共找到 2 篇文章，
当前第 1 / 1 页
...终端内部集成了高性能的DSP（数字信号处理器）或低功耗AI芯片，实现边缘计算。 FFT（快速傅里条变换）：在终端侧直接将时域信号转化为频域信号，计算频谱特征。 声纹识别算法：通过预训练的深度学习模型（如CNN卷积神经网络），终端不仅能输出分贝值（dB），还能识别噪声的“类别”。例如，它是属于“车辆经过声”、“施工机械声”还是“轴承摩擦声”。 数据压缩与过滤：边缘层仅上传异常波动数据或特征参数，而非...
...能够捕捉细微的声学变化。 环境融合传感器：结合温湿度、气压传感器，因为声波在不同介质下的传播特性会随环境变化，为后续的算法补偿提供数据支撑。 2. 边缘计算层：声纹识别与特征提取（核心技术突破） 这是实现“降噪管控”智能化的关键。如果所有的音频数据都传回云端，会造成极大的带宽压力和隐私风险。因此，必须在边缘侧（Edge Computing）完成核心任务： 声学特征提取：利用数字信号处理（DSP）技...
1