技术应用

敲击扬声器震动信号建模

发布时间:2023-07-27 00:00:00 来源:TsinghuaJoking 责任编辑:wenwei

【导读】扬声器震动的频率特性可以通过敲击它所获得的冲激响应来分析。 原本驱动扬声器纸盆震动的线圈此时可以用作震动传感器, 它将纸盆的震动速度转换成电压信号。 通过示波器可以采集到这个信号,  本文将对敲击扬声器所产生的震动信号进行观察建模。


一、前言


扬声器震动的频率特性可以通过敲击它所获得的冲激响应来分析。 原本驱动扬声器纸盆震动的线圈此时可以用作震动传感器, 它将纸盆的震动速度转换成电压信号。 通过示波器可以采集到这个信号,  本文将对敲击扬声器所产生的震动信号进行观察建模。


1.jpg


二、敲击扬声器

  

使用示波器连接扬声器的引线, 敲击扬声器可以看到振动的波形。 不同的敲击力度和部位, 对应的震动还是有些区别。 示波器的探头直接连接到扬声器的音圈输出端口, 中间没有施加任何信号放大电路。 这样采集到的电压信号反映了扬声器的单位冲激响应。


2.jpg

  

为了便于分析,使用小型改锥敲击扬声器纸盆中心,获得了这样一个简单衰减振荡波形。 选择其中三个周期过零点, 查看它们之间的时间差, 大约为19.5毫秒, 它的倒数对应51.3Hz。 由于这是三个振荡周期,所以原波形的振荡频率为153.9Hz。


1687751338231450.png

  

为了进一步精确估计衰减振荡波形参数, 通过Python编程,从示波器读取波形数据。 这是对读取数据显示的波形。 对原始示波器采集到的数据进行50个数据点的平均, 获得更加光滑的信号波形。


#!/usr/local/bin/python

# -*- coding: gbk -*-

#******************************

# TEST1.PY                     -- by Dr. ZhuoQing 2023-03-01

#

# Note:

#******************************

from headm import *

from tsmodule.tsvisa        import *

mso24open()

x,y = mso24read(1)

tspsave('wave1', x=x, y=y)

plt.plot(x, y)

plt.xlabel("Time(s)")

plt.ylabel("Voltage(V)")

plt.grid(True)

plt.tight_layout()

plt.show()

#------------------------------------------------------------

#        END OF FILE : TEST1.PY

#******************************


1687751325376022.png

▲ 图1.2.1 敲击扬声器中间获得的波形


1687751316415239.png

▲ 图1.2.2 50个数据进行平滑之后的波形


三、信号建模

  

下面通过曲线拟合方式对扬声器振动信号进行建模。 由于信号前面的波形受到敲击的影响, 所以并不纯粹是扬声器自由响应。 截取时间大于7毫秒之后的波形进行处理。 这是扬声器在敲击后7毫秒之后的震动信号波形。 它是一个指数衰减振荡信号。 可以使用一个带有五个参数的函数表示。 通过Python编程,  利用其中的曲线拟合工具来估计波形参数。 


下面是程序拟合过程。 定义带有五个参数的指数衰减函数, 根据观察到的波形,初步估计函数的五个参数的初始值,调用曲线拟合函数, 显示获得拟合参数。 利用这些参数计算出拟合曲线,并进行绘制。 下面分析一下拟合结果。 这是五个信号参数拟合数值, 其中参数C代表着振荡角频率。 通过它, 可以计算出振荡频率 f0。 f0 等于 161.2 赫兹。 


这里将原始波形和拟合曲线波形绘制在一起, 可以看到拟合参数的有效性。 利用测量波形进行曲线拟合,所获得的频率值应该比前面观察到曲线过零点所获得频率更加准确。


1687751301744108.png

▲ 图1.2.3 曲线拟合后的结果


1687751290495758.png

▲ 图1.3.2 信号波形拟合函数以及对应的参数


#!/usr/local/bin/python

# -*- coding: gbk -*-

#******************************

# TEST2.PY                     -- by Dr. ZhuoQing 2023-03-01

#

# Note:

#******************************

from headm import *

from scipy.optimize        import curve_fit

x, y = tspload('wave1', 'x', 'y')

printf(len(x), len(y))

AVERAGE_NUM = 50

DATA_LENGTH = len(x)//AVERAGE_NUM

xx = array([sum(x[i*AVERAGE_NUM:i*AVERAGE_NUM+AVERAGE_NUM])/AVERAGE_NUM*1e3 for i in range(DATA_LENGTH)])

yy = array([sum(y[i*AVERAGE_NUM:i*AVERAGE_NUM+AVERAGE_NUM])/AVERAGE_NUM for i in range(DATA_LENGTH)])

c = where(xx>5)

xxx = xx[c]/1000

yyy = yy[c]

tspsave('wave11', xxx=xxx, yyy=yyy)

#------------------------------------------------------------

'''

plt.plot(xxx, yyy)

plt.xlabel("Time(s)")

plt.ylabel("Voltage(V)")

plt.grid(True)

plt.tight_layout()

plt.show()

'''

#------------------------------------------------------------

def fun(x,a,b,c,d,e):

    return a*exp(-b*x)*sin(c*x+d)+e

param = (1, 50, 2*pi*150, 0, 0)

param, conv = curve_fit(fun, xxx, yyy, p0=param)

printf(param)

ysim = fun(xxx, *param)

plt.plot(xxx, yyy, linewidth=3, label='Origin')

plt.plot(xxx, ysim, label='Fit')

plt.xlabel("Time(s)")

plt.ylabel("Voltage(V)")

plt.grid(True)

plt.legend(loc="upper right")

plt.tight_layout()

plt.show()

