本发明属于轨道车辆，尤其是涉及一种车厢主动降噪系统及主动降噪方法。
背景技术：
1、国际上，已把噪声列为七大环境公害之一，各国研究机构已经开始着手研究噪声的污染规律、产生原因、传播途径和控制方法，以及对人体的危害问题。
2、轨道交通方面，随着车辆提速和轻型化，车内噪音已成为列车运行中一个重要问题。但是轨道交通声场环境复杂，声源众多，主要噪声来源是轮轨噪声，除此之外，空调、传动系统、排气装置等都会产生噪声。
3、传统的降噪装置是在车体内安装消音棉，但是这种降噪方式不能完全消除噪音，而且在不同温度、不同湿度、不同载荷下等，轮轨噪音的频谱也不相同，而消音棉是固定的，无法兼容所有噪声频谱，这样就会大大降低消音效果。
技术实现思路
1、本发明旨在解决传统轨道车辆降噪装置不能完全消除噪音，无法兼容所有噪声频谱的问题，从而提供一种基于语义识别模型的车厢主动降噪方法，大大降低车厢内噪声，提升乘客的乘车体验。
2、为实现上述发明目的，本发明提供一种基于语义识别模型的车厢主动降噪系统，包括噪声采集模块、噪声预处理模块、音频特征提取模块、轨道交通噪声识别模型、模式匹配模块、后处理模块、主控单元、定向声学系统；
3、所述噪声采集模块用于通过声学传感器实时采集原始的噪声频谱，并将声音信号转为电信号送给噪声预处理模块；
4、所述噪声预处理模块用于对采集的原始的噪声频谱进行处理，通过预处理模块对声音进行归一分类，并将预处理后的噪音信号发送给音频特征提取模块；
5、所述音频特征提取模块用于将预处理后的噪音信号与在时域和频域均具有良好局部化性质的函数进行积分，把噪声信号分解成不同频率和时间内的分量，并基于听语义识别技术从噪声信号中提取噪声特征序列，并发送给模式匹配模块；
6、模式匹配模块内有轨道交通噪声识别模型，所述轨道交通噪声识别模型包括轨道交通轮轨、设备、传动系统多种噪声训练集，并对各种噪声源针对各种车型和环境建立训练子集，按照不同类型的数据模拟算法，对噪声训练子集的数据进行增强训练，形成优化的轨道交通噪声识别模型；
7、所述模式匹配模块用于将输入的待识别噪声特征序列与模型有关参数进行匹配距离计算和比较，最终得到噪声最佳匹配识别结果，并发送给后处理模块；
8、所述后处理模块用于根据匹配识别结果，识别出噪声频率、声压级、噪声来源设备，并把结果传输给主控单元；
9、所述主控单元用于根据直达声、透射声和振动辐射声不同的噪声类型，输出反相位信号频率音频信号到对应的定向声学系统；
10、所述定向声学系统设置在车厢四周的车厢外壁和内壁之间，用于对于直达声以及透射声，功放单元驱动对应定向喇叭发出与噪声相位相反的音频。
11、进一步地，所述对采集的原始的噪声频谱进行处理包括ad转换、滤除20hz～20khz以外的频率信号、根据噪声特征参数对信号进行端点检测、分帧。
12、进一步地，所述轨道交通噪声识别模型包括输入端、模型骨干网络、模型颈部、模型输出端，模型输入端用于为设定数量的噪声训练样本图像，对噪声信号进行频域特征提取以及构建分类器对噪声特征进行训练；模型骨干网络用于对训练噪声的特征提取、特征融合；模型颈部用于采用特征路径聚合来对提取得到的不同层次噪声图像特征进行融合处理；模型输出端包括置信度、类别概率、边界框位置，用于输出噪声的大小和类别信息。
13、一种采用上述的基于语义识别模型的车厢主动降噪系统的主动降噪方法，所述噪声采集模块通过声学传感器实时采集原始的噪声频谱，并将声音信号转为电信号送给噪声预处理模块；
14、所述噪声预处理模块对采集的原始的噪声频谱进行处理，将预处理后的噪音信号发送给音频特征提取模块；
