CN109194306A - 一种量化汽车噪声调制问题的方法及装置 - Google Patents
一种量化汽车噪声调制问题的方法及装置 Download PDFInfo
- Publication number
- CN109194306A CN109194306A CN201810989074.0A CN201810989074A CN109194306A CN 109194306 A CN109194306 A CN 109194306A CN 201810989074 A CN201810989074 A CN 201810989074A CN 109194306 A CN109194306 A CN 109194306A
- Authority
- CN
- China
- Prior art keywords
- noise
- envelope
- frequency range
- corresponding envelope
- amplitude modulation
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 64
- 230000007246 mechanism Effects 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 7
- 238000004804 winding Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract description 11
- 238000013139 quantization Methods 0.000 abstract description 2
- 206010011224 Cough Diseases 0.000 description 20
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012827 research and development Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000009194 climbing Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 240000006409 Acacia auriculiformis Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
- H03H17/0211—Frequency selective networks using specific transformation algorithms, e.g. WALSH functions, Fermat transforms, Mersenne transforms, polynomial transforms, Hilbert transforms
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
- H03H17/0211—Frequency selective networks using specific transformation algorithms, e.g. WALSH functions, Fermat transforms, Mersenne transforms, polynomial transforms, Hilbert transforms
- H03H17/0213—Frequency domain filters using Fourier transforms
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
- H03H17/06—Non-recursive filters
- H03H17/0614—Non-recursive filters using Delta-modulation
Landscapes
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (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
本发明涉及一种量化汽车噪声调制问题的方法及装置，以解决现有技术中对有调制的噪声的问题频段需要通过滤波回放手段进行确定以及对噪声调制问题的优化程度需要依靠工程师进行主观判断，导致耗费的时间较多的问题。本发明的量化汽车噪声调制问题的方法，包括：对原始有调制的噪声进行多频段带通滤波处理，获得带通滤波后的多个第一噪声；对多个第一噪声分别进行希尔伯特变换，获得多个第一噪声分别对应的包络线；对多个第一噪声分别对应的包络线进行傅立叶变换，获得每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度；根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定原始有调制的噪声的问题频段及其调制程度。
