一种降噪耳机的测试方法及系统实用新型专利

专利名称：一种降噪耳机的测试方法及系统

专利类型：实用新型专利

专利申请号：CN202311232265.X

专利申请（专利权）人：广东金海纳实业有限公司
权利人地址：广东省广州市花都区花山镇菊花石大道285号

专利发明（设计）人：林太钦

专利摘要：本申请涉及耳机检测的技术领域，尤其是涉及一种降噪耳机的测试方法及系统，其方法包括：获取场景测试类型和降噪算法模型，根据场景测试类型获取对应的噪声模拟数据；获取音频输出基准数据，根据场景测试类型逐个将噪声模拟数据输入至降噪算法模型中进行测试，分别将获取到的音频降噪结果与音频输出基准数据进行比对，得到降噪测试结果；根据每个降噪测试结果分别对降噪算法模型进行修正，得到与每个场景测试类型对应的噪声降噪算法；根据每个噪声降噪算法生成耳机降噪模型，并根据耳机降噪模型生成模型测试消息，以根据不同降噪耳机进行适应性调整。本申请能够提升对用户在使用时降噪耳机时，降噪耳机的降噪效果。

主权利要求：
1.一种降噪耳机的测试方法，其特征在于，所述降噪耳机的测试方法包括：获取场景测试类型和降噪算法模型，根据所述场景测试类型获取对应的噪声模拟数据；
获取音频输出基准数据，根据所述场景测试类型逐个将所述噪声模拟数据输入至所述降噪算法模型中进行测试，分别将获取到的音频降噪结果与所述音频输出基准数据进行比对，得到降噪测试结果，具体包括：提取每个所述噪声模拟数据对应的噪声特征数据，分别将每个所述噪声特征数据输入至所述降噪算法模型中；
从所述降噪算法模型中获取与每个噪声特征数据对应的所述音频降噪结果，并提取每个所述音频降噪结果提取音频降噪特征数据；
从所述音频输出基准数据提取音频基准特征，将所述音频基准特征分别与每个所述音频降噪特征进行特征比对，得到与每种所述噪声特征数据对应的所述降噪测试结果；
根据每个所述降噪测试结果分别对所述降噪算法模型进行修正，得到与每个所述场景测试类型对应的噪声降噪算法，具体包括：对每个所述场景测试类型按照预设规则进行排序，对排序第一个的降噪算法模型进行修正，得到第一修正结果；
将第二个的所述场景测试类型对应的噪声模拟数据输入至所述第一修正结果中，得到修正噪声数据，将所述修正噪声数据与音频输出基准数据进行差异比对；
若差异比对结果在预设的阈值内，则将第一修正结果作为对应的所述噪声降噪算法，否则对第二个降噪算法模型进行修正，得到第二修正结果；
从第三个所述场景测试类型对应的噪声模拟数据开始，将对应的噪声模拟数据逐个输入至对降噪算法模型进行修正后的修正结果中并将输出的结果与音频输出基准数据进行差异比对，以筛选对应的修正结果或者对降噪算法模型进行修正；
根据每个所述噪声降噪算法生成耳机降噪模型，并根据所述耳机降噪模型生成模型测试消息，以根据不同降噪耳机进行适应性调整，其中，所述根据每个所述噪声降噪算法生成耳机降噪模型，具体包括：将所有噪声模拟数据进行封装，得到噪声场景识别模型；
将每个所述噪声降噪算法与所述噪声场景识别模型中对应的噪声模拟数据进行关联，得到耳机降噪模型。
2.根据权利要求1所述的降噪耳机的测试方法，其特征在于，所述从所述音频输出基准数据提取音频基准特征，将所述音频基准特征分别与每个所述音频降噪特征进行特征比对，得到与每种所述噪声特征数据对应的所述降噪测试结果，具体包括：构建所述音频基准特征的基准特征向量，构建每个所述音频降噪特征的降噪特征向量；
计算每个所述降噪特征向量与所述基准特征向量的比对距离数据，将所述比对距离数据作为所述降噪测试结果。
3.一种降噪耳机的测试系统，其特征在于，所述降噪耳机的测试系统包括：场景模拟模块，用于获取场景测试类型和降噪算法模型，根据所述场景测试类型获取对应的噪声模拟数据；
