[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

本申請適用于降噪技術領域，提供一種濾波器的仿真設計方法、裝置、設備及存儲介質，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待設計濾波器的初始傳遞函數；將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，以獲得與初始傳遞函數對應的優化后的傳遞函數；基于優化后的傳遞函數求解獲得優化后的濾波器參數；將優化后的濾波器參數配置到待設計濾波器中，以獲得降噪產品用于執行主動降噪處理的濾波器。利用該方法進行濾波器仿真設計，效率高、質量好，將該方法應用于降噪產品的生產測試中，可以提高降噪產品的良品率，降低成本，且保證了降噪產品的一致性和穩定性。

技術領域

本申請涉及降噪技術領域，尤其涉及一種濾波器的仿真設計方法、裝置、設備及存儲介質。

背景技術

主動降噪的原理在于采用麥克風和主動降噪電路對環境噪聲進行采集和分析，通過對噪音聲波的分析生成一個與環境噪聲同幅反相聲波，通過使此聲波與環境噪聲在入人耳時相互抵消，降低整個聲場能量，從而達到消除噪聲的效果，廣泛應用在真無線(TWS)耳機中。然而，主動降噪的原理雖然簡單，但是實現起來難度大。目前在設計濾波器實現主動降噪功能時，大多數濾波器都是采用人工調試，無理論指導，一些自動化調試的仿真和測試方法也大都仿真效果不理想，往往還不如人工調試結果，即現有的耳機降噪技術面臨著濾波器的設計效率低、質量差的問題，從而也致使了耳機產品的開發面臨良品率低下，成本提高，一致性和穩定性受到影響等一系列的問題。

發明內容

有鑒于此，本申請實施例提供了一種濾波器的仿真設計方法、裝置、設備及存儲介質，可以應用于降噪產品的生產測試中，以解決降噪產品的良品率低，成本高、降噪產品的一致性和穩定性差的問題。

本申請實施例的第一方面提供了一種濾波器的仿真設計方法，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。

結合第一方面，在第一方面的第一種可能實現方式中，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。

結合第一方面的第一種可能實現方式，在第一方面的第二種可能實現方式中，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；