一种基于车内噪声监测的语音提醒装置

摘要

本发明公开了一种基于车内噪声监测的语音提醒装置，包括：噪声检测模块，用于监测车内噪声分贝值，当车内噪声分贝值达到阈值时启动语音过滤模块；还用于检测语音过滤模块发送的人声分贝值；语音过滤模块，用于获得车内噪音过滤后得到的人声；所述语音过滤模块中包含：预处理器、人声检测端、噪声过滤端；语音提醒模块，用于当噪声检测模块检测语音过滤模块发送的人声分贝值超过阈值时，播报信息，提醒车内乘客降低说话音量。本发明实现了对车内噪声的监控，当噪声超过阈值时可自动分析是由于乘客说话引起还是由于环境噪音，并在语音噪音过大时进行播报，提醒乘客降低说话音量，提高驾驶安全性，提升乘客舒适度。

权利要求

1.一种基于车内噪声监测的语音提醒装置，其特征在于，包括：噪声检测模块，用于监测车内噪声分贝值，当车内噪声分贝值达到阈值时启动语音过滤模块；还用于检测语音过滤模块发送的人声分贝值；

语音过滤模块，用于获得车内噪音过滤后得到的人声；所述语音过滤模块中包含：预处理器、人声检测端、噪声过滤端；

所述预处理器，用于清除频率小于80Hz或频率大于1200Hz的信号，再将处理后的信号送入人声检测端；

所述人声检测端，用于使用小波去噪算法对剩余信号进行分析，去除多余环境噪声；得到人声余留信号；

所述噪声过滤端，将余留的信号进行区分编码，送入噪声检测模块；所述区分编码为对人声分贝值进行阈值区分；

语音提醒模块，用于当噪声检测模块检测语音过滤模块发送的人声分贝值超过阈值时，播报信息，提醒车内乘客降低说话音量。

2.根据权利要求1所述的基于车内噪声监测的语音提醒装置，其特征在于，所述人声检测端去除多余环境噪声；得到人声余留信号的具体步骤如下：步骤一：对预处理后的信号进行小波变换，得到各个尺度上的小波系数；

步骤二：对各个尺度的小波系数进行软阈值函数处理，得到原始信号小波系数的估计值；

步骤三：利用处理后的小波系数通过小波反变换得到去噪后的信号；

具体如下：

设N点离散含噪信号为：

f(t)＝s(t)+n(t)  (1)

其中s(t)为原始信号,n(t)是方差为σ2的高斯白噪声,服从N(0,σ2)；

在每一尺度j上,把信号S分解为

其中J为最佳尺度,hj和gj分别表示h和g中每相邻两系数间插入2j-1个零点构成的新的滤波器；假设原始信号有N个非零采样点,则该算法的时间复杂度和空间复杂度均为O(J·N)；相应地,小波快速重构算法为首先,对含噪声信号f(t)利用式(2)进行小波分解,得到小波系数wj,k；

其次,令λj＝σ(2logaN)1/2/ln(j+1),由式(4)定义wj,k,从而得到一组估计小波系数；

最后,对wj,k利用式(3)进行重构,便可得到f(t)的估计值。

说明书

一种基于车内噪声监测的语音提醒装置

技术领域

[0001] 本发明涉及音频处理技术领域，尤其涉及一种基于车内噪声监测的语音提醒装置。

背景技术

[0002] 噪声是一类引起人们烦躁、扰乱人们情绪、或音量过强而危害人体健康的声音。而司机的驾驶维系着道路交通的安全，要求的是无时无刻的专注与谨慎，因此噪声对司机的影响不容忽视。就车辆而言，车行驶时本身就会产生来自发动机、底盘、进排气噪声，司机驾驶时除了受着车内外噪声的影响外，有时还会受到乘话语嘈杂的影响。乘客产生的这些噪声极易引起司机的不满，扰乱司机的情绪，使司机的注意力和反应时间下降，这些都对行驶安全造成影响。此外，车内的语音噪声也会对其他乘客的心情造成影响，但碍于情面，乘客往往不会道出。

