用于无人机音频降噪的系统、装置和方法与流程

本公开一般涉及无人机，并且更具体地，涉及用于无人机音频降噪的方法、系统和装置。
背景技术：
：当前无人机转子叶片典型地产生大量噪声。由于转子噪声，商用无人机仅记录不具有任何音频的视频，或者从分开的频道获得音轨。附图说明图1是根据本公开的教导的示例无人机的示意性例示。图2是具有示例音频降噪系统的图1的示例无人机的框图。图3a包括示出示例时域信号和示例均方根(rms)分布的原始声学数据的图。图3b包括利用第一滤波器进行滤波的图3a的示例声学数据的图。图3c包括利用第二滤波器进行滤波的图3a的示例声学数据的图。图4是表示可以被执行以实现对图2的示例音频降噪系统的校准的示例机器可读指令的流程图。图5是表示可以被执行以实现图2的示例音频降噪系统的示例机器可读指令的流程图。图6是被构造来执行图4和图5的示例机器可读指令以实现图1和图2的示例降噪系统的示例处理器平台的框图。附图不按比例绘制。在可能的情况下，在整个附图和所附书面描述中将使用相同的附图标记来指代相同或相似的组件。具体实施方式无人机由于转子的旋转而产生自生噪声。如本文使用的，转子指的是无人机的旋转元件，包括例如转子叶片、螺旋桨、螺旋桨叶片等。来自马达和转子的噪声常常淹没(overwhelm)对期望声源的捕捉，从而导致非常低的信噪比(snr)。过去已尝试过减少从无人机检测到的噪声的技术。例如，系统已使用单向麦克风，其中固定指示模式允许噪声源的减少。然而，单向麦克风的固定方向性限制了音频收集所针对的事件的地理或位置范围。使用单向麦克风来增加覆盖需要过多的机械转向，这会对无人机的成本、重量和功耗产生负面影响。麦克风阵列和数字波束成形也已被使用。阵列信号处理还允许指示模式，并且因此允许降噪。然而，麦克风阵列和数字波束成形增加了硬件成本、重量、计算需求和功耗。本文公开了无人机声学信号技术的进步，特别是关于无人机产生的音频噪声的减少。如本文公开的，转子速度传感器收集旋转运动数据，包括例如每分钟转数(rpm)数据，将该每分钟转数(rpm)数据与预定义滤波器(诸如例如，维纳(wiener)滤波器)进行匹配，以便用最低的复杂度和计算开销来最佳地降低噪声。预定义滤波器先前已针对不同转子速度进行校准，以优化噪声消除。降噪后剩下的是来自无人机外部的环境的声学信号，这些声学信号指示例如人群、车辆、其他无人机等的存在和移动。虽然贯穿本公开地使用rpm数据，但可使用任何合适的旋转运动数据，包括例如每秒转数、每秒弧度、和/或其他测量或者旋转频率、旋转速度、角频率和/或角速度。图1是根据本公开的教导的示例无人机100的示意性例示。本文公开的示例无人机100是四轴飞行器(quadcopter)无人机(从图1中的侧面观看)。然而，本公开的教导适用于具有任何数量的转子或螺旋桨的无人机，也称为无人驾驶飞行器(uav)。示例无人机100包括主体102，并且在图1的视图中包括示例第一转子集合104和示例第二转子集合106。主体102容纳和/或承载在无人机100的操作中使用的附加组件。例如，主体102容纳示例马达108和示例马达控制器110。马达控制器110控制马达108以使转子104、106以目标rpm和/或如本文公开的任何其他rpm旋转。示例无人机100包括感测转子104、106的旋转运动(例如，rpm)的一个或多个rpm传感器112。在一些示例中，(诸)rpm传感器112包括振动传感器、红外旋转传感器和/或输入电流传感器中的一个或多个。同样，如上所述，rpm传感器112可用于检测任何类型的旋转运动数据。示例无人机100还包括从周围环境收集数据的一个或多个示例音频传感器114。在一些示例中，音频传感器114包括声学传感器，诸如例如包括检测来自所有方向的声音的全向麦克风的麦克风。在一些示例中，音频传感器114是麦克风阵列。在其他示例中，作为对麦克风的附加或替代，可使用其他类型的声学传感器。另外，无人机可包括用于收集其他类型数据(包括例如，视觉数据、天气数据等)的传感器。在无人机100的操作期间，转子104、106由于叶片通过频率及其高次谐波而产生声波或自生噪声116。叶片通过频率是转子通过固定位置的速率，并且等于转子叶片的数量乘以马达的rpm。因此，叶片通过频率，并且由此自生噪声116的音调(基频)和强度随转子104、106的叶片数量和旋转速度而变化。自生噪声116模糊了由音频传感器114收集的其他声学信号。具体而言，自生噪声116遮蔽周围环境中的声学信号，包括例如由其他无人机生成的声学信号、来自人群的声学信号、来自交通的声学信号等。为了处理从音频传感器114收集的声学信号，示例无人机100包括示例音频降噪模块118。如下文更详细地公开的，音频降噪模块118处理从音频传感器114收集的声学数据并移除自生成噪声116以产生用于处理的外部声学数据的音频信号，该音频数据是来自周围环境的非模糊声学数据。