CN105473988B - 确定机动车辆的噪声源的噪声声音贡献的方法 - Google Patents
确定机动车辆的噪声源的噪声声音贡献的方法 Download PDFInfo
- Publication number
- CN105473988B CN105473988B CN201480046300.1A CN201480046300A CN105473988B CN 105473988 B CN105473988 B CN 105473988B CN 201480046300 A CN201480046300 A CN 201480046300A CN 105473988 B CN105473988 B CN 105473988B
- Authority
- CN
- China
- Prior art keywords
- noise
- independent
- signal
- sound
- sound signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000005236 sound signal Effects 0.000 claims abstract description 155
- 238000005259 measurement Methods 0.000 claims abstract description 50
- 230000005540 biological transmission Effects 0.000 claims abstract description 45
- 230000003044 adaptive effect Effects 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 17
- 238000012880 independent component analysis Methods 0.000 claims description 16
- 210000003454 tympanic membrane Anatomy 0.000 claims description 10
- 210000003128 head Anatomy 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 5
- 230000008447 perception Effects 0.000 claims description 4
- 238000001303 quality assessment method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 description 23
- 230000000875 corresponding effect Effects 0.000 description 14
- 150000001875 compounds Chemical class 0.000 description 11
- 230000004044 response Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 7
- 239000012528 membrane Substances 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000000926 separation method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 210000000883 ear external Anatomy 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 239000010977 jade Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 238000004380 ashing Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 239000011469 building brick Substances 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
- G10L21/0232—Processing in the frequency domain
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0272—Voice signal separating
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
- G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed
- G10L2021/02166—Microphone arrays; Beamforming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)
Abstract
本发明涉及用于确定目标或参考位置处的机动车辆的多个物理噪声源的单独噪声声音贡献的方法和声学测量系统。所述方法包括以下步骤:将多个参考麦克风放置在邻近多个物理噪声源中的各自物理噪声源的各自参考位置处、将测量麦克风放置在目标位置处、记录多个噪声声音信号并记录目标噪声信号。使用盲源分离使多个噪声声音信号自适应地分离以产生表示多个物理噪声源的各自估计的噪声声音信号的多个互相独立噪声声音信号。多个互相独立噪声声音信号中的每个与记录的目标噪声信号相关,以确定表示多个独立噪声声音信号和目标位置处的测量麦克风之间的各自传递函数的多个线性传递路径滤波器的时域或频域特性。表示多个物理噪声源中的一个的多个独立噪声声音信号中的至少一个可被施加至对应的线性传递路径滤波器以生成表示该物理噪声源在目标位置处的单个噪声声音贡献的至少一个目标噪声信号分量。
Description
技术领域
本发明涉及用于确定目标或参考位置处的机动车辆的多个物理噪声源的单独噪声声音贡献的方法和声学测量系统。所述方法包括以下步骤:将多个参考麦克风放置在邻近物理噪声源中的各自物理噪声源的各自参考位置处、将测量麦克风放置在目标位置处、记录多个噪声声音信号并记录目标噪声信号。使用盲源分离使多个噪声声音信号自适应地分离以产生表示多个物理噪声源的各自估计的噪声声音信号的多个互相独立噪声声音信号。互相独立噪声声音信号中的每个都与所记录的目标噪声信号相关以确定表示多个独立噪声声音信号和目标位置处的测量麦克风之间的各自传递函数的多个线性传递路径滤波器的时域或频域特性。表示物理噪声源中的一个的独立噪声声音信号中的至少一个可被施加至对应的线性传递路径滤波器以生成表示目标位置处的物理噪声源的单独噪声声音贡献的至少一个目标噪声信号分量。
背景技术
用于确定来自目标或参考位置处的多个物理噪声源的单独噪声声音贡献的快速和准确的声学测量系统和方法在各个行业(诸如汽车行业)是非常受关注的。这些声学测量系统和方法例如对于识别和消除汽车、卡车、公共汽车和其它机动车辆中的驾驶员或乘客的耳朵位置处的舱室噪声源是非常有用的。所确定的特定物理噪声源(诸如电机、齿轮箱、轮胎、排气管等)的噪声声音贡献可系统且单独地衰减,或者甚至放大以达到目标位置处的期望目标噪声声音特性。在其它情况下,这些声学测量系统和方法对于确定来自目标位置(其在机动车辆的外部,例如处于远场)处的机动车辆的物理噪声源的单独噪声声音贡献是非常有用的。该确定在许多类型的应用(例如,评估和减少广泛机动车辆(像飞机、汽车、卡车、火车、公共汽车、割草机等)的声音噪声排放)中是非常受关注的。然而,在机动车辆的运行条件下,通常存在许多不同的独立噪声源,且目标位置处的总噪声声压将是许多不同物理噪声源沿各自声音/振动传递路径的贡献的复杂混合。
在现有技术中,已经应用了用于确定目标位置处的舱室噪声源的所谓的基于倒向或反向声传递路径的方法。这些传递路径方法(通常被指定为源路径贡献)包括将一个或几个近场指示麦克风放置在接近机动车辆的每个显著噪声源处以用于记录机动车辆运行期间的麦克风信号。此后,测量在假设的源位置或每个噪声源和其它噪声源处的所有安装的指示麦克风的位置之间的声学传递函数。通过组合运行和传递函数数据,可以至少部分地消除来自其它噪声源的对在任何给定噪声源处测量的麦克风信号(多个)的溢出(spill-over)或串扰贡献(cross-talk contribution)。不同噪声源的分离在这种方法中是第一步骤且接下来的步骤是将每个噪声源传播到目标位置(例如机动车辆内的某一点处),以评定来自噪声源的贡献。这种已知的方法倾向于其准确地分离不同噪声源的能力,这是因为进行了很多简化假设。这些简化假设中的一个是每个噪声源都由单个点源或可能由一组假设的点源模型化。但是,由于像发动机或排气系统的源维度,真正的噪声声源往往具有分布式特性。这使得难以找到指示麦克风的表示位置。经验还表明,所测量的噪声贡献对于在所分布的噪声源周围的指示麦克风的精确定位是非常敏感的。因此,点源假设会导致所测量的传递函数和目标位置处的所估计的噪声源贡献具有显著误差。与这些源路径贡献方法关联的另一个问题是,必须在机动车辆的运行条件下获取数据且必须在机动车辆的静止条件下进行传递函数测量。这是一个耗时的过程,该过程由于传递函数测量的实际体积速度源(practical volume velocity source)无法覆盖所关注的整个频率范围(诸如20Hz和15kHz之间)的事实而进一步恶化。此外,实际体积速度源可能具有使这些不实际或不可能布置在假设源位置的某个位置处的维度。
用于在汽车应用中测量单独噪声声音贡献的替代方法是所谓的掩蔽方法。根据后一种掩蔽方法,使用重材料(诸如铅)或进气和排气出口的额外消音器对单独或几个噪声源进行掩蔽或隔离以在测量目标噪声源的噪声声音贡献时消除来自这些噪声源的噪声声音贡献。因此可在理论上评定每个未掩蔽的噪声源的贡献。但是,这种方法给出了非常粗略的结果且对于评定存在于像汽车、卡车或公共汽车等的复杂车辆构造中的大量独立噪声源整体来说是不实际的。Jakob Putner等人的Internoise论文:“Operational transfer pathanalysis predicting contributions to the vehicle interior noise for differentexcitations from the same sound source”,美国纽约的2012年8月22(2012-08-22)的InterNoise 2012,XP055090134公开了确定来自车辆车厢内的参考位置处的各种物理噪声源(诸如发动机、齿轮箱和排气管)的单独噪声声音贡献的方法。在车辆的不同运行条件下测量噪声源贡献。测量方法被称为操作传递路径分析(OTPA)。计算所选择的噪声源和所选择的参考位置之间的线性传递函数。
