一種揚聲器異常音的時域特征檢測方法

韋峻峰， 楊 益 ， 溫周斌 ， 馮海泓

（1.中國科學院 聲學研究所東海研究站，上海 200032；2.中國科學院 聲學研究所嘉興工程中心，浙江嘉興 314006）

在揚聲器生產過程中常產生各種缺陷。以動圈揚聲器為例，通過測量阻抗曲線或極性等常規測試項目，可以檢測出音圈短路、斷路、焊接不良和反接等缺陷。而因磁隙、防塵帽或其他部件混入雜質，因部件發生共振、摩擦或碰觸現象或因膠水粘接不良等缺陷導致的異常音故障（Rub and Buzz）則難以通過常規參數檢測。有異常音故障的揚聲器在工作時會產生除激勵信號頻率之外的聲音，從而導致回放音質惡化，因此在產品出廠前需要由有經驗的聽音員反復聽音檢查。

使用機器替代人耳檢測異常音可以給出更為客觀的結果。早期的研究采用離散對數掃頻信號作為激勵信號，對采集到的聲響應信號濾波并求總諧波失真，其結果用于檢測異常音［1］。然而，由揚聲器結構引起的固有非線性失真的幅度遠大于異常音失真的幅度，因而難以通過總諧波失真檢測異常音故障［2］。此外，由于掃頻頻率不連續，掃頻頻率點外的諧振現象可能無法激勵。近年來許多檢測異常音的新方法被提出，Shane等提出高階諧波失真（High-order harmonic distortion，縮寫為 HOD）響應可用于異常音檢測［3］。Farina提出使用連續對數掃頻信號作為激勵，同時測量線性沖激響應和各階諧波失真的沖激響應的算法［4］。該激勵信號的頻率隨時間連續變化，可以更有效地激發被測頻率范圍內的諧振現象。后來該方法也被用于異常音檢測［5］。根據人耳對聲音的感知機理，Leonhard提出通過檢測異常音故障揚聲器的聲信號中脈沖能量的斜率，實現了多種故障的檢測［6］。國內學者提出了基于時頻分析［7，8］、小波濾波的噪聲檢測方法［9］。此外，一種客觀評價音頻編解碼器對音質的損失的音質感知評價方法（Perceptual Evaluation of Audio Quality）亦被用于揚聲器失真評價［10，11］。

在分析有異常音故障的揚聲器的時域響應波形中，可觀察到有微弱的異常音振動特征疊加在正常響應之上。不同的異常音故障對應的振動特征是不同的，而振動特征在異常音故障分類中有重要的作用?；诟道锶~變換的處理方法雖然得到了異常音的頻域特征，但疊加在激勵信號上的脈沖在頻域被展寬，損失了振動特征。采用時域處理方法可能是一種更為有效的特征檢測方法。

基于上述討論，本文提出了一種時域的特征檢測方法。首先對揚聲器在連續對數掃頻信號激勵下的聲響應信號進行經驗模態分解（Empirical mode decomposition，縮寫為EMD），之后對分解出的各階本征模態函數（Intrinsic mode functions，縮寫為IMF）進行去混淆處理，得到各子帶內包含異常振動信息的模態函數。通過仿真驗證和實驗驗證，證明IMF的時域特征可用于異常音故障的檢測與分類。

1 理論分析

1.1 異常音的種類

動圈揚聲器種類繁多，小至手機中的微型揚聲器，大至舞臺音箱中的低音單元，但其結構有類似之處。大多數動圈揚聲器參與振動的部分由振膜、防塵罩、折環、定心支片和音圈組成，其他部件有導磁柱、導磁板、盆架和接線柱。常見的異常音種類如下：

（1）音圈摩擦（Coil Rubbing）音：在揚聲器加入激勵時，因安裝不正確導致音圈或音圈骨架與磁隙周期性接觸而產生該異常音。此外，磁隙中的雜質也可能產生音圈摩擦音。在使用一段時間后，音圈摩擦故障很可能導致揚聲器損壞。

（2）部件摩擦（Buzzing）音：當部件粘接不良時，部件之間可能發生相對運動。粘接不良的部件在外力驅動下按部件的自身特性產生與激勵信號不一致的振動。

（3）異物碰觸（Loose particles）音：揚聲器振膜與其他雜質發生碰撞或防塵罩內有異物時，發出隨機的脈沖聲。有時異物會卡在部件當中導致故障現象暫時消失。

（4）部件共振（Resonance）音：固定揚聲器的箱體、揚聲器測試時使用的消聲箱蓋板等外部部件在某些特定頻率下會發生共振。

（5）漏氣（Air leakage）音：揚聲器箱體上由于粘接出現問題導致聲音發生變化。漏氣問題通?？梢杂深l響、阻抗等參數或其他專用方法［12］檢測出來。

1.2 人耳檢測異常音的機理

人耳對不同頻率的聲音敏感程度不同。在聲級計中，這種差異通過濾波器組和加權實現［13］，在助聽器和人工耳蝸中也采用了類似的結構。

正如1.1節所述，異常音多為摩擦聲、碰觸聲，這些聲音的頻帶很寬。在文獻［10］中給出了一個例子，被測揚聲器在100 Hz激勵信號下發出聲壓級120 dB的純音和異常音，其聲響應的幅度譜如圖1。為便于觀察，在圖中基頻響應用“Fund”標注，n階諧波響應用諧波的階數標注?？梢?，其19階以上的諧波幅度高于100 Hz掩蔽曲線，因而不被激勵信號掩蔽。同時，其19次以上的諧波幅度也高于聽閾曲線，因而可以被人耳分辨出來。

圖1 異常音故障揚聲器的聲壓級幅度譜及掩蔽、聽閾曲線Fig.1 SPL Spectrum of loudspeaker with Rub＆Buzz defect，perceptual masking curve and the threshold of hearing

Zwicker的研究表明，當脈沖持續時間大于100 ms時，人耳感受到的響度與脈沖持續時間不相關；而當脈沖時間小于100 ms時，脈沖時間越短，人耳感受到的響度越低［13］。如前文所述，某些異常音的發生具有隨機性，其產生的脈沖幅度和持續時間不確定，人耳聽測可能造成漏檢，因此往往需要反復聽測以降低漏檢概率。

1.3 經驗模態分解（EMD）

由Huang提出的EMD方法是一種分析非線性、非平穩信號的工具，在振動信號處理領域有著廣泛的應用［14］。揚聲器自身的結構特點及材料的物理特性決定了它是一個非線性系統。而對于有異常音故障的揚聲器，其聲響應含有非平穩的失真成分，因而可用EMD法分析。

EMD與小波濾波器組類似，隨著分解算法的推進，代表著高頻到低頻振動模態的數個IMF被分解出來［15］。在黃海的研究中發現，通過數次EMD計算可求出固有非線性失真產生的低次諧波振動模態［16］。與此不同的是，在對有異常音缺陷的揚聲器的聲響應進行EMD計算時，異常音缺陷產生的是高次諧波振動模態，其主要出現于IMF1中。由于異常音頻帶較寬，異常音信號也會分散到其他IMF中。

EMD算法可參見文獻［14］，本文不再贅述。

1.4 激勵信號的選擇

不同激勵信號下，揚聲器發出異常音的顯著程度是不同的。異常音通常為寬帶信號，若使用頻率特征類似的寬帶信號（如多頻信號或噪聲）作為激勵則難以區分正常的響應與異常音響應。

人耳聽音時通常選用正弦掃頻信號作為激勵。在任意時刻，激勵信號為窄帶信號。此時正常揚聲器的響應主要集中在基頻，對應著濾波器組中某個濾波器；發出異常音的揚聲器除了檢測到基頻響應外，還存在高階諧波響應或噪聲，對應著濾波器組中多個濾波器。

與人耳聽音類似，后續的仿真與實驗驗證中均選用連續對數掃頻信號作為激勵。連續對數掃頻信號的表達式為：

其中，L=T/ln（f2/f1），f1與f2分別為掃頻的起始頻率和終止頻率，掃頻時長為T?？梢钥吹?，掃頻信號頻率隨時間t呈指數連續變化且存在唯一對應關系：

1.5 去混淆處理

由于激勵信號的頻率范圍很寬，在EMD計算時響應信號被劃分為由高頻到低頻的多個模態。噪聲和可能存在的異常音信號亦被分解到各模態中。由于異常音信號的幅度遠小于聲響應信號的幅度，分解在各個模態中的響應信號將淹沒異常音信號，這樣的現象稱為混淆現象。

被混淆的信號無法用于異常音檢測，因此，需要通過瞬時頻率的特征排除被混淆信號。揚聲器的聲響應瞬時頻率與激勵信號的瞬時頻率是一致的，而噪聲和異常音的瞬時頻率與激勵信號的瞬時頻率不相關，在測量頻帶范圍內隨機變化。根據這一特征，可以通過IMF的瞬時頻率與激勵信號瞬時頻率相減的方式，得到瞬時頻率差曲線。若瞬時頻率差小于某門限值，則認為該部分IMF發生了混淆，求得結果不是異常音信號；若瞬時頻率差呈噪聲狀，說明檢測結果為異常音信號或環境噪聲。

瞬時頻率可由希爾伯特變換求得，函數f（t）的希爾伯特變換可表示為：

積分符號前的P表示進行柯西主值積分。構造解析信號z（t），該信號由f（t）和f'（t）構成，以指數形式表示為：

其中瞬時幅度為A（t），瞬時相位為φ（t）：

那么瞬時頻率為瞬時相位對時間求導，即

2 仿真驗證

2.1 驗證方法概述

揚聲器的異常音故障具有很強的隨機性，故障發生的頻率和強弱可能隨外界條件發生變化。然而異常音具有特定的時域和頻域特征。目前已知的異常音特征有：聲響應信號的時域波形上有尖峰，頻域上有能量較大的寬頻帶噪聲或20階以上諧波失真等。通過仿真驗證，可以客觀地考察算法對這些噪聲信號的敏感程度。

仿真驗證的流程如下：首先建立揚聲器的仿真模型得到理想的聲響應。其次，在聲響應信號上加入噪聲可得到模擬的合格揚聲器的聲響應，對其進行EMD計算，得到合格揚聲器的IMF。在聲響應信號上加入噪聲和模擬的碰觸、摩擦等異常音，對其進行EMD計算得到不合格揚聲器的IMF。最后，通過比較IMF與模擬的異常音的特征，證明時域特征提取方法的有效性。

2.2 揚聲器聲響應仿真

考慮到揚聲器的線性失真和固有非線性失真，在已知揚聲器參數的條件下，可以通過狀態空間模型仿真求出聲響應信號。圖2分別給出了仿真與實測的頻響曲線。在頻率為50 Hz～500 Hz范圍內，仿真曲線與實際曲線結果差異在3 dB以內。

圖2 仿真與實測頻響曲線Fig.2 Frequency responses of simulation and measurement

2.3 合格揚聲器聲響應仿真

故障揚聲器發出的異常音與激勵信號幅度有關，通常異常音聲壓級在40 dB～60 dB［17］，而聽音環境聲壓級在50 dB以下。檢測設備的電噪聲折算為聲壓級后約為20 dB，遠小于環境噪聲對檢測結果的影響，因此不作單獨考慮。

根據上述條件加入50 dB的噪聲后，對合格揚聲器進行EMD計算，得到的結果如圖3。在IMF1的t＞0.7 s處，聲響應信號的基頻進入了等效濾波器的通帶中，與噪聲及異常音特征混淆在一起。對IMF求瞬時頻率的結果如圖4。由瞬時頻率差可以確定IMF1～IMF3發生混淆的部分分別為t＞0.72 s、t＞0.66 s和t＞0.53 s，混淆部分在圖3中用灰色表示。

2.4 模擬異常音故障

仿真中采用脈沖信號模擬異物碰觸引起的沖擊異常音，采用白噪聲模擬音圈輕微摩擦時發出的摩擦異常音，采用激勵信號的諧波模擬部件摩擦發出的30階以內的諧波異常音。設異常音的聲壓級為60 dB，可構造出如圖5（a）所示的帶噪聲的異常音時域波形。在0.20 s、0.43 s和0.65 s處為脈沖，0.29 s～0.37 s處為白噪聲，0.48 s～0.56 s處為激勵信號的3～30階奇數階諧波失真。將其與未加噪聲響應相加，得到如圖5（b）所示的波形。

對仿真中使用的聲響應信號進行短時傅里葉變換，得到聲響應時頻圖如圖6。顏色越深表明信號幅度越大。圖中可以觀察到模擬的音圈摩擦和部件摩擦的特征，而由脈沖引起的失真特征則較為微弱。

圖7是對上述聲響應信號進行EMD計算后得到的IMF1～IMF3，其灰色部分為發生混淆的部分。3個脈沖在IMF1中對應時刻被提取出來。白噪聲覆蓋在整個頻帶內，在IMF1～IMF3中均被提取。而3～30階奇數階諧波失真能量集中在800Hz以下，在 IMF2、IMF3中均有明顯的特征。

圖7 含有模擬異常音的聲響應的IMFFig.7 Intrinsic mode function of sound response with constructed Rub＆Buzz defects

比較圖3和圖7可發現，合格揚聲器的IMF幅度是平坦的，而有異常音的IMF幅度有顯著變化，且與模擬異常音時域波形有對應關系。仿真結果表明，EMD方法對于碰觸、音圈摩擦等異常音特征是靈敏的。通過去混淆處理后的IMF的幅度加門限可以檢測是否發生異常音故障。IMF包含著異常音故障的時域及頻域特征。此外，EMD方法對于脈沖的靈敏程度要優于時頻分析方法。

3 實驗驗證

3.1 實驗裝置

實驗中選用了型號為96330的6英寸汽車揚聲器，其額定功率25 W，阻抗4 Ω。被測揚聲器共20只，其中合格揚聲器、音圈摩擦、部件摩擦和異物碰觸故障揚聲器各5只。使用4 V掃頻信號激勵測試樣品，先由工廠2位聽音員共同確認故障類別，再通過實驗裝置采集聲響應信號。實驗裝置如圖8所示，測試軟件可計算出聲響應信號中的頻響及高階諧波失真曲線，并可導出聲響應信號。使用本文方法對聲響應信號處理后，將檢測結果與高階諧波失真曲線對比，以驗證不同方法檢測到的發生故障的頻率點及故障強度是否一致。

圖8 實驗裝置Fig.8 Experiment equipment

由于使用了連續對數掃頻信號作為激勵，其時間與頻率存在唯一的對應關系，響應信號的IMF的時間軸可被替換為頻率軸，以考察發生故障的頻率。

3.2 實驗結果及分析

在20只揚聲器樣品中，5只音圈摩擦、5只部件摩擦和5只異物碰觸的IMF1分別如圖9～圖11所示。5只合格揚聲器的IMF1與圖12類似，其包絡是平直的，故不單獨給出。

據人耳聽音經驗，音圈摩擦音常發生在揚聲器共振頻率處。如圖9，在共振頻率f0=73 Hz附近由于音圈的振幅達到最大，IMF1中提取出了密集而明顯的尖峰。對于輕微音圈摩擦故障的樣品，亦可觀察到類似現象。此外，部件摩擦樣品的IMF1在200 Hz后出現局部異常，異物碰觸樣品則在測試頻率范圍內出現隨機的尖峰?？梢?，同一類故障的不同樣本之間，IMF1具有相似的特征。

在20只揚聲器樣品中選出了4只具有代表性的揚聲器，以便更清晰地觀察異常音樣品的IMF特征。將合格揚聲器記為1#，有音圈摩擦異常音故障的揚聲器記為2#，有部件摩擦異常音故障的揚聲器記為3#，有異物碰觸異常音故障的揚聲器記為4#，結果如圖12～圖15所示。

對于頻響曲線，合格揚聲器與故障揚聲器結果差別很小，無法用于檢測異常音故障。而在IMF圖中（虛線為故障檢測門限）合格揚聲器的IMF在虛線范圍內，而發出異常音的揚聲器的IMF幅度遠大于門限。且從IMF1和高階諧波失真曲線中可以觀察到發生故障的頻率及幅度具有對應關系。在500 Hz之后，由于發生了混淆導致IMF1無效，其相應部分被置零以避免誤判。

圖12 1#（合格）樣品的（a）IMF1；（b）頻響及高階諧波失真曲線Fig.12（a）IMF1，（b）frequency response and HOD of sample 1#（quality part）

圖13 2#（音圈摩擦）樣品的（a）IMF1；（b）頻響及高階諧波失真曲線Fig.13（a）IMF1，（b）frequency response and HOD of sample 2#（with coil rubbing defect）.

圖14 3#（部件摩擦）樣品的（a）IMF1；（b）頻響及高階諧波失真曲線Fig.14（a）IMF1，（b）frequency response and HOD of sample#3（with buzzing defect）

圖15 4#（異物碰觸）樣品的（a）IMF1，（b）頻響及高階諧波失真曲線Fig.15（a）IMF1，（b）frequency response and HOD of sample#4（with loose particles defect）

圖13（b）～圖15（b）中的高階諧波失真曲線僅體現了發生異常音故障的強弱和頻率，并不包括異常音故障的振動特征。通過EMD法可以取得這些振動特征。將圖 13中 IMF1的 20 Hz～30 Hz、圖 14中400 Hz～500 Hz及圖15中IMF1的90 Hz～120 Hz部分放大，并根據激勵信號時間與頻率的對應關系將頻率坐標轉換為時間坐標，得到如圖16～圖18所示的兩個周期內IMF1的局部特征。

觀察圖15與圖18可見，對于異物碰觸故障的揚聲器，由于碰觸的隨機性，求得的IMF1中并沒有出現周期性特征。而音圈摩擦和部件摩擦故障發生時，振膜的往復運動產生了周期性的異常振動。在圖16和圖17中可觀察到周期性振動的現象，且對于不同的故障IMF1具有不同的包絡特征。故可以構建一種異常音分類方法，首先通過IMF的門限確定發生異常音故障的時刻，之后采用支持向量機、神經網絡等分類器對局部特征分類。

圖16 2#樣品的IMF1的局部特征Fig.16 Local features of IMF1 of the sample 2#

圖17 3#樣品的IMF1的局部特征Fig.17 Local features of IMF1 of the sample 3#

圖18 4#樣品的IMF1的局部特征Fig.18 Local features of IMF1 of the sample 4#

4 結論

本文提出了一種對揚聲器聲響應時域處理以檢測異常音故障特征的方法，并通過仿真驗證和實驗驗證證明了方法的有效性。在仿真驗證中，對模擬異常音的時域特征檢測結果表明算法可有效檢測三種常見的異常音。在實驗驗證中，對20只揚聲器的聲響應進行時域檢測，結果表明測量得到的發生異常音故障的頻率點與用高階諧波失真法得到的結果一致。此外，不同的異常音故障對應著不同的IMF的頻域及時域特征。這些特征將可能作為揚聲器異常音檢測和分類的依據。

EMD方法的運算量較大，無法滿足在線測試的要求，但目前已出現了EMD的快速算法［18］。另外，實驗僅針對一款揚聲器的有限個異常音故障樣品，不同種類的揚聲器是否具有同樣的特征還無法確定。且EMD中的混淆現象限制了檢測的范圍，通過尋找其他激勵信號、優化激勵信號的參數可能能夠令混淆現象發生在檢測頻率范圍之外。未來工作將圍繞上述問題展開。

［1］ Groeper G G，Blanchard M A，Brummett T，et al.A reliable method of loudspeaker rub and buzz testing using automated FFT response and distortion techniques.http：//www.aes.org/e-lib/browse.cfm?elib=5555，1991 －10.

［2］Yang Y，Wei J F，Feng H H，et al.A novel technique for detecting and locating loudspeaker defects.http：//www.aes.org/e-lib/browse.cfm?elib=15099，2009 －10.

［3］Thompson S，Pagliaro A，Celmer R.Higher order harmonic signature analysis for loudspeaker defect detection［J］.J.Acoust.Soc.Am.，2003，114（4）2400.

［4］Farina A.Simultaneous measurement of impulse response and distortion with a swept-sine technique.http：//www.aes.org/e-lib/browse.cfm?elib=10211，2000 －2.

［5］楊 益，韋峻峰，溫周斌，等.揚聲器異常音的快速檢測方法及其實驗研究［J］.聲學學報，2010，35（5）：562 －570.

［6］Leonhard F U.Quality control of electro-acoustic transducers［P］.WO02/25997，2002－03－28.

［7］于德敏，李小明，許增樸.基于時頻分析的揚聲器異音故障診斷方法［J］.電聲技術，2007，31（11）：24 －27.

［8］王旌陽，張 瀟，朱俊敏，等.基于時頻譜圖的脈沖噪聲抑制方法［J］.振動與沖擊，2010，29（2）：149 －153，192.

［9］朱俊敏，張 瀟，王旌陽，等.基于模極大值和尺度理論的音頻降噪方法［J］.振動與沖擊，2009，28（11）：168 －172.

［10］ Temme S，Brunet P，Keele D B.Practical measurement of loudspeaker distortion using a simplified auditory perceptual model［OL］.http：//www.aes.org/e-lib/browse.cfm?elib=15100，2009－10.

［11］李慧文，邱小軍.對揚聲器主觀音質進行客觀音頻質量感知評價［J］.電聲技術，2010，34（5）：27－31.

［12］ Klippel W.Klippel QC system product brochure［OL］.http：//klippel.de/qc/Klippel_QC_System_brochure.pdf，2010.

［13］ Zwicker E，Fastl H.Psychoacoustics：Facts and models-2nd edition［M］.Germany：Springer，1999.

［14］ Huang E， ShenZ， LongSR. Theempiricalmode decomposition and the hilbert spectrum for non-linear and non-stationary time series analysis［J］.Proc.R.Soc.Lond.A，1998：903 －995.

［15］ Flandrin P，Goncalves P，Rilling G.EMD equivalent filter banks，from interpretation to applications［C］//N Huang，S Shen.Hilbert-huang transform and its applications，London：World ScientificPublishingCo. Pte. Ltd.， 2005，5：57－74.

［16］黃 海.揚聲器非線性特性的 Hilbert-Huang變換分析［J］.浙江大學學報（工學版），2005，39（3）：385－391.

［17］ Klippel W，Irrgang S，Seidel U.Loudspeaker testing at the production line.http：//www.aes.org/e-lib/browse.cfm?elib=13649，2006－05.

［18］ Blakely C D.A fast empirical mode decomposition technique for nonstationary nonlinear time series［OL］.http：//www.cscamm.umd.edu/publications/fastEMDcBlakely Final_CS －05 －10.pdf，2005.