音频降噪模块118使用消除算法，在该消除算法中，所跟踪的rpm数据被用作匹配滤波器(诸如例如，下文详述的维纳滤波器)中的参考输入。示例无人机100还包括示例传送器120，用于在降噪之后将音频信号传送至外部设备。图2是图1的示例无人机100的框图，该示例无人机包括用于实现由无人机100收集的声学数据中的降噪的示例音频降噪模块118。如图2所示，示例无人机100包括转子104、106、马达108、马达控制器110、rpm传感器112、音频传感器114和传送器120。从rpm传感器112收集的rpm数据和从音频传感器114收集的声学数据经由一个或多个传感器接口302被输入至音频降噪模块118中。音频降噪模块118还包括示例分析器304和示例滤波器306，该示例分析器304和示例滤波器306协调作为用于处理如本文公开的声学数据的装置。音频降噪模块118进一步包括校准器308和数据库310，它们也被用于处理如本文公开的声学数据。在一些示例中，音频降噪模块118操作用于在声学数据的记录和无人机100的操作期间滤波声学数据。在其他示例中，数据库310存储具有用于稍后时间点处的滤波和/或其他处理的时间戳的rpm数据。在此示例中，还可存储从音频传感器114收集的声学数据以用于后处理。当无人机维持静态飞行位置时，其噪声趋于恒定，因此，常规的单通道频谱滤波(如维纳(wiener)滤波器)可有效降低此噪声。然而，典型的无人机飞行不是静止的，而是动态的，这导致声学数据随时间的音调变化。例如，当改变位置和/或飞行速度时、当上升或下降时、和/或当在刮风条件下保持在一个点时，由无人机100产生的噪声116出现音调的动态变化。在这些情况下，转子104、106不断地改变速度，并且因此，噪声116的音调特性也改变。音频降噪模块118通过在例如数据库310中包括映射到不同旋转运动数据(包括例如，不同的rpm)的滤波器集合来考虑这些变化。为了建立滤波器和rpm的映射，校准器308和马达控制器110导致马达108使转子104、106旋转期望的、设定的rpm。rpm传感器112收集rpm数据以确认转子104、106正以期望的rpm旋转。当转子104、106以期望的rpm旋转时，音频传感器114收集声学数据。在受控环境中，可将测量的声学数据确定为由无人机110产生的自生噪声116。音频降噪模块118可确定自生噪声116的频谱的平均振幅，该平均振幅被用于计算什么级别的滤波将对消除在期望rpm下产生的自生噪声116有效。在一些示例中，计算出的滤波器是维纳滤波器。也可使用其他已知的滤波技术。音频降噪模块118还可确定不同级别的滤波。例如，可在一个环境中使用一个滤波器，而可在不同的环境中使用不同的滤波器。更具体地，具有相对较低的信噪比(snr)增益的较温和的滤波器可在相对较少噪声的环境中提供期望的结果。而具有相对较高snr增益的更激进的滤波器可在相对较嘈杂的环境中提供期望的结果。在一些示例中，通过改变用于建立不同滤波器和/或滤波器级别的滤波器系数来确定或区分不同的滤波器和/或不同级别的滤波。指示哪种滤波对特定rpm和期望的snr增益有效的结果被存储在数据库310中。在一些示例中，结果被存储在诸如表1中所示的参考中。rpm温和的滤波器激进的滤波器xyzx+1y’z’x+2y”z”x+3y”’z”’表1校准器308可通过任何期望数量的rpm、期望的snr增益和期望的转子数来继续校准过程，以用一个或多个滤波器校准每一个。结果被映射并存储在数据库310中。在校准过程之后，在无人机100的操作期间，分析器304访问rpm-滤波器的映射。在一些示例中，向音频降噪模块118提供预先校准的实验数据，从而避免了校准过程。在无人机100的操作期间，用户可能希望记录来自外部环境的音频信号。在这种情况下，音频传感器114从环境中收集原始声学数据。原始声学数据包括模糊期望音频信号(即，表示周围音频或环境音频的全无由无人机100自身生成的噪声116或者具有大大降低水平的由无人机100自身生成的噪声116的干净音频信号)的自生成噪声116。原始声学数据经由传感器接口302被输入至音频降噪模块118。传感器接口302接受从rpm传感器112收集的rpm数据，该prm数据指示在收集原始声学数据时转子104、106中的一个或多个的rpm。分析器304使用例如上文公开的映射将每个转子的rpm与相应的滤波器进行匹配。滤波器306利用由分析器304标识的(诸)滤波器来对原始声学数据进行滤波。在多个转子处于操作中的情况下，可使用多个滤波器来对相同的原始声学数据进行滤波。在一些示例中，音频降噪模块118被设置成使用具有较低snr增益的滤波器以避免信号失真。在其他示例中，音频降噪模块118被设置成使用具有较高snr增益的滤波器以具有较好的降噪。在一些示例中，音频降噪模块118由制造商设置。