一种车辆声浪合成方法、装置、存储介质及设备与流程

本技术涉及车辆，尤其涉及一种车辆声浪合成方法、装置、存储介质及设备。

背景技术：

1、随着人们生活水平的提高和社会经济的快速发展，汽车的使用率逐渐增高，并且，随着环保意识的增强，越来越多的新能源（纯电动或者混动）汽车走进了人们的生活，为人们生活的各个方面都带来了极大的便利。

2、但区别于燃油车辆，在驾驶新能源车辆（纯电动或者混动）时，人们基本听不到由发动机传递排气系统而发出的噪声（声浪）。这种安静的驾驶环境导致车辆缺少了由引擎声带来的动力感，降低了部分驾驶者的驾驶乐趣。对此，可采用车辆音效声模拟播放的方法，通过车内喇叭主动发声，从而改善车内声品质，提高驾驶乐趣。

3、现有的车辆音效声合成方法通常包括两种：一种是基于统计参数的合成方法，主要分为物理仿真和阶次合成；另一种是基于拼接的合成方法，主要分为波表合成与粒子合成，这两种方法都是基于目标车型的声浪信号。但这两种合成方法的声浪合成效果均不够理想，会导致用户的驾驶体验较差。因此，如何提高车辆的声浪合成效果，使得用户听感更加自然、舒服，以提高用户的驾驶体验是目前亟待解决的技术问题。

技术实现思路

1、本技术实施例的主要目的在于提供一种车辆声浪合成方法、装置、存储介质及设备，能够有效提高车辆的声浪合成效果，使得用户听感更加自然、舒服，进而提高了用户的驾驶体验。

2、本技术实施例提供了一种车辆声浪合成方法，包括：

3、采集目标车辆的发动机控制参数；

4、将所述目标车辆的发动机控制参数输入至预先构建的车辆声浪合成模型进行声浪合成处理，得到合成后的声浪，并在所述目标车辆内播放所述合成后的声浪；

5、其中，所述车辆声浪合成模型包括参数编码层、流模型、解码层；所述车辆声浪合成模型是基于初始化变分自编码器结构、所述参数编码层的参数变分自编码器结构，以及流模型和解码层的初始化结构，利用预先采集的普通发动机控制参数对预先采集的声浪信号进行重构训练得到的。

6、一种可能的实现方式中，所述将所述目标车辆的发动机控制参数输入至预先构建的车辆声浪合成模型进行声浪合成处理，得到合成后的声浪，包括：

7、将所述目标车辆的发动机控制参数输入至预先构建的车辆声浪合成模型的参数编码层进行编码，得到初始信号的分布；

8、对所述初始信号的分布进行重参数化采样处理，并将处理后的采样信号输入所述车辆声浪合成模型的流模型进行变换处理，得到变换后的信号；

9、将所述变换后的信号输入所述车辆声浪合成模型的解码层进行解码处理，得到解码后的信号；

10、对所述解码后的信号进行后置滤波处理，并根据滤波结果确定所述目标车辆对应的合成后的声浪信号。

11、一种可能的实现方式中，所述方法还包括：

12、利用预先采集的声浪信号、样本发动机控制参数和预设目标损失函数，对初始车辆声浪合成模型进行声浪信号的重构训练处理，得到训练后的车辆声浪合成模型；

13、利用验证车辆的验证声浪信号和验证发动机控制参数，对所述训练后的车辆声浪合成模型进行验证更新训练，得到更新后的所述车辆声浪合成模型。

14、一种可能的实现方式中，所述利用预先采集的声浪信号、样本发动机控制参数和预设目标损失函数，对初始车辆声浪合成模型进行声浪信号的重构训练处理，得到训练后的车辆声浪合成模型，包括：

15、采集样本车辆的样本声浪信号和样本发动机控制参数；所述样本声浪信号是在所述样本车辆正常行驶时，采集的由发动机传递排气系统而发出的噪声数据；所述样本发动机控制参数是所述样本车辆正常行驶时的动机控制参数；

16、利用所述样本声浪信号、样本发动机控制参数、第一目标损失函数、第二目标损失函数、第三目标损失函数，对初始车辆声浪合成模型进行声浪信号的重构训练，得到训练后的车辆声浪合成模型；

