买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈曼国际工业有限公司

摘要：本公开提供一种用于对从第一路面类型行驶到第二路面类型的车辆中的道路噪声消除系统应用一组道路噪声消除参数的系统和方法，所述一组道路噪声消除参数与车辆类型、轮胎类型、路面类型或车辆位置相关联。所述系统和方法收集数据并将其与数据库中的所述一组道路噪声消除参数进行比较以识别所述车辆何时从第一路面类型行驶到第二路面类型，并且在识别出所述车辆已经从第一路面类型行驶到第二路面类型时，应用所述数据库中对于所述第二路面类型优化所述道路噪声消除系统的一组调整的道路噪声消除参数。

主权项：1.一种用于在具有道路噪声消除系统的车辆上进行道路噪声消除的方法，其中所述道路噪声消除系统是自适应最小均方系统，其基于来自位于车辆悬架系统周围各位置的传感器的加速度输入和位于车辆车厢内各位置的传声器的信号来连续适应滤波器，所述方法在一种装置上实施，所述装置具有包括非暂时性计算机可读存储介质的处理单元，所述处理单元能够执行软件程序的指令，所述方法包括以下步骤：确定用于所述道路噪声消除系统的一组道路噪声消除参数，所述一组道路噪声消除参数与车辆类型、轮胎类型、路面类型或车辆位置相关联；编程数据库，所述数据库将从一个或多个车辆收集的数据与优化道路噪声消除系统性能的所述一组道路噪声消除参数相关联；将从一个或多个车辆收集的数据与所述数据库中的所述一组道路噪声消除参数和道路噪声消除系统性能阈值进行比较；识别所述车辆已经从第一路面类型行驶到第二路面类型；以及在识别出所述车辆已经从第一路面类型行驶到第二路面类型时，调整优化所述道路噪声消除系统的所述一组道路噪声消除参数。

全文数据：用于连续优化的道路噪声消除的方法和设备技术领域本发明的主题涉及道路噪声消除，并且更具体地涉及一种具有道路类型识别的道路噪声消除系统。背景技术有源噪声控制ANC系统使用前馈和反馈结构来衰减不期望的噪声，以在诸如车厢内的收听环境内自适应地去除不期望的噪声。在车厢收听环境中，不期望噪声的潜在来源来自车辆轮胎与车辆行驶的路面之间的相互作用。道路噪声消除RNC系统是在车辆上实施以最小化车厢内不期望的道路噪声的特定ANC系统。RNC系统使用振动传感器来感测由轮胎和道路接触面产生的道路引起的振动，所述道路引起的振动导致不希望的道路噪声。然后，通过使用扬声器产生与要在一个或多个收听者耳朵处减小的噪声理想地相位相反且量值相同的声波来消除车厢内的这种不希望的道路噪声，或降低车厢内的这种不希望的道路噪声的水平。RNC系统是自适应最小均方LMS系统，其基于来自位于车辆悬架系统周围各种位置的传感器的加速度输入和位于车辆车厢内各种位置的传声器的信号来连续地适应W滤波器。当车辆在运行时，例如沿着第一路面即，铺砌行驶，并且路面变为第二表面即，砾石时，RNC系统必须适应。可能花费几分钟才能实现最佳的道路噪声消除，因为系统是从其先前的状态开始适应，所述先前的状态已针对第一路面进行了连续优化。在RNC系统收敛到新的最佳状态所花费的时间期间，道路噪声消除系统的输出可能是次优的，这可能有损于用户在车厢收听环境中的体验。在初始适应时间期间，收听者耳朵位置处的车厢内噪声水平将高于系统完全适应时的水平。需要一种道路噪声消除系统，其根据应用W滤波器的一组预定调节参数和产生识别的特定道路类型的最佳RNC的其他道路类型优化参数进行道路类型识别。发明内容一种用于在道路噪声消除系统的车辆上进行道路噪声消除的系统和方法，所述道路噪声消除系统具有用于道路噪声消除系统的一组道路噪声消除参数，每组道路噪声消除参数与车辆类型、轮胎类型、路面类型或车辆位置相关联。数据库将从一个或多个车辆收集的数据与优化道路噪声消除系统性能的一组道路噪声消除参数相关联。当从一个或多个车辆收集数据时，将所述数据与数据库中的一组道路噪声消除参数和道路噪声消除系统性能阈值进行比较。