麦克风1，其安装在空调设备的外壳上以及出风口位置，用于采集环境噪声；
[0026]
扬声器2，其设置在空调设备的外壳上和/或风道上，用于输出降噪声波；
[0027]
主动降噪控制单元，其连接所述麦克风和扬声器，用于执行以下的声场处理步骤：
[0028]
第一步，在空调设备运转前，先采集并记录当前环境噪声，对当前环境噪声进行小波变换后，计算其与理想环境信号之间的偏差量为基础偏差量e(k，j)，其中，k为偏差量信号的时域参数，而j为偏差量信号的频域参数；
[0029]
第二步，空调设备运转时，实时采集空调设备中风机的运行状态数据为m，以及空调设备运转时的噪声分量n(i，t)，对所述噪声分量n(i，t)进行小波变换后，计算其与基础偏差量e(k，j)之间的差值为降噪目标n(k，j)，其中，k为降噪目标的时域参数，而j为降噪目标的频域参数；
[0030]
第三步，根据空调设备中风机的运行状态数据m调取相应的小波神经网络模型，利用该小波神经网络模型对所述降噪目标n(k，j)进行声场处理，获得驱动信号；
[0031]
第四步，输出所述驱动信号，并相应驱动扬声器输出降噪声波。
[0032]
由此，本发明能够以空调设备未运转时的环境声为基准而根据该基础偏差量e(k，j)计算得到需要进行降噪的降噪目标n(k，j)，从而针对空调运转时所产生的噪声进行声场抵消。本发明能够在保证降噪效果的同时，不影响获取外界环境音。这一功能尤其适用于车载空调或其他需要关注环境声音变化情况的工作场合。
[0033]
上述第三步中进行声场处理所使用的小波神经网络模型，具体可通过以下的步骤训练获得，以针对常规噪声达到良好的降噪效果：
[0034]
步骤201，在空调设备运行状态数据为m的情况下，建立具有输入层、隐含层和输出层的小波神经网络模型其中，u
i
为隐含层第i个节点的输入参数，h
i
为隐含层第i个节点的输出参数，训练集包括{x(k，j)，y}，其中，x(k，j)表示对应降噪目标的训练数据集，y表示针对该降噪目标的降噪声波所对应的驱动信号，ψ(*)表示隐含层的运算过程，m表示隐含层神经元的数量，θ＝(w
i
，a
i
，b
i
，c
i
)分别为小波神经网络的四组权值参数；
[0035]
步骤202，建立优化目标函数为其中，为示针对该降噪目标的反相声波所对应的驱动信号，r(θ)为约束在权值参数矩阵w＝{w
i
}和c＝{c
i
}上的正则项，λ为一固定系数；
[0036]
步骤203，以利用优化目标函数为为目标，采用梯度下降算法，按照以下的修正递归公式迭代修正所述权值参数，获得小波神经网络模型：
[0037]
a
i，n
＝1/2(δa
i，n-1
+2a
i，n-1
+1/2||a
i，n-2-a
i，n
||)
[0038]
其中，a
i，n
表示第n次迭代所得到的权值参数，δa
i，n-1
＝a
i，n-1-a
i，n-2
。
[0039]
在更为优选的实现方式下，为保证对空调设备未运转时的环境声采集准确，本发明可设置空调设备开机后间隔一定音频采样时间才驱动风机运转，也可通过在空调设备的外壳上设置麦克风而避免声场采集时风道内部气流频震对麦克风所采集的音频信号的影响和扰动。
[0040]
而对于采用已训练好的小波神经网络模型降噪效果不理想的情况，本发明可通过进一步在主动降噪控制单元中设置比较器，利用比较器在环境噪声分贝超出预设值时，重新触发主动降噪控制单元对所述小波神经网络模型执行以下的更新训练过程：
[0041]
步骤201
’
，在空调设备运行状态数据为m的情况下，建立具有输入层、隐含层和输出层的小波神经网络模型其中，u
i
为隐含层第i个节点的输入参数，h
i
为隐含层第i个节点的输出参数，训练集包括{x
′
(k，j)，y}，其中，x
′
(k，j)表示修正后训练数据集，x
′
(k，j)在对应降噪目标的训练数据集x(k，j)的基础上分别按照环境噪声的各频域分量的占比和各时域分量的占比进行修正，叠加有相应比例的频域分量和时域分量；
[0042]
步骤202
’
，建立优化目标函数为其中，为示针对该降噪目标的反相声波所对应的驱动信号，r(θ)为约束在权值参数矩阵w＝{w
i
}和c＝{c
i
}上的正则项，λ为一固定系数；
[0043]
步骤203
’
，以利用优化目标函数为为目标，采用梯度下降算法修正上述权值参数，获得小波神经网络模型，其中，梯度下降算法中具体按照以下的修正递归公式迭代修正所述权值参数：
[0044]
a
i，n
＝1/2(δa
i，n-1
+2a
i，n-1
+1/2||a
i，n-2-a
i，n
||)
[0045]
其中，a
i，n
表示第n次迭代所得到的权值参数，δa
i，n-1
＝a
i，n-1-a
i，n-2
。
[0046]
由此，本发明通过更新后的小波神经网络模型，利用该小波神经网络模型对所述降噪目标n(k，j)进行声场处理，获得能够针对现场噪声特性进行声场抵消的驱动信号。
[0047]
为用于声场抵消的降噪信号能够有效输出，对抗噪声声场，本发明还可进一步具体设置所述扬声器均匀排布在所述风道的外周。分布于风道外周的扬声器具体可设置其振膜面由一外壳21包覆固定，并设置扬声器的所述外壳与风道的外周表面气密连接，以避免
影响气流和调温效果。这样的设置方式能够保证降噪声波直接作用于输出的气流中，能够有效抵消气流所携带的噪声，从而有效降低出风口噪声水平。该扬声器2的振膜面可具体设置为与风道中气流的流通方向平行，设置在空调系统内部的风道中，以降低扬声器结构对气流的扰动，降低其频震噪声。
[0048]
所述扬声器也可加设在空调设备的外壳表面。此时，其振膜面优选设置为贴合空调设备的外壳表面。这样的设置方式可以利用空调设备机壳提供共振，保证降噪声波的输出效果，同时还能够简化专门为保护扬声器振膜面而加设的保护罩结构。
[0049]
以上仅为本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除