1.本技术涉及降噪技术领域，尤其涉及一种无人机机库的降噪方法、装置、计算机设备和存储介质。
背景技术：
2.随着无人机技术的发展，随着无人机机库的推广部署，无人机运用逐渐步入“无人化”。由于负荷中心就是居民聚集的中心，也是巡视的重点，为了快速查找故障点、有效对更多的线路进行巡视，机库往往会部署在居民楼顶或者配电房等楼顶，但是随之而来的，机库的噪音在晚上越发明显，已经上升到投诉、举报等后果，制约着固定机库的部署，而隔音材料的简单覆盖，并无法有效降低固定机库的噪音，由于无人机固定机库正常运行时需要经常开合，势必无法像变压器等设备一样静态消除。因此，亟需一种动态的、可以降低噪音的手段。
技术实现要素：
3.本技术的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中无人机机库的噪声过大的技术缺陷。
4.第一方面，本技术提供了一种无人机机库的降噪方法，在无人机机库内设置了扬声器单元和多个第一声音传感器，第一声音传感器用于采集噪声数据，降噪方法包括：
5.获取多个第一声音传感器所采集的历史噪声数据；
6.根据历史噪声数据，构建p阶的自回归模型；自回归模型包括自回归系数；
7.根据自回归模型，构建状态空间模型；状态空间模型包括噪声状态变量和控制输入变量，自回归系数用于生成噪声状态变量的常数项；
8.将包括当前时刻以及与当前时刻相邻的时刻的p个噪声数据，向状态空间模型中的噪声状态变量赋值，得到下一时刻的预测状态变量，并基于下一时刻的预测状态变量，采用递归的方式向状态空间模型中的噪声状态变量赋值，以得到未来n个时刻预测状态变量；
9.根据各预测状态变量，得到对应的预测噪声输出变量；
10.根据各预测噪声输出变量和预期输出噪声，构建目标函数；目标函数用于反映各预测噪声输出变量与预期输出噪声之间的误差；
11.根据预设约束条件，以最小化目标函数为目标进行求解，得到控制输入变量的解，并根据求解结果，控制扬声器单元产生抵消声波信号。
12.在其中一个实施例中，预设约束条件包括以下至少一项：
13.控制输入变量的幅值不超过扬声器单元的最大输出能力；
14.预测状态变量的幅值处于第二限制范围；
15.预测噪声输出变量的幅值处于第一限制范围。
16.在其中一个实施例中，根据各预测噪声输出变量和预期输出噪声，构建目标函数，包括：
17.分别计算各预测噪声输出变量与预期输出噪声之间的差的平方，并进行求和，得到目标函数。
18.在其中一个实施例中，对目标函数进行求解方式包括线性二次规划法。
19.在其中一个实施例中，扬声器单元的设置位置由以下步骤确定：
20.确定一个以上的降噪方向；
21.对于任意一个降噪方向，在降噪方向上按照预设间距设置两个以上的测点，并在每个测点设置第二声音传感器；其中一个测点位于无人机机库的表面；
22.保持无人机机库在运行状态、扬声器单元在关闭状态，将与表面对应的采集数据与其余各测点对应的采集数据进行比较，得到第一传递特性；
23.保持无人机机库在关闭状态、使扬声器单元播放预设音频，将与表面对应的采集数据与其余各测点对应的采集数据进行比较，得到第二传递特性；
24.根据第一传递特性与第二传递特性之间的差异，对扬声器单元的设置位置进行调整，并在调整完成后返回保持无人机机库在关闭状态、使扬声器单元播放预设音频，将与表面对应的采集数据与其余各测点对应的采集数据进行比较，得到第二传递特性的步骤继续执行，直至第二传递特性与第一传递特性之间的差异符合误差要求。
25.在其中一个实施例中，无人机机库的底座设置有可调避震单元，在无人机机库的底座的接触面，设置有一个以上的振动传感器，振动传感器用于采集振动数据，降噪方法还包括：
26.根据振动数据，调节可调避震单元的避震阻尼；其中，振动数据越强，则避震阻尼越大。
27.在其中一个实施例中，预期输出噪声为低于人耳感知阈值的信号。