算法测试模块，用于获取音频输出基准数据，根据所述场景测试类型逐个将所述噪声模拟数据输入至所述降噪算法模型中进行测试，分别将获取到的音频降噪结果与所述音频输出基准数据进行比对，得到降噪测试结果，所述算法测试模块包括：数据输入子模块，用于提取每个所述噪声模拟数据对应的噪声特征数据，分别将每个所述噪声特征数据输入至所述降噪算法模型中；
特征提取子模块，用于从所述降噪算法模型中获取与每个噪声特征数据对应的所述音频降噪结果，并提取每个所述音频降噪结果提取音频降噪特征数据；
特征比对子模块，用于从所述音频输出基准数据提取音频基准特征，将所述音频基准特征分别与每个所述音频降噪特征进行特征比对，得到与每种所述噪声特征数据对应的所述降噪测试结果；
算法校正模块，用于根据每个所述降噪测试结果分别对所述降噪算法模型进行修正，得到与每个所述场景测试类型对应的噪声降噪算法，算法校正模块包括：第一修正子模块，用于对每个场景测试类型按照预设规则进行排序，对排序第一个的降噪算法模型进行修正，得到第一修正结果；
第二修正子模块，用于将第二个的场景测试类型对应的噪声模拟数据输入至第一修正结果中，得到修正噪声数据，将修正噪声数据与音频输出基准数据进行差异比对；
差异比对子模块，用于若差异比对结果在预设的阈值内，则将第一修正结果作为对应的噪声降噪算法，否则对第二个降噪算法模型进行修正，得到第二修正结果；
循环修正子模块，用于从第三个场景测试类型对应的噪声模拟数据开始，将对应的噪声模拟数据逐个输入至对降噪算法模型进行修正后的修正结果中并将输出的结果与音频输出基准数据进行差异比对，以筛选对应的修正结果或者对降噪算法模型进行修正；
模型测试模块，用于根据每个所述噪声降噪算法生成耳机降噪模型，并根据所述耳机降噪模型生成模型测试消息，以根据不同降噪耳机进行适应性调整，模型测试模块包括：数据封装子模块，用于将所有噪声模拟数据进行封装，得到噪声场景识别模型；
模型关联子模块，用于将每个噪声降噪算法与噪声场景识别模型中对应的噪声模拟数据进行关联，得到耳机降噪模型。
4.根据权利要求3所述的降噪耳机的测试系统，其特征在于，所述特征比对子模块包括：向量构建单元，用于构建所述音频基准特征的基准特征向量，构建每个所述音频降噪特征的降噪特征向量；
向量比对单元，用于计算每个所述降噪特征向量与所述基准特征向量的比对距离数据，将所述比对距离数据作为所述降噪测试结果。
5.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至
2任一项所述降噪耳机的测试方法的步骤。
6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述降噪耳机的测试方法的步骤。 说明书 : 一种降噪耳机的测试方法及系统技术领域[0001] 本申请涉及耳机检测的技术领域，尤其是涉及一种降噪耳机的测试方法及系统。背景技术[0002] 目前，耳机的类型除了普通的耳机的类型之外，还包括有耳塞式、头戴式以及骨传导式等类型，而在耳塞式和头戴式耳机中，还包括有降噪的耳机，能够在用户佩戴时提供降噪的功能，将外界的噪音进行过滤，以提升用户使用耳机时的体验。[0003] 现有的降噪耳机会在用户使用的过程中，会对使用环境中的噪声进行分析，通过相关算法对接收到的外界噪声进行计算，从而降低外界的噪声从耳机传入用户耳中，进而提升用户的使用体验。为了提升降噪耳机在使用的过程中的降噪效果，在对降噪耳机生产设计的过程中，需要不断对降噪耳机的降噪效果进行测试，然而在用户使用的过程中，会遇到各种各样的噪声的环境，因此，在需要不断丰富对降噪耳机的测试场景。发明内容[0004] 为了提升对用户在使用时降噪耳机时，降噪耳机的降噪效果，本申请提供一种降噪耳机的测试方法及系统。