·852 北京科技大学学报 第36卷 果，这将是未来的研究重点 值重构结果更加接近无舱环境数据，从而达到了抑 为定量分析本文方法的有效性，对1000~4000 制反射声波、提高声场重构精度的目的. Hz声源频率范围内的声源幅值重构结果进行分析. 设无反射环境声源重构幅值为P,强反射环境声源 4结论 重构幅值为P,反射抑制后声源重构幅值为P,计 (1)提出了基于信号倒谱域裁剪的反射声波抑 算强反射幅值重构误差ε.=IP.-PI/P,反射抑制 制方法.首先根据脉冲响应持续时间对强反射信号 后幅值重构误差6=IP。-PI/P,并将二者以柱状 的倒谱进行反射成分集中区域划分，然后利用理论 图的方式进行对比，如表3和图10所示 对其中代表反射成分的异常点进行判定，最后将异 表3声源幅值重构结果 常点幅值正常化，从而在不破坏声波原始信息与直 Table 3 Reconstructed results of sound source amplitude values 射成分的情况下达到抑制反射成分的目的，进而提 频率/Hz P/Pa P,/Pa Pi/Pa 高声场重构精度. 1000 0.9122 1.4025 0.9138 (2)在8m×5m×6m普通室内与0.4m× 2000 0.8811 1.8542 0.9358 0.4m×1m小型钢制实验舱内，利用网格阵进行了 3000 0.8361 1.4516 0.6352 不同频率的声场重构对比实验.通过分析实验舱内 4000 1.0449 2.3014 1.4985 强反射环境与普通室内弱反射环境的声场重构结 1000-2000 0.3060 0.7491 0.5178 果，可知强反射环境下声源定位存在严重失真情况， 2000-3000 0.2640 0.5133 0.4342 声源幅值重构平均误差高达90%左右.利用本文方 3000~4000 0.3117 0.4913 0.4327 法对强反射声信号进行反射抑制之后，声源定位失 真情况基本得到修正，声源幅值重构平均误差降至 I50 35%,在验证了本文方法可在保留信号直射成分的 一强反时声场幅值重构误差 圆反射声波帅制后声场 同时，对反射成分进行了有效裁剪，从而达到抑制反 幅值重构误差 射声波、提高声场重构精度的目的 (3)本文方法优势在于尽量保留了噪声信号的 原始信息与直射成分，使声场重构计算更加准确：另 外利用被处理信号本身的正常区域统计参数来分析 反射成分集中区域，可以在实时监测等工程应用中 102U 30X0040001000-2000- 根据不同的信号动态调整异常点的判定界限，只需 200030004000 顿率Hz 在监测开始之前采集一次脉冲响应并对反射成分集 中区域范围进行设定，之后即可进行自动监测，不需 图10声源幅值重构结果误差对比 重复采集脉冲响应与设定参数，因此更适用于实际 Fig.10 Comparison of reconstructed error between sound source am- plitude values 工程应用. (4)对于频率大于等于5000Hz的声源，需要 由表3和图10可以看出： 将反射声波抑制方法与鬼影抑制方法相结合，有利 (1)由于小型实验舱中反射声波强度较高，强 于获得更为理想的声场重构结果，这是课题组未来 反射幅值重构结果相对于弱反射幅值重构结果的误 的研究重点 差在50%~150%波动，平均约为90%，可见反射声 波对声源的幅值重构信息造成了极大地影响. 参考文献 (2)反射抑制后声源幅值重构结果的误差有了 [Huang J.Ohnishi N,Sugie N.Sound localization in reverberant environment based on the model of the precedence effect./EEE 明显改善，其范围在1%~70%波动，平均约为 Trans Instrum Meas,1997,46(4):842 35%,明显优于反射抑制之前效果.这是由于反射 R] Allen J B,Berkley D A.Image method for efficiently simulating 成分在倒谱域上线性相加，造成倒谱部分区域的幅 small-toom acoustics.J Acoust Soc Am,1979,65:943 值异常突起，而本文方法有针对性地裁剪了倒谱中 B] Huang J.Supaongprapa T,Terakura I,et al.A model-based 的反射成分，使其幅值正常化.此外，根据原理，正 sound localization system and its application to robot navigation. Rob Autom Syst,1999,27(4):199 常成分基本存在于u±3σ之内，因此通过u±3σ限 4]Ellis DD.A shallow-water normal-mode reverberation model. 裁剪掉的主要是反射成分而非正常成分，进而使幅 Acoust Soc Am,1995,97:2804北 京 科 技 大 学 学 报 第 36 卷 果，这将是未来的研究重点． 