Junji Yoshida等人的技术论文“2013The Japan Society of MechanicalEngineers Contribution Analysis for Vehicle Interior Noise Using OnlyResponse Signals”,2013年4月25日(2813-04-25)的XP055889844公开了将来自单独噪声源(诸如发动机和风噪声)的噪声声音贡献确定为车辆内部测量的混合响应信号(目标信号)的方法。所提出的方法仅利用混合的响应信号,而不是噪声源信号的任何单个记录。频域ICA施加至混合响应信号以分离来自单独噪声源的贡献。
发明内容
本发明的第一方面涉及一种用于确定目标位置处或参考位置处的机动车辆的多个物理噪声源的单个噪声声音贡献的方法,所述方法包括以下步骤:
a)将多个参考麦克风放置在邻近物理噪声源中的各自物理噪声源的各自参考位置处,
b)将测量麦克风放置在目标位置处,
c)致动电动车辆以获得预定运行条件,
d)接收并记录由多个参考麦克风生成的多个噪声声音信号,
e)接收和记录由目标位置处的测量麦克风生成的目标噪声信号,
f)使用盲源分离使多个噪声声音信号自适应地分离以产生表示多个物理噪声源的各自估计的噪声声音信号的多个互相独立噪声声音信号,
g)将多个互相独立噪声声音信号中的每个与所记录的目标噪声信号相关联来确定多个线性传递路径滤波器的时域或频域特性,多个线性传递路径滤波器表示多个独立噪声声音信号和目标位置处的测量麦克风之间的各自传递函数,
h)将表示多个物理噪声源中的一个的多个独立噪声声音信号中的至少一个施加至对应的线性传递路径滤波器,以生成表示目标位置处的物理噪声源的单个噪声声音贡献的至少一个目标噪声信号分量。
本领域技术人员应理解,本方法适用于不同范围的机动车辆(诸如汽车、卡车、货车、公共汽车、火车、飞机、割草机等),其中该方法关注于识别来自车辆的物理噪声源的单独噪声声音贡献。对于某些车辆类别,可能会关注确定在机动车辆内部(例如客舱)和车辆外部(例如某个标准化位置)的一个位置或多个位置两者处的单独噪声声音贡献。在这些情况下,车辆内部的目标位置可包括车辆的驾驶员或乘客的耳朵高度位置,同时车辆外部的目标位置可包括用于测量由道路车辆发出的噪声的根据ISO362-2:2009的预定位置。在这两种情况下,很有意义的是测量和评估机动车辆的物理噪声源的各自噪声声音贡献,例如以减少由于车内噪声引起的烦恼和疲劳或降低来自绕过车辆的外部噪声发出级别。
对于内部车辆目标位置(多个),测量麦克风的目标位置可处于布置在机动车辆的客舱内部的预定位置处的人体头部和躯干模拟器(人体模型)的耳鼓膜位置。在记录目标位置处的目标噪声信号期间,人体头部和躯干模拟器可例如放置在机动车辆的驾驶员座位或乘客座位上。测量麦克风的振动膜(diaphragm)优选地布置在安装在人体头部和躯干模拟器中的耳朵模拟器的耳鼓膜平面上。这些实施例结合从物理噪声源到目标位置的声学传递路径的人体和外耳相关的声音接收/传播特性。
机动车辆的物理噪声源的性质和数量将取决于车辆的类型。对于汽车,物理噪声源通常包括像发动机、进气口、排气管、前后轮胎、变速箱等的组件。参考麦克风的数量因此也根据特定机动车辆的物理噪声源的数量和维度而改变。对于典型的汽车测量,参考麦克风的数量通常介于2和20之间。
参考麦克风优选放置在与相邻物理噪声源的外表面相距1cm至10cm之间的距离内,这是因为该范围将最小化来自相邻物理噪声源的串扰噪声且仍然与物理噪声资源保持安全距离。参考麦克风和测量麦克风中的每个都优选包括参考麦克风,该参考麦克风根据个体校准图表具有良好定义的声灵敏度和频率响应。可从几个制造商购得这种类型的参考麦克风连同校准图表和记载个体参考麦克风及其在环境条件(诸如大气压、温度和湿度)中变化的敏感性的声学参数的其它电声数据。参考麦克风可包括一个或多个标准化外部维度(多个),其配合声校准器或活塞发声器的耦接构件,使得麦克风灵敏度可经由特定类型的校准器以一个或多个参考频率来精确地校准。在一个示例性实施例中,参考麦克风包括1/2英寸压力场麦克风型4192,其可从制造商Brüel&and Vibration MeasurementA/S购得。一般而言,设计用于高声压级处理的标准测量麦克风可用作用于进行可操作的车辆测量的参考麦克风。对于某些类型的物理噪声源(诸如汽车的进气口),可能有利的是使用安装在进气管道内的表面安装麦克风。
用于特定测量设置的参考麦克风的优选数量(特别是机动车辆的不同物理噪声源的数量)将根据应用的具体因素(诸如维度和复杂度)而变化。在一些有用的测量设置中,参考麦克风的数量介于2和64之间。对于典型的汽车测量设置和测量程序,参考麦克风的数量介于10和20之间。
将独立噪声声音信号中的至少一个施加至对应的线性传递路径滤波器的步骤会导致生成表示目标位置处的物理噪声源的单个噪声声音贡献的至少一个目标噪声信号分量。该特征通过提供用于评估或评定目标位置处的特定物理噪声源的噪声声音贡献的主观和/或客观影响的机制而特别有用。或者说,该特征允许听者(例如汽车设计工程师)在没有任何的附近物理噪声源的干扰的情况下选择地再现并监听目标位置处的特定物理噪声源。所计算的多个独立噪声声音信号的独立且因此也不相关的性质允许这些信号中的每个都与在目标位置处记录的目标噪声信号相关,以发现特定的独立噪声声音信号对目标噪声信号的单个或单独的贡献。
至少一个目标噪声信号(多个)可以以用于评定的几种方式(例如通过在与测量计算机的合适音频端口或装置通信的测量计算机上执行的合适音频再现应用)再现。扬声器、耳机或耳塞等可耦接到音频端口以通过声音将目标噪声信号(多个)传送到听者的一个耳朵或多个耳朵。本领域技术人员应理解,一个或多个目标噪声信号可由听者(多个)通过正式或非正式的监听会话进行评估。正式监听会话可包括以下步骤:监听和评估单个或几个感知相关的维度上的一个或多个目标噪声信号(多个)的感知维度/度量,诸如以下中的一种或多种:{响度、尖锐度、粗糙度、抖动度}。
在替代方案中,或者额外地,一个或多个目标噪声信号(多个)可使用人类听觉的预定心理声学模型通过在测量计算机上执行的声音质量评定程序或应用来评价或测量。
本领域技术人员应理解,多个噪声声音信号和目标噪声信号优选由布置在参考麦克风和测量麦克风中或处的各自模-数转换器数字采样。多个噪声声音信号和目标噪声信号中的每个的采样频率优选介于5kHz和48kHz之间,诸如约32kHz,这取决于特定的应用。多个噪声声音信号和目标噪声信号(多个)优选同步采样并记录来提供所有噪声信号的公共时基。
本领域技术人员应理解,可在本声学测量系统测量中和在本测量方法的执行期间采用具有各自测量麦克风的几个目标位置。本声学测量系统的一个实施例可例如包括布置在汽车舱室内的相关驾驶员和乘客位置处的多个目标位置。在其它实施例中,一个目标位置可布置在汽车舱室内,而一个或多个额外的目标位置布置在汽车舱室外,使得可进行同时的内部和外部噪声记录和评定。
本领域技术人员应理解,可在本发明中应用大量的不同盲源分离(blind sourceseparation)方案或算法来提供所记录的噪声声音信号中的卷积混合的所需分离。盲源分离方案或算法优选基于本申请人已证明是汽车及相关的盲源分离问题的有力工具的独立分量分析。独立分量分析的特别有利的一组实施例使用线性预测方法来将与多个记录的噪声声音信号的混合相关联的卷积独立分量分析问题减少为瞬时独立分量分析问题(如在下面结合附图以附加细节所描述)。根据这些实施例中的一个,多个记录的噪声声音信号在空间和时间上去相关以提供多个去相关或白化的噪声声音信号。随后,瞬时独立分量分析应用于去相关或白化的噪声声音信号以产生多个互相独立噪声声音信号。当然,这些步骤可由在先前讨论的测量计算机的微处理器或数字信号处理器上执行的合适应用程序执行。瞬时独立分量分析可基于为了诸如JADE的目的的适当类型的标准算法。
在替代方案中,盲源分离可基于自回归模型并包括以下步骤:
通过AR滤波器组应用多个噪声声音信号的多变量自回归模型(multivariateauto-regressive modelling)来获得多个去相关或白化的噪声声音信号,
将瞬时独立分量分析应用于去相关或白化的噪声声音信号以产生多个互相独立噪声声音信号。
本方法优选包括将多个独立噪声声音信号中的每个与指示其对应的物理噪声源的标签或属性相关联的步骤。每个标签都通常包括物理噪声源的类型或性质的短指示,诸如“进气口”、“前轮胎”、“排气管”等。可基于参考麦克风在各自物理噪声源(诸如进气口、发动机、前轮胎等)处的已知位置来初步确定多个记录的噪声声音信号中的每个的适当标签。可以以几种方式来确定多个独立噪声声音信号中的每个的适当标签。根据第一实施例,基于特定独立噪声声音信号对所记录的噪声声音信号的相对贡献来确定独立噪声声音信号的标签。该第一实施例基于相关性分析且优选包括以下步骤:
-将多个独立噪声声音信号中的每个与由多个参考麦克风生成的多个记录的噪声声音信号相关联,以确定表示每个独立噪声声音信号和多个记录的噪声声音信号之间的各自传递函数的多个线性混合滤波器的时域或频域特性,
-将多个独立噪声声音信号中的每个施加至多个线性混合滤波器,以计算对多个记录的噪声声音信号中的每个的各自噪声声音贡献,
-基于对多个记录的噪声声音信号的计算的噪声声音贡献确定独立噪声声音信号中的每个的标签或属性。
在标签分配或确定方法的该第一实施例中,多个计算的独立噪声声音信号可被看作是到多个线性混合滤波器或混合滤波器矩阵的输入,而多个记录的噪声声音信号作为混合滤波器矩阵的各自输出。由此,可以以直接方式来确定从独立噪声声音信号中的每个对任何所记录的噪声声音信号的噪声声音贡献。可选择多个独立噪声声音信号中的任一个并将其施加至混合滤波器矩阵并且确定该独立噪声声音信号对多个记录的噪声声音信号的每一个的噪声声音贡献。可基于一定频率范围内的信号功率来确定贡献。因此,可以确定选择的独立噪声声音信号的信号功率在记录的噪声声音信号之间的相对分布并识别哪个记录的噪声声音信号具有来自选择的独立噪声声音信号的最高相对信号功率贡献。在该确定之后,具有来自选择的独立噪声声音信号的最高相对信号功率的特定记录的噪声声音信号的标签可被分配到后面的独立噪声声音信号。可替代地,独立噪声声音信号可被标签有记录的噪声声音信号(多个),在这些信号中,所讨论的独立噪声声音信号贡献了50%的信号噪声功率。用于确定混合滤波器矩阵的程序和标签程序的实际实例将在下面结合附图以附加细节讨论。
根据标签分配或确定步骤的第二实施例,基于所计算的多个独立噪声声音信号的每个的空间定位来确定多个噪声声音信号中的每个的适当标签。根据本实施例,确定多个物理噪声源的单个声音噪声贡献的方法包括以下步骤:
-基于参考麦克风的参考位置对多个记录的噪声声音信号中的每个分配标签,
-将多个互相独立噪声声音信号中的每个与由多个参考麦克风生成的多个记录的噪声声音信号相关联,确定表示每个独立噪声声音信号和多个记录的噪声声音信号之间的各自传递函数的多个线性混合滤波器的时域或频域特性,
-从多个线性混合滤波器的时域或频域特性确定多个互相独立噪声声音信号中的每个和多个记录的噪声声音信号之间的各自相位差,
-为多个独立噪声声音信号中的每个,基于确定的各自的相位差确定与噪声声音信号具有最短距离的记录的噪声声音信号,
-对多个独立噪声声音信号中的每个分配具有最短距离的记录的噪声声音信号的标签。
