考虑扬声器指向性补偿的声场再现方法研究

在实验室环境下精准再现基于测试或仿真的声环境,对降噪优化设计与声品质评价研究具有重要意义。常用的基于扬声器阵列的声场再现方法能在特定的空间区域内再现原始声场分布,提供更为真实的临场感和沉浸感,但扬声器的指向性特性较差会降低声场再现的精度。本文提出一种考虑扬声器指向性补偿的声场再现方法用于提高声场再现的精度。该方法基于扬声器指向性的声压表达模型,利用坐标变换的方法将空间观测点转换到以扬声器为中心的局部坐标系下,并采用插值的方法实现空间观测点的指向性补偿;最后采用声压匹配的方法求解扬声器驱动权重,实现声场的精准再现。开展基于仿真指向性补偿和实测指向性补偿的声场再现试验,结果表明考虑指向性补偿比不考虑补偿的声场再现精度平均提高了约22.37%,验证了所提声场再现方法的有效性。

声区控制系统中基于传递函数矩阵条件数的扬声器选择

针对声场分区中现有扬声器选择方法难以兼顾鲁棒性和分区效果的问题,提出了一种基于传递函数矩阵条件数最小化的扬声器选择方法。结合明区重放声场均方误差最小准则对条件数方法进行改进,改进后的方法不仅保持了条件数方法的鲁棒性优势,还在重放性能上优于现有迭代方法。通过调整改进方法的阈值参数,可以在鲁棒性、计算量和重放性能之间实现平衡。自由场、混响场和基于实测房间的仿真结果,以及模拟主观评测结果均验证了方法的有效,证明了提出的条件数改进方法具有更好的普适性和灵活性,能够适应多种应用场景的需求。

微型扬声器总谐波失真测量的衍射效应

该文旨在消除衍射效应对微型扬声器总谐波失真测量的影响,根据扩展的Biot–Tolstoy–Medwin模型,研究了微型扬声器总谐波失真测量的衍射效应,重点分析了微型扬声器后腔封闭和后腔开放的两种不同条件下考虑微型扬声器后向衍射和不考虑后向衍射的两种情况。该文使用的是简单稳定的障板测试条件,由于衍射效应与障板尺寸和微型扬声器的安装位置有关,因此该文将微型扬声器安装在固定尺寸的障板上的固定位置。该文理论计算了不同测量距离下障板的衍射曲线,分析了对应情况下微型扬声器总谐波失真测量的衍射效应,并进行实验验证。实验结果与理论计算吻合良好,证明了该文计算方法的准确性。该文研究表明,微型扬声器总谐波失真测量的衍射效应受障板的影响较大,且测试距离越远,影响越大,扬声器后腔开放时的衍射效应比后腔封闭时的衍射效应更为明显。使用根据该文的方法计算出的衍射曲线,可以对微型扬声器测量得到的总谐波失真进行修正,消除障板测试条件下衍射效应的影响。

基于模态应变能的扬声器盆架优化

针对扬声器轻量化及结构刚度、强度较高要求的设计目标,通过有限元方法进行模态及谐响应分析,对扬声器盆架低频模态应变能集中位置进行优化。优化后,一阶频率由547.3 Hz提高至995 Hz。网格迭代后,一阶频率提升至1031.6 Hz,且模态应变能趋于均匀分布。对应变能较小且非集中的区域进行轻量化优化,通过最小柔度方法对开窗区域进行拓扑优化,在中间部分质量减小40%的情况下,使一阶频率由1300.5 Hz提高至1386.6 Hz,同时使刚性提高。对0.6 mm、0.8 mm、1 mm厚度的扬声器盆架进行对比,从刚度、加速度两个维度进行验证。在有限元分析的基础上,对试验后产生严重变形的扬声器盆架进行基于模态应变能的实际优化,优化后一阶频率由1290.8 Hz提高至1755.9 Hz,同时刚性增大,应变能分布更均匀,变形得到改善。

CELESTION——不断推出书架箱杰作的英国最大扬声器专业制造商

从空间的热销产品“Ditton15”到“UL6”，以及应用了Laser Computer System的最新版“SL6”。

电动扬声器设备故障的智能检测技术分析

电动扬声器设备的应用是数字化时代的显著标志,从家庭娱乐到公共广播系统,电动扬声器设备的运用无处不在。然而随着使用频率增加,电动扬声器可能会遇到各种故障,如驱动故障、电源问题、线路短路及声音失真等,这些故障不仅影响声音质量,还可能导致整个系统停止运行。因此,快速、准确地检测并解决电动扬声器设备故障尤为重要。综合分析电动扬声器故障的智能检测技术,从故障类型与特点出发,详细介绍当前智能检测技术的基本原理和方法,并根据案例展示技术在实际中的应用。

ProAc Response系列扬声器逐个看

有考牌喇叭之称的ProAcTablette,相信不少音响发烧友都曾经、或者现在依然持有。大家逐渐掌握了小Tablette的摆位设定与器材配搭之后,下一步就会考虑升级至表现更全面的同厂Response系列,本文将会为大家探讨一下现时ProAc Response系列一众成员的制作特色。

针对某电动汽车低音扬声器异响的车身支架结构优化

随着电动车迅猛发展,人们对车内听觉品质尤为关注,因此某电动汽车座舱内提供多个高中低扬声器,以满足人们对音质及氛围的需求。某电动车低音扬声器在开启模拟声浪升速至末端时车内存在“嗡嗡”的异响。通过主观评价及LMS等设备进行客观数据采集分析及实物验证,识别产生异响位置及原因,并通过对低音扬声器安装支架的结构优化,满足主观评价的要求。

KEF推出新款超低音扬声器--KC92/Kube

自1961年以来,KEF一直致力于打造沉浸式音效体验,并引以为豪。如今,六十多年过去了,重新定义音效体验仍然是KEF的首要任务。KC92谐振抵消超低音扬声器和Kube超低音扬声器就是以此目标推出的产品,它们是KEF完整产品系列的最新成员。通过创新技术和设计,这些新型超低音扬声器以无与伦比的准确度提供深沉细腻的震撼低音,展现每个生动细节。

车载扬声器网罩开孔率对其频响及音质的影响

车载扬声器大多布置在车内门板、A柱等位置,为了车内美观需求,一般会使用网罩将其遮挡。然而,网罩的遮挡将会导致扬声器的辐射特性产生变化,对车内电声重放效果产生不利的影响。文章研究不同开孔率网罩对于扬声器频响及其音质的影响,首先从理论分析了网罩对于扬声器辐射特性的阻碍作用,然后客观测量了安装不同开孔率网罩扬声器的频率响应特性,最后通过主观实验验证了不同开孔率网罩对扬声器重放信号音质的影响。研究结果表明,网罩对于扬声器频响的影响主要体现在高频区域,同时网罩的开孔率越小,对扬声器辐射特性的阻碍越大,文章为车内扬声器网罩的开孔率设计提供了重要的参考依据。

点缀家居音乐生活 KEF LSX II LT无线HiFi扬声器

近日,英国殿堂级音响品牌KEF发布了LSX系列全新LSX II LT无线HiFi扬声器,带来更近在爬尺的高保真听觉盛宴。六十多年来,KEF一直致力于为所有听音爱好者提供卓越的听体验。如今,作为LSX Ⅱ扬声器的轻奢版,LSX II LT无线HiFi扬声器旨在以更亲民的价格和始终如一的出众性能将KEF动人心弦的高保真音效传至更多音乐爱好者的内心深处。

CELESTION 皇家盾牌系列扬声器

具有70余年历史的英国著名扬声器生产厂商CELESTION为了顺应市场上日益盛行的家庭影院潮流的需要推出了全新的皇家盾牌系列扬声器。 这个系列的扬声器外形简洁美观,但融汇最新的声学科技于一身。采用了崭新的箱体结构加低音反射设计和流线孤形前障板设计,使听音区域大幅度展宽,同时也消除了驻波影响,双体式钛合金高音单元和高效率低音单元,使音色细致丰满,大动态时能产生澎湃音压。

PMC在Bristol音响展上推出Twenty5i有源式扬声器系列

PMC在2024年的Bristol Hi-Fi展上推出了新的Active Twenty5i系列扬声器。这个品牌在设计及制造有源录音室监听器方面拥有悠久的历史,这是消费者第一次在家中可享受等同录音室级数的声音。Active Twenty5i主动式系列与现有的Twenty5i系列的被动式扬声器外观完全一致,配有四个型号;两款书架式扬声器、两款落地式扬声器,均为两路设计,内置有功率放大器。

脱胎换骨的Celestion A2扬声器

在改变了Ce-lestion难推的老概念之后,A2的音质依然是那样细腻平滑,并可以将舞台的层次和人声的定位一并表现得栩栩如生。

CNN-GRU和SSA-VMD在扬声器异常声分类中的应用

为了提高扬声器异常声分类的平均准确率,提出用卷积神经网络加门控循环单元(convolutional neural network plus gated recurrent unit,CNN-GRU)和麻雀搜索算法优化变分模态分解(sparrow search algorithm optimization variational modal decomposition,SSA-VMD)模型进行扬声器异常声分类。在特征提取方面,用SSA-VMD模型,确定VMD中二次惩罚因子(α)和模态分解数(k)的最优取值问题,借此提高特征提取精度,减少提取时间,最后再利用VMD提取扬声器响应信号的特征;在分类网络方面,用CNN-GRU网络来进行扬声器异常声分类,以CNN为基础特征提取网络,再用GRU网络进行更深层特征提取,达到提高扬声器平均分类准确率的目标。试验结果表明,经SSA-VMD模型优化参数后,VMD可以更有效提取特征,且分解时间缩短59.8%;CNN-GRU模型具有更高和更稳定的识别率,其平均分类准确率为99.2%。

自适应变分模态分解与RCNN-3结合的扬声器异常声分类方法

针对扬声器异常声分类准确率较低问题,提出基于自适应变分模态分解(adaptive variational mode decomposition,AVMD)与残差卷积神经网络(residual convolutional neural network,RCNN)相结合的异常声分类方法。AVMD中首先利用灰狼优化(grey wolf optimizer,GWO)算法优化变分模态分解(variational mode decomposition,VMD)的二次惩罚因子(α)和模态分解数(K),然后用VMD提取特征,最后通过随机森林递归特征消除(random forest recursive feature elimination,RF-RFE)算法提取最优特征数据,RCNN-3是在卷积神经网络(convolutional neural network,CNN)基础上引入残差网络(residual network,ResNet)进行异常声分类。实验结果表明,提出的方法具有更好的分类准确率和稳定性,其分类平均准确率可达99.3%。

Celestion推出3款驱动器新品

Celestion推出3款驱动器产品，其中，CDX14-3050为3．56cm（1．4in）钕磁体压缩式驱动器；NTR06-170B和NTR06-1705D为小尺寸16．51cm（6．5in）驱动器，是NTR系列成员。 CDX14-3050由Celestion英国本部采用新技术研发，声音压缩更准确，失真度更低。MarkDodd和他的研发团队采用专利技术计算该压缩驱动器相位锥尺寸。CDX14-3050具有深长的钛膜，声音强度增加；在中频2～10kHz试听频段有助于避免纸盆失真。