[0005] 本申请的上述发明目的一是通过以下技术方案得以实现的：[0006] 一种降噪耳机的测试方法，所述降噪耳机的测试方法包括：[0007] 获取场景测试类型和降噪算法模型，根据所述场景测试类型获取对应的噪声模拟数据；[0008] 获取音频输出基准数据，根据所述场景测试类型逐个将所述噪声模拟数据输入至所述降噪算法模型中进行测试，分别将获取到的音频降噪结果与所述音频输出基准数据进行比对，得到降噪测试结果；[0009] 根据每个所述降噪测试结果分别对所述降噪算法模型进行修正，得到与每个所述场景测试类型对应的噪声降噪算法；[0010] 根据每个所述噪声降噪算法生成耳机降噪模型，并根据所述耳机降噪模型生成模型测试消息，以根据不同降噪耳机进行适应性调整。[0011] 通过采用上述技术方案，在对降噪耳机中的降噪算法进行测试时，通过根据场景测试类型获取对应的噪声模拟数据，进而能够模拟不同场景的噪声，进行降噪的测试，从而能够对不同场景的噪声场景进行针对性地降噪，同时，在进行测试的时候，将测试的结果，即噪声降噪算法生成对应的耳机降噪模型，从而能够提升降噪算法与每个耳机的适配性，以及可以通过不断丰富场景测试类型的方式，提升噪声模拟数据的丰富度，进而有助于提升用户在后续使用降噪耳机时，耳机对环境的适应程度，以提升耳机的降噪效果。[0012] 本申请在一较佳示例中可以进一步配置为：所述获取音频输出基准数据，根据所述场景测试类型逐个将所述噪声模拟数据输入至所述降噪算法模型中进行测试，分别将获取到的音频降噪结果与所述音频输出基准数据进行比对，得到降噪测试结果，具体包括：[0013] 提取每个所述噪声模拟数据对应的噪声特征数据，分别将每个所述噪声特征数据输入至所述噪声算法模型中；[0014] 从所述噪声算法模型中获取与每个噪声特征数据对应的所述音频降噪结果，并提取每个所述音频降噪结果提取音频降噪特征数据；[0015] 从所述音频输出基准数据提取音频基准特征，将所述音频基准特征分别与每个所述音频降噪特征进行特征比对，得到与每种所述噪声特征数据对应的所述降噪测试结果。[0016] 通过采用上述技术方案，由于用户在对降噪耳机对噪声进行降噪后的效果要求是统一的，因此，在对降噪算法模型进行测试的时候，分别将每个噪声特征数据输入至降噪算法模型中，从而能够测试该降噪算法模型对每一个噪声场景进行降噪的效果，即该音频降噪结果，进而将每个场景测试类型的音频降噪结果与设置的音频输出基准数据进行比对，从而能够测试出该降噪算法模型对每个噪声模拟数据进行降噪的结果与音频输入基准之间的差距，进而便于后续对应的调整。[0017] 本申请在一较佳示例中可以进一步配置为：所述从所述音频输出基准数据提取音频基准特征，将所述音频基准特征分别与每个所述音频降噪特征进行特征比对，得到与每种所述噪声特征数据对应的所述降噪测试结果，具体包括：[0018] 构建所述音频基准特征的基准特征向量，构建每个所述音频降噪特征的降噪特征向量；[0019] 计算每个所述降噪特征向量与所述基准特征向量的比对距离数据，将所述比对距离数据作为所述降噪测试结果。[0020] 通过采用上述技术方案，通过构建相应的特征向量，进行向量的距离比对，从而能够比对出每个音频降噪特征与音频基准特征之间的差距，从而便于判断每个音频降噪结果的实际效果，进而便于后续对该降噪算法模型针对每个噪声场景的针对性调整。[0021] 本申请在一较佳示例中可以进一步配置为：所述根据每个所述降噪测试结果分别对所述降噪算法模型进行修正，得到与每个所述场景测试类型对应的噪声降噪算法，具体包括：[0022] 对每个所述场景测试类型按照预设规则进行排序，对排序第一个的降噪算法模型进行修正，得到第一修正结果；[0023] 将第二个的所述场景测试类型对应的噪声模拟数据输入至所述第一修正结果中，得到修正噪声数据，将所述修正噪声数据与音频输出基准数据进行差异比对；[0024] 若差异比对结果在预设的阈值内，则将第一修正结果作为对应的所述噪声降噪算法，否则对第二个降噪算法模型进行修正，得到第二修正结果；[0025] 从第三个所述场景测试类型对应的噪声模拟数据开始，将对应的噪声模拟数据逐个输入至对降噪算法模型进行修正后的修正结果中并将输出的结果与音频输出基准数据进行差异比对，以筛选对应的修正结果或者对降噪算法模型进行修正。