流水聲注入對機動車噪聲煩惱感抑制的影響因素

趙煥綺, 陳克安,, 閆靚, 周兵, 張建功, 張珺, 鄧云云, 李晗, 李豪

(1.西北工業大學 航海學院, 陜西 西安 710072; 2.電網環境保護國家重點實驗室, 湖北 武漢 430000)

機動車噪聲作為道路交通噪聲與車內噪聲的主要來源,其控制方法包括無源控制和有源控制兩大類,目的均在于降低噪聲的聲能量,它們被稱為面向聲能量降低的“減法控制”措施。

在實際工作中,“減法控制”措施遇到許多問題。例如在特定場合下降噪效果有限、降噪成本不可接受或降噪措施無法實施,有些場景下聲能量降低后的噪聲并不會帶來聽感舒適性提升。就車內聲環境來說,單純以降低噪聲能量為目標的噪聲控制方法已不能完全滿足人們對汽車產品乘坐舒適性的要求,以聲級為唯一評價指標的方法存在不足。

為了評價與表征聲事件帶給人的主觀感受,聲品質技術應運而生[1]。用人耳對聲事件經聽覺感知后做出的主觀評價值作為描述聲音的參量。由此來看,噪聲對人的主要影響是引發煩惱感,因此大多數場景下噪聲控制的本質就是抑制煩惱感。

于是,一種通過加入可聽聲以降低原始聲煩惱感的噪聲控制方法被人們提出,這種方法區別于以減少聲能量為目的的“減法控制”,是一種“加法控制”措施,又稱為音頻注入法(audio injection)。在音頻注入法中,原始噪聲稱為目標聲(target sound),所加入的聲音稱為調控(controllable sound),混合后的聲音稱為疊加聲(combined noise)。近年來,音頻注入法引起了人們的廣泛關注,其研究和初步應用也越來越多。

聲景觀是應用音頻注入法最主要的方面。流水聲是增強城市聲景觀的最佳聲音[2]。Fan等的研究表明引入滿意度高的聲音是改善公園聲環境的有效手段[3]。Joo等認為引入令人愉悅的自然聲掩蔽城市噪聲是一種改善聲舒適性的重要策略[2]。

在環境噪聲煩惱感抑制方面,自然聲作為適宜的調控聲被重點研究。添加需要的聲音來掩蔽機械的聲音是比較有效的[4-5]。Jeon等調查了流水聲對城市噪聲掩蔽的影響,認為聲舒適性和響度的感知與噪聲干擾之間存在較強的相關性[6]。李爭光[7]研究了人體對疊加不同聲音后的噪聲暴露下噪聲主觀煩惱關系。Leung等[8]研究了流水聲與道路交通噪聲共同作用下噪聲煩惱反應的多元預測模型。

在封閉空間內的聲環境調控方面,Suhara等[9]提出了一種控制信號設計方法,用于掩蔽牙科治療聲中引起不舒適感的多個譜峰。Brocolini等[10]發現當存在可懂語音時,記憶任務表現會下降。

已有研究證明了音頻注入法對改善聽覺舒適性或降低噪聲煩惱感的有效性[11],但是缺乏深入而細化的研究。對道路交通噪聲而言,流水聲是非常合適的調控聲候選者[12]。

聽覺屬性差異很大的2種聲音的可識別性不僅是聲音特性的描述,也是調控聲聲級選擇的參考依據。Gygi等[13]研究了常見環境聲的檢測和識別閾值。陳克安等[14]發現與聲音時頻性相近的噪聲干擾對目標辨識率的影響大,而與聲音時頻性相差大的噪聲干擾對目標辨識率的影響小。

本文以機動車噪聲為目標聲,開展音頻注入下的絕對閾限實驗和煩惱感主觀評價實驗,隨后基于可識別性研究了目標聲煩惱感降低的程度與范圍,即“相消效應”存在的條件,同時對音頻調控聲進行了參數優化和音頻注入效應的分析。

1 聲樣本的獲取

本文以8種機動車噪聲為目標聲,以3種舒適度較高的溪流聲為調控聲,研究疊加后的相消效應。研究表明,5 s時長的聲樣本可產生穩定的感知印象,且避免因時間過長而導致被試疲勞,可保證評價結果的準確性,所以聲樣本時長均為5 s。

以機動車噪聲煩惱感音頻調控為目標,選擇大巴車、燃油汽車、電動汽車、摩托車4種機動車在2種時速下車內或駕駛者附近的8種噪聲為目標聲,聲樣本來自www.ponds.com,采樣頻率為44 100 Hz。此外,音頻注入法不適用于高聲壓級目標聲,且為了降低研究復雜度,將目標聲聲壓級設為60 dB不變,其具體信息見表1。已有研究表明對煩惱感抑制來說溪流聲比噴泉聲和瀑布聲更受青睞[12]。為此,本文選擇溪流聲為調控聲。從www.ponds.com下載了3種溪流聲作為調控聲,聲樣本時長5 s,采樣頻率從48 000 Hz降為44 100 Hz。

在音頻注入法中,將調控聲視為信號,目標聲視為噪聲,設置一系列不同的信噪比(RSN),2種聲音組合后得到不同的疊加聲。RSN定義如(1)式所示

(1)

式中,PC,PT分別為調控聲和目標聲的聲功率。

將8種目標聲和3種調控聲以不同RSN混合得到疊加聲用于后續主觀評價實驗或預測。

表1 目標聲信息與參數

2 主觀評價實驗

為得到疊加聲煩惱度評分,本次實驗分為兩部分:調控聲閾限值研究和疊加聲煩惱度評價。第1部分實驗為第2部分實驗獲得調控聲聲壓級提供依據,第2部分實驗為研究相消效應提供依據。

2.1 被試

分3次進行實驗,每次實驗完成一種調控聲的評價。被試由不完全相同的13名(男10名,女3名)20～24歲聽力狀況良好的在校大學生組成。

2.2 環境與設備

主觀評價實驗在安靜適宜的普通房間進行。房間的本底噪聲為47.5 dB。利用計算機對聲樣本隨機排序后由Windows Media Player音頻播放軟件通過一個24位聲卡傳至16通道耳機放大器(BEHRINGER HA4700),然后經動圈式高保真監聽級頭戴耳機(SENNHEISER HD280)播放給被試。

2.3 實驗過程

第1部分實驗為絕對閾限實驗,分別通過極限法獲得調控聲的下閾限(lower threshold)和上閾限(upper threshold)。其中,下閾限TL是指固定目標噪聲級下,人們剛好能夠感覺到調控聲的聲壓級;上閾限TU是指固定目標噪聲級下,人們剛好感覺不到目標噪聲時對應的調控聲聲壓級。獲取下、上閾限值的目的不僅在于明確調控聲聲級范圍,為后續聲級選擇提供依據。本文將下、上閾限覆蓋范圍稱為閾限范圍,由于目標聲與調控聲是2種感知屬性差異較大的聲音,研究其閾限范圍ΔT(ΔT=TU-TL)可為后續機理闡釋提供參考。第2部分實驗為參考評分實驗,在閾限范圍內,通過參考評分法得到不同信噪比下疊加聲煩惱度評分。

2.3.1 絕對閾限實驗

在絕對閾限實驗中,要求評價人員熟悉聲樣本列表,對整體聲樣本有一個全面的了解。RSN以2 dB為步長疊加得到疊加聲。使用心理物理學的經典方法之一的極限法,其主要特點是刺激按照“遞增”(用↑標記)或“遞減”(用↓標記)的2種序列逐級進行微小變化。即將疊加聲中調控聲的聲壓級按↑↓↓↑的順序播放4遍,被試每聽完5 s的聲樣本有2 s的時間判斷是否能聽到調控聲或目標聲。

根據被試有無檢測到調控聲或目標聲反應變化的轉折點兩值的平均值,即為對應的絕對閾限;多次測試的平均即為該調控聲的最終絕對閾限。

2.3.2 煩惱度評價實驗

使用煩惱度作為疊加聲煩惱感評價的量化指標,煩惱度評分記作A。本實驗采用參考評分法,等間隔的測量等級以滿足線型回歸及其他統計技術的需要。在8種目標聲中選取1個聲樣本為參考樣本,該聲樣本的物理特性在全體聲樣本中處于中等位置附近。評價尺度見表2。

表2 評價尺度

選取絕對閾限范圍內的一部分疊加聲作為參評聲樣本,隨機播放打分。由于有被試報告RSN過大會影響實驗進行,而且RSN過小沒有起到明顯的相消作用,所以該部分疊加聲RSN的起始并不嚴格按照閾限值。

主試講解實驗目的、流程、注意事項,解答被試的疑問。在閾值范圍內,以3 dB為步長,疊加得到疊加聲并進行參考評分,聲樣本序列隨機播放。

實驗期間被試每次聽到1對聲音,每對包含2段5 s的聲音,中間間隔1 s。第1段聲音為參考樣本,煩惱度評分設定為5分,第2段聲音為待評價樣本。在聽完每對聲音后,被試有3 s的時間進行比較,相對于參考樣本來說待評價樣本的煩惱度等級,并對其打分。其中“9”、“5”和“1”表示待評價樣本相對參考樣本“非常煩惱”、“同樣煩惱”和“非常不煩惱”。被試聽完1對聲樣本后進行線上打分直至序列播放完畢,形成作為第1組數據。選取待評價聲樣本約1/3進行重復打分,作為第2組數據。最后選出合適的被試打分取平均值作為每個聲樣本的最終煩惱度評分。

2.4 數據分析

為保證后續分析結果的準確性,首先對數據進行有效性檢驗。

2.4.1 誤判分析

實際中,允許同一評價者對同一聲樣本多次重復評價的結果間存在一定程度的差異,只要這一差異超過某一數值的概率低于可接受性檢驗的顯著水平即可。對13名被試煩惱度評分的第2組和第1組數據中對應的數據進行誤判分析,若2個評分值的數值之差大于2,則視為不可允許誤判,實際中,如果某個被試的誤判率大于0.4,則剔除該被試。圖1為參考評分的誤判分析,剔除被試12。

圖1 參考評分的誤判分析圖

2.4.2 相關分析

對13名被試煩惱度評分的第2組數據和第1組數據中對應的數據進行相關分析,即同一被試評價同一疊加聲,獲得該疊加聲的2組評分。如圖2所示,被試評分數據整體上具有較好的一致性,將Pearson相關系數低于0.5的予以剔除,3次實驗分別為剔除被試3,5,6,8,11和被試3,6,9,13以及被試5,7,9,10,11,12。

圖2 參考評分的誤判分析圖

3 實驗結果及分析

本節結合實驗結果,對目標聲與調控聲自身特性進行分析,研究相消效應的產生與影響因素。

3.1 目標聲與調控聲的特性分析

利用2.3.1節給出的方法,獲得了調控聲的閾限值,計算得到了3個調控聲在不同目標聲下的下閾限、上閾限及其覆蓋范圍,如圖3所示。

圖3 調控聲的下、上閾限及其范圍

在由第i個目標聲和第j個調控聲組成的疊加聲中(i∈[1,8],j∈[1,3]),第j個調控聲的閾限范圍定義為ΔTi,j，如(2)式所示

ΔTi,j=TU,ij-TL,ij

(2)

式中,TU,ij,TL,ij分別表示由第i個目標聲和第j個調控聲組成的疊加聲中調控聲的上、下閾限值。

雖然前文中提到的閾限值和閾限范圍等概念是針對調控聲的,但對不同的目標聲情況不一樣,所以閾限范圍也是相對目標聲來說的一個量,可以描述目標聲的特性。閾限范圍也可以作為判斷2個聲音可識別性的一種體現。可識別性是指一個聲音與另一個感知屬性不同的聲音混合后,該聲音被識別出來的難易程度。本研究中,將可識別度定義為I,作為衡量可識別性的一種指標,用閾限范圍的均值來表示。因此每個目標聲的可識別度用3個調控聲下閾限范圍長度的均值表示;每個調控聲的可識別度用8個目標聲下閾限范圍長度的均值表示。第i個目標聲的可識別度Ii定義如(3)式所示,同理,第j個調控聲的可識別度Ij定義如(4)式所示,各目標聲和調控聲的可識別度如圖4所示。

圖4 不同目標聲和調控聲的可識別度

(3)

(4)

所有目標聲和調控聲可識別度的均值為35.04 dB,在圖4中用黑色虛線表示,所以選擇35 dB為本實驗中可識別度分類線。可見,可識別度高于35 dB的有目標聲5,6,8和調控聲1;可識別度低于35 dB的有目標聲1,2,3,4,7和調控聲2,3。

3.2 相消效應影響因素的分析

調控聲注入后,疊加聲煩惱感較目標聲煩惱感下降的現象稱為相消效應,它所依賴的因素是一個基礎性問題,也是調控聲設計的基本前提。

煩惱度評分的實驗結果經數據處理后,每個疊加聲的煩惱度評分如圖5所示。每幅圖中黑實線為目標聲的煩惱度評分,黑實線以下的區域為相消效應發生的區域。可以看出大多數情況下加入調控聲后疊加聲的煩惱度下降了,大部分疊加聲煩惱度會先下降后上升。調控效果最好時對應的RSN可從圖中看出。由圖可見,調控聲1更適合目標聲5和8;調控聲2更適合目標聲2和6;調控聲3更適合目標聲1,3,4和7。

圖5 不同目標聲下疊加聲的煩惱度

其中,將煩惱度下降值ΔA定義為加入調控聲前后目標聲煩惱度與疊加聲煩惱度之差,如(5)式所示

ΔA=AB-AA

(5)

式中，AB,AA分別為加入調控聲前后目標聲和疊加聲的煩惱度。

將使目標聲煩惱度下降最大的調控聲稱為最優調控聲,對應的信噪比為最佳信噪比RSNO。根據煩惱度評分實驗的結果,可知目標聲5和8的最優調控聲為調控聲1;目標聲2和6的最優調控聲為調控聲2;目標聲1,3,4和7的最優調控聲為調控聲3。加入最優調控聲后的ΔA及RSNO如圖6所示。其中,左縱坐標為煩惱度下降值ΔA,右縱坐標為最佳信噪比RSNO,分別用藍色和紅色豎線表示。

圖6 加入最優調控聲后各目標聲的ΔA及其RSNO

目標聲與調控聲的特性都與相消效應的發生有關,不同調控聲適合不同的目標聲。由以上結果可知,對于大部分可識別度高于35 dB的目標聲,如目標聲5和8,其最佳調控聲的可識別度也高于35 dB,并且其對應的RSNO大,在-7 dB及以上;而對于可識別度低于35 dB的目標聲,如目標聲1,2,3,4和7,其最佳調控聲的可識別度也低于35 dB,并且除了目標聲2,其余目標聲對應的RSNO小,在-15 dB及以下。由圖6可知,加入最優調控聲后,對于可識別度高于35 dB的目標聲,其ΔA的均值低于可識別度低于35 dB的目標聲。

利用SPSS軟件進行多因素方差分析,進一步確定目標聲與調控聲的可識別度對疊加聲煩惱度下降值的影響。為研究相消效應影響因素,選擇相消效應區內的數據進行分析。影響因素為目標聲和調控聲的可識別度分類(分類為1表示其可識別度小于35 dB,分類為2表示其可識別度大于35 dB)。由顯著性結果可知,目標聲可識別度分類的影響顯著,調控聲可識別度分類的影響不顯著,兩者的交叉項影響也是顯著的。目標聲和調控聲可識別度分類對ΔA影響如圖7所示,可見,與最佳調控聲的規律一致,即可識別度小的目標聲與可識別度小的調控聲混合后,疊加聲的煩惱度下降值更大;可識別度大的目標聲與可識別度大的調控聲混合后,疊加聲的煩惱度下降值更大。

圖7 目標聲和調控聲可識別度分類對ΔA影響

總的說來,如果目標聲的可識別度高,要求最佳調控聲的RSN大、可識別度高,疊加后ΔA較小;反之,如果目標聲的可識度低,要求最佳調控聲的RSN小、可識別度低,疊加后ΔA較大。這說明對于聽感顯著的目標聲,要求調控聲的聽感顯著且能量較大,但煩惱度下降值卻較小;反之對于聽感不明顯的目標聲,要求調控聲的聽感也不明顯,需要的能量也較低,但煩惱度下降值卻較大。

當然,以上結論也不是絕對的,可識別度高于35 dB的目標聲6和可識別度低于35dB的目標聲2就是2個例外。從最佳調控聲的角度看,目標聲6不符合上述規律。但由圖5可見,對目標聲6來說,3種調控聲下的ΔA都很小,且數值相近,雖然調控聲2為其最佳調控聲,但可能存在偶然因素。從RSNO的角度看,目標聲6和目標聲2不符合上述規律,可能與其他因素有關。

上述現象表明,相消效應源于能量掩蔽和信息掩蔽的共同作用。當目標聲和調控聲同時出現,且兩者在頻譜上互相重疊時,目標聲和調控聲一起激活了聽覺外周神經系統中的相同成分,發生了能量掩蔽。根據能量掩蔽特性[15]:頻率相近的純音容易互相掩蔽;提高掩蔽聲的聲壓級會增加掩蔽量,本實驗中的目標聲和調控聲有頻率相近的成分,而且大多數情況下ΔA會隨RSN的增大而增大,因此能量掩蔽是煩惱度降低的因素之一。但由以上對可識別性的討論以及例外的出現可知,煩惱度的降低不能都歸因于能量掩蔽,有時是通過轉移注意力來達到掩蔽的效果。所以,對此可以用能量掩蔽之外的掩蔽,即信息掩蔽來解釋。信息掩蔽是由刺激的不確定性導致的閾值升高[16],是發生在聽覺中樞層次上的掩蔽[15]。所以對于本實驗中煩惱度的降低,能量掩蔽和信息掩蔽都有貢獻,但各成分占比多少是一個很復雜的問題,有待進一步研究。

4 結 論

本文選取4種車型不同速度下的8種機動車噪聲作為目標聲,3種溪流聲為調控聲開展主觀評價實驗。研究了基于音頻注入的機動車噪聲煩惱感抑制特性,從多個角度研究了調控聲疊加后煩惱感“相消效應”的影響因素。

研究發現:①對于大多數可識別度高于35 dB的目標聲,其最佳調控聲的可識別度也高于35 dB,且其RSNO大,在-7 dB及以上。②對于大多數可識別度低于35 dB的目標聲,其最佳調控聲的可識別度也低于35 dB,且其RSNO小,在-15 dB及以下。③加入最優調控聲后,可識別度高于35 dB的目標聲的ΔA均值低于可識別度低于35 dB的目標聲。④能量掩蔽和信息掩蔽對煩惱度的降低都有貢獻,但各自的占比有待進一步研究。

從最佳信噪比的角度來看,本文結果與前人的研究結果基本一致[6,12],即當調控聲聲壓級比目標聲小3 dB及以上時,調控效果最好;從聽覺特性角度看,前人研究認為當流水聲的愉悅度越高,與道路交通噪聲混合后的總愉悅度將越高[17]。本研究還進一步增加了目標聲種類并對其聽覺感知特性進行了分類,得到了目標聲與調控聲需基于可識別度進行最佳匹配的初步結論。

可識別度可以作為選擇調控聲的重要依據,對于可識別度高的目標聲,應選擇可識別度高、RSN大的調控聲;對于可識別度低的目標聲,應選擇可識別度低、RSN小的調控聲。

為使本文研究更加深入,可對信噪比參數進行優化;增加調控聲的種類,拓寬調控聲的選擇和研究范圍。在音頻注入法中,調控聲與目標聲疊加后引發的聽覺感知效應是一種復雜的心理聲學現象,最優調控聲設計涉及到對音頻注入效應基本特性、物理機制及數學建模等方面的研究,需長期努力。