17、所述第一目标损失函数用于衡量所述初始车辆声浪合成模型中参数编码层的初始化变分自编码器编码的信号分布与解码层解码的信号分布之间的差异程度；所述第二目标损失函数用于提升所述车辆声浪合成模型合成的声浪信号的准确性；所述第三目标损失函数用于约束所述初始车辆声浪合成模型中流模型变换的信号分布与所述样本声浪信号的关联关系。

18、一种可能的实现方式中，所述利用所述样本声浪信号、样本发动机控制参数、第一目标损失函数、第二目标损失函数、第三目标损失函数，对初始车辆声浪合成模型进行声浪信号的重构训练，得到训练后的车辆声浪合成模型，包括：

19、将所述样本声浪信号输入初始化变分自编码器结构进行编码，得到所述样本声浪信号的初始分布；并对所述样本声浪信号的初始分布进行重参数化采样处理，得到所述样本采样信号；

20、将所述样本发动机控制参数输入初始车辆声浪合成模型中的参数变分自编码器结构进行编码，得到所述样本发动机控制参数的编码分布；

21、将所述样本采样信号输入初始车辆声浪合成模型中的解码层的初始化结构进行解码处理，并对得到的样本解码信号进行后置滤波处理，得到样本合成信号；以及将所述样本采样信号输入初始车辆声浪合成模型中的流模型的逆向结构进行变换处理，得到样本变换信号；

22、根据所述样本声浪信号、所述样本采样信号、所述样本合成信号、所述样本发动机控制参数的编码分布、所述样本变换信号、所述第一目标损失函数、第二目标损失函数和第三目标损失函数对初始车辆声浪合成模型进行训练，生成训练后的车辆声浪合成模型。

23、一种可能的实现方式中，所述将所述样本采样信号输入初始车辆声浪合成模型中的流模型的逆向结构进行变换处理，得到样本变换信号，包括：

24、将所述样本采样信号输入初始车辆声浪合成模型中的流模型进行尺度变化处理，得到尺度变化后的样本采样信号；

25、对所述尺度变化后的样本采样信号进行通道置换处理，得到通道置换处理后的样本采样信号；

26、对所述通道置换处理后的样本采样信号进行仿射耦合处理，得到仿射耦合后的样本采样信号，作为样本变换信号。

27、一种可能的实现方式中，所述目标车辆的发动机控制参数包括所述目标车辆的转速、油门踏板行程和车速。

28、本技术实施例还提供了一种车辆声浪合成装置，所述装置包括：

29、第一采集单元，用于采集目标车辆的发动机控制参数；

30、合成单元，用于将所述目标车辆的发动机控制参数输入至预先构建的车辆声浪合成模型进行声浪合成处理，得到合成后的声浪，并在所述目标车辆内播放所述合成后的声浪；

31、其中，所述车辆声浪合成模型包括参数编码层、流模型、解码层；所述车辆声浪合成模型是基于初始化变分自编码器结构、所述参数编码层的参数变分自编码器结构，以及流模型和解码层的初始化结构，利用预先采集的普通发动机控制参数对预先采集的声浪信号进行重构训练得到的。

32、一种可能的实现方式中，所述合成单元包括：

33、第一编码子单元，用于将所述目标车辆的发动机控制参数输入至预先构建的车辆声浪合成模型的参数编码层进行编码，得到初始信号的分布；

34、采样子单元，用于对所述初始信号的分布进行重参数化采样处理，并将处理后的采样信号输入所述车辆声浪合成模型的流模型进行变换处理，得到变换后的信号；

35、第二解码子单元，用于将所述变换后的信号输入所述车辆声浪合成模型的解码层进行解码处理，得到解码后的信号；

36、合成子单元，用于对所述解码后的信号进行后置滤波处理，并根据滤波结果确定所述目标车辆对应的合成后的声浪信号。

37、一种可能的实现方式中，所述装置还包括：

38、训练单元，用于利用预先采集的声浪信号、样本发动机控制参数和预设目标损失函数，对初始车辆声浪合成模型进行声浪信号的重构训练处理，得到训练后的车辆声浪合成模型；

39、更新单元，用于利用验证车辆的验证声浪信号和验证发动机控制参数，对所述训练后的车辆声浪合成模型进行验证更新训练，得到更新后的所述车辆声浪合成模型。

40、一种可能的实现方式中，所述训练单元包括：

41、采集子单元，用于采集样本车辆的样本声浪信号和样本发动机控制参数；所述样本声浪信号是在所述样本车辆正常行驶时，采集的由发动机传递排气系统而发出的噪声数据；所述样本发动机控制参数是所述样本车辆正常行驶时的动机控制参数；