本领域技术人员应理解,可直接从多个记录的噪声声音信号的各自相位差的检测来确定与多个独立噪声声音信号中的每个的最短距离。在这种情况下,可在测量频率范围内的相同参考频率(诸如100Hz、1kHz或3kHz)下优选确定多个相位差中的每个。
在替代方案中,多个相位差中的每个都可被转换为对应距离,在这种情况下,可在相同参考频率或不同参考频率下确定相位差。
因此,确定多个物理噪声源的单个噪声声音贡献的方法还可包括以下步骤:
-将确定的多个相位差转换为互相独立噪声声音信号中的每个和多个记录的噪声声音信号之间的对应距离。可优选使用距离而不是相位差,因为距离具有直接的物理意义且趋向于简单地确定其与所讨论的噪声声音信号的距离最短的记录的噪声声音信号。
根据本发明的另一个优选实施例,线性传递路径滤波器用于检查或验证通过线性传递路径滤波器对多个独立噪声声音信号进行滤波而产生的单个噪声声音分量的总和是否占据记录的目标噪声声音信号的整个信号功率。该实施例还包括以下步骤:
将多个独立噪声声音信号施加至各自线性传递路径滤波器以生成记录的目标噪声信号的对应的单个噪声声音分量,
确定单个噪声声音分量的组合信号电平,诸如信号功率、能量或振幅,
将单个噪声声音分量的组合信号电平与对应的记录目标噪声信号的对应信号电平进行比较。
如果单个噪声声音分量的总和信号电平不能占用记录的目标噪声声音信号的基本上整个信号电平,则该电平偏差指示记录的目标噪声声音信号包含没被占用的噪声声音分量。因此,显著偏差指示来自显著物理噪声源的噪声声音贡献(多个)在确定的独立噪声声音信号中未被表示。这种类型的一致性检查或验证对于测试操作员或技术人员是非常有帮助的,因为负验证结果会使操作者注意力转向在声学测量系统的设置中缺失的物理噪声源。因此,操作者将能够重新定位一个或多个参考麦克风和/或将更多的参考麦克风添加到测量设置中来捕捉缺失的物理噪声声源的噪声声音贡献。
本发明的第二方面涉及一种用于确定目标或参考位置处的机动车辆的多个物理噪声源的单个噪声声贡献的声学测量系统。声学测量系统包括:
多个参考麦克风,其放置在邻近物理噪声源中的各自物理噪声源的各自参考位置处,
测量麦克风,其可放置在目标位置处,
计算机化的测量装置,其包括:
多个麦克风信号输入和连接器,其连接到多个参考麦克风和测量麦克风,以用于接收由多个参考麦克风生成的多个噪声声音信号和由测量麦克风生成的目标噪声信号,
信号记录装置,其用于存储数字格式的多个噪声声音信号和数字格式的目标噪声信号,
用户可读显示器,其用于显示各种所记录的信号和用户界面变量,
编程处理器,其被配置为根据一组可执行程序指令进行以下步骤:
a1)使用盲源分离自适应地分离多个所记录的噪声声音信号以产生分别表示估计的多个物理噪声源中的一个的噪声声音信号的多个互相独立噪声声音信号,
b1)将多个互相独立噪声声音信号中的每个与记录的目标噪声信号相关联,以确定表示多个独立噪声声音信号和目标位置处的测量麦克风之间的各自传递函数的多个线性传递路径滤波器的时域或频域特性,
c1)将表示多个物理噪声源中的一个的至少一个独立噪声声音信号施加至对应的线性传递路径滤波器以产生表示目标位置处的物理噪声源的单个噪声声音贡献的至少一个目标噪声信号分量。
声学测量系统可包括PULSE测量平台的适当调整或编程版本,其被设计为用于进行声音和振动测量且可从多个配置的本申请人/受让人购得。PULSE测量平台可在运行合适操作系统(诸如Windows)的个人计算机上执行。声学测量系统可包括具有多个数据采集通道的电子组件,其中每个通道都包括用于参考和测量麦克风的各种信号调节电路。该信号调节电路可包括麦克风前置放大器和/或偏置电压发生器和/或A/D转换器,其可操作地连接到麦克风以用于生成如上所述的数字格式(例如论标准化的数字音频格式)的噪声声音信号和目标信号。本领域技术人员应理解,上述方法的各种其它计算步骤可作为在计算机化的测量装置的软件编程处理器(例如微处理器和/或数字信号处理器)上执行的各自软件应用或例程而实施。软件应用或例程中的每个可包括配置为实施所讨论的方法的特定步骤或多个步骤的一组可执行程序指令。
声学测量系统优选包括具有图形用户界面(GUI)的显示器,所述图形用户界面被配置为通过合适的数据图为用户呈现一个或多个记录或处理的信号,诸如记录的目标噪声信号或多个信号、多个记录的噪声声音信号、独立噪声声音信号、目标噪声信号分量等中的任何一个。
计算机化的测量装置的处理器被优选进一步配置为:
d1)从信号记录装置检索至少一个存储的目标噪声信号分量并通过可访问计算机化的测量装置的音频输出端口再现至少一个存储的目标噪声信号分量。
附图说明
将结合附图更详细地描述本发明的优选实施例,其中:
图1是根据本发明的第一实施例的在测试中安装在汽车上的声学测量系统的简化示意图,该系统用于确定汽车的多个物理噪声源在驾驶员耳朵水平位置处的单独噪声声音贡献,
图2是概念地示出根据本发明的第一实施例的信号处理步骤的示意图,所述信号处理步骤导致使用盲源分离确定机动车辆的多个物理噪声源在目标位置处的单独声音噪声贡献,
图3是安装在图1中所描绘的汽车上的声学测量系统的简化示意图,其示出汽车的四个示例性物理噪声源的单独噪声声音贡献和源标签,
图4示出由布置在四个示例性物理噪声源的四个参考麦克风生成的四个测量的噪声声音信号的一组曲线图和使用盲源分离从测量的噪声声音信号衍生的四个对应的互相独立噪声声音信号的第二组曲线图,
图5A)和图5B)示意地示出根据本发明的第一实施例的噪声源标签或属性如何与四个独立噪声声音信号相关联,
图5C)示意地示出用于确定噪声源标签或属性如何与四个独立噪声声音信号相关联的替代方法;以及
图6是示出四个独立噪声声音信号的总和与测量的目标噪声信号之间的基于频率频谱的比较的曲线图。
具体实施方式
图1是根据本发明的第一实施例的耦接到测试中的汽车102的声学测量系统的简化示意图,该系统用于确定汽车102的多个物理噪声源在驾驶员的耳朵水平位置处的单独噪声声音贡献。声学测量系统包括多个参考麦克风109-117,其放置为邻近物理噪声源中的每个或至少在其附近处。声学测量系统还包括具有软件可编程微处理器的测量计算机132。声学测量系统可包括PULSE测量平台的适当调整或编程版本,其被设计为用于进行声音和振动测量和信号分析。PULSE平台可以以多个配置从本申请人/受让人购得。测量计算机132经由适当的通信链路131连接到多个参考麦克风109-117和测量麦克风128。测量计算机132还包括具有图形用户界面(GUI)的显示器,GUI被配置成为用户以数据曲线图呈现各种记录或处理的麦克风信号。GUI还可包括各种操作按钮和命令,从而允许用户来控制声学测量系统的数据采集和演示功能。
本领域技术人员应理解,通信链路131可存在于多通道数据采集系统内并且被配置为传送模拟格式或数字格式的麦克风信号(例如根据标准化数据通信协议编码)。
目标或参考位置(在该位置处,期望测量或评估单独噪声声音贡献)例如可如图所示位于布置在其坐落在驾驶员的座位上的头部和躯干模拟器130上的测量麦克风128上。测量麦克风128可例如使其振动膜(diaphragm)位于安装在头部和躯干模拟器130中的耳朵模拟器的耳鼓膜平面上以模拟到人类驾驶员的耳鼓膜的声学传送路径的外耳相关特征。在本发明的其它实施例中,目标位置可包括用于测量由道路车辆发出的噪声的汽车或其它机动车辆外部的预定位置,例如根据ISO 362-2:2009的预定位置。在后一种情况下,具有重大意义的是测量和评价来自目标位置处的绕过汽车的物理噪声源的各自噪声声音贡献,以系统地减少或优化正常交通情况下的汽车的外部噪声发射。
假设多个物理噪声源在汽车102的运行条件下产生独立噪声声压且这些噪声声压由多个参考麦克风109-117拾取并转换为多个噪声声音信号,这些信号被传输到测量计算机132的合适记录或存储装置以用于以合适数字信号格式(例如16位PCM)存储。同时,目标噪声信号在测量麦克风128处被拾取并传输到测量计算机132的记录或存储装置以用于以选择的数字格式存储。存储装置可例如包括磁或光盘驱动器或固态存储器等。因此,由参考麦克风响应于各自接收的噪声声压提供多个噪声声音信号且响应于驾驶员的耳鼓位置处的噪声声压提供目标噪声信号。本领域技术人员应理解,优选同时记录多个噪声声音信号和目标噪声信号以提供所有噪声信号的公共时基。
由任何特定参考麦克风拾取的噪声声压可能包含由于相邻或邻近的噪声源之间的大量不可避免的串扰引起的几个不同物理噪声源的混合。参考麦克风116例如放置在邻近发动机125的进气口处(其表示不同的物理噪声源),以测量由进气口产生的噪声声压。但是,由附近的发动机125的各个旋转组件产生的噪声声压也泄漏到参考麦克风116,使得拾取的噪声声压包括来自发动机的噪声贡献。本领域技术人员应理解,在由参考麦克风117和115拾取的各自噪声声压(其目的是测量各种发动机噪声源)和由进气口产生的噪声声压之间存在对应串扰机制。此外,汽车的各种物理噪声源和参考麦克风109-117中的每个之间的高度复杂的声学通路通常会引起包含来自许多不同物理噪声源的噪声声音贡献的高度复杂混合的噪声声音信号。除了已经讨论的发动机和进气口,在典型运行条件下的汽车的物理噪声源还包括像排气管、前后轮胎、齿轮箱等的组件。
用于确定汽车102的多个物理噪声源的单独声音噪声贡献的方法的本实施例优选进行以下步骤:将多个参考麦克风109-117初始放置在邻近先前讨论的汽车的物理噪声源(诸如发动机、前后轮胎、排气管出口、齿轮箱)中的各自物理噪声源的各自参考位置处。此外,先前讨论的测量麦克风128的振动膜放置在头部和躯干模拟器的耳鼓膜位置。此后,遵循某一预定方案,根据预定运行条件(例如在规定齿轮中以恒定速度驱动或通过齿轮加速)来致动或驱动汽车102。在行驶期间,汽车102可被定位在滚动路、底盘测功机或滚动机上来以保持其静止或汽车102可在指定测试轨道上行驶(其中在汽车舱内装载了测量计算机132),同时在存储装置上记录多个噪声声信号和目标信号。后面的程序显然需要将多个参考麦克风109-117适当地紧固到汽车的相关机械组件。使用盲源分离使多个记录的噪声声音信号自适应地分离以产生表示多个物理噪声源的各自估计的噪声声音信号的多个互相独立噪声声音信号。该自适应分离由在测量计算机132上执行的合适应用程序优选实施,如下面以附加细节所描述。
图2是示出信号处理步骤的示意图,该步骤导致确定在图1所描绘的汽车的运行条件期间记录的多个物理噪声源在驾驶员的耳鼓膜位置(目标麦克风定位在其中)处的单独噪声声音贡献。多个记录的噪声声音信号由信号x1–xN示意地表示,这些信号被输入到去混合滤波器W 203的矩阵。盲源分离的任务是确定多个互相独立的噪声声音信号、被示意地表示为y1–yN,其表示多个物理噪声源的估计噪声声音信号。在概念上,由噪声声源发出的‘真实’噪声声音信号在图2中示为信号s1–sN。这些‘真实’噪声声音信号是先前讨论的不具有相邻或邻近的物理噪声源的串扰噪声贡献的噪声信号。因此,测量和记录的噪声声音信号x1–xN可被看作由这些‘真实’噪声声音信号s1–sN经历混合滤波器A的(高度复杂)线性矩阵201产生的。先前讨论的串扰噪声贡献的性质具有以下影响:记录的噪声声音信号x1–xN形成‘真实’(未测量的)噪声声音信号s1–sN的卷积混合。
一般而言,可在本发明中应用大量不同的盲源分离方案或算法以提供记录的声音噪声信号x1–xN的卷积混合的所需分离。选择的盲源分离(BSS)方案或算法优选基于独立分量分析(ICA),本申请人已证明ICA是汽车BSS问题的有力工具。ICA的特别有利的一组实施例在按照[1]中提到的方案的某些预处理步骤之后使用线性预测方法来将与记录的噪声声音信号x1–xN的混合相关联的上述卷积ICA问题减少为瞬时ICA问题。根据这些实施例中的一个,记录的噪声声音信号值x1–xN由应用程序最初在空间和时间上去相关、由计算框203示意地示出、在测量计算机132上执行以提供多个去相关或白化的噪声声音信号。引起记录的噪声声音信号x1–xN的白化的线性预测方法仅依靠这些信号的二阶统计。此后,使用适当类型的标准算法将瞬时独立分量分析施加至去相关或白化的噪声声音信号,以用于诸如JADE在计算框203的输出处产生多个互相独立噪声声音信号y1–yN的目的。所计算的噪声声音信号y1–yN的独立且因此也不相关的性质限制允许这些信号中的每个与目标位置处的记录的噪声声音信号相关以找到其单个或单独的贡献。
应用程序的下一步骤由计算框205示意地示出。在该下一个步骤中,在该特定实施例中,应用程序进行多个互相独立的噪声声音信号y1–yN中的每个和在人体模型的耳鼓膜处所记录的目标噪声信号之间的相关性分析。针对多个独立噪声声音信号中的每个,相关性分析产生一组线性传递路径滤波器Z1(f)-ZN(f),其描述独立噪声声音信号和人体模型的耳鼓膜位置(即目标位置)处的测量麦克风之间的各自线性传送路径的时域特征。线性传递路径滤波器Z1(f)-ZN(f)的这种计算允许多个独立噪声声音信号y1–yN中的每个施加至对应的线性传递路径滤波器并且作为响应生成目标噪声信号分量(其表示由所讨论的噪声声音信号模拟的物理噪声源在目标位置处的单个噪声声音贡献)。
技术人员应理解,该性质对于由多个物理噪声源作出的单独噪声声音贡献的多种类型的客观和/或主观评估和评价是非常有用的。计算框203的输出的最高输出处的噪声声音信号y1可例如模拟在汽车的某一运转条件下由发动机的进气口产生的真实噪声声音信号。但是,为了评定该特定物理噪声源在驾驶员耳朵处的噪声贡献,独立噪声声音信号y1由线性传递路径滤波器Z1(f)滤波,Z1(f)表示从进气口到驾驶员的耳朵(如通过先前讨论的测量麦克风在人体模型中的放置所模拟的)的可能涉及空气传播和结构声音分量的组合的通常复杂的声音传播路径。由线性传递路径滤波器Z1(f)对独立噪声声音信号y1的滤波生成记录的目标噪声信号p1的第一目标噪声信号分量。以类似方式,剩余的独立噪声声音信号y2–yN可通过其线性传递路径滤波器Z2(f)-ZN(f)滤波来产生剩余的物理噪声源中的每个对记录的目标噪声信号p1的单独目标噪声信号分量或贡献。
互相独立噪声声音信号y1–yN中的每个和记录的目标噪声信号p1之间的相关性分析优选通过维纳滤波实施。简述的维纳滤波估计线性滤波器,其最小化未混合的独立噪声声音信号中的每个(例如y1)和串扰影响的目标噪声信号之间的均方误差。与所讨论的独立噪声声音信号不相关的目标噪声信号(在该实例中是y1)的信号分量(多个)被平均掉或消除。消除具有以下进一步的有益效果:线性滤波器Z1(f)-ZN(f)的估计不受外部不相关的噪声信号(例如由目标位置处的测量麦克风拾取的噪声信号)的影响。在这种情况下,外部不相关的噪声信号是由除了机动车辆本身的那些之外的其它物理噪声源产生的噪声声音。
维纳滤波引起多个独立噪声声音信号的线性传递路径滤波器Z1(f)-ZN(f)的时域表示。给定的线性传递路径滤波器可直接施加至对应的独立噪声声音信号以产生所讨论的目标噪声信号分量。因此,记录的噪声声音信号p1的一个或多个目标噪声信号分量(多个)可通过适当的音频呈现应用和耦接到测量计算机132的合适的音频端口或装置来再现。扬声器、耳机或耳塞等可耦接到音频端口以将所讨论的目标噪声信号分量声学再现给听者的一个耳朵或多个耳朵。本领域技术人员应理解,一个或多个目标噪声信号分量(多个)可由听者(多个)通过正式或非正式的监听会话进行评估。正式监听会话可包括以下步骤:监听和评估一个或多个目标噪声信号分量(多个)在单个或几个感知相关的维度(多个)上的感知维度/度量:诸如以下中的一种或多种:{响度、尖锐度、粗糙度、抖动度}。在替代方案中,或者另外,一个或多个目标噪声信号(多个)可通过该使用人类听觉的预定心理声学模型的声音质量评定程序来评估。
心理声学模型可作为在测量计算机132上执行的应用程序而实施。本领域技术人员应理解,这些正式监听会话或一个或多个目标噪声信号分量(多个)的声音质量的计算机化评估对于汽车设计师和工程师迅速识别负责恼人的噪声声音贡献的物理源以用于减弱或消除这些的目的会很有帮助。同样,这也有利于允许汽车设计师和工程师快速跟踪“悦耳”的目标噪声信号贡献的物理噪声源,例如跑车的某些排气或发动机声音图片,使得这些可在目标位置调谐或扩增。
也可以另一种非常有利的方式采用线性滤波器Z1(f)-ZN(f)来验证通过线性滤波器Z1(f)-ZN(f)滤波多个独立噪声声音信号y1–yN而产生的单独噪声声音分量的总和是否占据多个记录的目标噪声声音信号中的任何一个(诸如p1)的整个信号功率。该特征可用于检查所计算的具有合理精度的多个独立噪声的声音信号y1–yN是否能够占据所讨论的记录的目标噪声声音信号的整个信号功率,如下面结合图6进一步详细描述的。
图3是先前讨论的在测试中的汽车302的简化示意图,所述测试用于在上面讨论的测量系统中确定由各个参考麦克风313、314、315、316记录的四个示例性物理噪声源的单独噪声声音贡献以及如何识别并适当地标签对应的独立噪声的声音信号y1–yN。多个独立噪声声信号y1–yN中的每个的标签对于在物理噪声源方面识别其起源是重要的。这四个示例性物理噪声源分别由前轮胎后轮和前轮胎前轮、发动机和进气口形成。本领域技术人员应理解,为了本发明目的,可在任何实际测量会话中选择更少或额外的物理噪声源。图4示出第一组曲线图401,其包括由放置在邻近其各自物理噪声源处的参考麦克风313、314、315、316拾取的四个测量或记录的噪声声音信号x1–x4。信号图401中的每个都标有放置参考麦克风的车辆的物理噪声源。记录的噪声声音信号x1–x4施加至先前讨论的去混合滤波器W的矩阵(其根据先前讨论的两阶段盲源分离技术(涉及基于线性预测的白化随后是瞬时ICA)确定,以生成在第二组曲线405上描绘的四个对应的互相独立的噪声声音信号y1–y4。
优选使用相关性分析来确定多个独立噪声声音信号y1–yN中的每个和由各自物理噪声源处的四个参考麦克风生成或拾取的四个记录的噪声声音信号x1–x4之间的关系,以确定表示独立噪声声音信号y1–yN中的每个和记录的噪声声音信号x1–x4之间的各自传递函数的多个线性混合滤波器或混合滤波器矩阵H的时域或频域特性。在这种情况下,已知的独立噪声声音信号y1–yN可被看作为到混合滤波器矩阵H的输入且记录的噪声声音信号x1–x4被看作为混合滤波器矩阵H的各自输出,如在图5A)中示意地示出的。卷积混合的混合滤波器矩阵H可通过最小二乘估计(即下面的Aτ的解方程(1))来估计:
Aτ可通过矩阵求逆来求解以找到混合滤波器矩阵H。这是用于估计“维纳滤波器”对于多变量情况的系数的维纳-霍普夫方程(Wiener-Hopf equation)的一般化(见例如[2])。
一旦计算或确定了矩阵H的线性混合滤波器,可以直接的方式来确定从独立噪声声音信号y1–yN中的每个对四个记录的噪声声音信号x1–x4中的每个的噪声声音贡献。特别的独立噪声声音信号(例如y1)可施加至混合矩阵H的线性混合滤波器并且确定y1对记录的噪声声音信号x1–x4中的每个的噪声贡献(例如在信号功率或能量方面表示的)。因此,确定记录的噪声声信号x1–x4的y1的信号功率之间的相对分布。因此,也可以确定哪个特定记录的噪声声音信号包含来自y1的最高相对信号功率贡献。
如图5B)的扇形图510上示意性示出的,由邻近进气口的参考麦克风316所记录的噪声声音信号x1从独立噪声声音信号y1接收其总信号功率的近似70%,而记录的噪声声音信号x3从y1接收其总信号功率的近似20%且记录的噪声声音信号x4和x2中的每个从y1接收它们的总信号功率的约5%。因此,在后一种情况中,x1的先前选择的标签(指示相邻物理噪声源作为进气口)可与独立噪声声音信号y1相关联、或分配给其以将其物理噪声源标签为由参考麦克风316拾取的进气口。对应的程序当然可施加至剩余独立噪声声音信号y2–y4,从而导致所有独立噪声声音信号的适当标签。例如,y2可被合理地分配与记录的噪声声音信号x2相关联的“发动机”标签,因为从扇形图512中明显的是,独立噪声声音信号y2主要来源于由参考麦克风315记录的发动机噪声(见图3)。
图5C)示出用于基于如下面所描述的所计算的独立噪声声音信号中的每个的空间定位确定独立噪声声音信号y1-yN中的每个的适当标签。前面讨论的汽车302的简化布局由左和右前轮552、554和后轮胎556、558示出。左前轮胎554具有参考麦克风314和313,其放置在分别生成由距离估计矩阵550的“Mic TyreF”和“Mic TyreR”标签的噪声声音信号的轮胎554的前和后。汽车302的简化布局还包括排气管560、发动机525和进气口562。参考麦克风316放置在邻近进气口562处并生成由“Mic in”标签的噪声声音信号x1,而参考麦克风315放置在邻近发动机525处并生成由“Mic Eng”标签的噪声声音信号x2。
如前所述,混合滤波器矩阵H(见图5A))包括各自传递函数,每个传递函数都可由独立噪声声音信号y1–yN中的每个和记录的噪声声音信号x1–x之间的合适的线性混合滤波器表示。因此,可确定特定独立噪声声音信号和多个记录的噪声声音信号之间的特定参考频率(诸如1kHz)下的各自相位差。所计算的相位差优选转化为特定独立噪声声音信号和记录的噪声声音信号中的每个之间的对应距离估计。可针对所有记录的噪声声音信号x1–x4,在四个独立噪声声音信号y1–y4中的每个之间进行该距离计算、估计或确定以确定如图5C)所示的距离矩阵550的距离值。距离值是在该图示中单位是米。
根据距离矩阵550的单元值,可例如通过简单检查将特定独立噪声声音信号的适当标签确定为呈现到特定独立噪声声音信号的最短距离的记录噪声声音信号的标签。例如,在描绘的距离矩阵550估计中,独立噪声声音信号y1与记录的噪声声音信号x1具有最短距离(0.056251)。由于记录的噪声声音信号x1来源于已经标签为“Mic int”的参考麦克风316,所以标签“Mic int”分配给独立噪声声音信号y1。对于一个或多个剩余的独立噪声声音信号y2-y4,可执行相同程序以确定其适当标签。剩余的独立噪声声信号y2-y4中的每个的适当标签在距离矩阵550估计中通过相关矩阵单元或入口的灰化来指示并导致块566内所示的分配。如图所示,替代方法导致与基于功率贡献分配的先前讨论的标签程序相同或不同的标签。
