本发明涉及车辆主动降噪，特别是涉及一种车辆降噪控制方法、一种车辆降噪控制装置、一种车辆和一种计算机可读存储介质。
背景技术：
1、车辆在运行期间会产生噪声；而噪声会影响驾驶员对道路状态的判断，也对乘客造成不适，降低乘坐舒适性。在相关技术中，对于主动降噪的方式多用于fxlms（有源噪声控制）算法或深度学习的方式。但fxlms算法对于非线性场景的降噪效果差，鲁棒性差。深度学习可以适应于非线性场景，但训练时间长，对于在车辆这种实时且噪声随机的场景下，实时降噪效果差。可这两种方式都会导致车辆的主动降噪效果差。
技术实现思路
1、鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种车辆降噪控制方法、一种车辆降噪控制装置、一种车辆和一种计算机可读存储介质。
2、为了解决上述问题，在本发明的第一个方面，本发明实施例公开了一种车辆降噪控制方法，包括：
3、获取次级通道模型；
4、检测经过所述次级通道模型的当前时刻音频特征数据；
5、依据所述当前时刻音频特征数据确定当前滤波器系数；
6、基于所述当前滤波器系数对所述当前时刻音频特征数据进行降噪控制，生成实时降噪信号；
7、依据所述当前时刻音频特征数据和所述实时降噪信号更新所述当前滤波器系数。
8、可选地，所述当前时刻音频特征数据包括当前参考信号和当前误差信号，所述依据所述当前时刻音频特征数据和所述实时降噪信号更新所述当前滤波器系数的步骤包括：
9、采用所述当前参考信号、所述当前误差信号和所述实时降噪信号，对预设降噪模型进行训练，得到目标滤波器系数；
10、基于所述目标滤波器系数更新所述当前滤波器系数。
11、可选地，所述预设降噪模型通过如下方式训练得到：
12、获取历史训练集、训练回合数和预设初始模型；
13、采用所述历史训练集对所述预设初始模型进行训练，确定当前训练周期数和训练误差值；
14、执行所述采用所述历史训练集对所述预设初始模型进行训练的步骤，直至所述当前训练周期数与所述训练回合数匹配，和/或所述训练误差值小于预设误差值。
15、可选地，所述基于所述目标滤波器系数更新所述当前滤波器系数的步骤包括：
16、当所述目标滤波器系数对应的误差值小于所述当前滤波器系数对应的误差值时，采用所述目标滤波器系数替换所述当前滤波器系数。
17、可选地，所述当前时刻音频特征数据还包括当前时间信息，所述依据所述当前时刻音频特征数据确定当前滤波器系数的步骤包括：
18、基于所述当前时间信息的对应时间，确定所述预设降噪模型的训练状态；
19、基于所述预设降噪模型的训练状态确定当前滤波器系数。
20、可选地，所述基于所述预设降噪模型的训练状态确定当前滤波器系数的步骤包括：
21、在所述预设降噪模型的训练状态为训练完成的情况下，获取所述目标滤波器系数作为当前滤波器系数；
22、在所述预设降噪模型的训练状态为训练未完成的情况下，确定历史滤波器系数为当前滤波器系数。
23、可选地，获取次级通道模型的步骤包括：
24、通过次级通道辨识技术分别获取各扬声器到各误差传感器的次级通道模型。
25、在本发明的第二个方面，本发明实施例公开了一种车辆降噪控制装置，包括：
26、获取模块，用于获取次级通道模型；
27、检测模块，用于检测经过所述次级通道模型的当前时刻音频特征数据；
28、确定模块，用于依据所述当前时刻音频特征数据确定当前滤波器系数；
29、控制模块，用于基于所述当前滤波器系数对所述当前时刻音频特征数据进行降噪控制，生成实时降噪信号；
30、更新模块，用于依据所述当前时刻音频特征数据和所述实时降噪信号更新所述当前滤波器系数。
31、在本发明的第三个方面，本发明实施例公开了一种车辆，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的车辆降噪控制方法的步骤。
32、在本发明的第四个方面，本发明实施例公开了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的车辆降噪控制方法的步骤。
33、本发明实施例包括以下优点：
34、本发明实施例通过获取次级通道模型；检测经过所述次级通道模型的当前时刻音频特征数据；依据所述当前时刻音频特征数据确定当前滤波器系数；基于所述当前滤波器系数对所述当前时刻音频特征数据进行降噪控制，生成实时降噪信号；依据所述当前时刻音频特征数据和所述实时降噪信号更新所述当前滤波器系数。通过将实时的当前时刻音频特征数据对当前滤波器系数进行更新，可以保证降噪控制的连续性；并使用当前滤波器系数进行降噪控制，从而可以在非线性场景下也能进行有效的主动降噪，提高非线性适用性和鲁棒性，进而提高车辆的主动降噪效果。
1.一种车辆降噪控制方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述当前时刻音频特征数据包括当前参考信号和当前误差信号，所述依据所述当前时刻音频特征数据和所述实时降噪信号更新所述当前滤波器系数的步骤包括：
3.根据权利要求2所述的方法，其特征在于，所述预设降噪模型通过如下方式训练得到：
4.根据权利要求2所述的方法，其特征在于，所述基于所述目标滤波器系数更新所述当前滤波器系数的步骤包括：
5.根据权利要求2所述的方法，其特征在于，所述当前时刻音频特征数据还包括当前时间信息，所述依据所述当前时刻音频特征数据确定当前滤波器系数的步骤包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述预设降噪模型的训练状态确定当前滤波器系数的步骤包括：
7.根据权利要求1所述的方法，其特征在于，所述获取次级通道模型的步骤包括：
8.一种车辆降噪控制装置，其特征在于，包括：
9.一种车辆，其特征在于，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-7任一项所述的车辆降噪控制方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的车辆降噪控制方法的步骤。