[0026] 通过采用上述技术方案，由于降噪耳机在进行降噪时，相关的降噪算法会耗费较大的功耗，尤其是影响蓝牙耳机使用的时长，因此，通过逐个将对降噪算法模型进行修正后的修正结果对下一个场景进行测试，将适用的修正结果同时作为该场景的降噪算法，进而能够减少整个降噪算法的模型中的降噪算法的数量，从而简化了降噪过程中的降噪算法，进而能够减少降噪耳机在使用时耗费的功耗。[0027] 本申请在一较佳示例中可以进一步配置为：所述根据每个所述噪声降噪算法生成耳机降噪模型，具体包括：[0028] 将所有噪声模拟数据进行封装，得到噪声场景识别模型；[0029] 将每个所述噪声降噪算法与所述噪声场景识别模型中对应的噪声模拟数据进行关联，得到耳机降噪模型。[0030] 通过采用上述技术方案，通过将噪声模拟数据进行封装的方式，并将噪声场景识别模型与对应的噪声模拟数据进行关联，从而能够将该噪声场景识别模型与噪声降噪算法进行分离，使得可以通过将噪声场景识别模型通过降噪耳机连接的终端进行场景的识别计算，从而进一步降低了降噪耳机在降噪方面的计算，进而降低了降噪耳机的使用功耗。[0031] 本申请的上述发明目的二是通过以下技术方案得以实现的：[0032] 一种降噪耳机的测试系统，所述降噪耳机的测试系统包括：[0033] 场景模拟模块，用于获取场景测试类型和降噪算法模型，根据所述场景测试类型获取对应的噪声模拟数据；[0034] 算法测试模块，用于获取音频输出基准数据，根据所述场景测试类型逐个将所述噪声模拟数据输入至所述降噪算法模型中进行测试，分别将获取到的音频降噪结果与所述音频输出基准数据进行比对，得到降噪测试结果；[0035] 算法校正模块，用于根据每个所述降噪测试结果分别对所述降噪算法模型进行修正，得到与每个所述场景测试类型对应的噪声降噪算法；[0036] 模型测试模块，用于根据每个所述噪声降噪算法生成耳机降噪模型，并根据所述耳机降噪模型生成模型测试消息，以根据不同降噪耳机进行适应性调整。[0037] 通过采用上述技术方案，在对降噪耳机中的降噪算法进行测试时，通过根据场景测试类型获取对应的噪声模拟数据，进而能够模拟不同场景的噪声，进行降噪的测试，从而能够对不同场景的噪声场景进行针对性地降噪，同时，在进行测试的时候，将测试的结果，即噪声降噪算法生成对应的耳机降噪模型，从而能够提升降噪算法与每个耳机的适配性，以及可以通过不断丰富场景测试类型的方式，提升噪声模拟数据的丰富度，进而有助于提升用户在后续使用降噪耳机时，耳机对环境的适应程度，以提升耳机的降噪效果。[0038] 本申请的上述目的三是通过以下技术方案得以实现的：[0039] 一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述降噪耳机的测试方法的步骤。[0040] 本申请的上述目的四是通过以下技术方案得以实现的：[0041] 一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述降噪耳机的测试方法的步骤。[0042] 综上所述，本申请包括以下至少一种有益技术效果：[0043] 1、在对降噪耳机中的降噪算法进行测试时，通过根据场景测试类型获取对应的噪声模拟数据，进而能够模拟不同场景的噪声，进行降噪的测试，从而能够对不同场景的噪声场景进行针对性地降噪，同时，在进行测试的时候，将测试的结果，即噪声降噪算法生成对应的耳机降噪模型，从而能够提升降噪算法与每个耳机的适配性，以及可以通过不断丰富场景测试类型的方式，提升噪声模拟数据的丰富度，进而有助于提升用户在后续使用降噪耳机时，耳机对环境的适应程度，以提升耳机的降噪效果；[0044] 