15、所述音频特征提取模块将噪音信号与在时域和频域均具有良好局部化性质的函数进行积分，把噪声信号分解成不同频率和时间内的分量，并基于听语义识别技术从噪声信号中提取噪声特征序列，并发送给模式匹配模块；
16、所述模式匹配模块将输入的待识别噪声特征序列与轨道交通噪声识别模型有关参数进行匹配距离计算和比较，最终得到噪声最佳匹配识别结果，并发送给后处理模块；
17、所述后处理模块根据匹配识别结果，识别出噪声频率、声压级、噪声来源设备，并把结果传输给主控单元；
18、所述主控单元根据直达声、透射声和振动辐射声等不同的噪声类型，输出反相位信号频率音频信号到对应的定向声学系统；
19、所述定向声学系统用于对于直达声以及透射声，功放单元驱动对应定向喇叭发出与噪声相位相反的音频。
20、进一步地，所述对采集的原始的噪声频谱进行处理包括ad转换、滤除20hz～20khz以外的频率信号、根据噪声特征参数对信号进行端点检测、分帧。
21、进一步地，所述轨道交通噪声识别模型包括输入端、模型骨干网络、模型颈部、模型输出端，模型输入端为设定数量的噪声训练样本图像，对噪声信号进行频域特征提取以及构建分类器对噪声特征进行训练；模型骨干网络对训练噪声的特征提取、特征融合；模型颈部采用特征路径聚合来对提取得到的不同层次噪声图像特征进行融合处理；型输出端包括置信度、类别概率、边界框位置，输出噪声的大小和类别信息。
22、本发明通过语义识别降噪技术，识别出噪声频谱，之后噪声识别模型对噪声频谱进行分析，根据模型数据库，判断噪声来源。并对噪声频谱识别出噪声的频率，之后通过安装在车体内的定向声学系统，实时发出相位相反的频率声音，实现环境噪声抵消，实现车厢对应噪声的主动降噪。
1.一种基于语义识别模型的车厢主动降噪系统，其特征在于：包括噪声采集模块、噪声预处理模块、音频特征提取模块、轨道交通噪声识别模型、模式匹配模块、后处理模块、主控单元、定向声学系统；
2.根据权利要求1所述的一种基于语义识别模型的车厢主动降噪系统，其特征在于：所述对采集的原始的噪声频谱进行处理包括ad转换、滤除20hz～20khz以外的频率信号、根据噪声特征参数对信号进行端点检测、分帧。
3.根据权利要求1所述的一种基于语义识别模型的车厢主动降噪系统，其特征在于：所述轨道交通噪声识别模型包括输入端、模型骨干网络、模型颈部、模型输出端，模型输入端用于为设定数量的噪声训练样本图像，对噪声信号进行频域特征提取以及构建分类器对噪声特征进行训练；模型骨干网络用于对训练噪声的特征提取、特征融合；模型颈部用于采用特征路径聚合来对提取得到的不同层次噪声图像特征进行融合处理；模型输出端包括置信度、类别概率、边界框位置，用于输出噪声的大小和类别信息。
4.一种采用权利要求1所述的基于语义识别模型的车厢主动降噪系统的主动降噪方法，其特征在于，
5.据权利要求4述的一种主动降噪方法，其特征在于：所述对采集的原始的噪声频谱进行处理包括ad转换、滤除20hz～20khz以外的频率信号、根据噪声特征参数对信号进行端点检测、分帧。
6.据权利要求5述的一种主动降噪方法，其特征在于：所述轨道交通噪声识别模型包括输入端、模型骨干网络、模型颈部、模型输出端，模型输入端为设定数量的噪声训练样本图像，对噪声信号进行频域特征提取以及构建分类器对噪声特征进行训练；模型骨干网络对训练噪声的特征提取、特征融合；模型颈部采用特征路径聚合来对提取得到的不同层次噪声图像特征进行融合处理；型输出端包括置信度、类别概率、边界框位置，输出噪声的大小和类别信息。