在识别出车辆已经从第一路面类型行驶到第二路面类型时，如从收集并比较的数据所确定的，调整一组道路噪声消除参数以优化道路噪声消除。一种包括程序的计算机可读介质，所述程序在由一个或多个处理器执行时执行以下操作：对于在第一路面类型上行驶的车辆中的道路噪声消除系统应用一组道路噪声消除参数，所述一组道路噪声消除参数与车辆类型、轮胎类型、路面类型或车辆位置相关联。收集数据并将其与数据库中的所述一组道路噪声消除参数进行比较，以识别所述车辆何时从第一路面类型行驶到第二路面类型，并且在识别出所述车辆已经从第一路面类型行驶到第二路面类型时，应用所述数据库中对于所述第二路面类型的所述道路噪声消除系统的所述一组道路噪声消除参数。附图说明图1是示例性RNC系统的框图；图2是道路类型表；图3是包括基于云的通信的系统图；图4是包括涉及多个车辆的基于云的通信的系统图；图5是一种或多种方法的流程图；并且图6是包括自适应算法方法的系统图。附图中的元件和步骤是为了简单和清楚起见而示出，并且并不一定根据任何特定顺序呈现。例如，附图中示出了可同时或以不同顺序执行的步骤以有助于改进对本发明主题的实施方案的理解。具体实施方式虽然参考特定说明性实施方案描述本发明主题的各个方面，但是本发明主题并不限于此类实施方案，并且可以在不脱离本发明主题的情况下实现额外修改、应用和实施方案。在附图中，同样的附图标记将用于示出相同部件。本领域技术人员将认识到，在不脱离本发明主题的范围的情况下，可以更改本文阐述的各种部件。本文所述的服务器、接收器或装置中的任何一个或多个包含可以从使用多种编程语言和或技术创建的计算机程序编译或解译的计算机可执行指令。一般来说，处理器诸如微处理器例如从存储器、计算机可读介质等接收指令，并执行所述指令。处理单元包含能够执行软件程序的指令的非暂时性计算机可读存储介质。所述计算机可读存储介质可以是但不限于电子存储装置、磁性存储装置、光学存储装置、电磁存储装置、半导体存储装置或其任何合适组合。本文中的任何一个或多个装置可以依赖于固件，所述固件可能不时需要更新以确保与操作系统的兼容性、改进和额外功能、安全更新等。连接和联网服务器、接收器或装置可以包括但不限于SATA、Wi-Fi、闪电、以太网、UFS、5G等。一个或多个服务器、接收器或装置可以使用专用操作系统、多个软件程序和或平台来操作，用于诸如图形、音频、无线网络、启用应用程序、车辆部件的集成硬件、系统和诸如智能手机、平板电脑和其他系统之类的外部装置等接口。图1示出了具有道路噪声消除RNC系统104的车辆102的框图100，其中一个或多个振动传感器108设置在整个车辆102中以监测车辆的悬架110、其他轴部件和底盘的振动行为。RNC系统104是宽带前馈和反馈有源噪声控制框架，其通过对来自与传声器112组合的振动传感器108的信号进行自适应滤波并通过一个或多个扬声器124播放抗噪声信号来产生抗噪声。振动传感器108可包括但不限于加速度计、测力计、地震检波器、线性可变差动变压器、应变计和测力传感器。单轴和多轴加速度计108可用于检测加速度的量值和相位，并且还可用于感测取向、运动和振动。全球定位系统GPS126可以车载在车辆102上，并且还可以用于检测车辆102的位置以及车辆102的加速度、取向和运动的量值和相位。源自在路面150上移动的车轮106的噪声和振动可以由机械地耦接到悬架装置110或车辆102的底盘部件的一个或多个振动传感器108来感测。振动传感器108输出表示检测到的路面引起的振动的振动信号xn。应注意，多个振动传感器是可能的，并且它们的信号可以单独使用，或者可以本领域技术人员已知的各种方式组合在一起。通过滤波器122利用建模的传递特性S'z对振动信号xn进行滤波。源自车轮106和路面150的相互作用的道路噪声也被机械地和或声学地传递到乘客舱中并且被车辆102内的一个或多个传声器112接收。一个或多个传声器112可以例如位于座椅116的头枕114中，如图1所示。替代地，一个或多个传声器112可以位于车辆102的车顶内衬中，或者位于某一其他合适的位置，以感测车辆102内的乘员听到的声学噪声场。源自路面150和车轮106的相互作用的道路噪声根据传递特性Pz传递到传声器112。由传声器112检测表示车辆102的车厢中存在的噪声的误差信号en。在RNC系统104中，滤波器Wz118由自适应控制器120控制，自适应控制器120可以基于用建模的传递特性S'z122进行滤波的误差信号en和振动信号xn根据已知最小均方LMS算法进行操作。信号yn由自适应滤波器基于振动信号或振动信号的组合xn产生，所述自适应滤波器由滤波器118和滤波器控制器120形成。信号yn理想地具有这样的波形，使得当通过扬声器124播放时，在乘员的耳朵和传声器112附近产生抗噪声，所述抗噪声与车厢的乘员可听见的道路噪声理想地相位相反且量值相同。Sz表示扬声器124和传声器112之间的传递函数。来自扬声器124的抗噪声与传声器112附近的车厢中的道路噪声相结合，从而导致车厢内的道路噪声减小。除了振动传感器108和传声器112之外，车辆102还具有车辆102上的其他传感器132的阵列，所述其他传感器132的阵列的输出和数据以及诸如来自全球定位系统GPS126的传感器数据的位置识别数据可用于车辆102上车载的处理器128。当车辆102正在运行时，车载处理器128或者将在后面参考图3和图4讨论的外部基于云的处理器收集并且可选地处理来自传感器108、112、132和或GPS数据126的数据，以构建包含将由车辆102或将来在路面150的相同部分上行驶的相同或不同类型的其他车辆使用的数据和或参数的数据库或GPS地图本文中稍后将参考图4进行讨论。可以用于本地存储在车辆102上车载的存储装置130处或存储在云中以供所述车辆或其他车辆将来使用的与RNC系统104相关的数据类型的示例包括但不限于，最佳W滤波器、传声器增益、加速度计增益、频率相关泄漏和步长、加速度计或传声器频谱或时间相关信号、其他加速度特性包括频谱和时间相关属性和基于传声器的声学性能数据。注意，当处理器128收集并存储该信息时，RNC系统104的正常操作继续，并且W滤波器118由LMS120系统连续更新。另外，车载处理器128或外部处理器，车内或基于云的处理器，本文中稍后将进行讨论可以分析上述加速度计和传声器数据，并提取关键特征以确定要应用于RNC系统的一组关键道路噪声消除参数。当由诸如识别车辆位置和或感测路面类型的事件触发时，可以选择所述一组关键道路噪声消除参数。路面的类型可以包括道路类型，诸如图2中概述的道路类型。路面类型还可以包括可能随时间退化的特定的路面状况，诸如损坏的裂缝、坑洞等、新铺砌的、铺砌或未铺砌的路面；路面的意外或临时状况，其可能是由天气、诸如砾石或石油等材料溢漏引起的，仅举几例。道路噪声消除参数可以存储在本地或云中。通常，可以在任何时候将一组更新的道路噪声消除参数插入到RNC算法中，但是当车辆在不同类型的路面之间转换时尤其有效。车辆RNC系统104使用可能是车载的处理器或计算机，通过分析加速度和传声器特性并基于传感器输出数据应用阈值来检测或识别道路类型，从而创建传感器数据和或道路类型和或车辆位置与相关联的RNC系统调节参数、性能相关数据和或W滤波器的单独的数据库。数据库还可以将识别的道路类型与关联的最佳调节参数和或W滤波器相关联。数据被本地处理器128收集、分析和存储并使用，以创建被访问的数据库，以便将RNC系统104调节到更优化的道路噪声消除。现在参考图2，示出了表200，其概述了由信号特性定义的一个或多个道路类型202的示例，所述信号特性诸如与道路类型202相关联的加速度信号特性204和与道路类型202相关联的传声器信号特性206。对于平滑208道路类型，加速度计信号可以是静止的，具有低水平，即，在小于0.2g的范围内，以及大约30-400Hz的宽带频率成分。