[發明專利]濾波器的仿真設計方法、裝置、設備及存儲介質

在審

• 申請號: 202110874311.0
• 申請日: 2021-07-30
• 公開（公告）號: CN113657026A
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 張立朋
• 申請（專利權）人: 萬魔聲學股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G10K11/178;H04R1/10
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 田甜

1.一種濾波器的仿真設計方法，其特征在于，所述濾波器的仿真設計方法應用于降噪產品的生產測試中，包括：

根據輸入的待設計濾波器初始的濾波器參數構建所述待設計濾波器的初始傳遞函數，其中，濾波器參數包括中心頻率參數、增益參數和形狀參數，所述待設計濾波器初始的濾波器參數為降噪產品進行生產測試前所配備的濾波器參數；

將所述初始傳遞函數輸入到預先訓練好的函數優化模型中進行優化處理，以獲得與所述初始傳遞函數對應的優化后的傳遞函數；

基于所述優化后的傳遞函數求解獲得優化后的濾波器參數，將所述優化后的濾波器參數配置到所述待設計濾波器中，以獲得所述降噪產品用于執行主動降噪處理的濾波器。

2.根據權利要求1所述的濾波器的仿真設計方法，其特征在于，所述將所述初始傳遞函數輸入到預先訓練好的函數優化模型中進行優化處理，以獲得與所述初始傳遞函數對應的優化后的傳遞函數的步驟之前，包括：

構建訓練樣本集，所述訓練樣本集中包含有若干傳遞函數樣本，每個傳遞函數樣本采用不同的濾波器參數構建得到；

將所述訓練樣本集中的傳遞函數樣本輸入到預先搭建的BP神經網絡模型中進行模型訓練，以生成函數優化模型，所述函數優化模型用于執行傳遞函數的優化處理過程。

3.根據權利要求2所述的濾波器的仿真設計方法，其特征在于，所述預先搭建的BP神經網絡模型中包含有輸入層、隱含層和輸出層三種神經網絡結構層，所述將所述訓練樣本集中的傳遞函數樣本輸入到預先搭建的BP神經網絡模型中進行模型訓練，以生成函數優化模型的步驟中，所述模型訓練的過程包括：

將所述傳遞函數樣本進行前向傳播，在所述預先搭建的BP神經網絡模型的輸出層獲取輸出結果；

將所述輸出結果與所述預先搭建的BP神經網絡模型配置的預期結果進行比較，求解出所述輸出結果與所述預期結果之間的差異度值，其中，所述輸出結果和所述預期結果用傳遞函數表示；

將所述輸出層的輸出結果與所述預期結果之間的差異度值進行反向傳播，根據所述輸出結果與所述預期結果之間的差異度值修改所述預先搭建的BP神經網絡模型中輸入層與隱含層之間以及隱含層與輸出層之間的權重值和偏置值。

4.根據權利要求3所述的濾波器的仿真設計方法，其特征在于，所述將所述輸出層的輸出結果與所述預期結果之間的差異度值進行反向傳播，根據所述輸出結果與所述預期結果之間的差異度值修改所述預先搭建的BP神經網絡模型中輸入層與隱含層之間以及隱含層與輸出層之間的權重值和偏置值的步驟之后，包括：

按照預設的模型收斂條件判斷是否結束模型訓練，其中，所述預設的模型收斂條件為模型訓練的輸出誤差小于預設的誤差閾值或模型訓練的迭代次數達到預設的迭代次數閾值。

5.根據權利要求1所述的濾波器的仿真設計方法，其特征在于，所述基于所述優化后的傳遞函數求解獲得優化后的濾波器參數，將所述優化后的濾波器參數配置到所述待設計濾波器中，以獲得所述降噪產品用于執行主動降噪處理的濾波器的步驟之前，還包括：

將所述優化后的傳遞函數與所述函數優化模型中基準響應曲線對應的傳遞函數進行相位比較，判斷所述優化后的傳遞函數與所述函數優化模型中基準響應曲線對應的傳遞函數之間的相位差值是否超出預設的相位差閾值；

若所述優化后的傳遞函數與所述函數優化模型中基準響應曲線對應的傳遞函數之間的相位差值超出預設的相位差閾值，則根據所述預設的相位差閾值對所述優化后的傳遞函數進行校正處理。

6.根據權利要求1所述的濾波器的仿真設計方法，其特征在于，所述根據輸入的待設計濾波器初始的濾波器參數構建所述待設計濾波器的初始傳遞函數的步驟，包括：

按照所述輸入的待設計濾波器初始的濾波器參數對所述待設計濾波器進行參數配置，獲得初始的待設計濾波器；

采集噪聲信號，將所述噪聲信號輸入至所述初始的待設計濾波器中，獲得與所述噪聲信號對應的多段傳遞函數；

獲取所述多段傳遞函數的信號功率譜，基于所述信號功率譜對所述多段傳遞函數進行響應消除分析，生成所述待設計濾波器的初始傳遞函數。