28.第二方面，本技术提供了一种无人机机库的降噪装置，在无人机机库内设置了扬声器单元和多个第一声音传感器，第一声音传感器用于采集噪声数据，降噪装置包括：
29.数据获取模块，用于获取多个第一声音传感器所采集的历史噪声数据；
30.第一建模模块，用于根据历史噪声数据，构建p阶的自回归模型；自回归模型包括自回归系数；
31.第二建模模块，用于根据自回归模型，构建状态空间模型；状态空间模型包括噪声状态变量和控制输入变量，自回归系数用于生成噪声状态变量的常数项；
32.递归模块，用于将包括当前时刻以及与当前时刻相邻的时刻的p个噪声数据，向状态空间模型中的噪声状态变量赋值，得到下一时刻的预测状态变量，并基于下一时刻的预测状态变量，采用递归的方式向状态空间模型中的噪声状态变量赋值，以得到未来n个时刻预测状态变量；
33.噪声预测模块，用于根据各预测状态变量，得到对应的预测噪声输出变量；
34.目标函数构建模块，用于根据各预测噪声输出变量和预期输出噪声，构建目标函数；目标函数用于反映各预测噪声输出变量与预期输出噪声之间的误差；
35.输出模块，用于根据预设约束条件，以最小化目标函数为目标进行求解，并根据求解结果，控制扬声器单元产生抵消声波信号。
36.第三方面，本技术提供了一种计算机设备，包括一个或多个处理器，以及存储器，存储器中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，执行上述
任一实施例中的无人机机库的降噪方法的步骤。
37.第四方面，本技术提供了一种存储介质，存储介质中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例中的无人机机库的降噪方法的步骤。
38.从以上技术方案可以看出，本技术实施例具有以下优点：
39.基于上述任一实施例，利用折边缺陷检测系统中可分区域控制的光源，当需要检测任意目标折边时，开启该目标折边相对区域的光源，对目标折边进行均匀打光，有效的消除折边圆弧角反光及成像不均匀的问题，基于低干扰噪声的第一图像进行图像识别，可准确判断待测物体的折边是否存在缺陷。
附图说明
40.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
41.图1为本技术一个实施例提供的无人机机库的降噪方法的流程示意图；
42.图2为本技术一个实施例提供的计算机设备的内部结构图。
具体实施方式
43.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
44.本技术提供了一种无人机机库的降噪方法，在无人机机库内设置了扬声器单元和多个第一声音传感器。可以理解，多个第一声音传感器将按照阵列的方式围绕无人机机库的内部进行设置，由于无人机机库内的设备有很多，每个设备都可能发出噪声，每个方向上可感受到的噪音都可能不相同，通过该种设置方式，可以更全面的采集无人机机库作为整体噪声源的情况。而扬声器单元是用于产生与无人机机库的噪声相抵消的声波信号的设备，即本实施例采用的主动噪声消除的方式消除无人机机库的噪声。具体而言，请参阅图1，降噪方法包括步骤s102至步骤s114。
45.s102，获取多个第一声音传感器所采集的历史噪声数据。
46.可以理解，在无人机机库运行时，各第一声音传感器会在每个采集时刻采集当前的噪声数据，本实施例将这些噪声数据存储，形成历史噪声数据。
47.s104，根据历史噪声数据，构建p阶的自回归模型。自回归模型包括自回归系数。
48.自回归模型是一种用于描述时间序列数据的统计模型，它假设当前时刻的数据可以用之前p个时刻的数据的线性组合来表示，其中p为正整数，称为自回归阶数。每个第一声音传感器所采集到的噪声数据都可以用对应的自回归模型进行描述，利用表达式描述即为：
