HU220539B1 - Eljárás akusztikus jelek kiértékelésére - Google Patents

Abstract

A találmány tárgya eljárás akusztikus jelek kiértékelésére, amelyekmegfelelő digitális jellé vannak átalakítva, és ezt követően Fourier-idő-transzformációnak (FTT) vannak alávetve, melynek során azeredményekből meghatározott kiértékelési intervallumok meghatározottfrekvenciáihoz részhangokat határoznak meg. A részhangmeghatározásához megadott kiértékelési intervallumokat a frekvenciafüggvényében határozzák meg, aminek eredményeként az emberi hallásnakmegfelelő akusztikus hangleképzést kapunk, különösen technikai zajokfelismeréséhez. A részhangvonalak meghatározása csökkenti afeldolgozandó adatmennyiséget, és növeli az eredmény ábrázolásánakáttekinthetőségét. Egy kiválasztott részhangvonal időbeliszintlefutásából olyan feltételt képeznek, amely lehetővé teszipéldául a kopogó hang felismerését. A találmány szerinti eljáráskülönösen alkalmas a technikai, ipari hangok felismerésénél, ígyelsősorban az akusztikus minőségellenőrzés során alkalmazható. ŕ

Description

A találmány tárgya eljárás akusztikus jelek kiértékelésére, amelyek megfelelő digitális jellé vannak átalakítva, és ezt követően Fourier-idő-transzformációnak (FTT) vannak alávetve, melynek során az eredményekből meghatározott kiértékelési intervallumok meghatározott frekvenciáihoz részhangokat határozunk meg.

W. Heinbach: Aurally adequate signal representation: The Part-Tone-Time-Pattem (Acustica, Vol. 67, 1988, 113-120. oldal) az audiojelek hallásorientált ábrázolási eljárását ismerteti, melynek során a részhangok időben változó frekvenciáiból és szintjeiből indul ki. A részhangok részhangidőmintává (TTZM) foglalhatók össze. Az eljárás pszichofizikai alapját a spektrális hangmagasság-érzékelés elmélete adja, ahol a spektrális hangmagasságoknál jelentősége van az auditív kontúroknak. A spektrális hangmagasság-észlelés fizikai ekvivalensének megfelelő részhangok meghatározása több lépésben történik. Először a hangjelet Fourier-idő-transzformációnak (FTT) vetik alá, ami lehetővé teszi a hallásnak megfelelő spektrális analízist, és amelynek eredménye egy általános időben változó komplex spektrum. A teljesítményspektrum időfüggvényének simítása után meghatározzák a spektrális maximumokat. Az FTT további részletei megismerhetők E. Terhardt: Fourier Transformation of Time Signals: Conceptual Revision (Acustica, Vol. 57, 1985, 242-256. oldal) című tanulmányából.

Hangok kiértékelése ezenkívül a részhangokból származtatott virtuális hangmagasságok meghatározásával is lehetséges. Az emberi fül virtuális hangmagasság-érzékelése az akusztikusinformáció-feldolgozás magasabb szintjén történik. A virtuális hangmagasságokat anélkül észleljük, hogy a megfelelő spektrális összetevőknek fizikailag jelen kellene lenniük.

A találmány feladata olyan eljárás megadása akusztikus jelek kiértékelésére, amely különösen a nem stacionárius hangok kiértékelésére alkalmas.

A találmány szerint olyan eljárásból indultunk ki, melynek során a hangjelek megfelelő digitális jellé vannak átalakítva, és ezt követően Fourier-idő-transzformációnak (FTT) vannak alávetve, továbbá az eredményekből meghatározott kiértékelési intervallumok meghatározott frekvenciáihoz részhangokat határozunk meg.

A találmány szerint fontos, hogy a részhang meghatározásához megadott kiértékelési intervallumokat a frekvencia függvényében határozzuk meg.