在其他示例中，用户可选择期望的snr增益水平并且可在操作无人机100时改变该水平。在其他示例中，音频降噪模块118可分析环境并自主地选择滤波级别。例如，音频降噪模块118可估计声学数据中的当前snr并基于snr选择滤波器。在一些示例中，音频降噪模块118利用较温和滤波器处理声学数据，并且随后分析经滤波数据中的snr。如果snr不合需要地低，则音频降噪模块118随后用较激进的滤波器处理声学数据。在操作中，音频降噪模块118可不断地、周期性地或非周期性地监视snr，并基于snr在操作期间动态地调整滤波器级别。在一些示例中，分析器304不能标识与特定rpm精确匹配的滤波器。例如，如果rpm-滤波器映射包括以五个rpm增量的rpm的映射，则分析器304将不标识针对落在五个rpm增量之间的特定rpm的滤波器。在此示例中，分析器304使用模糊逻辑来标识混合滤波器，该混合滤波器是用于高于所感测rpm的rpm以及低于所感测rpm的rpm的两个滤波器的组合。滤波器306随后根据混合滤波器来对原始声学数据进行滤波。在许多示例中，rpm数据随转子104、106的速度改变而动态地改变。当经更新rpm数据通过传感器接口302被馈送至音频降噪模块118时，分析器304继续动态地选择与改变的rpm数据相关联的滤波器，并将所选择的滤波器与对应于原始声学数据的特定时刻相关联。滤波器306依分析器304随时间的指示来改变滤波器。在其他示例中，声学数据和rpm数据例如被存储在数据库310中，并且在后处理设置中被滤波，在该后处理设置中，rpm数据被稍后分析以选择要应用于在不同时间点记录的声学数据的不同段的一个或多个滤波器。图3a-3c例示出对声学数据进行滤波的示例结果。图3a示出由无人机(例如，图1和图2的无人机100)收集的原始声学数据的示例时域信号和示例均方根(rms)分布。声学数据包含由无人机100产生的噪声(例如，自生噪声116)，该噪声覆盖基础音频信号。在此示例中，基础音频信号是从距离无人机100大约一米远的讲话者记录的人的语音。时域信号被噪声遮蔽并且未示出表示人的语音的信号。rms分布示出相对一致的分贝水平，其也无法示出讲话者的变化的分贝水平。图3b示出已使用第一滤波器进行滤波的图3a的声学数据的示例时域信号和示例rms分布。在此示例中，第一滤波器是相对温和的滤波器(与用于产生图3c的结果的滤波器相比)。在此示例中，音频降噪模块118使用获得20db增益的第一滤波器。与图3a中所示的信号相比，图3b中的信号具有更高的snr，并且人的声音的音频信号清晰可见，尽管信号中仍然残存一些噪声。图3b例示出已使用第二滤波器进行滤波的图3a的声学数据的示例时域信号和示例rms分布。在此示例中，第二滤波器是相对较激进的滤波器(与用于产生图3b的结果的滤波器相比)。在此示例中，音频降噪模块118使用获得30db增益的第二滤波器。与图3b中所示的信号相比，图3c中的信号具有更高的snr并且人的声音的音频信号更清晰可见。图3c的所得经滤波信号中存在比图3b的所得经滤波信号少的噪声。例如，其声音由无人机100记录的人在第三与第四秒之间停止讲话或暂停其语音。图3b示出此时的少量噪声，但是图3c示出在不讲话时不存在音频信号。因此，利用更高的snr和更大的增益，较激进的滤波器可提供更清晰的音频信号。在一些示例中，更激进的滤波器可完全消除噪声。尽管如此，在一些示例中，期望较温和的滤波器来避免期望音频信号的失真。一旦从原始声学数据移除(例如，减去、减少等)自生噪声116，剩余声学数据就表示外部环境。虽然图2示出了实现图1的无人机100的示例方式，但图2所示的元件、进程和/或设备中的一个或多个可以被组合、拆分、重新设置、省略、消除和/或以任何方式被实现。此外，图2的示例马达控制器110、示例rpm传感器112、示例音频传感器114、示例传送器120、示例传感器接口302、示例分析器304、示例滤波器306、示例校准器308、示例数据库310、和/或更一般地示例音频降噪模块118可由硬件、软件、固件和/或硬件、软件和/或固件的任何组合实现。因此，例如，图2的示例马达控制器110、示例rpm传感器112、示例音频传感器114、示例传送器120、示例传感器接口302、示例分析器304、示例滤波器306、示例校准器308、示例数据库310、和/或更一般地示例音频降噪模块118中的任一者可由一个或多个模拟或数字电路、逻辑电路、可编程处理器、专用集成电路(asic)、可编程逻辑器件(pld)和/或现场可编程逻辑器件(fpld)实现。当阅读涵盖纯软件和/或固件实现的本专利的装置或系统权利要求中的任一项时，图2的示例马达控制器110、示例rpm传感器112、示例音频传感器114、示例传送器120、示例传感器接口302、示例分析器304、示例滤波器306、示例校准器308、示例数据库310、和/或更一般地示例音频降噪模块118中的至少一者由此被明确地限定为包括包含软件和/或固件的非瞬态计算机可读存储设备或存储盘(诸如，存储器、数字多功能盘(dvd)、紧凑盘(cd)、蓝光盘等等)。