49.50.其中，x(t)是时间点t的噪声数据，c为常数项，ai为第i个自回归系数，p为自回归模型的阶数，w(t)是无法预测的过程噪声。传统技术中已有许多较为成熟的技术可利用历史数据进行建模，得到自回归模型，例如最小二乘法、最大似然法等，具体可参考现有技术。而自回归模型的阶数选取方式也有很多，例如，赤池信息准则、贝叶斯信息准则等。
51.s106，根据自回归模型，构建状态空间模型。状态空间模型包括噪声状态变量和控制输入变量，自回归系数用于生成噪声状态变量的常数项。
52.可以理解，每个噪声数据可以用一个以噪声的状态作为状态变量，扬声器单元输出的抵消声波信号作为控制输入变量，第一声音传感器采集到的噪声数据为输出变量的离散时间的状态空间，如：
53.x(k 1)＝a*x(k) u(k) w(k)
54.y(k)＝c*x(k) v(k)
55.其中，a*x(k)即为噪声状态变量，x(k)是一个p
×
1的矩阵，其内的p个元素分别代表从k时刻开始向前，一共p个时刻的噪声状态，a是一个p
×
p的矩阵，其第一行为自回归系数，其余行为单位下三角矩阵。u(k)即为控制输入变量，其是一个p
×
1的矩阵，其内的第一个元素分别代表在k时刻向无人机机库中放出的抵消声波信号，其余元素为0。w(k)是一个p
×
1的向量，代表自回归模型中的过程噪声，可选择第一个元素为白噪声ε(k)，其余元素为零。由于假设噪声模型是一个自回归模型，而自回归模型的输出就是当前时刻的状态。所以，我们只需要用状态向量的第一个元素来表示噪声的输出，而不需要其他的元素。这样，我们就可以简化噪声模型的输出方程，让它更容易处理。因此，c为一个1
×
p的矩阵，其第一个元素为1，其余元素为零；v(k)是一个标量，表示第一声音传感器的测量噪声。
56.s108，将包括当前时刻以及与当前时刻相邻的时刻的p个噪声数据，向状态空间模型中的噪声状态变量赋值，得到下一时刻的预测状态变量，并基于下一时刻的预测状态变量，采用递归的方式向状态空间模型中的噪声状态变量赋值，以得到未来n个时刻预测状态变量。
57.完成上述建模工作以后，即可利用状态空间模型，预测未来的噪声变化。具体而言，对于任意一个第一声音传感器，将当前时刻以及与当前时刻之前的p个噪声数据代入上述表达式的x(k)中，得到的x(k 1)即为下一时刻的预测状态变量。再将x(k 1)依次递归代入，即可得到多个预测状态变量x(k 2)..x(k n)。每个预测状态变量中的第一个元素，即为包含有以抵消声波信号为未知量的噪声状态。
58.s110，根据各预测状态变量，得到对应的预测噪声输出变量。
59.可以理解，由于本技术进行了简化处理，噪声状态即为噪声数据，每个预测状态变量中的第一个元素，即为包含有以抵消声波信号为未知量的噪声数据。
60.s112，根据各预测噪声输出变量和预期输出噪声，构建目标函数。目标函数用于反映各预测噪声输出变量与预期输出噪声之间的误差。
61.可以理解，预期输出噪声即为期望中，经过主动噪声抑制后的噪声数据。每个第一声音传感器都将对应n个预测状态变量，可以将每个预测状态变量中的第一个元素都与预期输出噪声进行比较，再将所有比较结果进行求和，得到目标函数。假设有m个第一声音传感器，则将会有m
×
n个误差项进行求和。将所有第一声音传感器的误差项分别计算再求和，该目标函数的值即可反映经过主动噪声抵消后，整个无人机机库周围的整体噪声水平。具
体而言，为了更好的反映误差大小，可以分别计算各预测噪声输出变量与预期输出噪声之间的差的平方，并进行求和，得到目标函数。
62.s114，根据预设约束条件，以最小化目标函数为目标进行求解，并根据求解结果，控制所述扬声器单元产生抵消声波信号。
63.可以理解，预设约束条件是根据噪声的实际物理特性、扬声器单元的输出能力等所设置的、对目标函数的优化进行约束的条件。具体而言，可以包括以下至少一项：控制输入变量的幅值不超过扬声器单元的最大输出能力。预测状态变量的幅值处于第二限制范围。预测噪声输出变量的幅值处于第一限制范围。
