抗噪性
發布時間:2013/3/1 20:10:35 訪問次數:1165
破擦聲測試經常在嘈雜的生產BA6688L環境中進行，因此在存在背景噪聲的環境下，比較這三種算法輸出可用和精確的失真數據的能力是很重要的。典型工廠噪聲可以分解為兩個基本成分：穩態噪聲（如輸送機噪聲），這是不變的，往往由低頻主導；還有瞬態噪聲（如沖壓或空氣壓縮機噪聲），這是隨機噪聲，包含許多不同頻率。為了模擬這些噪聲環境，在進行上述測量時，用一個獨立參考揚聲器（低失真）播放人工信號。對穩態噪聲，使用對低頻加權均衡器的粉紅噪聲激勵。對瞬態噪聲，在不同頻卒中心產生一系列緊密頻帶限制的噪聲脈沖。這些脈沖在測試中隨機產生。這些噪聲信號都在測量傳聲器校準到產生72dB聲壓級。此級別代表了一個特別嘈雜，但不常見的工廠環境，并能模擬一個未加隔聲的測試情況。
每個揚聲器被測試三次，第一次沒有噪聲作為基線，第二次在測試中播放穩態噪聲，最后播放瞬態噪聲。在SoundCheck上和用于對比的系統上對可感知和歸一化破擦聲進行了測試。
當環境噪聲存在和不存在噪聲時，為了定量確定失真測量的相對變化，結果都與基線結果進行了比較，對于失真曲線上的每一個頻點，失真發生變化的頻點的數量用百分率被計算出來。所有50個揚聲器的數據進行了平均，最后對每個算法都產生了兩種曲線：百分比誤差（穩態噪聲）對頻率和百分比誤差（瞬態噪聲）對頻率（見圖18和圖19）。用于對比的系統，將6個失真頻段的數據進行了平均。
SoundCheck的CLEAR算法對穩態和瞬態噪聲都具有抗噪性。在穩態噪聲存在的情況下低頻噪聲失真的確有所減小，這是因為對干擾諧波的噪聲掩蔽，因此將噪聲從失真中甄別出來將會更難。此算法對瞬態噪聲顯示出顯著的抗噪性，而瞬態噪聲對于傳統破擦聲測量方法而言是一個大問題。
在瞬態和穩態噪聲存在的情況下，可感知算法比傳統破擦聲算法表現要好，因為在測試中附加噪聲的存在導致較高階諧波人為提高，所以提高了測量失真。如果瞬態噪聲包含較高頻率并在低頻掃頻中發生，這種情況就是一個更顯著的問題。
用于對比的可感知算法在抗噪性比較中表現最差，尤其是對瞬態噪聲。引入背景噪聲后，失真數據變化較大，從而使得將好的揚聲器從差的揚聲器中甄別出來更為困難。陡度作為聲壓的衍生物，從本質上而言是噪聲敏感度的量化。
盡管在此模擬中隔音有益于所有的測量方法，可感知破擦聲算法最不需要隔音，因此在工廠中安置可以提供最精確的數據和最大程度的靈活性。
實驗結果證明，CLEAR可感知破擦聲算法比其他如基于較高階諧波的破擦聲測量和用于對比的可感知失真技術更好地與聽者相關聯。此強相關性意味著使用者可以為PRB算法更容易地設定限制，并且確信可以擯棄具有可聽破擦聲缺陷的揚聲器單元。
數據表明，在嘈雜聲學環境下，可感知破擦聲算法更好地與理想情況下得到的結果相關聯，使得此算法戍為高要求生產環境的理想選擇。
每個揚聲器被測試三次，第一次沒有噪聲作為基線，第二次在測試中播放穩態噪聲，最后播放瞬態噪聲。在SoundCheck上和用于對比的系統上對可感知和歸一化破擦聲進行了測試。