此外，图1的示例无人机100可包括除图2中所示的之外的一个或多个元件、进程和/或设备或作为图2中所示的替代的一个或多个元件、进程和/或设备，并且/或者可以包括所有示出的元件、进程和/或设备中的多于一个。图4和图5示出表示用于实现图1和图2的无人机100的示例机器可读指令的流程图。在本示例中，机器可读指令包括用于由处理器(诸如，结合图6在下文讨论的示例处理器平台600中示出的处理器612)执行的进程或程序400、500。虽然程序400、500能以存储于诸如cd-rom、软盘、硬驱动器、数字多功能盘(dvd)、蓝光盘或与处理器612关联的存储器之类的非瞬态计算机可读存储介质上的软件来具体化，但是全部程序400、500和/或其部分可替代地由除处理器612之外的器件执行，和/或以固件或专用硬件来具体化。此外，虽然分别参考图4和图5所例示的流程图描述了示例程序400、500，但是可替代地使用实现示例无人机100的许多其他方法。例如，可改变框的执行次序，和/或可改变、消除或组合所描述的框中的一些框。附加地或替代地，可由被结构化为执行对应的操作而不执行软件或固件的一个或多个硬件电路(例如，分立和/或集成模拟和/或数字电路、现场可编程门阵列(fpga)、专用集成电路(asic)、比较器、运算放大器(op-amp)、逻辑电路等)来实现框中的任何框或所有框。如上文所提及，可使用存储于非瞬态计算机和/或机器可读介质上的经编码指令(例如，计算机和/或机器可读指令)来实现图4的示例程序400和图5的示例程序500，该非瞬态计算机和/或机器可读介质例如：硬盘驱动器、闪存、只读存储器、紧凑盘、数字多功能盘、高速缓存、随机存取存储器和/或在其中信息被存储达任何持续时间(例如，在扩展时间段内、永久地、达简短的实例、用于临时缓冲和/或用于对信息的高速缓存)的任何其他存储设备或存储盘。如本文中所使用，术语非瞬态计算机可读介质被明确地限定为包括任何类型的计算机可读存储设备和/或存储盘，并且排除传播信号并排除传输介质。“包含”和“包括”(及其所有形式和时态)在本文中用作开放式术语。因此，每当权利要求列出跟随任何形式的“包含”或“包括”(例如，包括、包含等)的任何内容时，要理解的是，额外的要素、项等可以存在而不超出对应权利要求的范围。如本文所使用的，当短语“至少”被用作与权利要求同步使用的转换术语时是和术语“包含”和“包括”一样的开放式的。图4的示例校准程序400始于音频降噪模块118的校准器308设置校准旋转运动(例如，rpm)(框402)以使马达控制器110操作马达108并使转子104、106以校准rpm旋转。当无人机100以校准rpm操作时，音频传感器114中的一个或多个收集声学数据(框404)。分析器304分析由(诸)音频传感器114收集的声学数据以确定噪声量并建立针对如上所述的校准rpm的参考滤波器(框406)。例如，分析器304确定声学数据的频谱中的平均振幅，该平均振幅被用来计算用于对校准rpm下产生的噪声进行滤波的一个或多个滤波器。基于例如snr，特定rpm可具有与其相关联的多个滤波器。分析器304将校准rpm与(诸)参考滤波器进行匹配(框408)，并且可将匹配存储在数据库310中的参考表(诸如例如，上述表1)中。示例校准程序400还确定是否要收集附加校准数据(框410)。如果要收集附加校准数据，则声学降噪模块118继续并设置不同的校准rpm(框402)以获得进一步的滤波数据并构建如上所述的参考表。如果不收集附加校准数据(框410)，则校准程序400结束。图5的示例操作程序500示出示例无人机100的操作。在操作期间，声学降噪模块118使用例如(诸)声学传感器114中的一个或多个来收集声学数据(框502)，这些声学传感器114经由(诸)传感器接口302来将声学数据发送至声学降噪模块118。声学降噪模块118还使用例如(诸)rpm传感器112中的一个或多个来从转子或经由转子观察收集旋转运动数据(例如，rpm数据)(框504)，这些rpm传感器112经由(诸)传感器接口302将rpm数据发送至声学降噪模块118。分析器304确定rpm数据是否与滤波器相关(框506)。例如，分析器304检查从(诸)rpm传感器112收集的rpm数据，并将rpm数据与存储在数据库310中的参考表(例如，表1)中的rpm数据进行比较，以确定rpm数据是否与数据库310中的rpm匹配。选择rpm被存储在数据库310中并且基于例如图4的校准程序400和/或供给至无人机100或利用无人机100编程的其他信息来与一个或多个滤波器相关联。