2、由于降噪耳机在进行降噪时，相关的降噪算法会耗费较大的功耗，尤其是影响蓝牙耳机使用的时长，因此，通过逐个将对降噪算法模型进行修正后的修正结果对下一个场景进行测试，将适用的修正结果同时作为该场景的降噪算法，进而能够减少整个降噪算法的模型中的降噪算法的数量，从而简化了降噪过程中的降噪算法，进而能够减少降噪耳机在使用时耗费的功耗；[0045] 3、通过将噪声模拟数据进行封装的方式，并将噪声场景识别模型与对应的噪声模拟数据进行关联，从而能够将该噪声场景识别模型与噪声降噪算法进行分离，使得可以通过将噪声场景识别模型通过降噪耳机连接的终端进行场景的识别计算，从而进一步降低了降噪耳机在降噪方面的计算，进而降低了降噪耳机的使用功耗。附图说明[0046] 图1是本申请一实施例中降噪耳机的测试方法的一流程图；[0047] 图2是本申请一实施例中降噪耳机的测试中方法步骤S20的实现流程图；[0048] 图3是本申请一实施例中降噪耳机的测试中方法步骤S23的实现流程图；[0049] 图4是本申请一实施例中降噪耳机的测试中方法步骤S30的实现流程图；[0050] 图5是本申请一实施例中降噪耳机的测试中方法步骤S40的实现流程图；[0051] 图6是本申请一实施例中降噪耳机的测试系统的一原理框图；[0052] 图7是本申请一实施例中的设备示意图。具体实施方式[0053] 以下结合附图对本申请作进一步详细说明。[0054] 在一实施例中，如图1所示，本申请公开了一种降噪耳机的测试方法，具体包括如下步骤：[0055] S10：获取场景测试类型和降噪算法模型，根据场景测试类型获取对应的噪声模拟数据。[0056] 在本实施例中，场景测试类型是指记录有一种耳机使用环境的类型。噪声模拟数据是指每个类型场景的模拟噪声的数据。降噪算法模型是指对噪声进行降噪的初始算法。[0057] 具体地，为了在对降噪耳机能够在后续使用的过程中，对不同场景进行针对性地降噪，因此，先获取对噪声进行降噪处理的初始算法，作为该降噪算法模型，以及通过获取用户在使用该降噪耳机的不同应用场景，例如室内、室外、商场、各种交通工具上以及其他场景，作为场景测试类型，并采集每个场景测试类型对应的噪声数据，作为该噪声模拟数据。[0058] S20：获取音频输出基准数据，根据场景测试类型逐个将噪声模拟数据输入至降噪算法模型中进行测试，分别将获取到的音频降噪结果与音频输出基准数据进行比对，得到降噪测试结果。[0059] 在本实施例中，音频输出基准数据是指对噪声进行降噪后，从耳机输出的音频数据。降噪测试结果是指通过降噪算法模型对各个噪声模拟数据进行降噪后，与对应的音频输出基准数据之间的差距的结果。[0060] 具体地，从用户使用的角度来说，在各个场景下使用降噪耳机，对于噪声的降噪效果都是统一的，即希望无论在任何场景使用降噪耳机，都希望能够尽可能地将噪声进行消除，以提升音频播放的效果或者处于安静的状态，因此，预先设置对噪声进行降噪后，符合用户降噪要求的音频输出的数据，作为该音频输出基准数据。[0061] 进一步地，将每个场景测试类型的噪声模拟数据输入至降噪算法模型中，获取通过初始降噪算法对各个场景的噪声进行降噪后的效果，并将该降噪效果分别与音频输出基准数据进行比对，以测试初审的基础降噪算法对各个场景下的噪声进行降噪后，与音频输出基准数据之间的差距，作为该降噪测试结果。[0062] S30：根据每个降噪测试结果分别对降噪算法模型进行修正，得到与每个场景测试类型对应的噪声降噪算法。[0063] 具体地，根据降噪算法模型，即初始的降噪算法对每个噪声模拟数据进行降噪后的效果，对降噪算法模型进行分别修正，即针对降噪算法模型对每个噪声模拟数据分别进行针对性地修正，从而获取每个噪声模拟数据噪声降噪算法，即每个噪声降噪算法均是由降噪算法模型根据降噪测试结果进行修正得到的，能够对相应的噪声模拟数据进行降噪，从而达到音频输出基准。[0064] S40：根据每个噪声降噪算法生成耳机降噪模型，并根据耳机降噪模型生成模型测试消息，以根据不同降噪耳机进行适应性调整。