CN117076843B - 一种建立车内声传递函数误差模型的方法 - Google Patents

Abstract

本发明公开了一种建立车内声传递函数误差模型的方法，包括以下步骤：确定车内声控制区域；设置乘坐情况，测量每种乘坐情况下每个声控制区域的传递函数，获取测量声传递函数；获取期望声传递函数；获取测量声传递函数和期望声传递函数之间的传递函数误差，基于传递函数误差计算误差分布概率密度函数；基于误差分布概率密度函数，构建传递函数误差模型，其中传递函数误差模型用于辅助控制车内声场。本发明结合心理声学，通过Bark频带将传递误差分类，将需要在全频段计算的传递函数误差模型的数量减少到了分类后的数量，减少了计算量的同时增加了每个频带可使用的样本数量，提高了每个频带中所建立的误差模型精度，保证了对声场控制的效果。

Description

一种建立车内声传递函数误差模型的方法

技术领域

本发明属于车内声场研究方法技术领域，尤其涉及一种建立车内声传递函数误差模型的方法。

背景技术

随着汽车技术的发展，汽车内部空间的声场控制也成为了研究热点之一。针对现有车内声场控制技术，其过程未考虑声传递函数由于声场环境发生变化，或是不能提供实际应用中真实的声传递函数误差概率分布。由于人体对声信号的散射效应对声场有较为明显的影响，且对车内声场的扰动较大，因此车内乘坐人数、位置以及坐姿都会改变车内声学环境。考虑到这些情况的影响，对传递函数误差的分析成了车内声场控制的关键。

在以前车内声场控制的研究中，大多没考虑到传递函数误差的影响或是直接假设传递函数误差为某一特定的概率分布。因此，本发明提出一种建立车内声传递函数误差模型的方法，以解决现有技术中的不足之处。