如果分析器304确定rpm数据与滤波器不匹配(框506)，则分析器304标识相邻滤波器(框508)。例如，分析器304标识数据库310中存在的针对高于所收集rpm值的下一rpm值的滤波器以及针对低于所收集rpm值的下一rpm值的滤波器。分析器304基于相邻滤波器来确定组合滤波器(框510)。例如，分析器根据所收集rpm值与数据库310中同滤波器相关联的相应rpm值的邻近度来使用模糊逻辑对每个滤波器进行加权。在确定组合滤波器(框510)之后，分析器304将该滤波器设置用于以此速度操作的转子(框512)。如果分析器304确定rpm数据确实与数据库310中的滤波器匹配(框506)，则分析器304将该滤波器设置用于以此速度操作的转子(框512)。示例操作程序500包括确定是否应包括来自另一转子的数据(框514)。例如，无人机100包括四个转子104、106。转子104、106能以不同的速度操作，并且因此可产生不同的噪声116。当转子104、106产生不同的噪声时，相同的滤波器将不能有效地对噪声进行滤波，因为滤波器是针对特定rpm下生成的特定噪声而度身定制的。如果要包括来自一个或多个附加转子的数据(框514)，则声学降噪模块118从附加转子收集rpm数据(框504)并继续标识如上所述的适当滤波器。如果此处确定将不添加附加转子数据(框514)，则使用具有针对(诸)转子104、106的特定rpm标识的(诸)滤波器的滤波器306来对声学数据进行滤波以减少或消除噪声并产生音频信号(方框516)。音频信号表示无人机100外部的环境中的声学数据，该声学数据不具有由来自转子104、106的自生噪声116导致的模糊。音频降噪模块118确定是否需要滤波器调整(框518)。例如，转子104、106的速度(rpm)可能改变、先前选择的滤波器可能无法提供期望的snr、一个或多个转子104、106可能开始或停止操作等。这些事件可能导致所选择的滤波器提供不充分的滤波。如果音频降噪模块118确定需要滤波器调整(框518)，则音频降噪模块118继续并收集声学数据(框502)，并且通过操作程序500而前进。如果音频降噪模块118确定不需要滤波器调整(框518)，则声学降噪模块118确定是否要继续处理声学数据(框520)。如果要继续处理声学数据，则声学降噪模块118继续利用设定的滤波器进行滤波(框516)。如果声学降噪模块118确定不再处理声学数据(框520)，则操作程序500结束。图6是能够执行图4和图5的指令以实现图1和图2的装置的示例处理器平台600的框图。处理器平台600可以是例如服务器、个人计算机、移动设备(例如，蜂窝电话、智能电话、诸如ipadtm的平板)、个人数字助理(pda)、因特网设备、dvd播放器、cd播放器、数字视频记录仪、蓝光播放器、游戏控制台、个人视频记录仪、机顶盒、或任何其他类型的计算设备。所例示示例的处理器平台600包括处理器612。所例示示例的处理器612是硬件。例如，处理器612可由来自任何所期望的家族或制造商的一个或多个集成电路、逻辑电路、微处理器或控制器实现。硬件处理器可以是基于半导体的(例如，硅基)器件。在此示例中，处理器实现图2的示例马达控制器110、示例传感器接口302、示例分析器304、示例滤波器306、示例校准器308和/或示例音频降噪模块118。所例示示例的处理器612包括本地存储器613(例如，高速缓存)。所例示示例的处理器612经由总线618与包括易失性存储器614和非易失性存储器616的主存储器通信。易失性存储器614可由同步动态随机存取存储器(sdram)、动态随机存取存储器(dram)、rambus动态随机存取存储器(rdram)和/或任何其他类型的随机存取存储器设备实现。非易失性存储器616可由闪存和/或任何其他所期望类型的存储器设备实现。由存储器控制器控制对主存储器614、616的访问。所例示示例的处理器平台600还包括接口电路620。接口电路620可由任何类型的接口标准实现，诸如，以太网接口、通用串行总线(usb)和/或pci快速接口。在所例示的示例中，一个或多个输入设备622被连接至接口电路620。(诸)输入设备622准许用户将数据和/或命令输入至处理器612中。(多个)输入设备可以由例如音频传感器、麦克风、相机(静止的或视频)、键盘、按钮、鼠标、触屏、轨迹板、轨迹球、等点鼠标和/或语音识别系统实现。一个或多个输出设备624也被连接至所图示的示例的接口电路620。输出设备624可例如由显示设备(例如，发光二极管(led)、有机发光二极管(oled)、液晶显示器、阴极射线管显示器(crt)、触屏、触觉输出设备、打印机和/或扬声器)实现。因此，所例示示例中的接口电路620典型地包括图形驱动器卡、图形驱动器芯片和/或图形驱动器处理器。