为定量分析本文方法的有效性，对 1000 ～ 4000 Hz 声源频率范围内的声源幅值重构结果进行分析． 设无反射环境声源重构幅值为 P，强反射环境声源 重构幅值为 Pr，反射抑制后声源重构幅值为 Ph，计 算强反射幅值重构误差 εr = | Pr － P | /P，反射抑制 后幅值重构误差 εh = | Ph － P | /P，并将二者以柱状 图的方式进行对比，如表 3 和图 10 所示． 表 3 声源幅值重构结果 Table 3 Ｒeconstructed results of sound source amplitude values 频率/Hz P/Pa Pr /Pa Ph /Pa 1000 0. 9122 1. 4025 0. 9138 2000 0. 8811 1. 8542 0. 9358 3000 0. 8361 1. 4516 0. 6352 4000 1. 0449 2. 3014 1. 4985 1000 ～ 2000 0. 3060 0. 7491 0. 5178 2000 ～ 3000 0. 2640 0. 5133 0. 4342 3000 ～ 4000 0. 3117 0. 4913 0. 4327 图 10 声源幅值重构结果误差对比 Fig． 10 Comparison of reconstructed error between sound source am￾plitude values 由表 3 和图 10 可以看出: ( 1) 由于小型实验舱中反射声波强度较高，强 反射幅值重构结果相对于弱反射幅值重构结果的误 差在 50% ～ 150% 波动，平均约为 90% ，可见反射声 波对声源的幅值重构信息造成了极大地影响． ( 2) 反射抑制后声源幅值重构结果的误差有了 明显 改 善，其 范 围 在 1% ～ 70% 波 动，平 均 约 为 35% ，明显优于反射抑制之前效果． 这是由于反射 成分在倒谱域上线性相加，造成倒谱部分区域的幅 值异常突起，而本文方法有针对性地裁剪了倒谱中 的反射成分，使其幅值正常化． 此外，根据原理，正 常成分基本存在于 u ± 3σ 之内，因此通过 u ± 3σ 限 裁剪掉的主要是反射成分而非正常成分，进而使幅 值重构结果更加接近无舱环境数据，从而达到了抑 制反射声波、提高声场重构精度的目的． 4 结论 ( 1) 提出了基于信号倒谱域裁剪的反射声波抑 制方法． 首先根据脉冲响应持续时间对强反射信号 的倒谱进行反射成分集中区域划分，然后利用理论 对其中代表反射成分的异常点进行判定，最后将异 常点幅值正常化，从而在不破坏声波原始信息与直 射成分的情况下达到抑制反射成分的目的，进而提 高声场重构精度． ( 2) 在 8 m × 5 m × 6 m 普通室内与 0. 4 m × 0. 4 m × 1 m 小型钢制实验舱内，利用网格阵进行了 不同频率的声场重构对比实验． 通过分析实验舱内 强反射环境与普通室内弱反射环境的声场重构结 果，可知强反射环境下声源定位存在严重失真情况， 声源幅值重构平均误差高达 90% 左右． 利用本文方 法对强反射声信号进行反射抑制之后，声源定位失 真情况基本得到修正，声源幅值重构平均误差降至 35% ，在验证了本文方法可在保留信号直射成分的 同时，对反射成分进行了有效裁剪，从而达到抑制反 射声波、提高声场重构精度的目的． ( 3) 本文方法优势在于尽量保留了噪声信号的 原始信息与直射成分，使声场重构计算更加准确; 另 外利用被处理信号本身的正常区域统计参数来分析 反射成分集中区域，可以在实时监测等工程应用中 根据不同的信号动态调整异常点的判定界限，只需 在监测开始之前采集一次脉冲响应并对反射成分集 中区域范围进行设定，之后即可进行自动监测，不需 重复采集脉冲响应与设定参数，因此更适用于实际 工程应用． ( 4) 对于频率大于等于 5000 Hz 的声源，需要 将反射声波抑制方法与鬼影抑制方法相结合，有利 于获得更为理想的声场重构结果，这是课题组未来 的研究重点． 参 考 文 献 ［1］ Huang J，Ohnishi N，Sugie N． Sound localization in reverberant environment based on the model of the precedence effect． IEEE Trans Instrum Meas，1997，46( 4) : 842 ［2］ Allen J B，Berkley D A． Image method for efficiently simulating small-room acoustics． J Acoust Soc Am，1979，65: 943 ［3］ Huang J，Supaongprapa T，Terakura I，et al． A model-based sound localization system and its application to robot navigation． Ｒob Autom Syst，1999，27( 4) : 199 ［4］ Ellis D D． A shallow-water normal-mode reverberation model． J Acoust Soc Am，1995，97: 2804 ·852·