为了解决目前车内声场分区控制系统无法对声场相位信息进行较好控制,导致声场分区性能无法达到最优的问题,提出一种基于声强控制的自适应声场分区算法。通过测量初始和变化声学环境下车内的声传递函数(Acoustic Transfer Function,ATF)...为了解决目前车内声场分区控制系统无法对声场相位信息进行较好控制,导致声场分区性能无法达到最优的问题,提出一种基于声强控制的自适应声场分区算法。通过测量初始和变化声学环境下车内的声传递函数(Acoustic Transfer Function,ATF)和声强信息,建立暗区声强最小的目标函数,设定明区声强相位信息约束条件,进行仿真求解得到控制滤波器系数。在声学环境变化后,采用自适应算法更新控制滤波器系数,并对比不同方法的分区性能。实验结果表明,在保持声场重建精度不变的情况下,采用声强控制方法可使全频段的平均声对比度提升3.6 dB。由此验证只需输入初始声强参数信息,基于声强控制的自适应声场分区算法就能在车内声学环境发生变化时通过自适应迭代保持较好的分区性能。展开更多
文摘为了解决目前车内声场分区控制系统无法对声场相位信息进行较好控制,导致声场分区性能无法达到最优的问题,提出一种基于声强控制的自适应声场分区算法。通过测量初始和变化声学环境下车内的声传递函数(Acoustic Transfer Function,ATF)和声强信息,建立暗区声强最小的目标函数,设定明区声强相位信息约束条件,进行仿真求解得到控制滤波器系数。在声学环境变化后,采用自适应算法更新控制滤波器系数,并对比不同方法的分区性能。实验结果表明,在保持声场重建精度不变的情况下,采用声强控制方法可使全频段的平均声对比度提升3.6 dB。由此验证只需输入初始声强参数信息,基于声强控制的自适应声场分区算法就能在车内声学环境发生变化时通过自适应迭代保持较好的分区性能。