对于鹅卵石210道路类型，加速度计信号特性可以是静止的，具有高水平的加速度，即，在大于1g的范围内，在30-400Hz的宽带频率范围内，其中在这个范围内的最低频率处具有特别高的水平。对于不平整的212道路类型，加速度计信号可以是静止的，具有在30-400Hz的频率范围内的中等加速度水平0.3-0.9g。对于带槽的混凝土214道路类型，加速度计信号可以表现出中等水平0.3-0.9g和大约150Hz的高音调频率成分。对于破裂216道路类型，加速度计信号是非静止、脉冲式的并且在30-400Hz的宽带频率范围内具有高水平1g。应注意，虽然典型的加速度计信号特性和传声器特性都在图2的表200中示出，但是两种传感器类型都不是确定道路类型所必需的。由乘客舱中的传声器感测到的道路噪声主要来自路面的输入加速度，其由加速度计直接感测。一旦识别出道路类型，就可以优化LMSRNC系统的许多关键参数以提供最佳的RNC性能。在已知系统中，许多关键的RNC系统参数通常是静态的并且由训练有素的工程师调节。在这些已知系统中，关键RNC参数是在车辆遇到的各种道路类型中的每一种上产生理想性能的参数之间的折衷。在这些已知系统中，使用平均系数，导致噪声消除性能对于任何一种特定道路类型可能不是最佳的。本文描述的数据库可以包含关键的RNC算法相关的传感器输出和数据，当满足输出和数据的预定阈值时，可以识别车辆正在其上行驶的道路类型。这允许参考最佳调节参数和W滤波器的预定值并将其立即应用于RNC系统LMS算法。数据库可以存储在车辆上的本地存储装置130上，并且包括地图、包括频率相关步长和泄漏的最佳适应相关参数、滤波器、性能相关数据以及传感器增益，待由RNC系统使用以从先前的状态更快地适应，从而消除了先前经历的在遇到新的道路类型时由于系统重新适应而产生的性能差距。本文描述的数据库可以包含为已知位置处的已知道路段预编程的关键RNC参数。在这方面，诸如通过GPS知道车辆位置可以触发对应用于RNC系统的关键RNC参数的更新。如参考图1所讨论的，车载处理器128分析要在本地存储的加速度计和传声器数据。然而，以下情况是可能的：处理和数据存储可如图3所示在云中发生，且或可如图4所示包括由多个车辆提供的数据。在一个或多个实施方案中，处理和或存储可以在云和本地处理器之间分开。图3示出了具有车辆302的系统300，其具有通过连接和联网服务器、接收器或装置336连接到云334的能力，连接和联网服务器、接收器或装置336可以包括但不限于车辆上的SATA、Wi-Fi、闪电、以太网、UFS、Edge、3G、4G、5G等。RNC系统304通过装置336连接到云334。然后，可以实现云处理338以分析由RNC系统304捕获的传感器数据并创建数据库以选择最佳调节参数。替代地或另外地，还可以使用包含地图相关数据的GPS326来基于位置选择最佳调节参数。位置相关数据还可以包括道路类型标识符，或表示车辆正在其上行驶的路面350的标签。这个数据可以被认为是关键RNC参数，并且可以用于选择最佳调节参数和或更新数据库中的最佳调节参数。在云中或本地进行后处理可以识别较早的、精确的过渡位置，其中道路类型比实时系统更准确地改变。消除在实际实时实施中的滞后将避免错误的道路类型改变。越过精确过渡位置的未来车辆可以立即下载或利用理想参数，而无需等待LMS收敛或道路类型识别过程的执行。在云334内收集和或处理338的数据可以特定于从车辆的RNC系统304发送到云334的传感器数据，或者所述数据可以使用从车辆发送的数据和或来自其他来源图3中未示出的数据在云334内编译，所述其他来源将由车辆302及其RNC系统304访问或被下载到车辆302及其RNC系统304。在这方面，其他来源可以包括但不限于其他车辆本文中稍后将参考图4详细描述、GPS数据、已知导航数据、道路类型的Google街景图像分析，以及太多而无法全面列出的其他来源。