所例示示例的接口电路620还包括诸如发射机、接收机、收发机、调制解调器和/或网络接口卡之类的通信设备，以促进经由网络626(例如，以太网连接、数字订户线路(dsl)、电话线、同轴电缆、蜂窝电话系统等等)与外部机器(例如，任何种类的计算设备)交换数据。所例示示例的处理器平台600还包括一个或多个用于存储软件和/或数据的大容量存储设备628。此类大容量存储设备628的示例包括软盘驱动器、硬盘驱动器、紧凑盘驱动器、蓝光盘驱动器、raid系统和数字多功能盘(dvd)驱动器。图6的经编码指令632可被存储在大容量存储设备628中，存储在易失性存储器614中，存储在非易失性存储器616中和/或存储在诸如cd或dvd之类的可移除有形计算机可读存储介质上。从上述内容将理解，已经公开了通过使无人机能够记录环境音频来改善无人机的音频操作的示例方法、装置和制品。利用无人机的先前音频记录会被无人机产生的噪音淹没，或者需要有限方向的麦克风以及高成本且昂贵的硬件附加件。本公开的示例提供了一种处理转子噪声的新颖方法，该方法具有最少的附加硬件或没有附加硬件以及低的计算开销。在本文公开的示例中，不需要附加硬件来记录来自周围环境的音频信号并减少所收集的声学信号中的噪声。转子速度信息已经可从现有传感器或从转子控制器获得。许多目前的商用无人机已具有用于飞行控制目的的内置的某种rpm传感器。本公开的示例以新的方法利用此rpm数据并且不需要任何附加硬件。此外，本文公开的示例提供改进的性能以及降低的开销，因为关于马达/转子速度来对滤波器进行的预校准实现了用于选择高质量滤波器(诸如例如，维纳滤波器)的参考表办法，同时最小化了计算成本。本文公开了用于无人机音频降噪的示例方法、装置、系统和制品。进一步的示例和其组合包括以下内容。示例1是一种用于减少来自无人机的音频噪声的装置。示例装置包括：第一传感器，该第一传感器用于收集声学数据；以及第二传感器，该第二传感器用于收集转子的旋转运动数据。示例装置还包括分析器，该分析器用于将旋转运动数据与滤波器进行匹配以及使用滤波器对声学数据进行滤波。分析器还用于基于经滤波声学数据来生成音频信号。示例2包括示例1的装置，其中第一传感器是全向麦克风。示例3包括示例1的装置，其中分析器用于在转子的旋转运动期间对声学数据进行滤波。示例4包括示例1-3中任一项的装置，其中滤波器是第一滤波器，并且分析器用于通过以下操作来将旋转运动数据与第一滤波器进行匹配：标识旋转运动值大于旋转运动数据的第二滤波器；标识旋转运动值小于旋转运动数据的第三滤波器；以及将第二滤波器和第三滤波器的组合用作第一滤波器。示例5包括示例1-3中任一项的装置，其中旋转运动数据是第一旋转运动数据，滤波器是第一滤波器，并且转子是第一转子。在示例5的装置中，第二传感器或第三传感器用于收集第二转子的第二旋转运动数据，并且分析器进一步用于：将第二旋转运动数据与第二滤波器进行匹配；以及使用第二滤波器对声学数据进行滤波。示例9包括示例1-3中任一项的装置，其中旋转运动数据是在第一时间收集的第一旋转运动数据，滤波器是第一滤波器，并且音频信号是第一时间处的第一音频信号。在示例6的装置中，第二传感器用于在第二时间收集转子的第二旋转运动数据，第二旋转运动数据具有与第一旋转运动数据不同的值，并且分析器进一步用于：使第二旋转运动数据与第二滤波器相匹配，第二滤波器与第一滤波器不同；利用第二滤波器对声学数据进行滤波；以及基于利用第二滤波器对声学数据的滤波来生成第二时间处的第二音频信号。示例7包括示例1-3中任一项的装置，其中分析器用于基于音频信号来标识基于地面的活动。示例8包括示例1-3中任一项的装置，并且进一步包括用于将转子设置成第一校准旋转运动的控制器。在示例8的装置中，第一传感器用于在转子被设置成处于第一校准旋转运动时收集第一预备声学数据，并且分析器将基于第一预备声学数据来建立第一参考滤波器并将第一校准旋转运动与第一参考滤波器进行匹配。在示例8的装置中，控制器用于将转子设置成第二校准旋转运动，第一传感器用于在转子被设置成处于第二校准旋转运动时收集第二预备声学数据，并且分析器将基于第二预备声学数据来建立第二参考滤波器并将第二校准旋转运动与第二参考滤波器进行匹配。同样，在示例8的装置中，分析器通过以下操作来使旋转运动数据与滤波器相匹配：确定第一校准旋转运动或第二校准旋转运动中的哪一个在值上靠近旋转运动数据；在同第一校准旋转运动或第二校准旋转运动相关联的第一参考滤波器与第二参考滤波器之间选择在值上靠近旋转运动数据的那个；以及将所选择的第一参考滤波器或第二参考滤波器用作滤波器。示例9包括示例8的装置，其中分析器用于通过以下操作建立第一参考滤波器：将第一预备声学数据转换至频域中；确定频谱的平均振幅；以及基于频谱的平均振幅来执行谱减法。示例10包括示例8的装置，其中分析器用于基于信噪比增益来建立第一参考滤波器。示例11是一种减少来自无人机的音频噪声的方法。