[0065] 具体地，将噪声降噪算法和对应的噪声模拟数据进行封装，从而得到对应的耳机降噪模型，进而能够在降噪耳机在进行降噪时，通过该耳机降噪模型先识别用户的使用场景，即通过获取到的场景的噪声数据，判断用户当前处于的噪声环境，进而获取对应的噪声降噪算法进行降噪。[0066] 进一步地，根据每个类型的降噪耳机，对耳机降噪模型进行进一步测试模拟，从而使得该耳机降噪模型更好地匹配每个降噪耳机。[0067] 在一实施例中，如图2所示，在步骤S20中，即获取音频输出基准数据，根据场景测试类型逐个将噪声模拟数据输入至降噪算法模型中进行测试，分别将获取到的音频降噪结果与音频输出基准数据进行比对，得到降噪测试结果，具体包括：[0068] S21：提取每个噪声模拟数据对应的噪声特征数据，分别将每个噪声特征数据输入至噪声算法模型中。[0069] 在本实施例中，噪声特征数据是指每个噪声模拟数据中的音频特征。[0070] 具体地，在将噪声模拟数据输入至噪声算法模型之前，从该噪声模拟数据中提取对应的噪声特征，作为噪声特征数据，并将噪声特征数据输入至该噪声算法模型中。[0071] S22：从噪声算法模型中获取与每个噪声特征数据对应的音频降噪结果，并提取每个音频降噪结果提取音频降噪特征数据。[0072] 具体地，在将噪声特征数据输入至噪声算法模型中后，噪声算法模型输出对应的音频降噪结果，并从因噪声结果中提取对应的特征，得到音频降噪特征数据。[0073] S23：从音频输出基准数据提取音频基准特征，将音频基准特征分别与每个音频降噪特征进行特征比对，得到与每种噪声特征数据对应的降噪测试结果。[0074] 具体地，提取音频输出基准数据的特征，作为该音频基准特征，并将每个音频降噪特征分别与该音频基准特征进行特征的比对，将对应的比对结果作为降噪测试结果。[0075] 在一实施例中，如图3所示，在步骤S23中，即从音频输出基准数据提取音频基准特征，将音频基准特征分别与每个音频降噪特征进行特征比对，得到与每种噪声特征数据对应的降噪测试结果，具体包括：[0076] S231：构建音频基准特征的基准特征向量，构建每个音频降噪特征的降噪特征向量。[0077] 具体地，通过构建特征向量的方式，对音频基准特征和每个音频降噪特征构建对应的特征向量，从而得到基准特征向量和每个噪声模拟数据对应的降噪特征向量。[0078] S232：计算每个降噪特征向量与基准特征向量的比对距离数据，将比对距离数据作为降噪测试结果。[0079] 具体地，通过计算向量的方式，计算每个降噪特征向量与基准特征向量之间的向量距离，得到比对距离数据，以判断每个音频降噪结果与音频输出基准数据之间的差距，作为该降噪测试结果。[0080] 在一实施例中，如图4所示，在步骤S30中，即根据每个降噪测试结果分别对降噪算法模型进行修正，得到与每个场景测试类型对应的噪声降噪算法，具体包括：[0081] S31：对每个场景测试类型按照预设规则进行排序，对排序第一个的降噪算法模型进行修正，得到第一修正结果。[0082] 具体地，预先对场景测试类型进行分类排序，将相近的类型分为一类，例如对于商场、车站以及其他的室内场景分为一类后，对所有的场景测试类型进行排序。[0083] 进一步地，对排序第一个的场景测试类型对应的降噪算法模型进行修正，即根据对应的降噪测试结果进行相应的修正，得到第一修正结果，使得第一个噪声模拟数据输入至该第一修正结果中后，得到的降噪结果符合音频输出基准数据。[0084] S32：将第二个的场景测试类型对应的噪声模拟数据输入至第一修正结果中，得到修正噪声数据，将修正噪声数据与音频输出基准数据进行差异比对。[0085] 具体地，将排序第二个场景测试类型对应的噪声模拟数据输入至该第一修正结果中，得到对应的修正噪声数据，并按照获取降噪测试结果的方式对该修正噪声数据于音频输出基准数据进行差异比对。