64.目标函数的值即可反映经过主动噪声抵消后，整个无人机机库周围的整体噪声水平，该值越小，则代表降噪效果越好。而目标函数是以控制输入变量作为未知量的函数，以最小化目标函数为目标进行求解，即可求得向无人机机库内播放何种抵消声波信号可以使得抵消后的噪声数据与预期输出噪声之间的误差最小化。求解的方式可根据目标函数以及预设约束条件的类型来确定。如使用上述差的平方和的方式，可采用线性二次规划来求解。
65.基于本实施例中的降噪方法，在无人机机库内设置了多个第一声音传感器，更全面的采集无人机机库内各设备发出的噪声，并基于各第一声音传感器采集到的历史噪声数据，构建自回归模型。无人机机库可利用离散状态空间描述，利用自回归模型中得到的系数，构建该状态空间模型。再利用状态空间模型预测未来n个周期的预测噪声输出变量，再基于预测噪声输出变量与预期输出噪声之间误差，构建目标函数。最后，在预设约束条件下对目标函数求最小值，得到抵消声波信号。通过该抵消声波信号可以主动消除无人机机库中的噪声，有利于无人机机库的推广部署。
66.在其中一个实施例中，扬声器单元的设置位置由以下步骤确定：
67.(1)确定一个以上的降噪方向。
68.可以理解，以无人机机库为中心，降噪方向指的应消除噪声影响的方向，例如，无人机机库的某些方向为居民区，其他方向可以允许噪声存在，则将居民区存在的方向确定为降噪方向。
69.(2)对于任意一个降噪方向，在降噪方向上按照预设间距设置两个以上的测点，并在每个测点设置第二声音传感器。其中一个测点位于无人机机库的表面。
70.可以理解，第二声音传感器是在给传声器单元定位时使用的声音传感器，在每个降噪方向上都至少需要设置两个测点，安装于无人机机库表面的第二声音传感器所采集到的噪声数据，可以反映声音从无人机机库产生后，在降噪方向上还未传播时的波形。其他测点则反映声音在降噪方向上传播一定距离后的波形。
71.(3)保持无人机机库在运行状态、扬声器单元在关闭状态，将与表面对应的采集数据与其余各测点对应的采集数据进行比较，得到第一传递特性。
72.可以理解，与表面对应的采集数据即代表无人机机库产生噪声时，还未传播的原始噪声，而其他采集数据则代表原始噪声在噪声方向上传播一定距离后的噪声，将各传播后的噪声与原始噪声进行比较，即可得到无人机机库中的噪声在该降噪方向上传递对原始噪声产生的影响，即第一传递特性。
73.(4)保持无人机机库在关闭状态、使扬声器单元播放预设音频，将与表面对应的采集数据与其余各测点对应的采集数据进行比较，得到第二传递特性。
74.可以理解，与表面对应的采集数据即代表仅有扬声器单元发声时，还未传播的预设音频，而其他采集数据则代表预设音频在噪声方向上传播一定距离后的音频，将各传播后的音频与音频进行比较，即可得到扬声器单元所发出的声音在该降噪方向上传递对其所发出声音产生的影响，即第二传递特性。
75.(5)根据第一传递特性与第二传递特性之间的差异，对扬声器单元的设置位置进行调整，并在调整完成后返回保持无人机机库在关闭状态、使扬声器单元播放预设音频，将与表面对应的采集数据与其余各测点对应的采集数据进行比较，得到第二传递特性的步骤继续执行，直至第二传递特性与第一传递特性之间的差异符合误差要求。
76.可以理解，为了保证无人机机库和扬声器单元发出的声音在空气中传播后仍可很好地相互抵消，需要令这两个声源在降噪方向上有相似的传递特性，因此，可通过不断调整传声器单元的位置，并将位置调整后的新的第二传递特性与第一传递特性进行比较，最终找到可以使传声器单元具有与无人机机库相似传递特性的位置，将传声器单元保持在该位置上。
77.在其中一个实施例中，无人机机库的底座设置有可调避震单元，在无人机机库的底座的接触面，设置有一个以上的振动传感器，振动传感器用于采集振动数据。可以理解，考虑到无人机机库中的设备运行时会产生振动，该振动也会产生噪声，因此，本实施例设置了避震阻尼大小可调的避震单元，其可以用于消除振动，降噪方法还包括：根据振动数据，调节可调避震单元的避震阻尼。其中，振动数据越强，则避震阻尼越大。即本实施例中避震单元可根据振动的强弱自动调整避震阻尼的大小。