示例11的方法包括：通过利用处理器执行指令来建立针对从转子收集的旋转运动数据的滤波器；通过利用处理器执行指令来使用滤波器对从无人机收集的声学数据进行滤波；以及通过利用处理器执行指令来基于经滤波声学数据来生成音频信号。示例12包括示例11的方法，并且进一步包括利用全向麦克风收集声学数据。示例13包括示例11的方法，并且进一步包括在旋转运动数据的收集期间对声学数据进行滤波。示例14包括示例11-13中任一项的方法，其中滤波器是第一滤波器，并且将旋转运动数据与第一滤波器进行匹配。另外，示例14的方法进一步包括：标识旋转运动值大于旋转运动数据的第二滤波器；标识旋转运动值小于旋转运动数据的第三滤波器；以及将第二滤波器和第三滤波器的组合用作第一滤波器。示例15包括示例11-13中任一项的方法，其中旋转运动数据是第一旋转运动数据，滤波器是第一滤波器，并且转子是第一转子。另外，示例15的方法进一步包括：建立针对从第二转子收集的第二旋转运动数据的第二滤波器；以及利用第二滤波器对声学数据进行滤波。示例16包括示例11-13中任一项的方法，其中旋转运动数据是在第一时间收集的第一旋转运动数据，滤波器是第一滤波器，并且音频信号是第一时间处的第一音频信号。示例16的方法进一步包括：建立针对在第二时间从转子收集的第二旋转运动数据的第二滤波器，第二旋转运动数据具有与第一旋转运动数据不同的值，第二滤波器与第一滤波器不同；利用第二滤波器对声学数据进行滤波；基于利用第二滤波器对声学数据的滤波来生成第二时间处的第二音频信号。示例17包括示例11-13中任一项的方法，并且进一步包括基于音频信号来标识基于地面的活动。示例18包括示例11-13中任一项的方法，并进一步包括：将转子设置成第一校准旋转运动；当转子被设置成处于第一校准旋转运动时收集第一预备声学数据；基于第一预备声学数据来建立第一参考滤波器；将第一校准旋转运动与第一参考滤波器进行匹配；将转子设置成第二校准旋转运动；当转子被设置成处于第二校准旋转运动时收集第二预备声学数据；基于第二预备声学数据来建立第二参考滤波器；以及将第二校准旋转运动与第二参考滤波器进行匹配。在示例18的方法中，使旋转运动数据与滤波器相匹配包括：确定第一校准旋转运动或第二校准旋转运动中的哪一个在值上靠近旋转运动数据；在与第一校准旋转运动或第二校准旋转运动相关联的第一参考滤波器与第二参考滤波器之间选择在值上靠近旋转运动数据的那个；以及将所选择的第一参考滤波器或第二参考滤波器用作滤波器。示例13包括示例11的方法，其中建立第一参考滤波器包括：将第一预备声学数据转换至频域中；确定频谱的平均振幅；以及基于频谱的平均振幅来执行谱减法。示例20包括示例18的方法，其中基于信噪比增益来建立第一参考滤波器。示例21是一种无人机，包括：转子；以及马达，马达用于使转子旋转。示例21的无人机还包括用于收集声学数据的装置；以及用于收集转子的每分钟转数(旋转运动)数据的装置。另外，示例21的无人机包括用于通过以下操作来处理声学数据和旋转运动数据的装置：将旋转运动数据与滤波器进行匹配；使用滤波器对声学数据进行滤波；以及基于经滤波声学数据来生成音频信号。示例22包括示例21的无人机，其中用于收集旋转运动数据的装置包括全向麦克风。示例23包括示例21的无人机，其中用于收集旋转运动数据的装置包括振动传感器、红外旋转传感器或输入电流传感器中的至少一个。示例24包括示例21-23中任一项的无人机，其中滤波器是第一滤波器，并且用于处理的装置用于将旋转运动数据与第一滤波器进行匹配。标识旋转运动值大于旋转运动数据的第二滤波器；标识旋转运动值小于旋转运动数据的第三滤波器；以及将第二滤波器和第三滤波器的组合用作第一滤波器。示例25包括示例21-23中任一项的无人机，其中旋转运动数据是第一旋转运动数据，滤波器是第一滤波器，并且转子是第一转子。在示例25的无人机中，用于收集旋转运动数据的装置用于收集第二转子的第二旋转运动数据，并且用于处理的装置用于：将第二旋转运动数据与第二滤波器进行匹配；以及使用第二滤波器对声学数据进行滤波。示例26包括示例21-23中任一项的无人机，其中旋转运动数据是在第一时间收集的第一旋转运动数据，滤波器是第一滤波器，并且音频信号是第一时间处的第一音频信号。在示例26的无人机中，用于收集旋转运动数据的装置用于在第二时间收集转子的第二旋转运动数据，第二旋转运动数据具有与第一旋转运动数据不同的值。同样在示例26的无人机中，用于处理的装置进一步用于：使第二旋转运动数据与第二滤波器相匹配，第二滤波器与第一滤波器不同；利用第二滤波器对声学数据进行滤波；以及基于利用第二滤波器对声学数据的滤波来生成第二时间处的第二音频信号。示例27包括示例21-23中任一项的无人机，其中用于处理的装置用于基于音频信号来标识基于地面的活动。