例如，特定车辆品牌和型号具有可以类似于相同品牌和型号的其他车辆的RNC性能。车辆302可以获得针对驻留在云内的特定品牌和型号定制的RNC参数数据库。车辆302RNC系统304将访问所述数据库。在云中的存储装置340可以减轻可能与车辆上的本地存储相关联的存储问题。车辆302和云334之间的双向通信还允许来自数据库或地图的数据被上传到云以供其他车辆使用或下载。图4是基于云的系统的系统图400，其使用由多个车辆4021...402n上传的数据来创建数据库。然后，可以通过下载在可访问云的车辆之间共享数据库的全部或部分。在图4所示的系统中，连接到基于云的处理和存储的多个车辆4021-402n可以发送来自其车辆和位置的传感器数据和RNC404系统数据，如从GPS4261-426n一样，用于数据库的开发。由于多个车辆正在提供数据，因此可以使用由多个车辆提供的数据和反馈来持续更新并改进数据库。使用到云的连接，任何一个或多个车辆可以接收任何更新的数据库以确保车辆4021-n上RNC系统4041-n使用数据库的就成本而言最新且最成功的数据库版本。由多个车辆4021-n提供的数据可以是基于位置的GPS数据，其对照车辆位置参考道路类型。数据还可以作为基于车辆品牌型号的数据或轮胎类型数据来访问，所述数据参考RNC系统先前调适并应用的RNC设置以获得位置、路面类型，所述位置、路面类型是已知或先前已基于特定位置、车辆类型、轮胎类型数据或其任何组合的调整参数的成功或失败或先前版本来识别的。基于云的处理和数据存储是有利的，因为来自诸如在特定位置行驶的多个车辆的多个来源的机器学习或其他分析提供通过品牌和型号类型、轮胎类型和或通过车辆位置和在车辆位置处识别的道路类型而对所有车辆上的RNC系统有价值的数据。基于云的处理和数据存储可能是有益的，因为考虑到一些数据可能对一些车辆使用较少，这是由于它可能包含为特定车辆所特有的特征，诸如轮胎的状态。此外，应用对数据库提供连续更新的自适应算法可以考虑到可能受诸多因素影响的路况的变化，诸如天气状况、交通状况或道路随时间推移而降级、修复或者重铺路面的一般状况。自适应算法可以应用于机载处理、基于云的处理和基于多车辆云的处理。收集、分析和存储收集的数据、优化的参数调整以及RNC系统对应用调整的响应允许数据库不断更新和改进。在RNC系统104、304、4041-n检测到较差的RNC性能的情况下，可以开发并下载对数据库的更新。可以通过简单地分析有源噪声控制误差传声器信号或安装在车厢内优选地在任何乘客的耳朵附近的任何传声器的信号，来估计这种RNC性能。对于每种类型的车辆和每种道路类型，可以编程目标声压级SPL。如果检测到的SPL超过目标SPL，则可以调适或下载RNC系统参数。直接测量RNC系统的性能可以通过在RNC系统激活时测量车厢内SPL并且在RNC系统停用并且进行差分比较时再次测量。如果两个测量值之间的差异小于频带平均值或各频率目标值，则可以调适或下载参数。替代地，可以通过分析来自进入LMS系统的传声器的误差信号、可选地减去音乐信号和或诸如语音等其他无关信号本文中稍后将参考图6进行讨论来估计RNC系统的性能。这些信号与加速度计信号、W滤波器和估计的次级路径建模的传递特性S'z相结合可以提供传声器处道路噪声消除量的估计，所述信号是RNC系统性能的估计。如果估计信号不满足预定阈值，则RNC104、304、4041-n系统可以调适或下载新参数。同样，收集、分析和存储收集的数据、优化的参数调整以及RNC系统对应用调整的响应允许基于实际的RNC系统性能来不断更新和改进数据库。参考图5，流程图500描述了一种开发并访问数据库的方法。用于优化车辆可行驶的每种道路类型的RNC性能的关键RNC系统参数被预定502作为起点。这可以通过从实际道路试验和或实验室环境收集的数据来完成。检测或识别道路类型和与优化性能相关联的设置的RNC参数被编程504到数据库中。