Description
技术领域
本发明涉及汽车NVH性能领域，具体是一种量化汽车噪声调制问题的方法及装置。
背景技术
汽车NVH性能是提升汽车品质感的重要因素，近年来受到了广大汽车厂商的重视。整车开发过程中，有时会出现一些噪声的调制问题。采用拟声词对这些调制现象进行描述，如加速“咳咳”声，燃油脉动“嗒嗒”声，排气尾管“框框”声等。这些问题噪声的共同点在于声音间歇存在，并且间歇时间具有规律性。以某工装车恒转速2000rpm爬坡时出现“咳咳”声为例，通过滤波回放手段发现“咳咳”声与300-400Hz的频谱特征有关，如图1所示。由图1可得，300-400Hz频带内出现间隔约16.7Hz(发动机半阶次频率)的特征带，同时由300-400Hz频带内的时域声信号可看出，声信号幅值呈周期性变化，形成了幅值调制现象，使得人耳主观感受上产生了“咳咳”声。并且可推断出“咳咳声”的时间间隔为0.06s，频率间隔约16.7Hz，与300-400Hz频谱特征带的频率间隔一致。
目前整车开发过程中，主要采用滤波回放手段来锁定汽车噪声发生调制的问题频段，这种方式需要耗费较多的时间。另外，在不同解决方案对有调制的噪声进行优化后，需要工程师进行主观评估不同解决方案对噪声调制问题的优化程度，由于不同的人具有不同的主观感受，若期望多个工程师的主观评估具有有效性，需要多个工程师共同进行主观评估，耗费了较多的人力资源和时间。
发明内容
本发明的目的在于提供一种量化汽车噪声调制问题的方法及装置，以解决现有技术中对有调制的噪声的问题频段需要通过滤波回放手段进行确定以及对噪声调制问题的优化程度需要依靠工程师进行主观判断，导致耗费时间较多的问题。
本发明的技术方案为：
本发明提供了一种量化汽车噪声调制问题的方法，包括：
对原始有调制的噪声进行多频段带通滤波处理，获得带通滤波后的多个第一噪声；
对多个第一噪声分别进行希尔伯特变换，获得多个第一噪声分别对应的包络线；
对多个第一噪声分别对应的包络线进行傅立叶变换，获得每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度；
根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定原始有调制的噪声的问题频段及其调制程度。
优选地，对多个第一噪声分别进行希尔伯特变换，获得所述第一噪声对应的包络线的步骤包括：
通过第一公式：
获得第j个频段带通滤波后的第一噪声对应的包络线ej(t)，其中，xj(t)为第j个频段带通滤波后的第一噪声，Hilbert(xj(t))为对第j个频段带通滤波后的第一噪声进行希尔伯特变换，A0j为所述第一噪声对应包络线的常数项，Aij coS(2πfijt+φij)为所述第一噪声对应的包络线中第i个余弦信号，Aij为所述余弦信号的幅值，fij为所述余弦信号的频率，φij为所述余弦信号的相位，N为ej(t)中余弦信号的数目。
优选地，对多个第一噪声分别对应的包络线进行傅里叶变换，获得每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度的步骤包括：
通过第二公式：
获得第j个频段带通滤波后的第一噪声对应的包络线在tk时刻的快速傅里叶变换结果其中，FFT[ej(tk：tk+Δt)]为快速傅里叶变换，Δt为第一噪声对应的包络线的时间间隔，t0为第一噪声对应的包络线的起始时刻，tend为第一噪声对应的包络线的终止时刻，Np为所述第一噪声对应的包络线中的时间间隔的数目，为函数向下取整；
通过第三公式：
获得第j个频段带通滤波后的第一噪声对应的包络线在tk时刻且频率为f的幅值调制度
通过第四公式：
获得第j个频段带通滤波后的包络线在tk时刻的主要幅值调制度。
优选地，根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定原始有调制的噪声的问题频段的步骤包括：
确定主要幅值调制度最高的一个目标频段，将所述目标频段确定为原始有调制的噪声的问题频段。
优选地，所述方法还包括：
根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定所述主要幅值调制度对应的调制频率，并根据所述调制频率及所述问题频段确定原始有调制的噪声的机理。
优选地，根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定所述主要幅值调制度对应的调制频率的步骤包括：
根据第五公式：
fmj(tk)=f，当
确定所述主要幅值调制度对应的调制频率fmj(tk)。
根据本发明的另一方面，本发明还提供了一种量化汽车噪声问题的装置，包括：
第一获取模块，用于对原始有调制的噪声进行多频段带通滤波处理，获得带通滤波后的多个第一噪声；
第二获取模块，用于对多个第一噪声分别进行希尔伯特变换，获得多个第一噪声分别对应的包络线；
第三获取模块，用于对多个第一噪声分别对应的包络线进行傅里叶变换，获得每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度；