示例28包括示例21-23中任一项的无人机，其中进一步包括用于控制转子的装置，用于：将转子设置成第一校准旋转运动，其中用于收集旋转运动数据的装置用于在转子被设置成处于第一校准旋转运动时收集第一预备声学数据，并且用于处理的装置用于基于第一预备声学数据建立第一参考滤波器并将第一校准旋转运动与第一参考滤波器进行匹配。在示例28的无人机中，用于控制转子的装置还用于：将转子设置成第二校准旋转运动，其中用于收集旋转运动数据的装置用于在转子被设置成处于第二校准旋转运动时收集第二预备声学数据，并且用于处理的装置用于基于第二预备声学数据建立第二参考滤波器并将第二校准旋转运动与第二参考滤波器进行匹配。另外，在示例28的无人机中，用于处理的装置通过以下操作来使旋转运动数据与滤波器相匹配：确定第一校准旋转运动或第二校准旋转运动中的哪一个在值上靠近旋转运动数据；在与第一校准旋转运动或第二校准旋转运动相关联的第一参考滤波器与第二参考滤波器之间选择在值上靠近旋转运动数据的那个；以及将所选择的第一参考滤波器或第二参考滤波器用作滤波器。示例29包括示例28的无人机，其中用于处理的装置用于通过以下操作建立第一参考滤波器：将第一预备声学数据转换至频域中；确定频谱的平均振幅；以及基于频谱的平均振幅来执行谱减法。示例30包括示例28的无人机，其中用于处理的装置用于基于信噪比增益来建立第一参考滤波器。示例31是一种包括计算机可读指令的非瞬态计算机可读存储介质，计算机可读指令在被执行时，使一个或多个处理器至少用于：使从转子收集的旋转运动数据与滤波器相匹配；使用滤波器对从无人机收集的声学数据进行滤波；以及基于经滤波声学数据来生成音频信号。示例32包括示例31的存储介质，其中计算机可读指令在被执行时，进一步使处理器用于利用全向麦克风收集声学数据。示例33包括示例31的存储介质，其中计算机可读指令在被执行时，进一步使处理器用于在旋转运动期间对声学数据进行滤波。示例34包括示例31-33中任一项的存储介质，其中滤波器是第一滤波器，并且计算机可读指令在被执行时，进一步使处理器通过以下操作来将旋转运动数据与第一滤波器进行匹配：标识旋转运动值大于旋转运动数据的第二滤波器；标识旋转运动值小于旋转运动数据的第三滤波器；以及将第二滤波器和第三滤波器的组合用作第一滤波器。示例35包括示例31-33中任一项定义的存储介质，其中旋转运动数据是第一旋转运动数据，滤波器是第一滤波器，并且转子是第一转子。示例35的存储介质包括计算机可读指令，该计算机可读指令在被执行时，进一步使处理器用于：将从第二转子收集的第二旋转运动数据与第二滤波器进行匹配；以及使用第二滤波器对声学数据进行滤波。示例36包括示例31-33中任一项定义的存储介质，其中旋转运动数据是在第一时间收集的第一旋转运动数据，滤波器是第一滤波器，并且音频信号是第一时间处的第一音频信号。示例36的存储介质包括计算机可读指令，该计算机可读指令在被执行时，进一步使处理器用于：使在第二时间从转子收集的第二旋转运动数据与第二滤波器相匹配，第二旋转运动数据具有与第一旋转运动数据不同的值，第二滤波器与第一滤波器不同；利用第二滤波器对声学数据进行滤波；基于利用第二滤波器对声学数据的滤波来生成第二时间处的第二音频信号。示例37包括示例31-33中任一项定义的存储介质，其中计算机可读指令在被执行时，进一步使处理器用于基于音频信号来标识基于地面的活动。示例38包括示例31-33中任一项定义的存储介质，其中计算机可读指令在被执行时，进一步使处理器用于：将转子设置成第一校准旋转运动；当转子被设置成处于第一校准旋转运动时收集第一预备声学数据；基于第一预备声学数据来建立第一参考滤波器；将第一校准旋转运动与第一参考滤波器进行匹配；将转子设置成第二校准旋转运动；当转子被设置成处于第二校准旋转运动时收集第二预备声学数据；基于第二预备声学数据来建立第二参考滤波器；以及将第二校准旋转运动与第二参考滤波器进行匹配。示例38的存储介质包括计算机可读指令，该计算机可读指令在被执行时，进一步使处理器用于通过以下操作来将旋转运动数据与滤波器进行匹配：确定第一校准旋转运动或第二校准旋转运动中的哪一个在值上靠近旋转运动数据；在与第一校准旋转运动或第二校准旋转运动相关联的第一参考滤波器与第二参考滤波器之间选择在值上靠近旋转运动数据的那个；以及将所选择的第一参考滤波器或第二参考滤波器用作滤波器。示例39包括示例38定义的存储介质，其中计算机可读指令在被执行时，进一步使处理器用于通过以下操作建立第一参考滤波器：将第一预备声学数据转换至频域中；确定频谱的平均振幅；以及基于频谱的平均振幅来执行谱减法。示例40包括示例39定义的存储介质，其中计算机可读指令在被执行时，进一步使处理器用于基于信噪比增益来建立第一参考滤波器。尽管本文中已公开了某些示例方法、装置和制品，但本专利涵盖的范围并不限于此。相反，本专利涵盖落入本专利权利要求范围内的全部方法、装置和制品。当前第1页12