用于扬声器测量的激励信号的python实现

一、连续对数扫频信号

  主要用于扬声器扫频测试，作为激励信号。测量扬声器的频响，失真、信噪比。

1、公式

$U(t)=A\cos (\psi (t))=Acos\left[\begin{array}{c}\frac{{\omega }_{1}T}{ln\frac{{\omega }_2}{{\omega }_1}}(e^{\frac{t}{T}ln(\frac{{\omega }_2}{{\omega }_1})}-1)\end{array}\right]$

  其中$A$表示激励信号的幅度, $\psi (t)$表示激励信号的瞬时相位, $T$表示激励信号的时间 。${\omega }_1$表示激励信号的起始频率, ${\omega }_1$表示激励信号的终止频率 。
  该信号的特点是频率随时间连续变化, 并且符合对数增长规律 。使用该测量信号作为激励信号, 不仅可以不遗漏地测试所有频率点, 还可以在总的测量时间中给每个倍频程的频段分配均匀的测量时间。

2、python实现

• 对数频率

W1 = start 
W2 = end

T = 2  # 信号持续时间s
rate = 44100
L = T / np.log(W2 / W1)

t = np.linspace(0, T, int(rate * T))

ts = np.linspace(0, T, int(rate * T - 1)) 

fx = W1 * np.e ** (ts / L)

• 信号函数

  当频率恒定时，相位$\psi$随时间线性增加：
              $\psi =2\pi ft$
  而当频率时时间的函数时，在一个短暂的时间间隔$\Delta t$之内的相位变化为：
              $\Delta \psi =2\pi f(t)\Delta t$

 	dts = np.diff(t)

  np.diff计算时间序列相邻元素之间的差值。

  fx包含了$f(t)$,而dts包含了时间间隔，所以各个时间的相位变化为：

	dphis = 2 * np.pi * fx * dts

  dphis包含了相位的变化，我们可以通过加和变换量获得各时间的总相位：

	phases = np.cumsum(dphis) 

  它不是从0开始的，所以还要在初始位置加一个0

    phases = np.insert(phases, 0, 0)

  然后根据公式$U(t)=A\cos (\psi (t))$有：

	Ut = 2 ** 15 * np.cos(phases)

• 完整代码

def Sweep_frequency_signal(start=200.0, end=15000.0, Time=2.0):
    W1 = start
    W2 = end
    T = Time
    rate = 44100
    t = np.linspace(0, T, int(rate * T))
    
    L = T / np.log(W2 / W1)
    ts = np.linspace(0, T, int(rate * T - 1))
    fx = W1 * np.e ** (ts / L)
    
   
    dts = np.diff(t)
    dphis = 2 * np.pi * fx * dts
    phases = np.cumsum(dphis) 
    phases = np.insert(phases, 0, 0)
    Ut = 2 ** 15 * np.cos(phases)
    return Ut

二、锯齿波信号

  主要用于测量扬声器极性。它具有以下特征:

  (1) 信号包含的频谱部分 $n\cdot f_0$ ( n = 1，2，3，…;$f_0$ = 20 Hz);
  (2) 频谱成分中的相对幅度以 1 /n 降低;
  (3) 所有的信号成分都从在时间 t = 0 时相位为0开始。
            $y(t)=\alpha \bullet \sum _n\frac{1}{n}\bullet \sin (2\pi \bullet f_0\bullet t\bullet n)$

def PolaritySignal(frequency, Time):

    f0 = frequency
    rate = 44100
    T = Time
    t = np.linspace(0, T, int(rate * T))
    signal = 0
    for n in range(1, 11):
        signal = signal + np.sin(2 * np.pi * f0 * t * n) / n

    signal = signal / np.max(signal)

    return signal