78.在其中一个实施例中，预期输出噪声为低于人耳感知阈值的信号。
79.在其中一个实施例中，在实际机巢运行中，为了保证各元器件正常工作，需要在内部安装空调，外部温度越高，制冷需求越高，压缩机等运作越频繁，噪音产生越明显，无人机机库内还可增加温度传感器，可以在历史噪声数据中一并加入温度记录，便于对噪声特性进行系统性分析。
80.本技术提供了一种无人机机库的降噪装置，在无人机机库内设置了扬声器单元和多个第一声音传感器，第一声音传感器用于采集噪声数据，降噪装置包括数据获取模块、第一建模模块、第二建模模块、递归模块、噪声预测模块、目标函数构建模块和输出模块。
81.数据获取模块用于获取多个第一声音传感器所采集的历史噪声数据。
82.第一建模模块用于根据历史噪声数据，构建p阶的自回归模型。自回归模型包括自回归系数。
83.第二建模模块，用于根据自回归模型，构建状态空间模型。状态空间模型包括噪声状态变量和控制输入变量，自回归系数用于生成噪声状态变量的常数项。
84.递归模块，用于将包括当前时刻以及与当前时刻相邻的时刻的p个噪声数据，向状态空间模型中的噪声状态变量赋值，得到下一时刻的预测状态变量，并基于下一时刻的预测状态变量，采用递归的方式向状态空间模型中的噪声状态变量赋值，以得到未来n个时刻预测状态变量。
85.噪声预测模块，用于根据各预测状态变量，得到对应的预测噪声输出变量。
86.目标函数构建模块，用于根据各预测噪声输出变量和预期输出噪声，构建目标函数。目标函数用于反映各预测噪声输出变量与预期输出噪声之间的误差。
87.输出模块，用于根据预设约束条件，以最小化目标函数为目标进行求解，得到控制输入变量的解，并根据求解结果产生抵消声波信号。
88.本技术提供了一种计算机设备，包括一个或多个处理器，以及存储器，存储器中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，执行上述任一实施例中的无人机机库的降噪方法的步骤。
89.示意性地，如图2所示，图2为本技术实施例提供的一种计算机设备的内部结构示意图。参照图2，计算机设备200包括处理组件202，其进一步包括一个或多个处理器，以及由存储器201所代表的存储器资源，用于存储可由处理组件202的执行的指令，例如应用程序。存储器201中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件202被配置为执行指令，以执行上述任意实施例的无人机机库的降噪方法的步骤。
90.计算机设备200还可以包括一个电源组件203被配置为执行计算机设备200的电源管理，一个有线或无线网络接口204被配置为将计算机设备200连接到网络，和一个输入输出(i/o)接口205。计算机设备200可以操作基于存储在存储器201的操作系统，例如windows server tm、mac os xtm、unix tm、linux tm、free bsdtm或类似。
91.本领域技术人员可以理解，图2中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
92.本技术提供了一种存储介质，存储介质中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例中的无人机机库的降噪方法的步骤。
93.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
94.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间可以根据需要进行组合，且相同相似部分互相参见即可。
95.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。