[0003] 授权公告号为CN 201995115 A的《一种车内降噪系统》提出了一种用于汽车内的降噪系统，其在进行降噪时未能分离人声与环境嘈杂，且其使用幅度相等，相位相反的降噪信号进行降噪，如果在进行噪声分析处理时有延迟，那么反而会造成车内噪声增大；申请公布号为CN 103985380 A的《有源噪声控制系统和方法》提出了一种可控制特定来源噪声的方法，然而在现实中，公交或地铁内的行人较多时，将对其侦测位置造成干扰，较难进行定位消除噪音。

发明内容

[0004] 本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于车内噪声监测的语音提醒装置。

[0005] 本发明解决其技术问题所采用的技术方案是：一种基于车内噪声监测的语音提醒装置，包括：

[0006] 噪声检测模块，用于监测车内噪声分贝值，当车内噪声分贝值达到阈值时启动语音过滤模块；还用于检测语音过滤模块发送的人声分贝值；

[0007] 语音过滤模块，用于获得车内噪音过滤后得到的人声；所述语音过滤模块中包含：预处理器、人声检测端、噪声过滤端；

[0008] 所述预处理器，用于清除频率小于80Hz或频率大于1200Hz的信号，再将处理后的信号送入人声检测端；

[0009] 所述人声检测端，用于使用小波去噪算法对剩余信号进行分析，去除多余环境噪声；得到人声余留信号；

[0010] 所述噪声过滤端，将余留的信号进行区分编码，送入噪声检测模块；所述区分编码为对人声分贝值进行阈值区分；

[0011] 语音提醒模块，用于当噪声检测模块检测语音过滤模块发送的人声分贝值超过阈值时，播报信息，提醒车内乘客降低说话音量。

[0012] 按上述方案，所述人声检测端去除多余环境噪声；得到人声余留信号的具体步骤如下：

[0013] 步骤一：对预处理后的信号进行小波变换，得到各个尺度上的小波系数；

[0014] 步骤二：对各个尺度的小波系数进行软阈值函数处理，得到原始信号小波系数的估计值；

[0015] 步骤三：利用处理后的小波系数通过小波反变换得到去噪后的信号；

[0016] 具体如下：

[0017] 设N点离散含噪信号为

[0018] f(t)＝s(t)+n(t)        (1)

[0019] 其中s(t)为原始信号,n(t)是方差为σ2的高斯白噪声,服从N(0,σ2)；

[0020] 在每一尺度j上,把信号S分解为

[0021]

[0022]

[0023] 其中J为最佳尺度,hj和gj分别表示h和g中每相邻两系数间插入2j-1个零点构成的新的滤波器；假设原始信号有N个非零采样点,则该算法的时间复杂度和空间复杂度均为O(J·N)。相应地,小波快速重构算法为

[0024]

[0025] 对含噪声信号f(t)利用(2)进行小波分解,得到小波系数wj,k；

[0026] 其次,令λj＝σ(2loga N)1/2/ln(j+1),由式(4)定义wj,k,从而得到一组估计小波系数；

[0027] 最后,对wj,k利用(3)进行重构,便可得到f(t)的估计值。

[0028] 本发明产生的有益效果是：本发明实现了对车内噪声的监控，当噪声超过阈值时可自动分析是由于乘客说话引起还是由于环境噪音，并在语音噪音过大时进行播报，提醒乘客降低说话音量，提高驾驶安全性，提升乘客舒适度。