发明内容

针对车内声学环境因乘坐人数、位置以及乘坐姿势的改变而发生变化，导致对车内声场的控制达不到预期效果的问题，本发明提出一种建立车内声传递函数误差模型的方法。

为实现上述目的，本发明提供了一种建立车内声传递函数误差模型的方法，包括以下步骤：

确定车内声控制区域；

设置乘坐情况，测量每种所述乘坐情况下每个所述声控制区域的传递函数，获取测量声传递函数；

获取期望声传递函数；

获取所述测量声传递函数和所述期望声传递函数之间的传递函数误差，基于所述传递函数误差计算误差分布概率密度函数；

基于所述误差分布概率密度函数，构建传递函数误差模型，其中所述传递函数误差模型用于辅助控制车内声场。

可选的，确定所述车内声控制区域包括：

根据汽车类型，确定所述车内声控制区域，所述汽车类型包括汽车中可乘坐的人数及位置。

可选的，设置所述乘坐情况，测量每种所述乘坐情况下每个所述声控制区域的传递函数，获取所述测量声传递函数包括：

基于车内乘客乘坐信息，设置车内不同乘坐情况下的声学环境，并设置频率范围和采样频率；

基于所述声学环境，获取每个所述声控制区域内发出的声压信号和接收到的声压信号；

对所述发出的声压信号和所述接收到的声压信号进行快速傅里叶变换，获取发出的频域信号和接收到的频域信号；

通过所述发出的频域信号和所述接收到的频域信号的比值，计算每个所述控制区域的测量声传递函数。

可选的，所述乘坐情况包括乘客人数、乘坐位置和乘坐姿势；

所述乘坐姿势包括直坐和倚靠头枕。

可选的，所述乘坐情况还包括驾驶位始终有驾驶员，且所述驾驶员的乘坐姿势为直坐。

可选的，获取所述期望声传递函数包括：

测量每个声源到所述声控制区域内每个控制点的传递距离；

基于所述传递距离，利用点声源模型计算所述期望声传递函数。

可选的，所述点声源模型为：

其中，p为期望声传递函数，为波数，f为频率，c为声速，R为声源到响应点的距离。

可选的，获取所述测量声传递函数和所述期望声传递函数之间的传递函数误差，基于所述传递函数误差计算所述误差分布概率密度函数包括：

利用所述测量声传递函数和所述期望声传递函数作差，获取所述传递函数误差，所述传递函数误差包括幅值误差和相位误差；

根据Bark频率尺度，将所述传递函数误差进行分类，并利用核密度估计分别分析所述幅值误差和所述相位误差，获取所述误差分布概率密度函数。

可选的，基于所述误差分布概率密度函数，构建所述传递函数误差模型包括：

基于所述误差分布概率密度函数，计算所述传递函数误差的统计特征参数；

利用所述统计特征参数，构建所述传递函数误差模型。

可选的，所述传递函数误差模型为：

其中，σ_φ、σ_a和μ_a为统计特征参数，φ为相位密度，a为幅值误差。

本发明具有以下有益效果：

a、本发明提出的建立传递函数误差模型的方法，可获得车内常见乘坐情况下的所有传递函数误差的概率分布以及概率密度函数，包括幅值误差和相位误差，为车内声场控制提供了精确的参数支持，提升了车内声场控制的效果；

b、本发明结合心理声学，通过Bark频带将所得传递误差分类，将需要在全频段计算的传递函数误差模型的数量减少到了分类后的数量，减少了计算量的同时增加了每个频带可使用的样本数量，从而提高了每个频带中所建立的误差模型精度，保证了对声场控制的效果。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明实施例一种建立车内声传递函数误差模型的方法的流程图；

图2为本发明实施例提出的车内扬声器及传声器布置及编号的示意图；

图3为本发明实施例提出的车内乘坐人数为2人，坐姿均为直坐，位置不同的乘坐情况示意图；

图4为本发明实施例提出的车内乘坐人数为3人，坐姿均为直坐，位置不同的乘坐情况示意图；

图5为本发明实施例提出的车内乘坐人数为4人，坐姿均为直坐，位置不同的乘坐情况示意图；

图6为本发明实施例提出的车内乘坐人数为5人，坐姿均为直坐的乘坐情况示意图；

图7为本发明实施例提出的车内乘坐人数为2人，位置和坐姿不同的乘坐情况示意图；

图8为本发明实施例提出的车内乘坐人数为3人，位置和坐姿不同的乘坐情况示意图；

图9为本发明实施例提出的车内乘坐人数为4人，位置和坐姿不同的乘坐情况示意图；

图10为本发明实施例提出的车内乘坐人数为5人，位置和坐姿不同的乘坐情况示意图；

其中，LH表示倚靠头枕，SS表示直坐；

图11为本发明实施例提出的0～100Hz频带下幅值误差的概率密度函数曲线图；

图12为本发明实施例提出的400～510Hz频带下幅值误差的概率密度函数曲线图；

图13为本发明实施例提出的1080～1270Hz频带下幅值误差的概率密度函数曲线图；

图14为本发明实施例提出的2320～2700Hz频带下幅值误差的概率密度函数曲线图；

图15为本发明实施例提出的5300～6400Hz频带下幅值误差的概率密度函数曲线图；

图16为本发明实施例提出的0～100Hz频带下相位误差的概率密度函数曲线图；

图17为本发明实施例提出的400～510Hz频带下相位误差的概率密度函数曲线图；

图18为本发明实施例提出的1080～1270Hz频带下相位误差的概率密度函数曲线图；

图19为本发明实施例提出的2320～2700Hz频带下相位误差的概率密度函数曲线图；

图20为本发明实施例提出的5300～6400Hz频带下相位误差的概率密度函数曲线图；

图21为本发明实施例提出的以车内声场分区控制中常见的ACC算法作为对象的控制效果图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

一种车内传递函数误差模型的建立方法，涉及到车内可预测声学环境的布置、声传递函数的测量和传递函数误差模型的建立方法，包括以下步骤：设置不同乘坐情况下的车内声学环境，包括人数、位置以及乘坐姿势的不同；布置车内扬声器及传感器；测量所有声学环境设置下的声传递函数；利用点声源模型计算期望传递函数，与测量函数作差建立传递函数误差库；按照Bark频率尺度，将传递函数误差进行分类；通过误差分析，计算出每个频带的声传递函数误差概率分布以及概率密度函数；建立声传递函数误差模型。

