心理声学参数综合分析与评估系统

资 源 简 介

该系统是一个基于MATLAB开发的专业级声学分析工具，专注于量化人类听觉系统对声音信号的主观感知。其核心功能实现了对多种心理声学关键指标的精确计算：首先是响度（Loudness）分析，涵盖了基于ISO 532-1 Zwicker模型的稳态响度和随时间变化的瞬态响度计算，以及基于ISO 532-2 Moore-Glasberg模型的时变响度评估；其次是尖锐度（Sharpness）计算，采用Aures或Von Bismarck标准算法，通过分析声音频谱中高频成分的分布来描述音色的尖锐程度；第三是粗糙度（Rou

详 情 说 明

心理声学参数综合分析与评估系统

项目介绍

心理声学参数综合分析与评估系统是一个基于 MATLAB 开发的专业化声学分析平台。该系统旨在超越传统的物理声级测量，通过模拟人体听觉系统的生理及心理特性，对声音信号进行量化评估。系统能够提取影响听觉感知的核心指标，如响度、尖锐度、粗糙度和波动度，并最终生成综合烦恼度评价报告。该工具广泛应用于汽车 NVH（噪声、振动与声振粗糙度）优化、家电低噪声设计、声景观研究以及多媒体音频质量评估等领域，为工程师和研究人员提供无需大规模主观听音实验的客观评估方案。

功能特性

• 多维度感知指标计算：集成响度、尖锐度、粗糙度、波动度四大核心心理声学参数。
• 生理听觉模拟：通过 Bark 临界频带映射和特定的频率加权函数，模拟人耳基底膜的频率分解特性。
• 综合烦恼度评估：基于 Zwicker 经典模型，将多个客观参数融合成一个直观的心理声学烦恼度（PA）分值。
• 自动化信号校准：内置声压校准逻辑，支持将电压信号转换为实际物理声压物理单位。
• 可视化数据分析：提供包含时域波形、比响度频谱、功率谱密度及参数汇总报告的六轴联动图形界面。

系统要求

• 软件环境：MATLAB R2018b 或更高版本。
• 所需工具箱：Signal Processing Toolbox（信号处理工具箱）。
• 硬件要求：标准声卡，支持 44100Hz 及以上采样率。

信号处理流程与实现逻辑

系统的运行逻辑严格遵循标准声学分析流程，主要分为以下四个阶段：

1. 信号初始化与模拟

系统首先设定 44100Hz 的标准采样率，并生成一个复杂的模拟测试信号。该信号模拟了汽车驾驶舱内的复杂声场，包含：

• 载波成分：1kHz 的纯音。
• 调制成分：叠加了 70Hz 的调幅（用于激发粗糙度感知）和 4Hz 的调幅（用于激发波动度感知）。
• 环境噪声：叠加了宽带随机噪声。
• 预处理：应用了 200Hz 至 8000Hz 的带通滤波器进行自由场均衡修正，并根据灵敏度参数将信号转换为以帕斯卡（Pa）为单位的声压值。

2. 响度与尖锐度分析

• 响度计算实现：基于 ISO 532-1 Zwicker 模型进行简化实现。系统将频率范围划分为 24 个 Bark 临界频带（0.1 到 24 Bark），通过能量积分计算每个频带的比响度（Specific Loudness），并最终累加得到总响度（单位：Sone）。
• 尖锐度计算实现：采用 Aures 算法。该逻辑在比响度分布的基础上，引入了频率加权函数 g(z)。当频率超过 16 Bark 时，加权系数呈指数增长，以体现高频成分对音色“尖锐”感的特殊贡献。

3. 时变调制特性评估

• 粗糙度计算实现：针对 20Hz 至 300Hz 的快速包络调制。系统通过希尔伯特变换（Hilbert Transform）提取信号的瞬时包络，使用带通滤波器提取特定的调制频率成分，并通过均方根能量转化为粗糙度分值（单位：Asper）。
• 波动度计算实现：针对 4Hz 左右的慢速包络调制。逻辑与粗糙度相似，但在滤波器设置上专注于 0.5Hz 至 20Hz 范围。该参数描述了声音“抖动”或“起伏”的本体感知（单位：Vacil）。

4. 综合烦恼度（PA）推导

系统集成了 Zwicker 心理声学烦恼度模型。该模型不是简单的线性加权，而是以响度为基础（N_5 贡献），并结合了尖锐度修正系数（当尖锐度 S > 1.75 时触发）以及粗糙度和波动度的复合贡献。

关键算法与函数解析

比响度分布计算 (calculate_loudness_zwicker) 该函数是系统的核心。它利用 Bark 域映射公式将赫兹频率转换为听觉临界频带。通过对声压级（SPL）进行非线性变换，模拟了人耳对不同频率能量的非线性感知响应。

包络提取与滤波 (calculate_roughness / calculate_fluctuation_strength) 这两部分功能利用希尔伯特变换获取解析信号，从而精确提取声音的物理包络。通过二阶 Butterworth 滤波器精准锁定 70Hz（粗糙度典型频率）和 4Hz（波动度典型频率）的能量贡献，反映了信号的时域不稳定性。

频率加权模型 (calculate_sharpness_aures) 实现了一种非对称的频率加权。该算法识别出 16 Bark（约 3kHz）之后的频谱成分对人类厌恶感的提升具有非线性加速作用，并通过积分归一化方法计算重心频率位置。

结果可视化 (render_analysis_plots) 系统生成的图形窗口提供了多维视角：

• 比响度分布图：展示了声能在人耳基底膜上的分布情况。
• 功率谱密度 (PSD)：提供传统的频域物理特性参考。
• 指标汇总区：通过直方图和量化报表快速输出各项参数，包括最终的红色高亮烦恼度指示条。