#------------------------------------------------------------

#        END OF FILE : TEST2.PY

#******************************

下面是文件 headm.py 的内容:


import sys, os

sys.path.append(r'd:\python\teasoft')

STDFILE = open(r'd:\python\std.txt', 'a', 1)

sysstderr = sys.stderr

sysstdout = sys.stdout

sys.stderr = STDFILE

sys.stdout = STDFILE


from threading import Thread

import time, math, winsound, clipboard, random

from numpy import *


from tsmodule.tspdata   import *

from tsmodule.tspyt     import *

from tsmodule.tscmd     import *

from tsmodule.tsdopop   import *

from tsmodule.tsdraw    import *

import tsmodule.tsconfig

import matplotlib.pyplot as plt


plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

plt.figure(figsize=(10,80*10/128))

plt.get_current_fig_manager().window.wm_geometry("+1950+300")

plt.rcParams.update({'font.size':14})


总结

  

本文通过示波器观察并获取了一种小型扬声器敲击信号。该信号反映了扬声器的冲激响应。 后面通过信号拟合进行数学建模, 为之后对扬声器的频率特性进一步分析打下基础。


作者:卓晴



免责声明:本文为转载文章,转载此文目的在于传递更多信息,版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题,请联系小编进行处理。


推荐阅读:


辅助驾驶毫米波雷达信号处理流程详解

中国移动李晗:今年底将集采400G,推动400G进入商用阶段

支持高速高精度控制和EtherCAT通信的RZ/T2L MPU

用于SiC MOSFET的隔离栅极驱动器使用指南

产线能否持续运转?这个低调的器件说了算!


为您推荐

新品开售|贸泽电子上架英飞凌TLE4978高精度高带宽电流传感器 业界新闻

新品开售|贸泽电子上架英飞凌TLE4978高精度高带宽电流传感器

2026年9月,全球知名电子元器件授权分销商贸泽电子正式上架英飞凌全新XENSIV™ TLE4978高带宽电流传感器。这款器件采用专利混合霍尔与线圈架构,具备超高带宽、超低噪声与高精度检测能力,可精准匹配碳化硅、氮化镓等宽禁带功率器件的高频工作特性,广泛适用于AI数据中心电源、车载充电、光伏逆变、工业电机驱动等高端功率转换场景。目前配套评估板同步开放订购,可帮助工程师快速完成产品验证与项目开发。

汽车电子 能源电路 传感技术 测试测量 线圈 Infineon(英飞凌)

线绕电阻在精密仪器与医疗设备中的高精度应用和技术实践 业界新闻

线绕电阻在精密仪器与医疗设备中的高精度应用和技术实践

线绕电阻凭借超低温度系数(±5ppm/℃以下)、长期稳定性(年漂移率<0.005%)及无感绕制技术,成为精密测量与医疗设备中校准、补偿及能量控制的核心元件。本文以实验室基准电阻、高精度传感器补偿、MRI梯度线圈驱动及高频电刀功率调节为切入点,解析其技术实现路径与工程价值。

医疗穿戴 传感技术 测试测量 线圈

国产首发!!芯进电子推出磁通门高精度闭环电流传感器——ICCC6836 选型指南

国产首发!!芯进电子推出磁通门高精度闭环电流传感器——ICCC6836

芯进电子推出国内首颗研发并量产的磁通门高精度闭环电流传感器IC,CC6836。在配合磁通门模组时,CC6836能够以高精确度监测交流和直流电流。内置线圈短路、开路,输出过流等故障检测保护报警功能。该产品可直接驱动补偿线圈,可检测各种大小的电流,广泛应用于汽车电子、光伏、工业控制、新能源等领域。

汽车电子 能源电路 传感技术 测试测量 线圈

多维科技推出新型3pT级高精度低噪声线性磁传感器 — TMR8503 选型指南

多维科技推出新型3pT级高精度低噪声线性磁传感器 — TMR8503

专注于隧道磁阻(TMR)技术的磁传感器制造商江苏多维科技有限公司 (MultiDimension Technology Co., Ltd., MDT)基于高灵敏度TMR技术,推出新型3pT级紧凑型高精度低噪声线性磁传感器 — TMR8503产品。该传感器内部集成了磁场反馈线圈和信号调理电路,可实现3~5 pT/Hz1/2@1Hz的低噪声,以及0.05%级线性度、40 PPM级灵敏度温度漂移、500 kHz级带宽,可实现对微弱磁场的高精度快速实时测量。

传感技术 测试测量 线圈 multidimension(多维)

瑞萨电子推出全新电感式位置传感器 选型指南

瑞萨电子推出全新电感式位置传感器

瑞萨的专有IPS技术使用由蚀刻在印刷电路板(PCB)上铜线圈组成的传感元件来检测金属目标的位置。与基于磁铁的重型传感器不同,IPS产品能够在600 Krpm(电气)的速度下运行,并可在启动时即刻检测位置,同时传播延迟小于2μs,因此非常适合高速旋转的电机。此外,该传感器技术还支持自动校准与线性化功能,确保在电机整个使用寿命期间保持一致的性能。

传感技术 测试测量 线圈 RENESAS(瑞萨)/IDT

特别推荐

更多

行业动态

更多

技术应用

更多

选型替代

更多

产品信息

更多

热门搜索

更多

欢迎登录

没有账号,

账号注册

注册成功!

3S后自动为你跳转登陆