當環境噪聲存在和不存在噪聲時，為了定量確定失真測量的相對變化，結果都與基線結果進行了比較，對于失真曲線上的每一個頻點，失真發生變化的頻點的數量用百分率被計算出來。所有50個揚聲器的數據進行了平均，最后對每個算法都產生了兩種曲線：百分比誤差（穩態噪聲）對頻率和百分比誤差（瞬態噪聲）對頻率（見圖18和圖19）。用于對比的系統，將6個失真頻段的數據進行了平均。
SoundCheck的CLEAR算法對穩態和瞬態噪聲都具有抗噪性。在穩態噪聲存在的情況下低頻噪聲失真的確有所減小，這是因為對干擾諧波的噪聲掩蔽，因此將噪聲從失真中甄別出來將會更難。此算法對瞬態噪聲顯示出顯著的抗噪性，而瞬態噪聲對于傳統破擦聲測量方法而言是一個大問題。
在瞬態和穩態噪聲存在的情況下，可感知算法比傳統破擦聲算法表現要好，因為在測試中附加噪聲的存在導致較高階諧波人為提高，所以提高了測量失真。如果瞬態噪聲包含較高頻率并在低頻掃頻中發生，這種情況就是一個更顯著的問題。
用于對比的可感知算法在抗噪性比較中表現最差，尤其是對瞬態噪聲。引入背景噪聲后，失真數據變化較大，從而使得將好的揚聲器從差的揚聲器中甄別出來更為困難。陡度作為聲壓的衍生物，從本質上而言是噪聲敏感度的量化。
盡管在此模擬中隔音有益于所有的測量方法，可感知破擦聲算法最不需要隔音，因此在工廠中安置可以提供最精確的數據和最大程度的靈活性。
實驗結果證明，CLEAR可感知破擦聲算法比其他如基于較高階諧波的破擦聲測量和用于對比的可感知失真技術更好地與聽者相關聯。此強相關性意味著使用者可以為PRB算法更容易地設定限制，并且確信可以擯棄具有可聽破擦聲缺陷的揚聲器單元。
數據表明，在嘈雜聲學環境下，可感知破擦聲算法更好地與理想情況下得到的結果相關聯，使得此算法戍為高要求生產環境的理想選擇。
破擦聲測試經常在嘈雜的生產BA6688L環境中進行，因此在存在背景噪聲的環境下，比較這三種算法輸出可用和精確的失真數據的能力是很重要的。典型工廠噪聲可以分解為兩個基本成分：穩態噪聲（如輸送機噪聲），這是不變的，往往由低頻主導；還有瞬態噪聲（如沖壓或空氣壓縮機噪聲），這是隨機噪聲，包含許多不同頻率。為了模擬這些噪聲環境，在進行上述測量時，用一個獨立參考揚聲器（低失真）播放人工信號。對穩態噪聲，使用對低頻加權均衡器的粉紅噪聲激勵。對瞬態噪聲，在不同頻卒中心產生一系列緊密頻帶限制的噪聲脈沖。這些脈沖在測試中隨機產生。這些噪聲信號都在測量傳聲器校準到產生72dB聲壓級。此級別代表了一個特別嘈雜，但不常見的工廠環境，并能模擬一個未加隔聲的測試情況。
每個揚聲器被測試三次，第一次沒有噪聲作為基線，第二次在測試中播放穩態噪聲，最后播放瞬態噪聲。在SoundCheck上和用于對比的系統上對可感知和歸一化破擦聲進行了測試。
當環境噪聲存在和不存在噪聲時，為了定量確定失真測量的相對變化，結果都與基線結果進行了比較，對于失真曲線上的每一個頻點，失真發生變化的頻點的數量用百分率被計算出來。所有50個揚聲器的數據進行了平均，最后對每個算法都產生了兩種曲線：百分比誤差（穩態噪聲）對頻率和百分比誤差（瞬態噪聲）對頻率（見圖18和圖19）。用于對比的系統，將6個失真頻段的數據進行了平均。
SoundCheck的CLEAR算法對穩態和瞬態噪聲都具有抗噪性。在穩態噪聲存在的情況下低頻噪聲失真的確有所減小，這是因為對干擾諧波的噪聲掩蔽，因此將噪聲從失真中甄別出來將會更難。此算法對瞬態噪聲顯示出顯著的抗噪性，而瞬態噪聲對于傳統破擦聲測量方法而言是一個大問題。
