(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111260119.9 (22)申请日 2021.10.28 (71)申请人 中北大学 地址 030051 山西省太原市尖草 坪区学院 路3号 (72)发明人 王鉴　韩焱　庞存锁　王中正　 (74)专利代理 机构 中国兵器 工业集团公司专利 中心 11011 代理人 刘瑞东 (51)Int.Cl. H04R 1/10(2006.01) G10K 11/178(2006.01) G06N 20/00(2019.01) (54)发明名称 一种智能降噪通信耳机 (57)摘要 本发明涉及一种智能降噪通信耳机， 属于降 噪和电子装 备领域。 本发明的环 境麦克位于耳机 顶部， 获取环境噪声信号； 通话麦克通过通话麦 克转动轴连于耳机一侧， 通话麦克 获取人员交流 通信的语音信号； 信号预处理模块完成环境噪声 信号放大滤波、 反相， 并与放大滤波后的语音信 号完成叠加运算； 信号分析处理模块包括信号数 模转换模块和微处理器系统， 完成环 境噪声反相 信号、 语音放大滤波信号和两者叠加信号的采 集、 存储、 学习建模及基于模型运算后数字语音 信号的处理、 模式选择和控制功能； 无线传输模 块完成降噪后语音信号编码并发送， 且接收通话 人员语音信号， 解码后输出给耳麦。 本发明不受 环境噪声干 扰可保证 语音通信质量。 权利要求书2页 说明书5页 附图5页 CN 114007157 A 2022.02.01 CN 114007157 A 1.一种智能降噪通信耳机， 其特征在于， 该降噪耳机包括环境麦克、 通话麦克、 信号预 处理模块、 信号分析处 理模块和无线传输模块， 环境麦克位于耳机顶部， 获取环境噪声信号； 通话麦克通过通话麦克转动轴连于耳机一侧， 转动轴能向下旋转， 覆盖用户唇部下方， 通话麦克获取 人员交流 通信的语音信号； 信号预处理模块完成环境噪声信号放大滤波、 反相， 并与放大滤波后的语音信号完成 叠加运算； 信号分析处理模块包括信号数模转换模块和微处理器系统， 完成环境噪声反相信号、 语音放大滤波信号和两者叠加信号的采集、 存储、 学习建模及基于模型运算后数字语音信 号的处理、 模式选择和控制功能； 无线传输模块完成降噪后语音信号编码并发送， 且接收通话人员 语音信号， 解码后输 出给耳麦。 2.如权利要求1所述的智能降噪通信耳机， 其特征在于， 所述通话麦克连接麦克风线， 麦克风线外通过金属软管与塑料进行防护， 可根据需要随意弯折， 通话麦克位于麦克风线 末端。 3.如权利要求1所述的智能降噪通信耳机， 其特征在于， 所述信号分析处理模块包括采 样控制模块、 数据库、 机器学习模块和数字信号处理系统， 叠加后的信号和环境噪声信号、 语音信号在采样控制模块下实现不同采样频率的采样并存储在不同的数据库； 其次， 数据 库的信号在机器学习模块完成机器学习模型的建模， 采样信号在相应的模 型参数下实现信 号的分离、 降噪； 随后， 再通过相应的数字信号处 理系统进一 步实现噪声信号的降噪。 4.如权利要求3所述的智能降噪通信耳机， 其特征在于， 所述数字信号处理系统包括两 大模块， 即滤波模块和权值自适应调节模块； 滤波模块决定了数字信号处理系统的结构， 权 值自适应调节模块调节每 个输入信号向量的权值， 该权值由机器学习模型参数决定 。 5.如权利要求4所述的智能降噪通信耳机， 其特征在于， 机器学习 模块向数字信号处理 系统提供输入信号， 还提供期望响应及调节中产生的误差信号， 经过加法器将加权过的延 时算子叠加， 再根据模型参数调节权值的大小， 以得到最优的响应信号。 6.如权利要求3 ‑5任一项所述的智能降噪通信耳机， 其特征在于， 所述机器学习模块将 经过预处理后的噪声与语音信号作为机器学习模型的输入， 低噪声环境 获取的语音信号作 为输出， 基于信噪比最大作为模型的收敛准则， 通过机器学习， 建立训练模型， 并向数字信 号处理系统输出模型参数、 期望响应及调节中产生的误差信号。 7.如权利要求6所述的智能降噪通信耳机， 其特征在于， 预处理后的噪声为环境噪声或 白噪声。 8.如权利要求6所述的智能降噪通信耳机， 其特征在于， 所述机器学习 模块首先提前获 取大量低噪声环境下通话麦克接 收到的语音信号与不同环境的噪声信号叠加 为含噪信号 作为机器学习的输入信号， 将低噪声环境信号作为输出信号， 对降噪模型进行训练； 从含噪 语音信号中预测和控制信号需要训练得到两个模型： 一个是噪声信号模型， 一个是语音信 号模型； 对信号进行预加 重、 分帧、 加窗、 快速傅里叶变换(FFT)、 滤波器组和 离散余弦变换 (DCT)这几个步骤后， 得到信号的特征系数； 提取到信号特征后利用机器学习中朴素贝叶斯 算法， 通过特征判断每 帧信号是否为语音信号， 通过大量数据进行训练区分噪声信号和语权　利　要　求　书 1/2 页 2 CN 114007157 A 2音信号并将噪声信号剔除， 将剔除噪声的信号与低噪声环境语音信号进行对比， 判断剔除 噪声后的语音信号是否合格， 具体为预先设置信噪比， 当达到预设的信噪比时， 则继续下一 步， 若未达到则继续进行剔除噪声的步骤， 直到达到要求， 得到满足信噪比最佳的降噪模 型。 9.如权利要求8所述的智能降噪通信耳机， 其特征在于， 所述机器学习 模块基于满足信 噪比最佳的降噪模型， 读入机器学习得到的最优模 型参数， 输入采集到的待降噪信号， 进 行 机器学习处 理后通过传输模块发送到通 话各端。 10.如权利要求8所述的智能降噪通信耳机， 其特征在于， 通信各方均生成自己的降噪 模型， 输出最佳信噪比的语音信号。权　利　要　求　书 2/2 页 3 CN 114007157 A 3