Az emberi hallásnak megfelelő kiértékelés feltétele, hogy az egyes kiértékelési intervallumokat alacsonyabb frekvenciák esetén hosszabbra választjuk, mint magasabb frekvenciák esetén.

Különösen előnyös, ha az egyes kiértékelési intervallumokat a hallási jellemzők alapján határozzuk meg, ahol a különböző frekvenciákhoz tartozó időintervallumok aránya megegyezik a megfelelő frekvenciacsoportok szélességének arányával. Az akusztikus észleléshez huszonnégy frekvenciacsoport bizonyult szükségesnek, amelyek Bark-egységben egyenlő távolságra (1 Bark) vannak egymástól. Ezek a csoportok határozzák meg az emberi fül frekvencia- és időfelbontási képességét. Kísérleti úton a legjobb eredményeket akkor sikerült elérni, amikor a kiértékelési intervallumok 1 ms és 10 ms között voltak.

Egy további különösen előnyös eljárási változatnál az FTT egyik paraméterét, az analízisfrekvenciák távolságát legfeljebb 0,35 Bark-értékre választjuk. Egy másik különösen előnyös eljárási változatnál az FTT-hez meghatározandó ablakfüggvény másodrendű ablakfüggvény, ahol a függvény értéke az analízis időpontjában nulla, és a meghatározandó analízis-sávszélesség 0,2-0,3 Bark között van. Ezekkel a kísérleti úton meghatározott paraméterekkel és a másodrendű ablakfüggvény alkalmazásával tetszőleges műszaki zajok halláshelyes feldolgozása lehetséges.

Egy ugyancsak előnyös kiviteli példa esetén a meghatározott részhangokból olyan részhangokat választunk ki, amelyek részhangvonalakká foglalhatók össze. A részhangvonalak meghatározása a részhangok meghatározásának kiegészítéseként fogható fel. A részhangvonalak meghatározását a releváns részhangokra korlátozzuk. Ezzel az intézkedéssel csökkenteni lehet az adatmennyiséget. Előnyösen azokat a részhangokat választjuk ki, amelyek minimális hossza frekvenciafüggő. Figyelembe vesszük ezenkívül azokat a részhangokat is, amelyek frekvenciája csak kis mértékben különbözik. A részhangvonalakat mintafelismerő algoritmussal lehet kikeresni, és végül részhangvonal-időmintaként (TTLZM) eltárolni.

Egy további előnyös kiviteli példánál az egyes részhangokat meghatározott időpontokban választjuk ki, és azokból virtuális hangmagasságokat határozunk meg. A virtuális hangmagasságok megfelelnek az emberi hallással észlelhető hangmagasságoknak, amelyeknek viszont nem kell feltétlenül fizikailag jelen lenni a hang spektrumában, A virtuális hangmagasságok meghatározása tehát a hang további kiértékelését teszi lehetővé.

Amint már említettük, a találmány szerinti eljárás különösen alkalmas műszaki hangrezgések kiértékelésére. A találmány szerinti eljárás lehetővé teszi a nem stacionárius hangok dinamikus virtuális hangmagasságainak kiszámítását.

A műszaki hangrezgések kiértékelésére szolgáló, találmány szerinti eljárás egy továbbfejlesztése elsősorban kopogásszerű zajok felismerésére alkalmas. Az eljárás során egy kiválasztott részhangvonal időbeli szintlefutását értékeljük ki.

A találmány szerinti eljárás egy további lehetséges változatánál a kiértékelési intervallumon belüli, az egész részhangvonalhosszra vonatkoztatott szintváltozást előre megadjuk, és a szintváltozást legalább egy küszöbértékkel összehasonlítjuk, melynek során a küszöbértéket a szint és/vagy a frekvencia és/vagy a szintváltozás ideje függvényében határozzuk meg az előre meghatározott kiértékelési intervallumban.

A találmány szerinti eljárás lehetővé teszi az akusztikus jelek, különösen a műszaki hangok kiértékelését az emberi hallást megközelítő módon. Különösen előnyös, hogy az akusztikus minőségellenőrzés objektivitása és a megbízhatósága fokozható. A találmány szerinti eljárás ugyanakkor lehetővé teszi az ipari termékek za2

HU 220 539 Bl jának manipulálását, így például lehetőség van a zaj csökkentésére vagy optimalizálására is.

A találmányt a továbbiakban a mellékelt rajzon bemutatott kiviteli példa alapján ismertetjük részletesebben, ahol az

1. ábra a találmány szerinti eljárás folyamatábrája.

A találmány szerinti eljárás 1. ábrán látható folyamatábráján 10 indítás után 11 átalakítás következik, melynek során a hangrezgést megfelelő villamos jellé alakítjuk. All átalakításhoz például mikrofont alkalmazunk, amely nyomásra vagy sebességre reagál. All átalakítás után következik a villamos jel mintavételezett értékeinek 12 tárolása. Noha elvileg az analóg jel feldolgozása is lehetséges, a műszakilag releváns megvalósításnál digitális jelfeldolgozást végzünk, amelynek feltétele a meghatározott mintavételi időpontokban az analógjelből nyert kvantált jel.

A hangrezgés kiértékelését Fourier-idő-transzformációval kezdjük, amelyhez rögzíteni kell a paramétereket. A 12 tárolás után következik tehát a 13 paraméterek meghatározása. Ezt követi a 14 Fourier-idő-transzformáció (FTT). A hangrezgésnek megfelelő digitális jel 14 Fourier-idő-transzformációja képezi az emberi belső fülben végbemenő akusztikus információfeldolgozás matematikai megvalósításának első lépését. A transzformációs paraméterek megfelelő megválasztása lehetővé teszi az alkalmazkodást a fontosabb hallási sajátosságokhoz, így például lehetővé válik a frekvenciafuggő frekvencia- és időfelbontás megvalósítása. A 14 Fourier-idő-transzformáció során az időben változó jelet egy kauzális ablakfüggvénnyel szorozzuk meg, a Fourier-transzformáció szorzatát pedig véges analízisintervallumban vizsgáljuk. A 14 Fourier-idő-transzformáció részletes leírása megtalálható E. Terhardt: Fourier Transformation of Time Signals: Conceptual Revision (Acustica, Vol. 57,1985, 242-256. oldal) című, a bevezetőben már említett, a technika állásához tartozó tanulmányában, ezért erre itt csak utalunk, és nem ismertetjük részletesebben.

A 13 paraméterek meghatározása során az első meghatározandó paraméter az analízisfrekvenciák távolsága. A 14 Fourier-idő-transzformációt minden egyes frekvenciára külön el kell végezni. Kísérleti úton kimutatható volt, hogy műszaki hangrezgések kiértékelése során az analízisfrekvenciák távolsága akkor van a legmegfelelőbben megválasztva, ha az kisebb vagy egyenlő 0,035 Bark.

A 14 Fourier-idő-transzformáció (FTT) végrehajtásához meg kell határozni az ablakfuggvényt is. Elméletileg alkalmasak az előnyösen meghatározott frekvenciafuggő lecsengést állandójú, időben korábbi időpontok irányában exponenciálisan lecsengő ablakfuggvények. A nulla időpont és a kauzális jelek analízis-időpontja közötti integrálási határokon a peremhatások elkerülése érdekében kedvező, ha az ablakfuggvény az analízis-időpontban nulla értéket vesz fel. Az ablakfüggvényekről további részletek találhatók a következő szakcikkben: M. Schlang és M. Mummert: Die Bedeutung dér Fensterfunktion fiir die Fourier-t-Transformation als gehörgerechte Spektralanalyse (Az ablakfüggvény szerepe a Fourier-idő-transzformációval végzett halláshelyes spektrális elemzés során), (Fortschritte dér Akustik DAGA 1990, 1043-1046. oldal). Az említett irodalmi helyen az alkalmas ablakot másodfokú ablaknak nevezik. Az ablakfüggvény megadásakor meg kell határozni a 13 paraméterek meghatározása lépésben az analízis-sávszélességet is. Az analízis-sávszélességet célszerűen 0,2 és 0,3 Bark közötti értékre választjuk.

Az analízisfrekvenciák és ezen frekvenciák egymás közötti távolságának meghatározása a 14 Fourier-időtranszformációnál egyébként lehetséges folyamatos analízisfrekvencia diszkretizálásához vezet. Ennek a diszkretizálásnak azonban semmi köze nincs az eredeti jelnek a 12 tárolás lépésben történő időbeni diszkretizálásához.

A 14 Fourier-idő-transzformáció egy komplex, halláshelyes spektrumot szolgáltat amplitúdó- és fázisinformációval. A folytonos komplex spektrumot az akusztikailag releváns, diszkrét, időben változó részhangokra redukáljuk. A részhangok sorozata egy meghatározott analízis-időpontban TTM részhangmintát határoz meg. A TTM részhangminták összefoglalt ábrázolása különböző időpontokban TTZM részhang időmintát határoz meg. Ez a TTZM részhangidőminta tetszőleges hangok idő- és frekvenciafüggését is figyelembe veszi a hallási jellemzőknek megfelelően. A hangszínek és a hangmagasságok észlelése a spektrális összetevők fázishelyzetétől függetlenül történhet. A TTZM részhangidőminta meghatározása tehát a teljesítményspektrumon alapul, a komplex FTT-spektrum fázisinformációját pedig elhanyagoljuk. A spektrális hangmagasságok észlelése nem függ a spektrum harmonikusságától. A hangmagassággal és szinttel meghatározott időfüggő részhangok kivonása tehát a 14 Fourier-idő-transzformáció időben simított teljesítményspektrumában egyszerű maximumdetektálással elvégezhető.

Ezért a 14 Fourier-idő-transzformáció után 15 simítás következik, amely lehetővé teszi a berezgéssel létrejött mellékmaximumok elnyomását a végtelen kiértékelési intervallum véges jele alapján. A 15 simítás például 1. rendű aluláteresztő szűrővel történik. Az aluláteresztő szűrő időállandóját az emberi hallás frekvenciafüggő időfelbontási képességének megfelelően választjuk meg.

Mielőtt a részhangokat meghatároznánk, meg kell határozni a kiértékelési intervallum hosszát a részhangok meghatározásához az egyes adott frekvenciákon. Ezért a 15 simítást 16 kiértékelési intervallum meghatározása követi, azután pedig 17 részhang-meghatározás következik. A részhangok meghatározását részletesen ismerteti W. Heinbach: Aurally adequate signal representation: The Part-Tone-Time-Pattem (Acustica, Vol. 67, 1988,113-120. oldal) című, a technika állásához tartozó szakcikke.

Azt találtuk, hogy különös jelentősége van annak, hogy a részhangok meghatározásához szükséges kiértékelési intervallumot a frekvencia függvényében határozzuk meg. Ezzel az intézkedéssel lehetséges a műszaki zajokhoz való alkalmazkodás, mivel azok lényegében

HU 220 539 Β1 nem stacionárius zajok. A 16 kiértékelési intervallum meghatározása során meghatározott kiértékelési intervallumok alacsony frekvenciák esetén hosszabbak, mint a magas frekvenciáknál. A kiértékelési intervallumok frekvenciafüggő meghatározása lehetővé teszi az emberi hallásnak megfelelő információfeldolgozást. A meghatározott részhangok azok, amelyek időtartama és frekvenciája elvileg észlelhető. Ezáltal lehetséges az időben változó jelek észlelési határának megfelelő kiértékelésiintervallum-választás.

Különösen előnyös, ha a különböző frekvenciákhoz tartozó időintervallumok aránya megegyezik a megfelelő frekvenciacsoportok szélességének arányával. Az akusztikus észleléshez huszonnégy frekvenciacsoport mutatkozott lényegesnek. Ezek Bark-egységben kifejezve azonos távolságra (1 Bark) vannak egymástól. Ez a huszonnégy csoport határozza meg az emberi hallás frekvencia- és időfelbontási képességét. A frekvenciacsoportok megismerhetők E. Zwicker és H. Fastl: Psychoacoustics, Facts and Models (Springer Verlag 1990, 133-155. oldal) című tanulmányából. A gyakorlati munka során azt találtuk, hogy a kiértékelési intervallumot magas frekvenciák esetén legalább 1 ms és alacsony frekvenciák esetén legfeljebb 10 ms értékre kell választani. Még magasabb vagy még alacsonyabb frekvenciák esetén ezeket a határértékeket rögzítjük, és a továbbiakban már nem változtatjuk.

A meghatározott részhangokból TTZM részhangidőminta határozható meg.

Egy különösen előnyös kiviteli példánál egy további eljárási lépésben 18 részhangvonal-meghatározás következik a 17 részhang-meghatározás után. A meghatározott részhangvonalakból a TTZM részhangidőmintának megfelelően 19 részhangvonal-időminta határozható meg (TTLZM). A 19 részhangvonal-időminta lényegében a TTZM részhangidóminta kiteqesztése. A részhangvonalidőminta-koncepció lényege, hogy a TTZM részhangidőmintákat a lényeges részhangokra korlátozzuk. Ezzel a struktúraképzéssel csökkenthető a redundáns információ, és ezzel a feldolgozandó adatmennyiség is. A lényeges részhangokat részhangvonalakká foglaljuk össze. A TTZM részhangidóminta részhangjainak akusztikai fontossága az időben szomszédos részhangokkal való kapcsolattól függ. A részhangvonalak kiválasztásának első kritériuma az összefoglalandó részhangok frekvenciafüggő minimális hossza. Egy másik kritérium két egymást követő részhang frekvenciájának távolsága. Ezekkel a paraméterekkel meghatározható a maximálisan megengedett frekvenciaugrás a részhangvonalak mentén, és a részhangvonalak frekvenciafüggő minimális hossza.

A 18 részhangvonal-meghatározás után vagy a 19 részhangvonal-időminta ábrázolása után 20 virtuális hangmagasság meghatározás következhet. Miközben a TTZM részhangidóminta fizikai részhangjai teljesen megfelelnek az észlelhető spektrális hangmagasságoknak, a virtuális hangmagasság észlelése az akusztikus információfeldolgozás magasabb szintjén történik a fülben. Lényeges, hogy a virtuális hangmagasságoknak nem kell hogy megfelelő spektrális összetevője legyen a zajban. A virtuális hangmagasság meghatározás kiindulópontja a részhang, és a virtuális hangmagasság időmintameghatározás alapja a 19 részhangvonal-időminta. Előre megadható időpontokban egyes részhangokat kiválasztunk, és azok alapján meghatározzuk a virtuális hangmagasságokat. A hangmagasságok meghatározásának matematikai módszere megismerhető E. Terhardt, G. Stoll és M. Seewann: Algorithm fór extraction of pitch and pitch salience Írom complex tónál signals [J. Acoust. Soc. Am 71(3), 1982. március, 697-688. oldal] című folyóirati szakcikkéből.

A részhangvonalak másik, különösen előnyös kiértékelése során egy kiválasztott részhangvonal időbeli szintváltozását értékeljük ki. Előre megadható a szintváltozás az adott kiértékelési intervallumban a részhangvonal teljes hosszára vonatkoztatva, ahol a küszöbértékeket a szint és/vagy a frekvencia és/vagy a szintváltozás ideje függvényében határozhatjuk meg. Ez az eljárás különösen impulzusszerű jelrészletek felismeréséhez alkalmas. Ipari zajoknál, például kopogásnál figyelhető meg ilyen jelrészlet, amelyet motorok esetén például a csapágyazás változása vagy csapágysérülés okoz. Kopogás figyelhető meg hajtóművekben is, különösen olyan hajtóművekben, amelyek hibásak. Az eljárás tehát lehetővé teszi a kopogás objektív felismerését.

A 20 virtuális hangmagasság meghatározása után vagy 21 kopogásfelismerés után a találmány szerinti eljárás 22 vége következik.

Claims (11)

1. SZABADALMI IGÉNYPONTOK

   1. Eljárás akusztikus jelek kiértékelésére, amelyek megfelelő digitális jellé vannak átalakítva, és ezt követően Fourier-idő-transzformációnak /FTT/ (14) vannak alávetve, melynek során az eredményekből meghatározott kiértékelési intervallumok meghatározott frekvenci álhoz részhangokat (17) határozunk meg, azzal jellemezve, hogy a részhang (17) meghatározásához megadott kiértékelési intervallumokat (16) a frekvencia függvényében határozzuk meg.
2. 2. Az 1. igénypont szerinti eljárás, azzal jellemezve, hogy az egyes kiértékelési intervallumokat (16) alacsonyabb frekvenciák esetén hosszabbra választjuk, mint magasabb frekvenciák esetén.
3. 3. A 2. igénypont szerinti eljárás, azzal jellemezve, hogy az egyes kiértékelési intervallumokat (16) a hallási jellemzők alapján határozzuk meg, ahol a különböző frekvenciákhoz tartozó időintervallumok aránya megegyezik a megfelelő frekvenciacsoportok szélességének arányával.
4. 4. Az 1-3. igénypontok bármelyike szerinti eljárás, azzal jellemezve, hogy a kiértékelési intervallumok (16) hossza legalább 1 ms és legfeljebb 10 ms.
5. 5. Az 1. igénypont szerinti eljárás, azzal jellemezve, hogy az FTT-hez (14) meghatározandó ablakfüggvény másodrendű ablakfüggvény, és a meghatározandó analízis-sávszélesség 0,2-0,3 Bark között van.
6. 6. Az 1. igénypont szerinti eljárás, azzal jellemezve, hogy az FTT-hez (14) meghatározandó analízisfrekven4

   HU 220 539 Bl cia-távolság értéke a kisebb vagy egyenlő 0,035 Barktartományban van.
7. 7. Az 1. igénypont szerinti eljárás, azzal jellemezve, hogy részhangvonalakká (18) összefoglalható egyes részhangokat (17) választunk.
8. 8. Az 1. igénypont szerinti eljárás, azzal jellemezve, hogy az egyes részhangokat (17) meghatározott időpontokban választjuk ki, és azokból virtuális hangmagasságokat (20) határozunk meg.
9. 9. Az 1-8. igénypontok bármelyike szerinti eljárás, azzal jellemezve, hogy műszaki hangrezgések kiértékelésére alkalmazzuk.
10. 10. A 9. igénypont szerinti eljárás, azzal jellemezve, hogy kopogás felismerésére alkalmazzuk, melynek során egy kiválasztott részhangvonal (18) időbeli szintlefutását értékeljük ki.
11. 11. A 10. igénypont szerinti eljárás, azzal jellemezve, hogy a kiértékelési intervallumon (16) belüli, az egész részhangvonalhosszra vonatkoztatott szintváltozást előre megadjuk, és a szintváltozást legalább egy küszöbértékkel összehasonlítjuk, melynek során a küszöbértéket a szint és/vagy a frekvencia és/vagy a szintváltozás ideje függvényében határozzuk meg az előre meghatározott kiértékelési intervallumban (16).