如图1所示，本发明提供一种建立车内声传递函数误差模型的方法，具体包括以下步骤：

步骤1：根据汽车类型确定控制区域。在N个座位头枕区域布置传声器，共N个控制区域，共N×M个传声器，M为每个控制区域的传声器个数，在车内布置L个扬声器，布置方式如图2所示；

步骤2：测量所有乘坐情况下每个控制区的传递函数，如图3-10所示。L个扬声器依次发出信号，N个控制区域的传声器同时接收，获得所有扬声器到N个控制区域的声传递函数，具体步骤如下：

设置车内不同乘坐情况下的声学环境，其中所考虑到的车内乘客乘坐情况有：乘客人数、乘坐位置以及乘坐姿势，其中坐姿分别为直坐与倚靠头枕两种，按照控制变量法的排列组合考虑所有可能的情况。考虑到实际情况以及驾驶安全性，驾驶位始终有人且坐姿为直坐。

考虑不同乘坐情况，按照以下步骤进行传递函数的测量。

步骤2.1：设定控制的频率范围为f_min～f_max，f_min为控制的下限频率，f_max为控制的上限频率；设置采样频率f_s为2倍控制频率带宽；扬声器驱动信号驱动扬声器依次播放，产生声压信号，采集扬声器处发出的声压信号；

步骤2.2：利用N个控制区内的传声器同时采集接收到的声压信号，根据扬声器处与传声器处采集到的信号经快速傅里叶变换后得到各自的频域信号，通过传声器收集到的频域信号与扬声器处的频域信号的壁纸，计算出各自传递函数，每个控制区域的传递函数共L×M个传递函数，可用矩阵形式表示为：

其中，g(r_i|r_sj)为第j个扬声器到第i个传声器的传递函数，其本质为声压，j＝1,2,…,L，i＝1,2,…,M，r_s为声源位置坐标，r为传声器点位置坐标，G为某一频率下的传递函数矩阵。

步骤3：测量出每个扬声器到每个传声器的距离，利用点声源模型计算出期望声传递函数，与测量出的传递函数作差，得到传递函数误差，包括幅值误差以及相位误差。利用核密度估计分别分析各频带的幅值误差与相位误差，分别得到相应的概率分布以及幅值概率密度函数f_a与相位概率密度函数f_φ，具体步骤如下：

步骤3.1：测量出每个扬声器到每个传声器的距离，即测量每个声源到所控制区内每个控制点的距离；

步骤3.2：利用点声源模型，计算出期望的空间响应即期望声传递函数，其中点声源模型为：

其中，p为期望声传递函数，为波数，f为频率，c为声速，R为声源到响应点的距离，且实部表示幅值，虚部表示相位；

步骤3.3：利用步骤2中的测量值与期望值做差得到传递函数误差，包括幅值误差和相位误差；

步骤3.4：根据Bark频率尺度，将所有不同频率下的传递函数误差根据自身频率分类，利用核密度估计分别分析各频带的幅值误差与相位误差，得到相应的概率分布以及幅值概率密度函数f_a与相位概率密度函数f_φ。其中，车内部分频带的概率密度函数曲线如图11-20所示。

步骤4：建立传递函数误差模型。

以空间相关矩阵为基础建立传递函数误差模型。控制区域的空间相关矩阵R为：

其中，R表示了该声学环境下的空间特征，由传递函数矩阵G计算得到，其中[·]^H表示共轭转置。

若为考虑误差扰动后的空间相关矩阵，则

其中，表示矩阵的Hadamard乘积，即相同位置的元素相乘；

其中，

σ_φ＝(∫_φcosφf_φdφ)²+(∫_φsinsφf_φdφ)²

μ_a＝∫_aa²f_ada

μ_a＝∫_aaf_ada

是传递函数误差的统计特征，φ为相位密度，a为幅值误差。

实施例

本发明实施例以5人汽车内部声学环境为对象，建立其传递函数误差模型的方法流程图如图1所示。

步骤1：根据汽车中可乘坐的人数及位置，在车内确定控制区域。在5个座位头枕区域布置传声器，共5个控制区域，共5×2个传声器，每个控制区域的传声器个数为2个，在车内布置6个扬声器，布置方式如图2所示；

步骤2：测量每种乘坐情况下每个控制区的传递函数，如图3-10所示。6个扬声器依次发出信号，5个控制区域的传声器同时接收，获得所有扬声器到5个控制区域的声传递函数。其中基于不同乘客人数下，不同乘坐位置、相同坐姿(均为直坐)的乘坐情况共有种，在乘客人数以及乘坐位置不变的基础上加入乘坐姿势不同的情况有/> 种，总计80种情况。

具体步骤如下：

步骤2.1：设定控制的频率范围为0～6400Hz；设置采样频率为12800Hz；扬声器驱动信号驱动扬声器依次播放，产生声压信号，采集扬声器处发出的声压信号，采样频率分辨率为1.5625Hz；

步骤2.2：利用5个控制区内的传声器同时采集接收到的声压信号，根据扬声器处与传声器处采集到的信号经快速傅里叶变换后，得到各自的频域信号，通过传声器收集到的频域信号与扬声器处的频域信号的比值，计算出各自传递函数，每个控制区域的传递函数共2×6个，可用矩阵形式表示为：

其中，G为某一频率下的传递函数矩阵。

步骤3：根据测量结果与期望获得传递函数误差，利用核密度估计分析出传递函数误差的概率分布以及概率密度函数，具体步骤如下：

步骤3.1：测量每个扬声器到每个传声器的距离，获取声源到响应点的距离R；

步骤3.2：利用点声源模型，计算出期望的空间响应即期望声传递函数，其中点声源模型为：

其中，p为期望声传递函数，为波数，f为频率，c为声速取340m/s，R为声源到响应点的距离，且实部表示幅值，虚部表示相位；

步骤3.3：利用步骤2中的测量值与期望值做差得到传递函数误差，包括幅值误差和相位误差；

步骤3.4：根据Bark频率尺度，将所有不同频率下的传递函数误差根据自身频率分类，本实例所控制的频率为0～6400Hz，按照Bark频率尺度，共分为20个频带。利用核密度估计分别分析各频带的幅值误差与相位误差，得到20组相应的概率密度函数f_a与f_φ。其中，车内部分频带的概率密度函数曲线如图11-20所示。

步骤4：利用步骤3中的概率函数密度计算出传递函数误差的统计特征参数，并建立传递函数误差模型，再计算出将应用到车内分区控制算法中的空间相关矩阵，具体步骤如下：

步骤4.1：计算出每个控制区的空间相关矩阵R，公式如下：

其中，M为控制区内控制点个数。

步骤4.2：计算出传递函数误差的统计特征参数，包括：

σ_φ＝(∫_φcosφf_φdφ)²+(∫_φsinsφ∫_φdφ)²

σ_a＝∫_aa²f_ada

μ_a＝∫_aaf_ada

其中，σ_φ、σ_a和μ_a为统计特征参数，φ为相位密度，a为幅值误差。

步骤4.3：若为考虑误差扰动后的空间相关矩阵，则

其中，表示矩阵的Hadamard乘积，即相同位置的元素相乘；

该矩阵即传递函数误差模型，反映了传递函数误差在车内声学环境的统计特征。

通过步骤4得到的考虑了传递函数误差扰动的空间相关矩阵将其应用到车内声场分区控制中，将/>使用到分区控制中常见的ACC算法中，并与不使用该误差模型的ACC算法进行比较。其评价指标为听音区与静音区的声势能之比，ACC方法的目的是让明暗区声势能密度之比最大，即

其中，C是明暗区的声势能密度之比，其强度定义为声对比度值AC＝10log₁₀C。ε_b和ε_d分别为听音区和静音区的声势能，q为源强向量，[]H表示共轭转置，R_b和R_d分别表示听音区和静音区的空间相关矩阵。通过引入拉格朗日乘子，解得

