一种车辆降噪方法及系统与流程

本发明涉及汽车，特别涉及一种车辆降噪方法及系统。

背景技术：

1、随着科学的进步以及生产力的快速发展，汽车已经在人们的日常生活中得到普及，并且已经成为了人们日常出行必不可少的交通工具之一，极大的提升了人们的出行效率。

2、其中，汽车在行驶的过程中会产生胎噪以及风噪等噪声，从而会影响驾驶员以及乘客的乘坐体验，针对于此，现有的汽车厂家通过主动降噪的方式来降低车辆内部的噪音。因此，现有技术通常会在车辆内部安装主动降噪系统，以通过主动降噪系统降低车内的噪音。

3、然而，现有技术在车辆内部设置的主动降噪系统对硬件设备的要求较高，同时对噪声信号的处理方式较为固定，导致不能有效的降低不同类型、频率以及强度的噪声，从而降噪效果较差，对应降低了用户的使用体验。

技术实现思路

1、基于此，本发明的目的是提供一种车辆降噪方法及系统，以解决现有技术不能有效降低不同类型、频率以及强度的噪声，导致降噪效果较差的问题。

2、本发明实施例第一方面提出了：

3、一种车辆降噪方法，其中，所述方法包括：

4、通过预设麦克风实时采集车辆内外的噪声信号，并将所述噪声信号转换成对应的数字信号；

5、将所述数字信号输入至预设gpt深度学习模型中，以使所述预设gpt深度学习模型输出与所述噪声信号对应的补偿信号；

6、将所述补偿信号传输至预设扬声器中，并通过所述预设扬声器根据所述补偿信号生成对应的声波，以通过所述声波对所述噪声信号进行干涉抵消。

7、本发明的有益效果是：通过实时采集车辆内外的噪声信号能够对应了解到当前车辆内外的噪音大小，进一步的，将转换好的数字信号输入至预设gpt深度学习模型中，从而能够使当前预设gpt深度学习模型对应输出需要的补偿信号，基于此，将当前补偿信号传输至车辆内部的扬声器中，并且能够使当前扬声器产生对应的声波，在此基础之上，根据声音抵消的原理，能够使当前声波对当前噪声信号进行干涉抵消，从而能够有效的降低车辆内部的噪音，对应提升了用户的使用体验。

8、进一步的，所述将所述数字信号输入至预设gpt深度学习模型中，以使所述预设gpt深度学习模型输出与所述噪声信号对应的补偿信号的步骤包括：

9、当获取到所述数字信号时，对所述数字信号进行对应的序列化处理，以生成对应的文本序列，并将所述文本序列输入至所述预设gpt深度学习模型中的自回归变换器模型中；

10、通过所述自回归变换器模型对所述文本序列进行特征识别处理，以输出与所述噪声信号对应的补偿信号。

11、进一步的，所述对所述数字信号进行对应的序列化处理，以生成对应的文本序列的步骤包括：

12、通过bpe算法对所述数字信号进行分割处理，以拆分出若干对应的子信号，并通过预设映射算法将每一所述子信号映射成对应的整数编号；

13、依次对若干所述整数编号进行拼接处理，以生成所述文本序列。

14、进一步的，所述通过所述自回归变换器模型对所述文本序列进行特征识别处理，以输出与所述噪声信号对应的补偿信号的步骤包括：

15、将所述文本序列输入至所述自回归变换器模型的编码器中，并通过所述编码器对所述文本序列进行编码处理，以生成若干对应的特征序列；

16、通过所述自回归变换器模型中的解析层中，并通过所述解析层中的前馈神经网络对若干所述特征序列进行解析处理，以输出若干对应的特征因子；

17、对若干所述特征因子进行数字化处理，以生成所述补偿信号。

18、进一步的，所述通过所述预设扬声器根据所述补偿信号生成对应的声波的步骤包括：

19、提取出所述补偿信号中包含的补偿文本序列，并将所述补偿文本序列转换成对应的补偿数字信号；

20、通过逆bpe算法将所述补偿数字信号转换成所述声波。

21、进一步的，所述方法还包括：

22、实时获取所述声波与所述噪声信号干涉抵消后的声音信号，并将所述声音信号转换成对应的分贝数值；

23、将所述分贝数值传输至当前车辆的仪表盘中，以在所述仪表盘实时显示所述分贝数值。

24、进一步的，所述方法还包括：

25、实时判断所述分贝数值是否超过预设阈值；

26、若实时判断到所述分贝数值超过所述预设阈值，则在所述仪表盘中发出对应的提示信息，所述提示信息包括文字提示以及图标提示。

27、本发明实施例第二方面提出了：

28、一种车辆降噪系统，其中，所述系统包括：

29、采集模块，用于通过预设麦克风实时采集车辆内外的噪声信号，并将所述噪声信号转换成对应的数字信号；

30、处理模块，用于将所述数字信号输入至预设gpt深度学习模型中，以使所述预设gpt深度学习模型输出与所述噪声信号对应的补偿信号；

31、输出模块，用于将所述补偿信号传输至预设扬声器中，并通过所述预设扬声器根据所述补偿信号生成对应的声波，以通过所述声波对所述噪声信号进行干涉抵消。

32、进一步的，所述处理模块具体用于：

33、当获取到所述数字信号时，对所述数字信号进行对应的序列化处理，以生成对应的文本序列，并将所述文本序列输入至所述预设gpt深度学习模型中的自回归变换器模型中；

34、通过所述自回归变换器模型对所述文本序列进行特征识别处理，以输出与所述噪声信号对应的补偿信号。

35、进一步的，所述处理模块还具体用于：

36、通过bpe算法对所述数字信号进行分割处理，以拆分出若干对应的子信号，并通过预设映射算法将每一所述子信号映射成对应的整数编号；

37、依次对若干所述整数编号进行拼接处理，以生成所述文本序列。

38、进一步的，所述处理模块还具体用于：

39、将所述文本序列输入至所述自回归变换器模型的编码器中，并通过所述编码器对所述文本序列进行编码处理，以生成若干对应的特征序列；

40、通过所述自回归变换器模型中的解析层中，并通过所述解析层中的前馈神经网络对若干所述特征序列进行解析处理，以输出若干对应的特征因子；

41、对若干所述特征因子进行数字化处理，以生成所述补偿信号。

42、进一步的，所述输出模块具体用于：

43、提取出所述补偿信号中包含的补偿文本序列，并将所述补偿文本序列转换成对应的补偿数字信号；

44、通过逆bpe算法将所述补偿数字信号转换成所述声波。

45、进一步的，所述车辆降噪系统还包括显示模块，所述显示模块具体用于：

46、实时获取所述声波与所述噪声信号干涉抵消后的声音信号，并将所述声音信号转换成对应的分贝数值；

47、将所述分贝数值传输至当前车辆的仪表盘中，以在所述仪表盘实时显示所述分贝数值。

48、进一步的，所述车辆降噪系统还包括提示模块，所述提示模块具体用于：

49、实时判断所述分贝数值是否超过预设阈值；

50、若实时判断到所述分贝数值超过所述预设阈值，则在所述仪表盘中发出对应的提示信息，所述提示信息包括文字提示以及图标提示。

51、本发明实施例第三方面提出了：

52、一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上面所述的车辆降噪方法。

53、本发明实施例第四方面提出了：

54、一种可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上面所述的车辆降噪方法。

55、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。