日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機站
  • 小程序

    汽車測試網(wǎng)

  • 公眾號

    • 汽車測試網(wǎng)

    • 在線課堂

    • 電車測試

電機加速噪聲的粗糙感問題排查

2022-01-07 23:57:45·  來源：海德聲科 HEAD acoustics  
　
在文章《再下一城：ECMA引用HEAD專利算法形成粗糙度標(biāo)準(zhǔn)》中，我們介紹了HEAD的專利算法Roughness (Hearing Model)被納入ECMA 418-2的情況，而《ECMA 418粗糙度
在文章《再下一城：ECMA引用HEAD專利算法形成粗糙度標(biāo)準(zhǔn)》中，我們介紹了HEAD的專利算法Roughness (Hearing Model)被納入ECMA 418-2的情況，而《ECMA 418粗糙度計算方法解讀》一文則詳細(xì)講述了該算法的細(xì)節(jié)。本文將結(jié)合Roughness (Hearing Model)和Modulation算法，針對電機升速過程中，某些轉(zhuǎn)速下噪聲存在粗糙感的問題，進行分析排查，并使用Sound Engineering進行虛擬優(yōu)化及評估。
問題背景介紹
該升速過程中FFT vs. Time如下圖所示：


圖1 FFT vs. Time
從音頻中我們可以聽到，在某些轉(zhuǎn)速下，電機的噪聲存在一定的粗糙感，比較明顯的有0~2s、16~18s等。
Roughness計算
Roughness為計算聲品質(zhì)中粗糙度的心理聲學(xué)參數(shù)，可以表征和衡量該電機加速過程中聲音的粗糙感。
圖2的上圖為Roughness （Hearing Model）vs. Time 計算結(jié)果。在0~2s、16~18s、26~28s等處粗糙度有峰值，這與聽感很吻合。
圖2的下為Specific Roughness（Hearing Model）vs. Time的計算結(jié)果，可以看到圖2上圖粗糙度較大的時刻，特征粗糙度的頻譜分布。

圖2 粗糙度計算結(jié)果
粗糙度較大處的緣由分析
下面將以16~18s（圖2中的2點）的粗糙度感受為例，進行問題排查。同時計算Specific Roughness（Hearing Model）vs. Time和Modulation Spectrum vs. Band（圖3），可以看出16~18s之間的粗糙度較大的問題，是由于1250Hz附近存在約70Hz的調(diào)制產(chǎn)生的。

圖3 特征粗糙度和調(diào)制譜
通過下圖的FFT vs. Time圖譜，尋找70hz調(diào)制頻率的問題所在?？梢钥闯?6~18s之間、1250Hz附近處，存在相差約70hz的成分，且幅值較大（1166Hz、1236Hz和1307Hz）。若想降低此處的粗糙感，則需改善該處的頻譜成分。


圖4 FFT vs. Time的頻譜成分
其他特征粗糙度較大的頻譜點
除了上述16~18s的頻譜點，其他特征粗糙度較大的頻譜點也可通過計算FFT vs. Time（圖5上左）、Specific Roughness（Hearing Model）vs. Time（圖5上右）和Modulation Spectrum vs. Band（圖5下）等查看各個特征粗糙度大的緣由。如圖中1.27s（1點）處，是由于同時存在1277hz、1324hz和1365hz的頻率，且幅值較大造成的（三個頻率相差約35hz，從調(diào)制譜上也可以看出35hz的調(diào)制頻率）。
圖5 各個特征粗糙度較大處的問題分析
基于Sound Engineering的粗糙度優(yōu)化預(yù)測
對于特征粗糙度較大的頻譜點，可以使用ArtemiS SUITE的Sound Engineering進行虛擬的優(yōu)化預(yù)測。如17s處（2點），通過Eraser或Brush功能，虛擬優(yōu)化1160Hz和1300Hz附近的成分（1230Hz為電機主階次），優(yōu)化后回放的粗糙感明顯下降。
圖6 Sound Engineering虛擬優(yōu)化
優(yōu)化的Sound 音頻： 進度條 00:00 / 00:35
將虛擬優(yōu)化的聲音保持成hdf文件，與原文件進行特征粗糙度對比分析，如圖7所示，在16~18s處1250Hz的特征粗糙度明顯下降。
圖7 虛擬優(yōu)化前后特征粗糙度對比
同時計算升速過程中整體的粗糙度結(jié)果，如下圖8所示，16~18s的粗糙度也有明顯的降低。

圖8 粗糙度虛擬優(yōu)化前后對比
小結(jié)：
  • 基于Hearing Model的Roughness算法，可以較好地表征人體聽感中的粗糙感；
  • 結(jié)合Roughness（Hearing Model）、Modulation Spectrum等算法，可以細(xì)致地分析造成特征粗糙度較大的原因；
  • 使用Sound Engineering，可以虛擬優(yōu)化特征粗糙度較大處的頻率成分，進而通過聆聽和數(shù)值計算，評估虛擬優(yōu)化的效果，為后續(xù)實物改進提供一定的支撐。
分享到：
 
反對 0 舉報 0 收藏 0 評論 0
滬ICP備11026917號-25