附图说明

[0029] 下面将结合附图及实施例对本发明作进一步说明，附图中：

[0030] 图1是本发明实施例的工作流程图；

[0031] 图2是本发明实施例的语音过滤模块工作流程图；

[0032] 图3是本发明实施例的结构示意图。

具体实施方式

[0033] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

[0034] 如图3所示，一种基于车内噪声监测的语音提醒装置，包括：噪声检测模块、语音过滤模块、语音提醒模块，其实现了对车内噪声的监控，当噪声超过阈值时可自动分析是由于乘客说话引起还是由于环境噪音，并在语音噪音过大时进行播报，提醒乘客降低说话音量，提高驾驶安全性，提升乘客舒适度。

[0035] 一种基于车内噪声监测的语音提醒装置，包括：

[0036] 噪声检测模块，用于监测车内噪声分贝值，当车内噪声分贝值达到阈值时启动语音过滤模块；还用于检测语音过滤模块发送的人声分贝值；

[0037] 语音过滤模块，用于获得车内噪音过滤后得到的人声；所述语音过滤模块中包含：预处理器、人声检测端、噪声过滤端；

[0038] 所述预处理器，用于清除频率小于80Hz或频率大于1200Hz的信号，再将处理后的信号送入人声检测端；

[0039] 所述人声检测端，用于使用小波去噪算法对剩余信号进行分析，去除多余环境噪声；得到人声余留信号；

[0040] 所述噪声过滤端，将余留的信号进行区分编码，送入噪声检测模块；

[0041] 语音提醒模块，用于当噪声检测模块检测语音过滤模块发送的人声分贝值超过阈值时，播报信息，提醒车内乘客降低说话音量。

[0042] 本发明中，所述噪声检测模块检测到车内噪声超过阈值(60分贝)时，才会开始进行收集音频，并将收集的音频送入语音过滤模块。

[0043] 经过噪声过滤后的音频将会有特定的编码，用于与车内源噪声进行区别。

[0044] 如图1，结合上述特征，进一步阐述系统工作流程：

[0045] 步骤一，噪声检测模块实时监控车内噪声，当噪声超过60分贝时，开始收集噪声；

[0046] 步骤二，收集的噪声送入语音过滤模块中，滤去频率小于80Hz，大于1200Hz 的信号；

[0047] 步骤三，人声检测端根据小波去噪算法对剩余信号进行分析，去除多余部分；

[0048] 步骤四，将余留的信号进行区分编码，送入噪声检测模块；

[0049] 步骤五，噪声检测模块读入信号测算分贝，当分贝大于60时，由于信号具有区分编码，故启动语音提醒模块；

[0050] 步骤六，语音提醒模块播报已经录制的音频：“车内噪声已经达到上限，请您降低说话音量”。

[0051] 结合图2，阐述本发明的语音过滤模块工作原理：

[0052] 步骤一：对预处理后的信号进行小波变换，得到各个尺度上的小波系数；

[0053] 步骤二：对各个尺度的小波系数进行软阈值函数处理，得到原始信号小波系数的估计值；

[0054] 步骤三：利用处理后的小波系数通过小波反变换得到去噪后的信号。

[0055] 具体如下：

[0056] 设N点离散含噪信号为

[0057] f(t)＝s(t)+n(t)        (1)

[0058] 其中s(t)为原始信号,n(t)是方差为σ2的高斯白噪声,服从N(0,σ2)；

[0059] 在每一尺度j上,把信号S分解为

[0060]

[0061]

[0062] 其中J为最佳尺度,hj和gj分别表示h和g中每相邻两系数间插入2j-1个零点构成的新的滤波器；假设原始信号有N个非零采样点,则该算法的时间复杂度和空间复杂度均为O(J·N)。相应地,小波快速重构算法为

[0063]

[0064] (4)首先,对含噪声信号f(t)利用(2)进行小波分解,得到小波系数wj,k；

[0065] 其次,令λj＝σ(2loga N)1/2ln(j+1),由式(4)定义wj,k,从而得到一组估计小波系数；

[0066] 最后,对wj,k利用(3)进行重构,便可得到f(t)的估计值。

[0067] 本发明可应用于公交，地铁，私人轿车等多个交通工具内，具备良好的可拓展性。

[0068] 应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。