图6是示出独立噪声声音信号y1–yN的上面讨论的四个单独目标噪声信号分量的总和与测量的目标噪声信号p1之间的基于功率谱的比较的曲线图600。y轴示出以dB为单元的所计算或测量的声音功率且x轴指示线性尺度的从0Hz到1kHz的测量频率。如上所述,线性滤波器Z1(f)-ZN(f)可用于验证在线性滤波器Z1(f)-ZN(f)的输出处接收的独立噪声声音信号y1–y4的单独噪声声音分量的总和以合理精度占据每个记录的目标噪声声音信号(诸如p1)中的整个信号电平(例如信号功率)。在相反的情况下,这指示所讨论的记录的目标噪声声音信号包含未考虑的噪声声音分量。因此,所讨论的目标噪声声音信号的整个信号功率和单独的独立噪声声音信号的组合信号功率之间的显著偏差指示来自显著物理源的噪声声音贡献仍然未由所计算的独立噪声声音信号表示。测试技术员/工程师可将该信息用作一致性检查和验证检查并识别可能缺失的物理噪声源。后一种信息可用来重新定位一个或多个参考麦克风或添加额外的参考麦克风到测量设置中以拾取或记录来自缺失的物理噪声声源的噪声声音信号。在曲线图600中,功率谱曲线601“测量的目标(Target Measured)”表示记录的目标噪声信号p1的实验测量的功率谱且功率谱曲线603“总和IC贡献(Sum ICContributions)”表示所计算的独立噪声声音信号y1–y4的总和的功率谱。本领域技术人员应理解,功率谱601、603在约250Hz以下的频率下相当一致,而2-5dB的量级的微小偏差在高于250Hz的频率下显而易见。
参考文献:
[1]2003年IEEE的Lars Kai Hansen和Mads Dyrholm的“A PREDICTION MATRIXAPPROACH TO CONVOLUTIVE ICA”。
[2]1996年的美国的NJ的Upper Saddle River的Prentice-Hall公司的JohnG.Proakis和Dimitris G.Manolakis.Digital signal processing(3rd ed.):principles,algorithms,and applications。
Claims (26)
1.一种用于确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,包括以下步骤:
a)将多个参考麦克风放置在邻近所述物理噪声源中的相应物理噪声源的相应参考位置处,
b)将测量麦克风放置在所述目标位置处,
c)致动所述机动车辆以获得预定运行条件,
d)接收并记录由所述多个参考麦克风生成的多个噪声声音信号,
e)接收和记录由所述目标位置处的所述测量麦克风生成的目标噪声信号,
f)使用盲源分离使所述多个噪声声音信号自适应地分离以产生多个互相独立的噪声声音信号,所述多个互相独立的噪声声音信号表示所述多个物理噪声源的相应估计的噪声声音信号,
g)使所述多个互相独立的噪声声音信号中的每个与记录的所述目标噪声信号相关联,以确定表示所述多个互相独立的噪声声音信号和所述目标位置处的所述测量麦克风之间的相应的传递函数的多个线性传递路径滤波器的时域或频域特性,
h)将表示所述多个物理噪声源中的一个的所述多个互相独立的噪声声音信号中的至少一个施加至对应的所述线性传递路径滤波器,以生成表示该物理噪声源在所述目标位置处的所述单独噪声声音贡献的至少一个目标噪声信号分量。
2.根据权利要求1所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,进一步包括以下步骤:
i)通过音频再现装置再现所述至少一个目标噪声信号分量。
3.根据权利要求2所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,进一步包括以下步骤:
j)监听和评估所述至少一个目标噪声信号分量在感知相关维度上的感知维度或度量,其中,所述感知维度包括响度、尖锐度、粗糙度、抖动度中的至少一种。
4.根据权利要求1所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,进一步包括以下步骤:
k)通过使用人类听觉的预定心理声学模型的声音质量评定程序来客观评估所述至少一个目标噪声信号分量的至少一个感知维度或度量。
5.根据前述权利要求中任一项所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,其中,所述盲源分离包括以下步骤:
l)在空间和时间上将所述多个噪声声音信号去相关以提供多个去相关或白化的噪声声音信号,
m)将瞬时独立分量分析应用于所述去相关或白化的噪声声音信号以产生所述多个互相独立的噪声声音信号。
6.根据权利要求1至4中任一项所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,其中,所述盲源分离包括以下步骤:
l1)通过AR滤波器组应用所述多个噪声声音信号的多变量自回归模型,以获得多个去相关或白化的噪声声音信号,
m1)对所述去相关或白化的噪声声音信号应用瞬时独立分量分析,以产生所述多个互相独立的噪声声音信号。
7.根据权利要求1至4中任一项所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,其中,所述测量麦克风的所述目标位置是人体头部和躯干模拟器的耳鼓膜位置处。
8.根据权利要求7所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,包括以下步骤:
n)在记录所述目标位置处的所述目标噪声信号期间,使所述人体头部和所述躯干模拟器安放在所述机动车辆的驾驶员的座位或乘客的座位上。
9.根据权利要求1至4中任一项所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,其中,所述机动车辆包括汽车、火车、飞机中的一者。
10.根据权利要求1至4中任一项所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,其中,所述目标位置包括用于测量由道路车辆发出的噪声的在所述机动车辆的外部的预定位置。
11.根据权利要求1至4中任一项所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,包括以下步骤:将所述多个互相独立的噪声声音信号中的每个与标签或属性相关联,所述标签或所述属性指示该标签或该属性所对应的物理噪声源。
12.根据权利要求11所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,进一步包括以下步骤:
-将所述多个互相独立的噪声声音信号中的每个与由所述多个参考麦克风生成的多个记录的噪声声音信号相关联,以确定表示每个独立的噪声声音信号和所述多个记录的噪声声音信号之间的相应的传递函数的多个线性混合滤波器的时域或频域特性,
-将所述多个互相独立的噪声声音信号中的每个施加至所述多个线性混合滤波器,以计算对所述多个记录的噪声声音信号中的每个的相应噪声声音贡献,
-基于计算的对所述多个记录的噪声声音信号的所述噪声声音贡献确定所述多个互相独立的噪声声音信号中的每个的所述标签或所述属性。
13.根据权利要求11所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,进一步包括以下步骤:
-基于所述参考麦克风的所述参考位置为所述多个记录的噪声声音信号中的每个分配标签,
-将所述多个互相独立的噪声声音信号中的每个与由所述多个参考麦克风生成的所述多个记录的噪声声音信号相关联,以确定表示每个独立的噪声声音信号和所述多个记录的噪声声音信号之间的相应传递函数的多个线性混合滤波器的时域或频域特性,
-从所述多个线性混合滤波器的所述时域或频域特性确定所述多个互相独立的噪声声音信号中的每个和所述多个记录的噪声声音信号之间的相应的相位差,
-基于相应的确定的所述相位差,为所述多个互相独立的噪声声音信号中的每个,确定与该噪声声音信号具有最短距离的记录的噪声声音信号,
-为所述多个互相独立的噪声声音信号中的每个分配具有所述最短距离的所述记录的噪声声音信号的所述标签。
14.根据权利要求13所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,进一步包括以下步骤:
-将确定的多个所述相位差转换为所述多个互相独立的噪声声音信号中的每个和所述多个记录的噪声声音信号之间的多个对应距离。
15.根据权利要求12所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,进一步包括以下步骤:
-基于计算的对所述多个记录的噪声声音信号的噪声声音贡献来计算所述多个互相独立的噪声声音信号的总信号功率。
16.根据权利要求12所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,进一步包括以下步骤:
-为所述多个互相独立的噪声声音信号中的每个,比较相应的计算的对所述多个记录的噪声声音信号的所述噪声声音贡献,
s)将所述多个互相独立的噪声声信号中的每个的所述标签或所述属性与具有来自该独立的噪声声音的最大贡献的所述记录的噪声声音信号的所述标签相关联。
17.根据权利要求12所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,进一步包括以下步骤:
-将所述多个互相独立的噪声声音信号中的每个的所述标签或所述属性与该独立的噪声声音信号在噪声功率方面超过50%的贡献的所述记录的噪声声音信号的所述标签相关联。
18.根据权利要求1至4中任一项所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,进一步包括以下步骤:
-将所述多个互相独立的噪声声音信号施加至相应的所述线性传递路径滤波器,以生成所述记录的目标噪声信号的对应的单独噪声声音分量,
-确定所述单独噪声声音分量的组合信号电平,
-将所述单独噪声声音分量的所述组合信号电平与对应的所述记录的目标噪声信号的对应信号电平进行比较。
19.根据权利要求10所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,其中,所述预定位置为根据ISO362-2:2009的预定位置。
20.根据权利要求18所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,其中,所述组合信号电平为信号功率、能量、振幅。
21.根据权利要求9所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,其中,所述汽车包括卡车。
22.根据权利要求9所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,其中,所述汽车包括货车。
23.根据权利要求9所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,其中,所述汽车包括公共汽车。
24.根据权利要求9所述的确定机动车辆的多个物理噪声源在目标位置处的单独噪声声音贡献的方法,其中,所述飞机包括直升机。
25.一种用于确定机动车辆的多个物理噪声源在目标位置处的单独噪声声贡献的声学测量系统,包括:
多个参考麦克风,能够放置在邻近所述多个物理噪声源中的相应物理噪声源的参考位置处,
测量麦克风,能够放置在所述目标位置处,
计算机化的测量装置,包括:
多个麦克风信号输入和连接器,连接到所述多个参考麦克风和所述测量麦克风以接收由所述多个参考麦克风生成的多个噪声声音信号和由所述测量麦克风生成的目标噪声信号,
信号记录装置,用于存储数字格式的所述多个噪声声音信号和数字格式的所述目标噪声信号,
用户可读显示器,用于显示各种记录的信号和用户界面变量,
可编程处理器,被配置为根据一组可执行程序指令执行以下步骤:
a1)使用盲源分离自适应地分离多个记录的所述噪声声音信号,以产生多个互相独立的噪声声音信号,所述多个互相独立的噪声声音信号分别表示所述多个物理噪声源中的一个的估计噪声声音信号,
b1)将所述多个互相独立的噪声声音信号中的每个与记录的所述目标噪声信号相关联,以确定表示所述多个互相独立的噪声声音信号和所述目标位置处的所述测量麦克风之间的相应的传递函数的多个线性传递路径滤波器的时域或频域特性,
c1)将表示所述多个物理噪声源中的一个的所述多个互相独立的噪声声音信号中的至少一个施加至对应的所述线性传递路径滤波器,以产生表示该物理噪声源在所述目标位置处的所述单独噪声声音贡献的至少一个目标噪声信号分量。
26.根据权利要求25所述的声学测量系统,其中,所述处理器进一步被配置为:
d1)从所述信号记录装置中检索至少一个存储的所述目标噪声信号分量并通过所述计算机化的测量装置能够访问的音频输出端口再现至少一个存储的所述目标噪声信号分量。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP13173224.0 | 2013-06-21 | ||
EP13173224 | 2013-06-21 | ||
PCT/EP2014/059785 WO2014202286A1 (en) | 2013-06-21 | 2014-05-13 | Method of determining noise sound contributions of noise sources of a motorized vehicle |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105473988A CN105473988A (zh) | 2016-04-06 |
CN105473988B true CN105473988B (zh) | 2018-11-06 |
Family
ID=48699572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480046300.1A Active CN105473988B (zh) | 2013-06-21 | 2014-05-13 | 确定机动车辆的噪声源的噪声声音贡献的方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10288474B2 (zh) |
EP (1) | EP3011286B1 (zh) |
JP (1) | JP6325663B2 (zh) |
CN (1) | CN105473988B (zh) |
DK (1) | DK3011286T3 (zh) |
WO (1) | WO2014202286A1 (zh) |
Families Citing this family (74)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6413622B2 (ja) * | 2014-10-22 | 2018-10-31 | 株式会社Soken | 超音波式物体検出装置 |
CN105788295B (zh) * | 2014-12-26 | 2018-12-28 | 中国移动通信集团公司 | 一种交通流量的检测方法及装置 |
JP2017102085A (ja) * | 2015-12-04 | 2017-06-08 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
KR101876022B1 (ko) * | 2016-05-16 | 2018-08-02 | 현대자동차주식회사 | 엔진진동 및 주행상태를 반영한 엔진소음 제어장치 |
US10249305B2 (en) * | 2016-05-19 | 2019-04-02 | Microsoft Technology Licensing, Llc | Permutation invariant training for talker-independent multi-talker speech separation |
CN106197653A (zh) * | 2016-07-07 | 2016-12-07 | 上海汽车集团股份有限公司 | 车辆空气声与结构声识别方法 |
RU2627167C1 (ru) * | 2016-11-09 | 2017-08-03 | Публичное акционерное общество "АВТОВАЗ" (ПАО "АВТОВАЗ") | Способ оценки шума, излучаемого системой выпуска отработавших газов, автотранспортного средства, находящегося в движении |
US10754608B2 (en) * | 2016-11-29 | 2020-08-25 | Nokia Technologies Oy | Augmented reality mixing for distributed audio capture |
CN106706118B (zh) * | 2016-12-09 | 2019-12-24 | 西安交通大学 | 基于盲源分离技术的运行工况传递路径分析方法 |
US11348595B2 (en) * | 2017-01-04 | 2022-05-31 | Blackberry Limited | Voice interface and vocal entertainment system |
CN107179201A (zh) * | 2017-05-27 | 2017-09-19 | 北京交通大学 | 高速列车内噪声源的识别方法与系统 |
CN107139934B (zh) * | 2017-07-03 | 2023-04-28 | 吉林大学 | 基于掩蔽效应的轿车驾驶员疲劳缓解与唤醒系统及方法 |
CN109300465B (zh) * | 2017-07-24 | 2022-05-13 | 比亚迪股份有限公司 | 新能源车及其主动降噪方法和系统 |
DE102017119406A1 (de) * | 2017-08-24 | 2019-02-28 | Samson Aktiengesellschaft | Kommunikationsverfahren für ein Stellgerät |
EP3477630B1 (en) * | 2017-10-26 | 2020-03-04 | Harman Becker Automotive Systems GmbH | Active noise cancellation / engine order cancellation for vehicle exhaust system |
CN109709534A (zh) * | 2017-10-26 | 2019-05-03 | 郑州宇通客车股份有限公司 | 一种车辆底盘噪声问题源定位系统和定位方法 |
KR102267098B1 (ko) * | 2017-11-07 | 2021-06-21 | 현대모비스 주식회사 | 차량의 공조 소음 진단 장치 및 방법 |
JP2021507570A (ja) | 2017-12-20 | 2021-02-22 | ハーマン インターナショナル インダストリーズ, インコーポレイテッド | アクティブノイズ管理システムのための仮想テスト環境 |
US10520356B2 (en) * | 2018-01-05 | 2019-12-31 | Center For Integrated Smart Sensors Foundation | Apparatus, method and monitoring system for measuring noise between floors |
JP2019164106A (ja) * | 2018-03-20 | 2019-09-26 | 本田技研工業株式会社 | 異音検出装置および検出方法 |
CN108897905B (zh) * | 2018-05-17 | 2021-03-09 | 安徽江淮汽车集团股份有限公司 | 发动机噪声分析方法 |
WO2019240118A1 (ja) * | 2018-06-15 | 2019-12-19 | パイオニア株式会社 | 音取得装置 |
CN108871552A (zh) * | 2018-06-22 | 2018-11-23 | 哈尔滨工业大学(深圳) | 一种基于声源识别的噪声监测方法与系统 |
CN110793621B (zh) * | 2018-08-03 | 2021-07-30 | 上海汽车变速器有限公司 | 纯电动汽车动力系统阶次噪声测评方法及系统 |
CN110895622A (zh) * | 2018-08-24 | 2020-03-20 | 中国铁路总公司 | 一种基于高铁舱内噪声源识别的降噪指标分解方法 |
CN109443793B (zh) * | 2018-10-12 | 2021-04-09 | 东风汽车有限公司 | 一种汽车车外噪音的测试方法 |
CN109326296B (zh) * | 2018-10-25 | 2022-03-18 | 东南大学 | 一种非自由场条件下的散射声有源控制方法 |
CN109410978B (zh) * | 2018-11-06 | 2021-11-09 | 北京如布科技有限公司 | 一种语音信号分离方法、装置、电子设备及存储介质 |
CN109660916B (zh) * | 2018-12-18 | 2020-06-23 | 安徽江淮汽车集团股份有限公司 | 一种优化车内噪声声学包的方法 |
CN110136685B (zh) * | 2019-05-30 | 2021-06-01 | 中国汽车工程研究院股份有限公司 | 一种基于车车通讯的噪声控制实现方法 |
CN110715724B (zh) * | 2019-08-12 | 2021-10-08 | 中国第一汽车股份有限公司 | 一种基于台架噪声和声传函测算车内噪声的方法 |
CN110514452B (zh) * | 2019-08-27 | 2021-04-20 | 武汉理工大学 | 一种消除发动机噪声对进气噪声测试串扰的方法 |
CN110593987B (zh) * | 2019-09-11 | 2021-12-07 | 武汉理工大学 | 车内排气噪声分离方法及声源发生装置 |
CN110675892B (zh) * | 2019-09-24 | 2022-04-05 | 北京地平线机器人技术研发有限公司 | 多位置语音分离方法和装置、存储介质、电子设备 |
EP3809410A1 (en) * | 2019-10-17 | 2021-04-21 | Tata Consultancy Services Limited | System and method for reducing noise components in a live audio stream |
CN110990752B (zh) * | 2019-10-31 | 2023-03-28 | 重庆长安汽车股份有限公司 | 汽车行驶过程车内噪声水平等级评价方法 |
CN111024217B (zh) * | 2019-12-27 | 2021-08-24 | 武昌船舶重工集团有限公司 | 一种船舶水下自噪声监测方法 |
CN111089738B (zh) * | 2019-12-31 | 2022-06-17 | 南京工大桥隧与轨道交通研究院有限公司 | 一种基于噪声信号的轮轨匹配状态识别方法 |
CN111220266B (zh) * | 2020-01-08 | 2022-03-25 | 佩尔哲汽车内饰系统(太仓)有限公司 | 一种基于网络诊断算法的整车传递路径分析测试方法 |
CN111243613B (zh) * | 2020-01-08 | 2023-01-31 | 福建省煜坤强威电机有限公司 | 基于噪声源识别的发电机组减震降噪方法 |
CN113449445A (zh) * | 2020-03-26 | 2021-09-28 | 广州汽车集团股份有限公司 | 一种车辆路噪分析方法、装置及存储介质 |
JP7327274B2 (ja) * | 2020-05-20 | 2023-08-16 | トヨタ自動車株式会社 | 異音の発生箇所特定方法、異音の発生箇所特定システム、異音の発生箇所特定装置、異音の発生箇所通知装置、および車載装置 |
KR20210147155A (ko) * | 2020-05-27 | 2021-12-07 | 현대모비스 주식회사 | 조향계 소음 판별 장치 |
DE102020114222A1 (de) * | 2020-05-27 | 2021-12-02 | Vacon Oy | Antrieb für eine elektrische Anwendung und Verfahren zur Aufrechterhaltung und Feinabstimmung des Antriebs |
CN111693138B (zh) * | 2020-06-15 | 2021-09-28 | 安徽江淮汽车集团股份有限公司 | 电动尾门开启噪声检测方法、设备、存储介质及装置 |
CN111693139B (zh) * | 2020-06-19 | 2022-04-22 | 浙江讯飞智能科技有限公司 | 声音强度测量方法、装置、设备及存储介质 |
CN111982274B (zh) * | 2020-07-22 | 2022-09-09 | 江苏大学 | 一种基于声品质贡献系数的电机噪声源识别方法及系统 |
CN111964776B (zh) * | 2020-07-27 | 2022-07-15 | 中国第一汽车股份有限公司 | 一种基于声学传递函数的整车状态泵体声功率级测试方法 |
CN114076684A (zh) * | 2020-08-19 | 2022-02-22 | 北汽福田汽车股份有限公司 | 确定噪声贡献量的方法、装置、存储介质及电子设备 |
CN112149226B (zh) * | 2020-09-15 | 2023-10-31 | 青岛大学 | 一种基于局部无网格基本解法的车内噪声预测方法 |
CN112197857B (zh) * | 2020-09-30 | 2022-12-20 | 广州新静界声学科技股份有限公司 | 安装有多台设备的机房的噪声传递通道分析方法 |
CN112432702B (zh) * | 2020-11-09 | 2021-10-15 | 大连理工大学 | 一种基于离心泵振动传递路径重合的振动源识别方法 |
JP7392633B2 (ja) * | 2020-11-10 | 2023-12-06 | トヨタ自動車株式会社 | 車両の異音検査装置 |
CN112729528B (zh) * | 2020-12-07 | 2022-09-23 | 潍柴动力股份有限公司 | 一种噪声源识别方法、装置及设备 |
JP7444045B2 (ja) | 2020-12-17 | 2024-03-06 | トヨタ自動車株式会社 | 音源探査システムおよび音源探査方法 |
CN112665877B (zh) * | 2020-12-31 | 2023-09-26 | 华南理工大学 | 一种基于传递路径分析方法的汽车空气路径噪声测试方法 |
CN112733447B (zh) * | 2021-01-07 | 2022-04-29 | 浙江大学 | 一种基于域自适应网络的水下声源定位方法及系统 |
CN112733381B (zh) * | 2021-01-21 | 2021-10-08 | 上海索辰信息科技股份有限公司 | 一种基于物理机制的噪声模拟方法 |
CN112985580A (zh) * | 2021-02-01 | 2021-06-18 | 北京汽车集团越野车有限公司 | 一种噪音采集装置 |
CN113132519B (zh) * | 2021-04-14 | 2023-06-02 | Oppo广东移动通信有限公司 | 电子设备、电子设备的语音识别方法及存储介质 |
CN113076656B (zh) * | 2021-04-19 | 2022-11-25 | 重庆建设车用空调器有限责任公司 | 一种汽车流体泵启动噪音测试分析评价方法 |
CN113358211B (zh) * | 2021-05-28 | 2024-04-30 | 江苏徐工国重实验室科技有限公司 | 噪声测试方法及装置 |
CN113505524B (zh) * | 2021-06-16 | 2023-11-28 | 广州大学 | 轨道交通噪声贡献量确定方法、系统、装置及存储介质 |
CN113593251B (zh) * | 2021-07-22 | 2022-06-17 | 世邦通信股份有限公司 | 一种炸街车快速筛选方法及系统 |
CN113776648B (zh) * | 2021-07-26 | 2023-09-08 | 重庆大学 | 一种基于正则化总体最小二乘法的工况传递路径分析方法 |
CN114112006A (zh) * | 2021-11-26 | 2022-03-01 | 中科传启(苏州)科技有限公司 | 一种噪声监测方法、装置及电子设备 |
CN114354214A (zh) * | 2021-12-30 | 2022-04-15 | 沙龙智行科技有限公司 | 电动汽车怠速噪声匹配方法及装置 |
CN114485920B (zh) * | 2022-01-24 | 2023-06-02 | 广东汇天航空航天科技有限公司 | 一种控制信息生成方法、装置、电子设备和介质 |
CN114441177B (zh) * | 2022-01-30 | 2023-07-07 | 重庆长安汽车股份有限公司 | 基于信号调制定量评价发动机噪声的方法、系统及设备 |
CN114878183A (zh) * | 2022-04-29 | 2022-08-09 | 东风汽车集团股份有限公司 | 整车隔声贡献度确定方法、系统 |
CN114999529B (zh) * | 2022-08-05 | 2022-11-01 | 中国民航大学 | 一种面向机场航空噪声的机型分类方法 |
CN116296431A (zh) * | 2022-12-28 | 2023-06-23 | 佩尔哲汽车内饰系统(太仓)有限公司 | 一种增程式新能源汽车的声学测试及分析方法 |
CN116760499B (zh) * | 2023-07-07 | 2023-12-01 | 恩平市天悦音响科技有限公司 | 一种基于大数据的调音台调音管理系统及方法 |
CN117313249B (zh) * | 2023-11-30 | 2024-01-30 | 中汽研(天津)汽车工程研究院有限公司 | 整车风噪语音清晰度预测方法、设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6427112B1 (en) * | 2001-01-26 | 2002-07-30 | Visteon Global Technologies, Inc. | Method of tuning a vehicle |
CN102494754A (zh) * | 2011-12-20 | 2012-06-13 | 重庆长安汽车股份有限公司 | 一种基于阶次离散的车内噪声源贡献量快速识别方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3111088B2 (ja) * | 1991-07-16 | 2000-11-20 | 株式会社ブリヂストン | 音源・振動源の寄与診断方法およびその装置 |
JP3675965B2 (ja) * | 1996-07-12 | 2005-07-27 | 東京瓦斯株式会社 | 自己回帰モデルを利用した音響または振動データの収集、処理方法及び自己回帰モデルを利用した音響または振動データからの有意な信号の抽出システム |
JPH1194642A (ja) | 1997-09-19 | 1999-04-09 | Bridgestone Corp | 音源・振動源の寄与診断装置 |
JPH11326036A (ja) | 1998-05-18 | 1999-11-26 | Hitachi Ltd | 騒音または振動の寄与率の検出方法 |
US6650757B1 (en) * | 1999-09-27 | 2003-11-18 | Ford Global Technologies, Llc | Method and system to detect unwanted noise |
KR100486736B1 (ko) | 2003-03-31 | 2005-05-03 | 삼성전자주식회사 | 두개의 센서를 이용한 목적원별 신호 분리방법 및 장치 |
US7099821B2 (en) | 2003-09-12 | 2006-08-29 | Softmax, Inc. | Separation of target acoustic signals in a multi-transducer arrangement |
EP1947642B1 (en) * | 2007-01-16 | 2018-06-13 | Apple Inc. | Active noise control system |
EP2028651A1 (en) | 2007-08-24 | 2009-02-25 | Sound Intelligence B.V. | Method and apparatus for detection of specific input signal contributions |
JP5231139B2 (ja) * | 2008-08-27 | 2013-07-10 | 株式会社日立製作所 | 音源抽出装置 |
KR20110047852A (ko) | 2009-10-30 | 2011-05-09 | 삼성전자주식회사 | 동작 환경에 적응 가능한 음원녹음장치 및 그 방법 |
US9031268B2 (en) * | 2011-05-09 | 2015-05-12 | Dts, Inc. | Room characterization and correction for multi-channel audio |
EP2530835B1 (en) * | 2011-05-30 | 2015-07-22 | Harman Becker Automotive Systems GmbH | Automatic adjustment of a speed dependent equalizing control system |
CN102903368B (zh) | 2011-07-29 | 2017-04-12 | 杜比实验室特许公司 | 用于卷积盲源分离的方法和设备 |
-
2014
- 2014-05-13 EP EP14725086.4A patent/EP3011286B1/en active Active
- 2014-05-13 US US14/899,791 patent/US10288474B2/en active Active
- 2014-05-13 JP JP2016520323A patent/JP6325663B2/ja active Active
- 2014-05-13 WO PCT/EP2014/059785 patent/WO2014202286A1/en active Application Filing
- 2014-05-13 DK DK14725086.4T patent/DK3011286T3/da active
- 2014-05-13 CN CN201480046300.1A patent/CN105473988B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6427112B1 (en) * | 2001-01-26 | 2002-07-30 | Visteon Global Technologies, Inc. | Method of tuning a vehicle |
CN102494754A (zh) * | 2011-12-20 | 2012-06-13 | 重庆长安汽车股份有限公司 | 一种基于阶次离散的车内噪声源贡献量快速识别方法 |
Non-Patent Citations (4)
Title |
---|
Blind Signal Separation: Statistical Principles;JEAN-FRANCOIS等;《Proceedings of the IEEE》;19981031;第86卷(第10期);第2009-2025页 * |
Contribution Analysis for Vehicle Interior Noise Using Only Response Signals;Junji YOSHIDA等;《2013 The Japan Society of Mechanical Engineers》;20130425;第47-59页 * |
Operational transfer path analysis predicting contributions to the vehicle interior noise for different excitations from the same sound source;Jakob Putner等;《Inter.Noise 2012》;20120822;第1-12页 * |
Operational transfer path analysis:Theory,guidelines and tire noise application;D.de Klerk等;《Mechanical Systems and Signal Processing》;20100521;第1950-1962页 * |
Also Published As
Publication number | Publication date |
---|---|
JP2016524148A (ja) | 2016-08-12 |
CN105473988A (zh) | 2016-04-06 |
JP6325663B2 (ja) | 2018-05-16 |
US10288474B2 (en) | 2019-05-14 |
EP3011286A1 (en) | 2016-04-27 |
US20160138967A1 (en) | 2016-05-19 |
DK3011286T3 (da) | 2017-11-13 |
WO2014202286A1 (en) | 2014-12-24 |
EP3011286B1 (en) | 2017-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105473988B (zh) | 确定机动车辆的噪声源的噪声声音贡献的方法 | |
Genuit | The sound quality of vehicle interior noise: a challenge for the NVH-engineers | |
US11308932B2 (en) | Virtual test environment for active noise management systems | |
US9179237B2 (en) | Virtual audio system tuning | |
Cook et al. | End-of-line inspection for annoying noises in automobiles: Trends and perspectives | |
US20140100714A1 (en) | Vehicular squeak and rattle detection | |
WO2004092700A2 (en) | A method and device for determining acoustical transfer impedance | |
Schuhmacher | Blind source separation applied to indoor vehicle pass-by measurements | |
Wolff et al. | Panel contribution analysis-an alternative window method | |
Sottek et al. | Separation of airborne and structure-borne tire-road noise based on vehicle interior noise measurements | |
Schuhmacher et al. | Indoor pass-by noise contribution analysis using source path contribution concept | |
Schuhmacher et al. | Engine contribution analysis using a noise and vibration simulator | |
Arsić et al. | A framework for the sensitivity analysis of transfer paths combining contribution analysis and response modification analysis | |
Ryu et al. | Contribution analysis of exterior noise with indoor pass-by measurement | |
Bogema et al. | High-frequency time domain source path contribution: from engine test bench data to cabin interior sounds | |
Irrgang et al. | In-Situ Detection of Defects in Car Audio Systems | |
Sottek et al. | Advanced methods for the auralization of vehicle interior tire-road noise | |
Genuit et al. | Progresses in pass-by simulation techniques | |
Genuit et al. | Binaural “hybrid” model for simulation of engine and wind noise in the interior of vehicles | |
Schuhmacher et al. | Estimating contributions of vehicle pass-by noise sources | |
Kuntz et al. | Loudspeaker-based sound reproduction for evaluating noise transmission into the car cabin | |
Allman-Ward et al. | Source decomposition for vehicle sound simulation | |
Pietila et al. | Evaluation of Different Vehicle Noise Reduction Test Methods for Tire Sound Quality Synthesis | |
Schuhmacher et al. | Evaluation of SPC and BSS for indoor pass-by noise contribution analysis | |
Bogema et al. | Comparison of time and frequency domain source path contribution analysis for engine noise using a noise and vibration engine simulator |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |