[发明专利]一种场景化人工智能信号无线音频处理设备

说明书

本发明公开了一种场景化人工智能信号无线音频处理设备，包括采集模块、谱分析模块、谱估计模块和标定模块，包括以下步骤：步骤一、提出了一整套完整的数据采集与现场检验处理流程；步骤二、提出频域数据处理的方案；步骤三、选择场景最优滤波模型；步骤四、给出了标定曲线；步骤五、进一步进行噪音滤除；专利主要的目的在于提出一种面向场景的人工智能信号处理设备，场景包括原野、演奏厅、大型会议场所、居家环境等；根据场景实践和理论模型试算研究，提出了一整套完整的数据采集与现场检验处理流程；利用设计好的模拟屏蔽室对仪器进行了绝对标定，给出了标定曲线；针对场景信号非平稳非高斯特征，提出频域数据处理的方案。

技术领域

本发明涉及人工智能技术领域，具体为一种场景化人工智能信号无线音频处理设备。

背景技术

在场景化环境下，人们希望获取噪声屏蔽后的有效信号(声音、电磁波)。对于实际采集信号而言，除了有效信号以外，主要包括外源场景和人文干扰等部分。其中外源场信号占据了信号的大部分，需要研究去除外源场部分的方法。利用外源场在窄频域内的均匀性特征可以尝试对其压制。同时，也需要考虑压制人文噪声等并进行数据处理，场景噪声影响是随着时间和地域随机变化的，场景化条件下形成脉冲型的非高斯分布特征。从频率域平均角度看，各频点的能量谱分布是有规律可循的，其频谱统计特征显示在不同频段能量分布具有规律性。对于叠加的人文干扰，利用各种类型的传感器，可以获得一些场景的信号谱统计数据，从一段时间测量中获得的平均结果，综合考虑地点和时间条件给出。传统研究都假设场景化信号服从高斯分布，但实际信号幅度概率分布是严重非高斯的，存在重尾分布特征。需要结合频谱估计压制噪声，提高有效信号的响应。

已有频谱估计，比如傅里叶变换，从时域变换到频域失去了所有时域特征，不具有局部时频分析能力，对非平稳信号分析有局限性。现代谱估计计算模型参数进行谱估计。对于非高斯分布信号，则无法提取真实频谱分布。考虑到接收信号中包括了非高斯信号，特别是人文干扰，彼此可以视为独立信号，基于高阶统计量的信号分析方法，能够解决非高斯信号估计问题。但是目前缺少即时快速的智能化解决方案。

因此，在日常生活特定场景下，急需结合人工智能方法，研究人文干扰谱分布规律，方便噪音滤除。本发明提出一套智能化即时信号处理设备，通过内嵌信号采集、谱分析、谱估计模块，从而满足人们对声音、电磁等有效信息的获取，为此我们提供一种场景化人工智能信号无线音频处理设备，以解决上述背景技术中提出的问题。

发明内容

本发明的目的可以通过以下技术方案实现：一种场景化人工智能信号无线音频处理设备，包括采集模块、谱分析模块、谱估计模块和标定模块，包括以下步骤：

步骤一、根据场景实践和理论模型试算研究，提出了一整套完整的数据采集与现场检验处理流程；

步骤二、针对场景信号非平稳非高斯特征，提出频域数据处理的方案；

步骤三、结合仿真信号和实测数据分析，选择场景最优滤波模型；

步骤四、利用设计好的模拟屏蔽室对仪器进行了绝对标定，给出了标定曲线；

步骤五、多种设备交叉验证，可以满足场景信号处理精度要求。进而提取人文干扰异常信号，进一步进行噪音滤除。

所述采集模块包括传感器、主机和供电设备，其中所述传感器包括信号响应元件、接线、放大电路、程控陷波电路、接口高速采集电路等模块；所述主机包括数据采集、格式转化、存储和控制等单元，能够实现常见人文干扰的硬件陷波；所述供电设备与主机和传感器用电电性连接。

优选的，所述传感器的最小接收的感应电压值为0.1μV；可以灵敏获得变化振幅响应值。传感器噪声非常微小，前置放大器输出增益可以将微伏级弱信号放大，为弱信号有效识别提供了硬件支持。

优选的，所述标定模块测试步骤包括：