[0086] S33：若差异比对结果在预设的阈值内，则将第一修正结果作为对应的噪声降噪算法，否则对第二个降噪算法模型进行修正，得到第二修正结果。[0087] 具体地，若差异比对结果在预先设置的降噪误差范围内，即在预设的阈值内，则将第一修正结果作为第二个场景对应的噪声降噪算法，否则对根据第二个场景的降噪测试结果，对降噪算法模型进行修正，得到第二修正结果。[0088] S34：从第三个场景测试类型对应的噪声模拟数据开始，将对应的噪声模拟数据逐个输入至对降噪算法模型进行修正后的修正结果中并将输出的结果与音频输出基准数据进行差异比对，以筛选对应的修正结果或者对降噪算法模型进行修正。[0089] 具体地，从第三个场景测试类型的噪声模拟数据开始，先将噪声模拟数据输入至已经修正好的算法中进行测试，分别获取到对应的降噪结果，并计算每个降噪结果与音频输出基准数据之间的差异，获取差异最小的降噪结果，若该降噪结果在预设的阈值内，则将对应的修正结果作为该场景的降噪声降噪算法，否则根据其对应的降噪测试结果对降噪算法模型进行相应的修正。[0090] 在一实施例中，如图5所示，在步骤S40中，即根据每个噪声降噪算法生成耳机降噪模型，具体包括：[0091] S41：将所有噪声模拟数据进行封装，得到噪声场景识别模型。[0092] 具体地，对统计得到的噪声模拟数据进行封装，得到该噪声场景识别模型，使得降噪耳机在实际使用的过程中，能够通过获取环境的噪声，并对环境的噪声输入至该噪声场景识别模型中进行分析识别，从而识别出该用户当前的使用环境，即识别出对应的场景测试类型。[0093] S42：将每个噪声降噪算法与噪声场景识别模型中对应的噪声模拟数据进行关联，得到耳机降噪模型。[0094] 具体地，根据每个噪声降噪算法与场景测试类型之间的关联关系，将该噪声降噪算法和噪声场景识别模型中的噪声模拟数据进行关联，进而得到该耳机降噪模型。在实际使用的过程中，可以在用户将降噪耳机连接了音频播放的终端，例如智能手机后，将噪声场景识别模型发送至音频播放终端，通过该音频播放终端对用户使用环境的噪声进行识别，并将识别的结果发送回降噪耳机，降噪耳机根据该识别的结果匹配出对应的噪声降噪算法对环境的噪声进行降噪，进而节省了降噪耳机对噪声环境的识别的功耗。[0095] 应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。[0096] 在一实施例中，提供一种降噪耳机的测试系统，该降噪耳机的测试系统与上述实施例中降噪耳机的测试方法一一对应。如图6所示，该降噪耳机的测试系统包括场景模拟模块、算法测试模块、算法校正模块和模型测试模块。各功能模块详细说明如下：[0097] 场景模拟模块，用于获取场景测试类型和降噪算法模型，根据场景测试类型获取对应的噪声模拟数据；[0098] 算法测试模块，用于获取音频输出基准数据，根据场景测试类型逐个将噪声模拟数据输入至降噪算法模型中进行测试，分别将获取到的音频降噪结果与音频输出基准数据进行比对，得到降噪测试结果；[0099] 算法校正模块，用于根据每个降噪测试结果分别对降噪算法模型进行修正，得到与每个场景测试类型对应的噪声降噪算法；[0100] 模型测试模块，用于根据每个噪声降噪算法生成耳机降噪模型，并根据耳机降噪模型生成模型测试消息，以根据不同降噪耳机进行适应性调整。[0101] 可选的，算法测试模块包括：[0102] 数据输入子模块，用于提取每个噪声模拟数据对应的噪声特征数据，分别将每个噪声特征数据输入至噪声算法模型中；[0103] 特征提取子模块，用于从噪声算法模型中获取与每个噪声特征数据对应的音频降噪结果，并提取每个音频降噪结果提取音频降噪特征数据；[0104] 特征比对子模块，用于从音频输出基准数据提取音频基准特征，将音频基准特征分别与每个音频降噪特征进行特征比对，得到与每种噪声特征数据对应的降噪测试结果。