如上面参考图1、图3和图4所讨论，关键RNC参数和优化设置可以本地存储在车载处理器中、云中或本地存储在RNC系统中。当车辆遇到特定道路类型时，可以分析并且可选地处理传感器信号以帮助RNC系统检测或识别道路类型506。访问数据库提供关于对关键参数的调整的信息，所述调整被应用508以针对通过传感器数据识别的道路类型优化RNC系统。替代地和或另外地，自适应算法可以从来自RNC系统的关键RNC参数提取并自适应地调整510操作结果，并且进一步优化关键算法参数512，可选地从预定和预编程的RNC参数数据库开始。例如，当在W滤波器的自适应中重复检测到不稳定性时，可能会增加频率相关的泄漏，或者如果检测到该自适应缓慢，则由于RNC效果改进缓慢且传声器误差信号花费很长时间才能减小，可以适当地增大步长。步长是收敛速度和稳定性之间的折衷，因此这种自适应算法将考虑到这一点并相应地优化参数。在另一种方法中，可以在云或本地中周期性地更新514关键RNC参数以基于道路测试和或可以进行以确保提供关键RNC参数的实验室模拟结果进行下载，即使对于那些不能经常访问基于云的处理或自适应算法方法的优势的车辆也是如此。在另一示例中，自适应算法监测从加速度计到LMS块的信号的频谱。如果在达到预定容差的频率下频谱不是平坦的，则算法可以自适应地调整滤波器以使响应平坦化。结果是在所有频率下收敛变得相同，同时改进具有最低振幅的频率的稳定性。具体地，如果在加速度计信号上检测到极低频噪声，则自适应算法相应地调适滤波器无限脉冲响应滤波器，IIRx和IIRe，参见图6，以在LMS算法优化Wz之前使响应平坦化。在检测到RNC算法正在提升而不是减少乘客舱中的道路噪声时，还可以调节平滑道路开启关闭阈值。例如，如果加速度计传感器本底噪声是可听见的。一旦已经可选地识别道路类型，则可以优化LMSRNC系统的许多关键参数以提供最佳RNC性能。参考图6，框图600示出了可用于针对每个识别的道路类型优化RNC系统性能的许多关键RNC系统参数。图6仅出于简化的目的示出了单个加速度计608、扬声器624和传声器612。应注意，典型的RNC系统使用许多加速度计例如10个或更多、许多扬声器例如4到8个和多个传声器例如4到6个。其他关键参数包括但不限于一个或多个高通滤波器HPFa652、HPFb654以减少来自加速度计608和传声器612、第一滤波器IIRx656和第二滤波器IIRe658的信号的最低频率分量。滤波器656和658通常具有相似的量值和相位特性，以实现LMS算法的最佳性能。应用滤波器以强调或不强调某些频率范围。例如，当滤波器被设置为具有以200Hz为中心的10dB的峰值滤波器时，所述LMS系统620的自适应将减少该频率范围中的更多噪声。应注意，在LMS系统作用的的整个带宽上将发生总体较低量的噪声消除，但是在感兴趣的一个或多个频率范围内将发生更多的噪声消除。还应注意，滤波器656和658仅出于示例目的示出为IIR，并且还可以使用其他滤波器拓扑，诸如有限脉冲响应FIR滤波器。还示出了在再现抗噪声的扬声器624上添加音乐660。音乐播放信号658可以在通过S'z622的副本之后从传声器612的错误信号中去除。可以针对每种道路类型来优化图6示出的所有参数。具体地，对于每种道路类型，存在：1最佳频率相关泄漏；2IIRx和IIRe系数，其提供经平坦化信号进入LM块和或提供有利于实现RNC的最高水平的频率范围内的峰值；3最佳HPF转角频率，其降低加速度计和传声器信号的最低频率分量；4每个传声器的最佳增益；5每个加速度计的最佳增益；6从中开始适应的最佳W滤波器；7最佳频率相关步长；8最佳不稳定检测器设置；以及9等。根据车辆类型、轮胎类型和道路类型以及实际道路测试或实验室模拟的组合，可以由工程师预定这些参数中的任何参数。另外地或替代地，参数可以由来自一个或多个车辆的机载或基于云的处理器开发。