技术特征：
1.一种基于神经网络的汽车内饰件表面发声调校系统，包括依次连接的麦克风、频响特性提取模块、基于神经网络的频响分析模块、dsp模块、功放模块和扬声器单元，其特征在于，包括，步骤1：开始校正；步骤2：判断所有的扬声器单元是否都已经完成校正，若是，则停止校正，若否，则进入步骤3；步骤3：选择一个未完成校正的扬声器单元；步骤4：播放白噪声，通过麦克风收集播放的声音并输出；步骤5：频响特性提取模块接收麦克风输出的声音信息，计算输出当前扬声器单元的实测频响特性；步骤6：基于神经网络的频响分析模块接收频响特性，计算当前扬声器单元的实测频响曲线与原厂预设频响曲线之间的差值，如果差值小于预定阈值，则进入步骤2，否则进入步骤7；步骤7：计算当前扬声器单元的实测频响曲线与上次的实测频响曲线之间的差值，如果差值小于预定阈值，则进入步骤2，否则进入步骤8；步骤8：频响分析模块通过计算当前扬声器单元的实测频响曲线，得出多组eq调节参数；步骤9：选择置信度λ大于设定值的eq调节参数，输入至dsp模块，用于dsp模块中eq调节参数，再重复步骤4。2.根据权利要求1所述的一种基于神经网络的汽车内饰件表面发声调校系统，其特征在于，所述步骤8中还包括，步骤8
‑
1：训练eq参数选择模型；步骤8
‑
2：在实测频响曲线的横坐标上频率范围为20hz
‑
20khz内，取m个的频率点，并使所有频率点在频率范围内均匀分布，其中m为大于1的整数；步骤8
‑
3：在实测频响曲线纵坐标上电平范围为20db
‑
100db内，均匀划分为m个区间；步骤8
‑
4：形成一个m*m网格，在对实测频响曲线进行电平校正之后，对于所述m*m网格，如果原厂预设频响曲线经过某个网格单元，则该单元的值设置为1，否则设置为0，得到一个m*m的矩阵，称为通道0；如果实测频响曲线经过某个网格单元，则该单元的值设置为1，否则设置为0，得到另外一个m*m的矩阵，称为通道1，将通道0与通道1组成一个维度为m*m*2的张量；步骤8
‑
5：将维度是m*m*2的张量输入eq参数选择模型，输出维度是n*4的张量，即得到n组eq调节参数，其中，n为大于1的整数，每组eq调节参数包括置信度λ、中心频率f、带宽b、增益g四个参数。3.根据权利要求2所述的一种基于神经网络的汽车内饰件表面发声调校系统，其特征在于，所述步骤8
‑
1具体包括，步骤a：采用反相传播算法构建eq参数选择模型；步骤b：获取原始训练数据，所述原始训练数据包括目标频响曲线、原始频响曲线和n个目标eq组，所述目标eq组用于将原始频响曲线调节至目标频响曲线，每个所述目标eq组包括中心频率，带宽，增益三个参数；
步骤c：原始训练数据处理，在原始频响曲线的横坐标上频率范围为20hz
‑
20khz内，取m个的频率点，并使所有频率点在频率范围内均匀分布，其中m为大于1的整数；在原始频响曲线纵坐标上电平范围为20db
‑
100db内，均匀划分为m个区间，形成一个m*m网格；在对原始频响曲线进行电平校正之后，对于所述m*m网格，如果目标频响曲线经过某个网格单元，则该单元的值设置为1，否则设置为0，得到一个m*m的矩阵，称为通道0；如果原始频响曲线经过某个网格单元，则该单元的值设置为1，否则设置为0，得到另外一个m*m的矩阵，称为通道1，将通道0与通道1组成一个维度为m*m*2的张量；步骤d:将维度是m*m*2的张量输入eq参数选择模型，输出维度是n*4的张量，即得到n个4维输出的实际值；步骤e：根据目标eq组的数据分别确定n个4维输出的目标值，具体包括，将20～20khz的范围取对数后平均划分为n份，取i＝1,2,...n，假设第i个频率段对应的中心频率范围的左右边界为fi
‑
1与fi，如果某个目标eq组的中心频率feq满足fi
‑
1≤feq＜fi，则将第i个4维输出设置为：1、该目标eq组的中心频率、该目标eq组的带宽、该目标eq组的增益；如果第i个频率段对应的中心频率范围内不包含任何目标eq组的中心频率，则将第i个4维输出设置为：0、sqrt(fi
‑
1fi)、(fi
‑
1+fi)/2、0；如果第i个频率段对应的中心频率内包含了多个目标eq组的中心频率，则将第i个4维输出设置为：0.5、sqrt(fi
‑
1fi)、这几个目标eq组中的最小带宽、这几个目标eq组的增益值之和；步骤f：训练eq参数选择模型，直到损失函数的值达到设定范围，eq参数选择模型训练完成；所述损失函数的计算公式为，其中，n表示4维输出的目标值的数量，λ
i
和λ
i
`分别是目标值的置信度与实际值的置信度，f和f`分别是目标值的中心频率与实际值的中心频率，b和b`分别是目标值的带宽与实际值的带宽，g和g`分别是目标值的增益与实际值的增益，f
i
‑1和f
i
分别是第i个目标eq组中心频率的下限频率与上限频率。4.根据权利要求1所述的一种基于神经网络的汽车内饰件表面发声调校系统，其特征在于，所述步骤9包括，步骤9
‑
1：选择置信度λ＞m的eq调节参数，其中0＜m＜1，m的取值根据实际需要给定，或者将多组eq调节参数按照置信度λ的值从大到小排列，根据实际可调数量选择前n个eq调节参数，其中1＜n＜n；步骤9
‑
2：将eq调节参数输入至dsp模块，用于dsp模块中eq调节参数。5.根据权利要求1所述的一种基于神经网络的汽车内饰件表面发声调校系统，其特征在于，所述麦克风设置在汽车主驾座椅靠枕位置，高度与人耳相近。6.根据权利要求1所述的一种基于神经网络的汽车内饰件表面发声调校系统，其特征在于，所述频响特性提取模块和频响分析模块均运行在arm架构的主控上。
技术总结
本发明涉及车载扬声器技术领域，提出了一种基于神经网络的汽车内饰件表面发声调校系统，通过扬声器收集扬声器单元发出的测试声音，由频响特性提取模块计算得到扬声器单元的频响特性，在经过频响分析模块计算，基于神经网络的算法下，得出多组EQ调节参数，再根据EQ调节参数的置信度选取合适的EQ调节参数输入到DSP模块，改写存储于DSP中的EQ调节参数，参照EQ调节参数自动对扬声器单元进行均衡调校，使得扬声器单元的频响特性尽可能维持在出厂时预设状态。解决了汽车内饰件表面发声扬声器因内饰件老化或者温度变化而导致的声学特性改变的情况的问题。改变的情况的问题。改变的情况的问题。
技术研发人员：闫冰 秦垠峰
受保护的技术使用者：上海紫荆桃李科技有限公司
技术研发日：2021.07.23
技术公布日：2021/10/8