42、训练子单元，用于利用所述样本声浪信号、样本发动机控制参数、第一目标损失函数、第二目标损失函数、第三目标损失函数，对初始车辆声浪合成模型进行声浪信号的重构训练，得到训练后的车辆声浪合成模型；

43、所述第一目标损失函数用于衡量所述初始车辆声浪合成模型中参数编码层的初始化变分自编码器编码的信号分布与解码层解码的信号分布之间的差异程度；所述第二目标损失函数用于提升所述车辆声浪合成模型合成的声浪信号的准确性；所述第三目标损失函数用于约束所述初始车辆声浪合成模型中流模型变换的信号分布与所述样本声浪信号的关联关系。

44、一种可能的实现方式中，所述训练子单元包括：

45、第二编码子单元，用于将所述样本声浪信号输入初始化变分自编码器结构进行编码，得到所述样本声浪信号的初始分布；并对所述样本声浪信号的初始分布进行重参数化采样处理，得到所述样本采样信号；

46、第三编码子单元，用于将所述样本发动机控制参数输入初始车辆声浪合成模型中的参数变分自编码器结构进行编码，得到所述样本发动机控制参数的编码分布；

47、第二解码子单元，用于将所述样本采样信号输入初始车辆声浪合成模型中的解码层的初始化结构进行解码处理，并对得到的样本解码信号进行后置滤波处理，得到样本合成信号；以及将所述样本采样信号输入初始车辆声浪合成模型中的流模型的逆向结构进行变换处理，得到样本变换信号；

48、生成子单元，用于根据所述样本声浪信号、所述样本采样信号、所述样本合成信号、所述样本发动机控制参数的编码分布、所述样本变换信号、所述第一目标损失函数、第二目标损失函数和第三目标损失函数对初始车辆声浪合成模型进行训练，生成训练后的车辆声浪合成模型。

49、一种可能的实现方式中，所述第二解码子单元包括：

50、尺度变化子单元，用于将所述样本采样信号输入初始车辆声浪合成模型中的流模型进行尺度变化处理，得到尺度变化后的样本采样信号；

51、通道置换子单元，用于对所述尺度变化后的样本采样信号进行通道置换处理，得到通道置换处理后的样本采样信号；

52、仿射耦合子单元，用于对所述通道置换处理后的样本采样信号进行仿射耦合处理，得到仿射耦合后的样本采样信号，作为样本变换信号。

53、一种可能的实现方式中，所述目标车辆的发动机控制参数包括所述目标车辆的转速、油门踏板行程和车速。

54、本技术实施例还提供了一种车辆声浪合成设备，包括：处理器、存储器、系统总线；

55、所述处理器以及所述存储器通过所述系统总线相连；

56、所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述车辆声浪合成方法中的任意一种实现方式。

57、本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述车辆声浪合成方法中的任意一种实现方式。

58、本技术实施例还提供了一种计算机程序产品，所述计算机程序产品在终端设备上运行时，使得所述终端设备执行上述车辆声浪合成方法中的任意一种实现方式。

59、本技术实施例提供的一种车辆声浪合成方法、装置、存储介质及设备，首先采集目标车辆的发动机控制参数，然后将目标车辆的发动机控制参数输入至预先构建的车辆声浪合成模型进行声浪合成处理，得到合成后的声浪，并在目标车辆内播放该合成后的声浪；其中，车辆声浪合成模型包括参数编码层、流模型、解码层；该车辆声浪合成模型是基于初始化变分自编码器结构、参数编码层的参数变分自编码器结构，以及流模型和解码层的初始化结构，利用预先采集的普通发动机控制参数对预先采集的声浪信号进行重构训练得到的。

60、可见，由于本技术是通过先基于初始化变分自编码器结构、参数变分自编码器结构，以及流模型和解码层的初始化结构，利用预先采集的普通发动机控制参数对预先采集的声浪信号进行重构训练构建了车辆声浪合成模型，有效提升了模型的合成声浪效果，对训练所采用的声浪信号要求也较低，从而在利用该车辆声浪合成模型对目标车辆的发动机控制参数进行声浪合成时，可以有效提高合成结果的准确率，进而提高了声浪合成效果，使得用户的听感更加自然，进而提高了用户的驾驶体验。