此外，参数或其任何组合可以本地存储在车辆上的处理器处，或者存储在云上并由车辆访问或下载到车辆。在前述说明书中，已经参考特定示例性实施方案描述了本发明主题。然而，在不脱离如权利要求阐述的本发明主题的范围的情况下，可以做出各种修改和改变。本说明书和附图是说明性的，而非限制性的，并且修改旨在包括在本发明主题的范围内。因此，本发明主题的范围应由权利要求及其合法等效物确定，而非仅由所描述的示例确定。例如，在任何方法或过程权利要求中陈述的步骤都可以按任何次序执行，并且不限于在所述权利要求中呈现的特定次序。可以使用滤波器实现等式以最小化信号噪声的影响。另外，在任何设备权利要求中陈述的部件和或元件都可以按各种排列组装或以其他方式可操作地配置，并且因此不限于在所述权利要求中陈述的特定配置。上文已经关于特定实施方案描述了益处、其他优点和问题的解决方案。然而，任何益处、优点、问题的解决方案以及可使得任何益处、优点或问题的解决方案出现或变得更为显著的任何要素都不应解释为是任何或所有权利要求的关键、必需或必要特征或部件。术语“包括comprise”、“包括comprises”、“包括comprising”、“具有having”、“包括including”、“包括includes”或其任何变型旨在指代非排他性的包括，使得包括一系列要素的过程、方法、制品、组成或设备不仅包括所陈述的那些要素，而且还可包括未明确列出的或此类过程、方法、制品、组成或设备固有的其他要素。在不脱离本公开的一般原理的情况下，在本发明主题的实践中使用的上述结构、布置、应用、比例、要素、材料或部件的其他组合和或修改除了未具体陈述的那些之外都可变化或以其他方式特定地适于特定环境、制造规格、设计参数或其他操作要求。

权利要求：1.一种用于在具有道路噪声消除系统的车辆上进行道路噪声消除的方法，所述方法在一种装置上实施，所述装置具有包括非暂时性计算机可读存储介质的处理单元，所述处理单元能够执行软件程序的指令，所述方法包括以下步骤：确定用于所述道路噪声消除系统的一组道路噪声消除参数，每组道路噪声消除参数与车辆类型、轮胎类型、路面类型或车辆位置相关联；编程数据库，所述数据库将从一个或多个车辆收集的数据与优化道路噪声消除系统性能的所述一组道路噪声消除参数相关联；将从一个或多个车辆收集的数据与所述数据库中的所述一组道路噪声消除参数和道路噪声消除系统性能阈值进行比较；识别所述车辆已经从第一路面类型行驶到第二路面类型；以及在识别出所述车辆已经从第一路面类型行驶到第二路面类型时，调整优化所述道路噪声消除系统的所述一组道路噪声消除参数。2.如权利要求1所述的方法，还包括以下步骤：收集表示道路噪声消除系统性能的数据；将表示噪声消除系统性能的所收集数据从一个或多个车辆传输到基于云的处理器；使用所述基于云的处理器比较所述道路噪声消除系统性能；基于所收集和所比较的道路噪声消除系统性能自适应地调整所述一组道路噪声消除参数；以及使用调整的所述一组道路噪声消除参数重新编程所述数据库。3.如权利要求2所述的方法，还包括将重新编程的数据库下载到所述车辆上的所述道路噪声消除系统的步骤。4.如权利要求2所述的方法，其中在所述云中收集、传输和比较的数据是从选自由以下各项组成的群组的一个或多个道路噪声消除参数中识别的：W滤波器、加速度计或传声器频谱、加速度计或传声器时间相关信号、加速度特性、基于传声器的声学性能数据、道路噪声消除系统性能数据、车辆品牌、车辆型号、轮胎类型和GPS位置。5.如权利要求2所述的方法，其中所述比较道路噪声消除系统性能的步骤还包括以下步骤：将在所述车辆中测量的声压级与特定于车辆类型和路面类型的目标声压级进行比较；以及当在所述车辆中测量的所述声压级超过所述目标声压级时，对优化所述道路噪声消除系统的所述一组道路噪声消除参数进行调整。6.