在瞬態和穩態噪聲存在的情況下，可感知算法比傳統破擦聲算法表現要好，因為在測試中附加噪聲的存在導致較高階諧波人為提高，所以提高了測量失真。如果瞬態噪聲包含較高頻率并在低頻掃頻中發生，這種情況就是一個更顯著的問題。
用于對比的可感知算法在抗噪性比較中表現最差，尤其是對瞬態噪聲。引入背景噪聲后，失真數據變化較大，從而使得將好的揚聲器從差的揚聲器中甄別出來更為困難。陡度作為聲壓的衍生物，從本質上而言是噪聲敏感度的量化。
盡管在此模擬中隔音有益于所有的測量方法，可感知破擦聲算法最不需要隔音，因此在工廠中安置可以提供最精確的數據和最大程度的靈活性。
實驗結果證明，CLEAR可感知破擦聲算法比其他如基于較高階諧波的破擦聲測量和用于對比的可感知失真技術更好地與聽者相關聯。此強相關性意味著使用者可以為PRB算法更容易地設定限制，并且確信可以擯棄具有可聽破擦聲缺陷的揚聲器單元。
數據表明，在嘈雜聲學環境下，可感知破擦聲算法更好地與理想情況下得到的結果相關聯，使得此算法戍為高要求生產環境的理想選擇。
每個揚聲器被測試三次，第一次沒有噪聲作為基線，第二次在測試中播放穩態噪聲，最后播放瞬態噪聲。在SoundCheck上和用于對比的系統上對可感知和歸一化破擦聲進行了測試。
當環境噪聲存在和不存在噪聲時，為了定量確定失真測量的相對變化，結果都與基線結果進行了比較，對于失真曲線上的每一個頻點，失真發生變化的頻點的數量用百分率被計算出來。所有50個揚聲器的數據進行了平均，最后對每個算法都產生了兩種曲線：百分比誤差（穩態噪聲）對頻率和百分比誤差（瞬態噪聲）對頻率（見圖18和圖19）。用于對比的系統，將6個失真頻段的數據進行了平均。
SoundCheck的CLEAR算法對穩態和瞬態噪聲都具有抗噪性。在穩態噪聲存在的情況下低頻噪聲失真的確有所減小，這是因為對干擾諧波的噪聲掩蔽，因此將噪聲從失真中甄別出來將會更難。此算法對瞬態噪聲顯示出顯著的抗噪性，而瞬態噪聲對于傳統破擦聲測量方法而言是一個大問題。
在瞬態和穩態噪聲存在的情況下，可感知算法比傳統破擦聲算法表現要好，因為在測試中附加噪聲的存在導致較高階諧波人為提高，所以提高了測量失真。如果瞬態噪聲包含較高頻率并在低頻掃頻中發生，這種情況就是一個更顯著的問題。
用于對比的可感知算法在抗噪性比較中表現最差，尤其是對瞬態噪聲。引入背景噪聲后，失真數據變化較大，從而使得將好的揚聲器從差的揚聲器中甄別出來更為困難。陡度作為聲壓的衍生物，從本質上而言是噪聲敏感度的量化。
盡管在此模擬中隔音有益于所有的測量方法，可感知破擦聲算法最不需要隔音，因此在工廠中安置可以提供最精確的數據和最大程度的靈活性。
實驗結果證明，CLEAR可感知破擦聲算法比其他如基于較高階諧波的破擦聲測量和用于對比的可感知失真技術更好地與聽者相關聯。此強相關性意味著使用者可以為PRB算法更容易地設定限制，并且確信可以擯棄具有可聽破擦聲缺陷的揚聲器單元。
數據表明，在嘈雜聲學環境下，可感知破擦聲算法更好地與理想情況下得到的結果相關聯，使得此算法戍為高要求生產環境的理想選擇。
上一篇：與聽力結果的相關性
相關技術資料- 3-1抗噪性
熱門點擊
公網安備44030402000607
