[论文解读] Simultaneous measurement of time-invariant linear and nonlinear, and random and extra responses using frequency domain variant of velvet noise

Hideki Kawahara, Ken‐Ichi Sakakibara+3 more|arXiv (Cornell University)|Aug 5, 2020

Advanced Electrical Measurement Techniques参考文献 26被引用 4

一句话总结

本文提出了一种新颖的频域方法，利用频域变种丝绒噪声（FVN）的正交序列，无需额外硬件即可同时测量线性时不变、非线性时不变以及随机/时变声学响应。通过利用FVN的高设计自由度，该方法借助定制的开源工具实现了实时、交互式分析，经仿真和真实扬声器测量验证。

ABSTRACT

We introduce a new acoustic measurement method that can measure the linear time-invariant response, the nonlinear time-invariant response, and random and time-varying responses simultaneously. The method uses a set of orthogonal sequences made from a set of unit FVNs (Frequency domain variant of Velvet Noise), a new member of the TSP (Time Stretched Pulse). FVN has a unique feature that other TSP members do not. It is a high degree of design freedom that makes the proposed method possible without introducing extra equipment. We introduce two useful cases using two and four orthogonal sequences and illustrates their use using simulations and acoustic measurement examples. We developed an interactive and realtime acoustic analysis tool based on the proposed method. We made it available in an open-source repository. The proposed response analysis method is general and applies to other fields, such as auditory-feedback research and assessment of sound recording and coding.

研究动机与目标

• 开发一种可同时测量声学系统中线性时不变、非线性时不变以及随机/时变响应的方法。
• 克服传统TSP方法在实际系统中假设理想线性和时不变性的局限，这些系统通常存在噪声和非线性。
• 实现在无需专用设备或复杂后处理的情况下，对系统响应进行同步分解。
• 基于所提出的FVN方法，创建一个开源、实时交互式声学分析工具。
• 将适用范围扩展至听觉反馈研究和音频录制质量评估等领域。

提出的方法

• 使用单位FVN——由两个均匀分布的随机序列导出——生成具有高设计灵活性的相位调制信号。
• 通过单位FVN与二进制序列构造正交FVN序列，实现对多个系统响应的分离。
• 采用两序列和四序列配置，以分离线性时不变、非线性时不变以及随机/时变分量。
• 应用六项余弦级数近似，设计平滑且能量集中的相位函数，用于FVN生成。
• 采用互相关和逆滤波技术，在时域和频域中提取脉冲响应并分解系统行为。
• 将该方法集成至实时交互式分析工具中，支持脉冲响应、功率包络和额外响应谱的可视化。

实验结果

研究问题

• RQ1 基于FVN的正交序列是否能够在不增加硬件的前提下，实现对线性、非线性和时变声学响应的同步测量？
• RQ2 在实际声学系统中，FVN方法与传统TSP技术相比，在分辨非线性和时变分量方面表现如何？
• RQ3 所提出的方法在实际扬声器测量中，对背景噪声、干扰以及非线性失真的分解能力达到何种程度？
• RQ4 该方法是否可推广至听觉反馈或音频编码质量评估等其他领域？
• RQ5 FVN设计参数对在噪声环境中测量精度和鲁棒性的影响如何？

主要发现

• 基于FVN的方法仅通过正交FVN序列，成功分离了声学系统中的线性时不变、非线性时不变以及随机/时变分量。
• 仿真与实测结果均表明，该方法能以极低失真准确捕捉初始30 ms内的脉冲响应和功率谱。
• 使用四组正交FVN序列可同步分解所有三种响应类型，其中额外分量反映了噪声、非线性失真和运动效应。
• 所开发的开源工具支持在macOS和Windows 10上实现实时测量与可视化，具备自动校准功能并可保存结果文件。
• 该方法在日常声学环境中表现出鲁棒性，包括背景噪声和动态系统变化。
• 该方法具有通用性，可推广至其他领域，如听觉反馈研究以及对语音信号中损失性音频压缩影响的评估。