如权利要求5所述的方法，其中所述比较所述道路噪声消除系统性能的步骤还包括以下步骤：在所述道路噪声消除系统激活的情况下测量所述车辆中的第一声压级；在所述道路噪声消除系统不激活的情况下测量所述车辆中的第二声压级；比较所述第一测量声压级与所述第二测量声压级之间的差；以及当所述差小于预定阈值时，对优化所述道路噪声消除系统的所述一组道路噪声消除参数进行调整。7.如权利要求6所述的方法，其中所述阈值是所述声压级的频带平均频率值或各频率目标值。8.如权利要求2所述的方法，其中所述比较道路噪声消除系统性能的步骤还包括以下步骤：将表示道路噪声消除系统性能的信号与预定阈值进行比较；以及当表示道路噪声消除系统性能的所述信号小于所述预定阈值时，对优化所述道路噪声消除系统的所述一组道路噪声消除参数进行调整。9.如权利要求8所述的方法，其还包括从表示道路噪声消除系统性能的所述信号中减去音乐信号的步骤。10.一种车辆上的道路噪声消除系统，所述系统包括：用于所述道路噪声消除系统的一组道路噪声消除参数，每组道路噪声消除参数与车辆类型、轮胎类型、路面类型或车辆位置相关联；数据库，其将从一个或多个车辆、一个或多个轮胎类型、一个或多个路面类型或一个或多个车辆位置收集的数据与所述一组道路噪声消除参数相关联；以及在识别出所述车辆经历从第一路面类型到第二路面类型的变化时，相关联的所述一组的道路噪声消除参数被传送到所述道路噪声消除系统。11.如权利要求10所述的系统，其中所述数据库还包括由所述车辆上的处理器收集的数据。12.如权利要求11所述的系统，其中由所述车辆上的所述处理器收集的所述数据被传送到基于云的处理器，并且所述数据库可在所述基于云的处理器中被访问。13.如权利要求12所述的系统，其中所述基于云的处理器将所述数据库与从多个车辆收集的数据相关联。14.如权利要求10所述的系统，其还包括所述道路噪声消除系统的性能阈值，用于检测从第一路面类型到第二路面类型的变化。15.如权利要求14所述的系统，其中所述性能阈值还包括表示道路噪声消除系统性能的信号。16.一种包括程序的计算机可读介质，所述程序在由一个或多个处理器执行时执行包括以下各项的操作：对于在第一路面类型上行驶的车辆中的道路噪声消除系统应用一组道路噪声消除参数，所述一组道路噪声消除参数与车辆类型、轮胎类型、路面类型或车辆位置相关联；收集数据并将其与数据库中的所述一组道路噪声消除参数进行比较，以识别所述车辆何时从第一路面类型行驶到第二路面类型；以及在识别出所述车辆已经从第一路面类型行驶到第二路面类型时，应用所述数据库中对于所述第二路面类型优化所述道路噪声消除系统的一组道路噪声消除参数。17.如权利要求16所述的计算机可读介质，其中所述程序还执行包括以下各项的操作：收集表示道路噪声消除系统性能的数据；将收集的数据传输到基于云的处理器；在所述基于云的处理器中比较由多个车辆收集并传输的数据；基于收集并比较的数据自适应地调整所述一组道路噪声消除参数；以及将调整的所述一组道路噪声消除参数传送到所述道路噪声消除系统。18.如权利要求17所述的计算机可读介质，其中表示道路噪声消除系统性能的数据还包括与特定于车辆类型、轮胎类型或路面类型的目标声压级相比在所述车辆中测量的声压级。19.如权利要求16所述的计算机可读介质，其中所述一组道路噪声消除参数还包括选自由以下各项组成的群组的道路噪声消除参数：W滤波器、加速度计或传声器频谱、加速度计或传声器时间相关信号、加速度特性、基于传声器的声学性能数据、道路噪声消除系统性能相关数据、车辆品牌、车辆型号、轮胎类型和GPS位置。20.如权利要求16所述的计算机可读介质，其中收集数据并将其与所述数据库中的所述一组道路噪声消除参数进行比较还包括：从多个车辆收集数据；将收集的数据传输到基于云的处理器；以及在所述基于云的处理器中比较所传输的从多个车辆收集的数据，以识别所述车辆何时从第一路面类型行驶到第二路面类型。

百度查询： 哈曼国际工业有限公司 用于连续优化的道路噪声消除的方法和设备