第一确定模块，用于根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定原始有调制的噪声的问题频段及其调制程度。
优选地，第二获取模块具体用于：
通过第一公式：
获得第j个频段带通滤波后的第一噪声对应的包络线ej(t)，其中，xj(t)为第j个频段带通滤波后的第一噪声，Hilbert(xj(t))为对第j个频段带通滤波后的第一噪声进行希尔伯特变换，A0j为所述第一噪声对应包络线的常数项，Aij cos(2πfijt+φij)为所述第一噪声对应的包络线中第i个余弦信号，Aij为所述余弦信号的幅值，fij为所述余弦信号的频率，φij为所述余弦信号的相位，N为ej(t)中余弦信号的数目。
优选地，第三获取模块具体用于：
通过第二公式：
获得第j个频段带通滤波后的第一噪声对应的包络线在tk时刻的快速傅里叶变换结果其中，FFT[ej(tk：tk+Δt)]为快速傅里叶变换，Δt为第一噪声对应的包络线的时间间隔，t0为第一噪声对应的包络线的起始时刻，tend为第一噪声对应的包络线的终止时刻，Np为所述第一噪声对应的包络线中的时间间隔的数目，为函数向下取整；
通过第三公式：
获得第j个频段带通滤波后的第一噪声对应的包络线在tk时刻且频率为f的幅值调制度
通过第四公式：
获得第j个频段带通滤波后的包络线在tk时刻的主要幅值调制度。
优选地，第一确定模块包括：
第一确定单元，用于确定主要幅值调制度最高的一个目标频段，将所述目标频段确定为原始有调制的噪声的问题频段。
优选地，所述装置还包括：
第二确定模块，用于根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定所述主要幅值调制度对应的调制频率，并根据所述调制频率及所述问题频段确定原始有调制的噪声的机理。
优选地，根第二确定模块具体用于：
根据第五公式：
fmj(tk)=f，当
确定所述主要幅值调制度对应的调制频率fmj(tk)。
本发明的有益效果为：
本发明提供的方法，主要包括了多频段的滤波处理、滤波信号的包络线求取和包络线主要幅值调制度及调制频率的计算这三种技术手段，能快速锁定噪声产生调制的问题频段及其调制程度，为不同解决方案对调制问题的优化力度提供了准确有效的对比手段。问题频段和调制频率的确定有助于快速梳理噪声调制问题的机理，提供解决思路，规避了滤波回放手段的繁冗性。不同解决方案对调制问题的优化力度的有效对比，避免了问题频带三维频谱图对比的片面性和多个工程师主观判断的耗时性问题，提高了整车研发的效率。
附图说明
图1为某工装车以恒转速2000rpm爬坡时产生的噪声的频谱特征图；
图2为本发明的方法的流程示意图；
图3为对有调制的噪声进行多频段带通滤波的示意图；
图4为频段位于300-400Hz带通滤波后的第一噪声对应的包络线的示意图；
图5为有调制的噪声的主要幅值调制度对比图；
图6为300-400Hz频段的调制频率图；
图7为有调制的噪声整改后和整改前的主要幅值调制度对比图。
具体实施方式
参照图2，本发明提供了一种量化汽车噪声调制问题的方法，包括：
步骤1，对原始有调制的噪声进行多频段带通滤波处理，获得带通滤波后的多个第一噪声。
其中，对于有调制的噪声来说，其是在某种特定工况下产生的，通过布置到驾驶舱内的声压采集装置采集，例如，车辆以恒转速2000rpm爬坡时，在副驾驶员右耳处采集到的“咳咳”声。
首先，按照设计的频段生成对应的带通滤波器，例如，如表格1所划分的频段生成对应的带通滤波器。
| 序号 | 中心频率 | 上止频率 | 下止频率 | 序号 | 中心频率 | 上止频率 | 下止频率 |
| 1 | 50 | 0 | 100 | 25 | 1850 | 1710 | 1990 |
| 2 | 100 | 50 | 150 | 26 | 1990 | 1850 | 2130 |
| 3 | 150 | 100 | 200 | 27 | 2150 | 1990 | 2310 |
| 4 | 200 | 150 | 250 | 28 | 2310 | 2150 | 2470 |
| 5 | 250 | 200 | 300 | 29 | 2500 | 2310 | 2690 |
| 6 | 300 | 250 | 350 | 30 | 2690 | 2500 | 2880 |
| 7 | 350 | 300 | 400 | 31 | 2900 | 2675 | 3125 |
| 8 | 400 | 350 | 450 | 32 | 3125 | 2900 | 3350 |
| 9 | 450 | 395 | 505 | 33 | 3400 | 3125 | 3675 |
| 10 | 505 | 450 | 560 | 34 | 3675 | 3400 | 3950 |
| 11 | 570 | 510 | 630 | 35 | 4000 | 3650 | 4350 |
| 12 | 630 | 570 | 690 | 36 | 4350 | 4000 | 4700 |
| 13 | 700 | 630 | 770 | 37 | 4800 | 4350 | 5250 |
| 14 | 770 | 700 | 840 | 38 | 5250 | 4800 | 5700 |
| 15 | 840 | 765 | 915 | 39 | 5800 | 5250 | 6350 |
| 16 | 915 | 840 | 990 | 40 | 6350 | 5800 | 6900 |
| 17 | 1000 | 920 | 1080 | 41 | 7000 | 6350 | 7650 |
| 18 | 1080 | 1000 | 1160 | 42 | 7650 | 7000 | 8300 |
| 19 | 1170 | 1075 | 1265 | 43 | 8500 | 7600 | 9400 |
| 20 | 1265 | 1170 | 1360 | 44 | 9400 | 8500 | 10300 |
| 21 | 1370 | 1265 | 1475 | 45 | 10500 | 9250 | 11750 |
| 22 | 1475 | 1370 | 1580 | 46 | 11750 | 10500 | 13000 |
| 23 | 1600 | 1480 | 1720 | 47 | 13500 | 11750 | 15250 |
| 24 | 1720 | 1600 | 1840 | 48 | 15250 | 13500 | 17000 |
表1
在生成带通滤波器后，基于卷积计算对有原始调制的噪声进行多频段的带通滤波处理，并获得每一频段带通滤波处理后的第一噪声，在图3中的x(t)为原始有调制的噪声，xj(t)为第j个频段带通滤波后的第一噪声信号。
步骤2，对多个第一噪声分别进行希尔伯特变换，获得多个第一噪声分别对应的包络线。
由图1可得，原始有调制的噪声在问题频段的包络线发生了周期性波动，是一种典型的幅值调制现象，其包络线可表达为一常数项与多个余弦信号的叠加形式。具体的，对于每一第一噪声分别对应的包络线是利用希尔伯特变换进行求解获得的，具体的，该步骤2包括：通过第一公式：
获得第j个频段带通滤波后的第一噪声对应的包络线ej(t)，其中，xj(t)为第j个频段带通滤波后的第一噪声，Hilbert(xj(t))为对第j个频段带通滤波后的第一噪声进行希尔伯特变换，A0j为所述第一噪声对应包络线的常数项，为所述第一噪声对应的包络线中第i个余弦信号，Aij为所述余弦信号的幅值，fij为所述余弦信号的频率，为所述余弦信号的相位，N为ej(t)中余弦信号的数目。
如图4所示，图4给出了位于300-400Hz频段带通滤波后的第一噪声对应的包络线。
步骤3，对多个第一噪声分别对应的包络线进行傅里叶变换，获得每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度。
由第一公式可以看出，相比于常数项，某余弦信号的幅值越大，包络线波动越大，噪声调制问题越明显。因此为表征噪声调制问题的调制程度，计算包络线的幅值调制度，其步骤如下。
将包络线进行快速傅里叶变换(Fast Fourier Transform，FFT)，如第二公式所示，通过第二公式：
获得第j个频段带通滤波后的第一噪声对应的包络线在tk时刻的快速傅里叶变换结果其中，FFT[ej(tk：tk+Δt)]为快速傅里叶变换，Δt为第一噪声对应的包络线的时间间隔，t0为第一噪声对应的包络线的起始时刻，tend为第一噪声对应的包络线的终止时刻，Np为所述第一噪声对应的包络线中的时间间隔的数目，为函数向下取整；
通过第三公式：
获得第j个频段带通滤波后的第一噪声对应的包络线在tk时刻且频率为f的幅值调制度
通过第四公式：
获得第j个频段带通滤波后的包络线在tk时刻的主要幅值调制度。
其中，在步骤3中，每一第一噪声对应的包络线的时间间隔设置为0.5s，即Δt＝0.5，然后，通过上述第二公式至第四公式依次进行求解，确定每一频段带通滤波后的包络线在任意时刻的主要幅值调制度。
步骤4，根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定原始有调制的噪声的问题频段及其调制程度。
在通过步骤3计算后，可以获得每一频段带通滤波后的第一噪声对应的包络线的主要幅值调制度，将位于不同区间内的主要幅值调制度分别赋予不同颜色，这样，在图5中，可以通过图中显示的颜色确定不同频段对应的主要幅值调制度，并且，将主要幅值调制度最高的一个目标频段确定为本发明所需的有调制的噪声的问题频段。用户在确定问题频段时，可以通过图片上显示的颜色的不同来确定区间，例如，在图5中，在频段位于300-400Hz的这一频段对应的主要幅值调制度颜色显示为白色时，确定该频段对应的主要幅值调制度为最高，因而将300-400Hz这一频段确定为有调制的噪声的问题频段。
在确定出原始有调制的噪声机理后，提出解决方案，为了确定解决方案的整改程度，需要对整改前和整改后的主要幅度调制度进行对比分析，由于主要幅值调制度是通过不同的颜色进行显示的，在确定解决方案整改程度时，只需要根据整改前和整改后的主要幅值调制度的颜色变化即可快速确定噪声调制问题的优化程度。
优选地，所述方法还包括：
步骤5，根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定所述主要幅值调制度对应的调制频率，并根据所述调制频率及所述问题频段确定原始有调制的噪声的机理。
优选地，步骤5包括：
根据第五公式：
fmj(tk)=f，当
确定所述主要幅值调制度对应的调制频率fmj(tk)。
由图5和图6可得某工装车恒转速2000rpm爬坡时，300-400Hz出现了调制频率为发动机半阶次、幅值调制度大于40％的调制现象，产生了明显的“咳咳”声。根据出现调制的问题频段及其调制频率，结合发动机各零部件的模态信息，推断出“咳咳”声的机理为：在发动机一缸激励(由调制频率确定)下，发动机轮系端引起共振(由出现调制的问题频段确定)。基于“咳咳”声的机理，提出更换皮带的方案。在对皮带进行更换后，工程师主观评价“咳咳”声明显减弱，采用本发明方法评估解决方案对调制问题的优化力度，结果如图7所示。由图7可看出，更换皮带的方案使得问题频段的主要幅值调制度明显降低，与工程师主观评价感受一致。
本发明提供的方法，主要包括了多频段的滤波处理、滤波信号的包络线求取和包络线主要幅值调制度及调制频率的计算这三种技术手段，能快速锁定噪声产生调制的问题频段及其调制程度，为不同解决方案对调制问题的优化力度提供了准确有效的对比手段。问题频段和调制频率的确定有助于快速梳理噪声调制问题的机理，提供解决思路，规避了滤波回放手段的繁冗性。不同解决方案对调制问题的优化力度的有效对比，避免了问题频带三维频谱图对比的片面性和多个工程师主观判断的耗时性问题，提高了整车研发的效率。
根据本发明的另一方面，本发明还提供了一种量化汽车噪声问题的装置，包括：
第一获取模块，用于对原始有调制的噪声进行多频段带通滤波处理，获得带通滤波后的多个第一噪声；
第二获取模块，用于对多个第一噪声分别进行希尔伯特变换，获得多个第一噪声分别对应的包络线；
第三获取模块，用于对多个第一噪声分别对应的包络线进行傅里叶变换，获得每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度；
第一确定模块，用于根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定原始有调制的噪声的问题频段及其调制程度。
优选地，第二获取模块具体用于：
通过第一公式：
获得第j个频段带通滤波后的第一噪声对应的包络线ej(t)，其中，xj(t)为第j个频段带通滤波后的第一噪声，Hilbert(xj(t))为对第j个频段带通滤波后的第一噪声进行希尔伯特变换，A0j为所述第一噪声对应包络线的常数项，为所述第一噪声对应的包络线中第i个余弦信号，Aij为所述余弦信号的幅值，fij为所述余弦信号的频率，为所述余弦信号的相位，N为ej(t)中余弦信号的数目。
优选地，第三获取模块具体用于：
通过第二公式：
获得第j个频段带通滤波后的第一噪声对应的包络线在tk时刻的快速傅里叶变换结果其中，FFT[ej(tk：tk+Δt)]为快速傅里叶变换，Δt为第一噪声对应的包络线的时间间隔，t0为第一噪声对应的包络线的起始时刻，tend为第一噪声对应的包络线的终止时刻，Np为所述第一噪声对应的包络线中的时间间隔的数目，为函数向下取整；
通过第三公式：
获得第j个频段带通滤波后的第一噪声对应的包络线在tk时刻且频率为f的幅值调制度
通过第四公式：
获得第j个频段带通滤波后的包络线在tk时刻的主要幅值调制度。
优选地，第一确定模块包括：
第一确定单元，用于确定主要幅值调制度最高的一个目标频段，将所述目标频段确定为原始有调制的噪声的问题频段。
优选地，所述装置还包括：
第二确定模块，用于根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定所述主要幅值调制度对应的调制频率，并根据所述调制频率及所述问题频段确定原始有调制的噪声的机理。
优选地，根第二确定模块具体用于：
根据第五公式：
fmj(tk)=f，当
确定所述主要幅值调制度对应的调制频率fmj(tk)。
本发明提供的装置，主要包括了多频段的滤波处理、滤波信号的包络线求取和包络线主要幅值调制度及调制频率的计算这三种技术手段，能快速锁定噪声产生调制的问题频段及其调制程度，为不同解决方案对调制问题的优化力度提供了准确有效的对比手段。问题频段和调制频率的确定有助于快速梳理噪声调制问题的机理，提供解决思路，规避了滤波回放手段的繁冗性。不同解决方案对调制问题的优化力度的有效对比，避免了问题频带三维频谱图对比的片面性和多个工程师主观判断的耗时性问题，提高了整车研发的效率。
Claims (12)
1.一种量化汽车噪声调制问题的方法，其特征在于，包括：
对原始有调制的噪声进行多频段带通滤波处理，获得带通滤波后的多个第一噪声；
对多个第一噪声分别进行希尔伯特变换，获得多个第一噪声分别对应的包络线；
对多个第一噪声分别对应的包络线进行傅立叶变换，获得每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度；
根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定原始有调制的噪声的问题频段及其调制程度。
2.根据权利要求1所述的方法，其特征在于，对多个第一噪声分别进行希尔伯特变换，获得所述第一噪声对应的包络线的步骤包括：
通过第一公式：
获得第j个频段带通滤波后的第一噪声对应的包络线ej(t)，其中，xj(t)为第j个频段带通滤波后的第一噪声，Hilbert(xj(t))为对第j个频段带通滤波后的第一噪声进行希尔伯特变换，A0j为所述第一噪声对应包络线的常数项，为所述第一噪声对应的包络线中第i个余弦信号，Aij为所述余弦信号的幅值，fij为所述余弦信号的频率，为所述余弦信号的相位，N为ej(t)中余弦信号的数目。
3.根据权利要求2所述的方法，其特征在于，对多个第一噪声分别对应的包络线进行傅里叶变换，获得每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度的步骤包括：
通过第二公式：
获得第j个频段带通滤波后的第一噪声对应的包络线在tk时刻的快速傅里叶变换结果其中，FFT[ej(tk:tkt+Δt)]为快速傅里叶变换，Δt为第一噪声对应的包络线的时间间隔，t0为第一噪声对应的包络线的起始时刻，tend为第一噪声对应的包络线的终止时刻，Np为所述第一噪声对应的包络线中的时间间隔的数目，为函数向下取整；
通过第三公式：
获得第j个频段带通滤波后的第一噪声对应的包络线在tk时刻且频率为f的幅值调制度
通过第四公式：
获得第j个频段带通滤波后的包络线在tk时刻的主要幅值调制度。
4.根据权利要求1所述的方法，其特征在于，根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定原始有调制的噪声的问题频段的步骤包括：
确定主要幅值调制度最高的一个目标频段，将所述目标频段确定为原始有调制的噪声的问题频段。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定所述主要幅值调制度对应的调制频率，并根据所述调制频率及所述问题频段确定原始有调制的噪声的机理。
6.根据权利要求5所述的方法，其特征在于，根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定所述主要幅值调制度对应的调制频率的步骤包括：
根据第五公式：
fmj(tk)＝f，当
确定所述主要幅值调制度对应的调制频率fmj(tk)。
7.一种量化汽车噪声问题的装置，其特征在于，包括：
第一获取模块，用于对原始有调制的噪声进行多频段带通滤波处理，获得带通滤波后的多个第一噪声；
第二获取模块，用于对多个第一噪声分别进行希尔伯特变换，获得多个第一噪声分别对应的包络线；
第三获取模块，用于对多个第一噪声分别对应的包络线进行傅立叶变换，获得每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度；
第一确定模块，用于根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定原始有调制的噪声的问题频段及其调制程度。
8.根据权利要求7所述的装置，其特征在于，第二获取模块具体用于：
通过第一公式：
获得第j个频段带通滤波后的第一噪声对应的包络线ej(t)，其中，xj(t)为第j个频段带通滤波后的第一噪声，Hilbert(xj(t)))为对第j个频段带通滤波后的第一噪声进行希尔伯特变换，A0j为所述第一噪声对应包络线的常数项，为所述第一噪声对应的包络线中第i个余弦信号，Aij为所述余弦信号的幅值，fij为所述余弦信号的频率，为所述余弦信号的相位，N为ej(t)中余弦信号的数目。
9.根据权利要求8所述的装置，其特征在于，第三获取模块具体用于：
通过第二公式：
获得第j个频段带通滤波后的第一噪声对应的包络线在tk时刻的快速傅里叶变换结果其中，FFT[ej(tk:tk+Δt)]为快速傅里叶变换，Δt为第一噪声对应的包络线的时间间隔，t0为第一噪声对应的包络线的起始时刻，tend为第一噪声对应的包络线的终止时刻，Np为所述第一噪声对应的包络线中的时间间隔的数目，为函数向下取整；
通过第三公式：
获得第j个频段带通滤波后的第一噪声对应的包络线在tk时刻且频率为f的幅值调制度
通过第四公式：
获得第j个频段带通滤波后的包络线在tk时刻的主要幅值调制度。
10.根据权利要求7所述的装置，其特征在于，第一确定模块包括：
第一确定单元，用于确定主要幅值调制度最高的一个目标频段，将所述目标频段确定为原始有调制的噪声的问题频段。
11.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第二确定模块，用于根据每一所述第一噪声对应的包络线在不同时刻的主要幅值调制度，确定所述主要幅值调制度对应的调制频率，并根据所述调制频率及所述问题频段确定原始有调制的噪声的机理。
12.根据权利要求11所述的装置，其特征在于，根第二确定模块具体用于：
根据第五公式：
fmj(tk)＝f，当
确定所述主要幅值调制度对应的调制频率fmj(tk)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810989074.0A CN109194306B (zh) | 2018-08-28 | 2018-08-28 | 一种量化汽车噪声调制问题的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810989074.0A CN109194306B (zh) | 2018-08-28 | 2018-08-28 | 一种量化汽车噪声调制问题的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109194306A true CN109194306A (zh) | 2019-01-11 |
| CN109194306B CN109194306B (zh) | 2022-04-08 |
Family
ID=64916418
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810989074.0A Active CN109194306B (zh) | 2018-08-28 | 2018-08-28 | 一种量化汽车噪声调制问题的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109194306B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112304632A (zh) * | 2020-07-08 | 2021-02-02 | 重庆长安汽车股份有限公司 | 一种描述人耳感知的瞬态调制评价方法 |
| CN113595528A (zh) * | 2021-07-30 | 2021-11-02 | 重庆长安汽车股份有限公司 | 一种基于幂函数的自适应变步长lms滤波器及其实现方法 |
| CN113758713A (zh) * | 2021-08-09 | 2021-12-07 | 重庆长安汽车股份有限公司 | 粗糙声频段自适应识别方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007233309A (ja) * | 2006-03-03 | 2007-09-13 | Toyota Motor Corp | 車両騒音音質制御装置 |
| CN102007403A (zh) * | 2008-04-29 | 2011-04-06 | 西门子公司 | 借助振动信号分析识别轴承损坏的方法与装置 |
| US20110270616A1 (en) * | 2007-08-24 | 2011-11-03 | Qualcomm Incorporated | Spectral noise shaping in audio coding based on spectral dynamics in frequency sub-bands |
| CN102608419A (zh) * | 2012-03-31 | 2012-07-25 | 上海无线电设备研究所 | 具有噪声抑制性能的自适应瞬时频率测量方法 |
| CN104568444A (zh) * | 2015-01-28 | 2015-04-29 | 北京邮电大学 | 变转速火车滚动轴承故障特征频率提取方法 |
-
2018
- 2018-08-28 CN CN201810989074.0A patent/CN109194306B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007233309A (ja) * | 2006-03-03 | 2007-09-13 | Toyota Motor Corp | 車両騒音音質制御装置 |
| US20110270616A1 (en) * | 2007-08-24 | 2011-11-03 | Qualcomm Incorporated | Spectral noise shaping in audio coding based on spectral dynamics in frequency sub-bands |
| CN102007403A (zh) * | 2008-04-29 | 2011-04-06 | 西门子公司 | 借助振动信号分析识别轴承损坏的方法与装置 |
| CN102608419A (zh) * | 2012-03-31 | 2012-07-25 | 上海无线电设备研究所 | 具有噪声抑制性能的自适应瞬时频率测量方法 |
| CN104568444A (zh) * | 2015-01-28 | 2015-04-29 | 北京邮电大学 | 变转速火车滚动轴承故障特征频率提取方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112304632A (zh) * | 2020-07-08 | 2021-02-02 | 重庆长安汽车股份有限公司 | 一种描述人耳感知的瞬态调制评价方法 |
| CN113595528A (zh) * | 2021-07-30 | 2021-11-02 | 重庆长安汽车股份有限公司 | 一种基于幂函数的自适应变步长lms滤波器及其实现方法 |
| CN113595528B (zh) * | 2021-07-30 | 2023-08-04 | 重庆长安汽车股份有限公司 | 一种基于幂函数的自适应变步长lms滤波器及其实现方法 |
| CN113758713A (zh) * | 2021-08-09 | 2021-12-07 | 重庆长安汽车股份有限公司 | 粗糙声频段自适应识别方法 |
| CN113758713B (zh) * | 2021-08-09 | 2023-06-23 | 重庆长安汽车股份有限公司 | 粗糙声频段自适应识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109194306B (zh) | 2022-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109194306A (zh) | 一种量化汽车噪声调制问题的方法及装置 | |
| CN109211568B (zh) | 基于条件经验小波变换的滚动轴承故障诊断方法 | |
| CN108875170B (zh) | 一种基于改进变分模态分解的噪声源识别方法 | |
| KR20190048061A (ko) | 차량 제어 통합 관리 시스템 및 이와 통신을 통해 연결된 중앙 인공지능 서버 | |
| CN111855211B (zh) | 一种用于故障特征增强的最优解调频带确定方法 | |
| CN101598596A (zh) | 分析噪声源特别是车辆的噪声的方法及设备 | |
| CN117571316A (zh) | 一种复合故障诊断方法及系统 | |
| CN113758713B (zh) | 粗糙声频段自适应识别方法 | |
| Du et al. | Motor bearing fault diagnosis based on hilbert-huang transform and convolutional neural networks | |
| Torii et al. | An objective assessment method of combustion noise characteristics in vehicle interiors | |
| CN115077690B (zh) | 内燃机周期性脉动噪声评价方法 | |
| CN109670459A (zh) | 直升机主减速器故障样本生成方法 | |
| CN113297697B (zh) | 定轴齿轮箱故障可视化方法、系统 | |
| Randall et al. | Applied digital signal processing | |
| CN114544194B (zh) | 一种基于频谱分析的车辆路噪评价方法 | |
| Lotinga et al. | Verified implementations of the Sottek psychoacoustic hearing model standardised sound quality metrics (ECMA-418-2 loudness, tonality and roughness) | |
| CN109443778B (zh) | 一种发动机声品质预测方法 | |
| CN108259098B (zh) | 一种瑞利-巴特沃斯衰落信道的验证系统 | |
| Lee et al. | Characterization of an axle-gear whine sound in a sports utility vehicle and its objective evaluation based on synthetic sound technology and an artificial neural network | |
| Park et al. | Transfer path analysis and interior noise estimation of the road noise using multi-dimensional spectral analysis method | |
| Schumann et al. | Separation, allocation and psychoacoustic evaluation of vehicle interior noise | |
| CN117938285B (zh) | 一种基于移动通讯设备的模拟调试方法及系统 | |
| CN112304632A (zh) | 一种描述人耳感知的瞬态调制评价方法 | |
| CN113507713B (zh) | 一种基于信号功率谱特性的递归搜寻载波检测方法 | |
| Liu et al. | A New Random Phases Correction Algorithm for Synthesizing Engine Noise |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |