2025年大学《声学》专业题库-声学在声音分析中的应用

2025年大学《声学》专业题库——声学在声音分析中的应用考试时间：______分钟总分：______分姓名：______一、简述声压、声压级、声强、声强级这四个声学基本物理量各自的定义、单位以及它们之间的区别与联系。在声音分析中，为什么通常使用声压级而非声压来描述声音的强弱？二、解释什么是周期性信号和非周期性信号。请分别说明如何通过时域波形图特征来区分这两种信号。对于周期性信号，如何从时域波形图中直观地判断其基频？三、简述傅里叶变换（FFT）的基本思想。为什么说傅里叶变换是分析信号频域特性的核心工具？在得到信号的单边幅度谱或功率谱后，可以从中提取哪些关键的声学特征信息（例如，与音高、音色相关的特征）？四、什么是共振峰（Formants）？它们是如何产生的？在语音信号分析中，共振峰对于区分不同元音（如/a/,/i/,/u/）至关重要，请解释其原因。在音乐信号分析中，共振峰又可能扮演什么样的角色？五、比较短时傅里叶变换（STFT）与傅里叶变换（FFT）在分析声音信号时的主要区别。STFT如何克服传统傅里叶变换无法分析信号时频局部变化这一缺点？它在分析语音信号（如基频F0的动态变化）或音乐信号（如音符的起止）时具有什么优势？六、在环境声学中，声景（Soundscape）分析是一个重要的研究方向。请简述声景分析的基本概念。它通常需要关注哪些方面的声学特性？进行声景评价时，除了客观的声学指标（如噪声级、声压级），还会考虑哪些主观因素？七、声音信号处理中常常需要将信号分解到不同的频带进行处理。请简述梅尔频率倒谱系数（MFCC）是如何得到的。与直接使用傅里叶变换得到的频谱特征相比，MFCC具有哪些优点？它在哪些应用中（如语音识别、说话人识别）被广泛使用？八、试述在进行噪声源识别与定位时，可能会用到哪些基于声学原理的方法或技术。简述其中一种方法的基本原理。在室外或室内复杂环境下进行声源定位时，主要会遇到哪些挑战？九、声音的物理特性（如频率、振幅）与人的主观感知（如音高、响度）之间存在复杂的关系。请分别解释为什么我们感知到的声音响度与声压级并非线性关系（描述响度与声压级的对数关系），以及为什么我们感知到的不同频率纯音的音高与其频率成对数关系（描述等比音高序列）。十、设想一个场景：需要对一段包含有人说话、环境背景噪声以及可能的低频设备运行声的录音进行声音事件分割，即分别识别出说话的起止时间、背景噪声的持续时段以及设备运行声的出现时段。请列举至少三种可能采用的声音分析技术或方法，并简述每种方法的基本思路。试卷答案一、声压（P）是介质中因声波传播而产生的压力fluctuation，单位为帕斯卡（Pa）。声压级（SPL）是声压相对于参考声压（通常为2×10^-5Pa）的对数比，单位为分贝（dB），计算公式为L_p=20log₁₀(P/P₀)。声强（I）是单位时间内通过垂直于声波传播方向的单位面积的能量流密度，单位为瓦特每平方米（W/m²）。声强级（SIL）是声强相对于参考声强（1×10^-12W/m²）的对数比，单位为分贝（dB），计算公式为L_I=10log₁₀(I/I₀)。区别在于：声压和声强是绝对物理量，而声压级和声强级是相对主观感受的对数量度。联系在于：声强与声压的平方成正比（I=P²/ρc），因此声强级与声压级有固定的换算关系。使用声压级而非声压描述声音强弱是因为人耳对声音的响度感知近似与声压级的对数成正比，声压级能更好地反映人耳的主观感受。二、周期性信号是每隔固定时间间隔（周期T）重复其波形变化的信号。非周期性信号则没有固定的周期，波形变化不重复。通过时域波形图区分：周期性信号的波形呈现出规律性的重复，可以在波形图上测量出其周期T；非周期性信号的波形没有固定的重复模式。对于周期性信号，可以通过测量一个完整波形占据的时间（周期T），再根据声波在介质中的传播速度v，利用公式f=1/T计算其基频f。基频即信号重复频率的最低谐波频率。三、傅里叶变换（FT）的基本思想是将一个在时域上定义的信号分解成一系列不同频率的正弦（或余弦）分量，并给出每个分量的频率和幅值（或相位）。它是分析信号频域特性的核心工具，因为许多声音现象（如音高、音色、共振）都与声音的频率成分及其强度分布密切相关，直接在频域进行分析更为直观和方便。从信号的单边幅度谱或功率谱中，可以提取的声学特征信息包括：基频（F0），即幅度谱的第一个显著峰值对应的频率，代表声音的音高；谐波或泛音的频率和相对强度，它们共同决定了声音的音色；共振峰，即频谱中的峰值，代表声道等结构的共振特性，对元音的识别至关重要。四、共振峰是声音频谱中靠近零频率（基频）的一组峰值，它们对应于声学系统中（如人声道）的共振频率。共振峰的产生是由于声波在系统腔体（如声道）中传播时，由于边界反射和干涉，导致某些频率成分的声压得到放大而形成的。在语音信号分析中，共振峰对于区分不同元音至关重要，因为不同元音由于口、舌、唇等发音器官形状的不同，其声道形状也不同，导致共振峰的位置（频率）和形状（带宽）有显著差异，这些特征成为了区分不同元音的主要依据。在音乐信号分析中，共振峰可能反映了乐器共鸣腔体的特性，影响乐器的音色，有时也可用于分析乐器的起振、衰减特性或识别某些乐器。五、短时傅里叶变换（STFT）与傅里叶变换（FFT）的主要区别在于：STFT将信号分割成一系列短的、重叠的片段，然后对每个片段单独进行FFT，得到该片段的时频表示；而传统傅里叶变换是对整个信号进行变换，只能得到频域信息，无法反映信号频率成分随时间的变化。STFT通过引入时间窗口并对窗口内的信号进行FFT，从而能够提供信号在每一时刻的频率成分信息，克服了传统傅里叶变换无法分析信号时频局部变化这一缺点。STFT在分析语音信号时，可以捕捉基频F0的快速波动和共振峰的动态变化；在分析音乐信号时，可以识别每个音符的起止时间、频率变化过程以及乐器的动态声学特性。六、声景分析（SoundscapeAnalysis）是一个关注环境中所有声音及其对人的感知、行为和福祉影响的研究领域。它不仅分析声音的物理特性，如声压级、频率谱、时间模式、声音来源的多样性等，还关注声音的“意义”和“氛围”。进行声景评价时，除了客观的声学指标，还会考虑许多主观因素，如人们对声音的喜好程度（喜欢/不喜欢）、感知到的安静/吵闹程度、声音的熟悉度、与环境的融合度、声音带来的安全感或威胁感、以及声音对情绪和注意力的影响等。七、梅尔频率倒谱系数（MFCC）的得到过程大致如下：首先对原始声音信号进行预加重（提升高频部分），然后通过帧移将其分割成短时帧，对每一帧进行窗口函数加权并取傅里叶变换得到频谱，接着计算每个频谱帧的功率谱，再应用梅尔滤波器组（其中心频率按梅尔尺度分布）对功率谱进行加权求和，得到梅尔频谱，最后对每个梅尔频谱帧进行离散余弦变换（DCT）并取前几阶系数。与直接使用傅里叶变换得到的频谱特征相比，MFCC的优点包括：它模拟了人耳听觉系统对声音频率的感知特性（梅尔尺度），更符合人耳的频率分辨率随频率升高而下降的特性；DCT具有良好特性，使得变换后的系数之间相关性较低，有利于后续的模式识别（如语音识别）；MFCC能够较好地提取出语音信号中与音素相关的稳定特征，对旋转、加窗等变化具有鲁棒性。它在语音识别、说话人识别、语音增强、音乐信息检索等领域被广泛使用。八、在进行噪声源识别与定位时，可能用到的基于声学原理的方法或技术包括：声源定位算法（利用多麦克风阵列）、声音指纹（Auditory指纹）技术、频谱分析（识别噪声特征频率）、相干函数分析（判断声源方向）、波前追踪算法等。其中一种方法的基本原理（以多麦克风阵列声源定位为例）：利用多个麦克风接收到同一声源信号在时间上的差异（时间差Δt），结合已知的麦克风间距d，根据声速c，可以估算声源与阵列法线的夹角θ，即sinθ=cΔt/d。通过在不同方向上重复此过程或使用更复杂的算法（如到达时间差TDOA），可以确定声源的三维位置。在室外或室内复杂环境下进行声源定位时，主要遇到的挑战包括：多径效应（声波经过反射、折射到达麦克风路径多样，导致到达时间差模糊）、环境噪声干扰（掩盖目标声源信号）、声源移动性（需要实时跟踪）、麦克风阵列的布置成本和复杂性、以及非刚性环境（边界反射复杂）等。九、声音的物理特性（如频率、振幅）与人的主观感知（如音高、响度）并非线性关系。响度是人对声音强弱的主观感受，研究表明响度与声压级的对数近似成正比（遵循费希纳定律或斯蒂芬-费希纳定律），即L≈k*log₁₀(P/P₀)，其中k为常数。这是因为人耳的感知机制对声压变化的敏感度随声压水平的不同而变化，在低声压级时，人耳对声压变化的敏感度较高，而在高声压级时，敏感度逐渐降低。因此，要获得感知上相等的响度增量，需要声压级进行较大的变化。音高是人对声音高低的感知，研究表明感知到的音高与声音频率近似成对数关系，即P≈k'*log₁₀(f/f₀)，其中P为感知音高，f为声音物理频率，f₀为一个参考频率，k'为常数。这意味着频率加倍或减半，感知到的音高变化感大致相同（如音乐中的八度关系）。这种非线性的感知机制是生物进化和自然选择的结果，使得人能更有效地适应广阔范围的声音环境。十、设想对包含说话、背景噪声和设备运行声的录音进行声音事件分割，可能采用的声音分析技术或方法包括：1.基于能量或过零率的变化检测：声音事件（如说话开始/结束、噪声突发）通常伴随着信号能量或过零率的显著变化。可以通过计算短时能量或过零率，设置阈值来检测这些变化点，从而初步分割事件。思路是利用声音类型在能量特性上的差异。2.基于频谱特性的分析（如谱减法或基于统计模型的方法）：说话、噪声和设备运行声通常具有不同的频谱特征。例如，语音包含明显的基频和共振峰，而某些设备噪声可能集中在特定低频或高频带。可以利用短时傅里叶变换分析频谱，通过检测频谱结构的变化（