其中，eig(·)表示矩阵最大特征值所对应的特征向量。通过各自控制区域的相关矩阵R可以解得所需的q。本实施例将分别带入使用了传递函数误差模型的相关矩阵与未使用传递函数误差模型的相关矩阵R，解得对应的q，再计算出各自的AC值。结果如图21所示，使用了误差模型的算法结果中，其AC值在全频段基本高于未使用该模型的算法。并且AC值在10dB以上就有良好的控制效果，使用了误差模型的算法结果中，绝大部分频带的AC值都大于10dB，并且全频段的平均AC值达到了14.24dB，这说明了本实施例建立的传递函数误差模型能够给声场控制提供更好地效果。

以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (9)

1.一种建立车内声传递函数误差模型的方法，其特征在于，包括以下步骤：

确定车内声控制区域；

设置乘坐情况，测量每种所述乘坐情况下每个所述声控制区域的传递函数，获取测量声传递函数；

设置所述乘坐情况，测量每种所述乘坐情况下每个所述声控制区域的传递函数，获取所述测量声传递函数包括：

基于车内乘客乘坐信息，设置车内不同乘坐情况下的声学环境，并设置频率范围和采样频率；

基于所述声学环境，获取每个所述声控制区域内发出的声压信号和接收到的声压信号；

对所述发出的声压信号和所述接收到的声压信号进行快速傅里叶变换，获取发出的频域信号和接收到的频域信号；

通过所述发出的频域信号和所述接收到的频域信号的比值，计算每个所述控制区域的测量声传递函数；

获取期望声传递函数；获取所述测量声传递函数和所述期望声传递函数之间的传递函数误差，基于所述传递函数误差计算误差分布概率密度函数；

基于所述误差分布概率密度函数，构建传递函数误差模型，其中所述传递函数误差模型用于辅助控制车内声场。

2.如权利要求1所述的一种建立车内声传递函数误差模型的方法，其特征在于，确定所述车内声控制区域包括：

根据汽车类型，确定所述车内声控制区域，所述汽车类型包括汽车中可乘坐的人数及位置。

3.如权利要求1所述的一种建立车内声传递函数误差模型的方法，其特征在于，所述乘坐情况包括乘客人数、乘坐位置和乘坐姿势；

所述乘坐姿势包括直坐和倚靠头枕。

4.如权利要求3所述的一种建立车内声传递函数误差模型的方法，其特征在于，所述乘坐情况还包括驾驶位始终有驾驶员，且所述驾驶员的乘坐姿势为直坐。

5.如权利要求1所述的一种建立车内声传递函数误差模型的方法，其特征在于，获取所述期望声传递函数包括：

测量每个声源到所述声控制区域内每个控制点的传递距离；

基于所述传递距离，利用点声源模型计算所述期望声传递函数。

6.如权利要求5所述的一种建立车内声传递函数误差模型的方法，其特征在于，所述点声源模型为：

其中，p为期望声传递函数，为波数，f为频率，c为声速，R为声源到响应点的距离。

7.如权利要求1所述的一种建立车内声传递函数误差模型的方法，其特征在于，获取所述测量声传递函数和所述期望声传递函数之间的传递函数误差，基于所述传递函数误差计算所述误差分布概率密度函数包括：

利用所述测量声传递函数和所述期望声传递函数作差，获取所述传递函数误差，所述传递函数误差包括幅值误差和相位误差；

根据Bark频率尺度，将所述传递函数误差进行分类，并利用核密度估计分别分析所述幅值误差和所述相位误差，获取所述误差分布概率密度函数。

8.如权利要求1所述的一种建立车内声传递函数误差模型的方法，其特征在于，基于所述误差分布概率密度函数，构建所述传递函数误差模型包括：

基于所述误差分布概率密度函数，计算所述传递函数误差的统计特征参数；

利用所述统计特征参数，构建所述传递函数误差模型。

9.如权利要求8所述的一种建立车内声传递函数误差模型的方法，其特征在于，所述传递函数误差模型为：

其中，σ_φ、σ_a和μ_a为统计特征参数，φ为相位密度，a为幅值误差。