[0105] 可选的，特征比对子模块包括：[0106] 向量构建单元，用于构建音频基准特征的基准特征向量，构建每个音频降噪特征的降噪特征向量；[0107] 向量比对单元，用于计算每个降噪特征向量与基准特征向量的比对距离数据，将比对距离数据作为降噪测试结果。[0108] 可选的，算法校正模块包括：[0109] 第一修正子模块，用于对每个场景测试类型按照预设规则进行排序，对排序第一个的降噪算法模型进行修正，得到第一修正结果；[0110] 第二修正子模块，用于将第二个的场景测试类型对应的噪声模拟数据输入至第一修正结果中，得到修正噪声数据，将修正噪声数据与音频输出基准数据进行差异比对；[0111] 差异比对子模块，用于若差异比对结果在预设的阈值内，则将第一修正结果作为对应的噪声降噪算法，否则对第二个降噪算法模型进行修正，得到第二修正结果；[0112] 循环修正子模块，用于从第三个场景测试类型对应的噪声模拟数据开始，将对应的噪声模拟数据逐个输入至对降噪算法模型进行修正后的修正结果中并将输出的结果与音频输出基准数据进行差异比对，以筛选对应的修正结果或者对降噪算法模型进行修正。[0113] 可选的，模型测试模块包括：[0114] 数据封装子模块，用于将所有噪声模拟数据进行封装，得到噪声场景识别模型；[0115] 模型关联子模块，用于将每个噪声降噪算法与噪声场景识别模型中对应的噪声模拟数据进行关联，得到耳机降噪模型。[0116] 关于降噪耳机的测试系统的具体限定可以参见上文中对于降噪耳机的测试方法的限定，在此不再赘述。上述降噪耳机的测试系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。[0117] 在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种降噪耳机的测试方法。[0118] 在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：[0119] 获取场景测试类型和降噪算法模型，根据场景测试类型获取对应的噪声模拟数据；[0120] 获取音频输出基准数据，根据场景测试类型逐个将噪声模拟数据输入至降噪算法模型中进行测试，分别将获取到的音频降噪结果与音频输出基准数据进行比对，得到降噪测试结果；[0121] 根据每个降噪测试结果分别对降噪算法模型进行修正，得到与每个场景测试类型对应的噪声降噪算法；[0122] 根据每个噪声降噪算法生成耳机降噪模型，并根据耳机降噪模型生成模型测试消息，以根据不同降噪耳机进行适应性调整。[0123] 在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：[0124] 获取场景测试类型和降噪算法模型，根据场景测试类型获取对应的噪声模拟数据；[0125] 获取音频输出基准数据，根据场景测试类型逐个将噪声模拟数据输入至降噪算法模型中进行测试，分别将获取到的音频降噪结果与音频输出基准数据进行比对，得到降噪测试结果；[0126] 根据每个降噪测试结果分别对降噪算法模型进行修正，得到与每个场景测试类型对应的噪声降噪算法；[0127] 根据每个噪声降噪算法生成耳机降噪模型，并根据耳机降噪模型生成模型测试消息，以根据不同降噪耳机进行适应性调整。[0128] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。[0129] 所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。[0130] 以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

专利地区：广东

专利申请日期：2023-09-21

专利公开日期：2024-03-29

专利公告号：CN117202071B