一種揚聲器異常音的時域特征檢測方法

韋峻峰， 楊 益 ， 溫周斌 ， 馮海泓

（1.中國科學(xué)院 聲學(xué)研究所東海研究站，上海 200032；2.中國科學(xué)院 聲學(xué)研究所嘉興工程中心，浙江嘉興 314006）

在揚聲器生產(chǎn)過程中常產(chǎn)生各種缺陷。以動圈揚聲器為例，通過測量阻抗曲線或極性等常規(guī)測試項目，可以檢測出音圈短路、斷路、焊接不良和反接等缺陷。而因磁隙、防塵帽或其他部件混入雜質(zhì)，因部件發(fā)生共振、摩擦或碰觸現(xiàn)象或因膠水粘接不良等缺陷導(dǎo)致的異常音故障（Rub and Buzz）則難以通過常規(guī)參數(shù)檢測。有異常音故障的揚聲器在工作時會產(chǎn)生除激勵信號頻率之外的聲音，從而導(dǎo)致回放音質(zhì)惡化，因此在產(chǎn)品出廠前需要由有經(jīng)驗的聽音員反復(fù)聽音檢查。

使用機(jī)器替代人耳檢測異常音可以給出更為客觀的結(jié)果。早期的研究采用離散對數(shù)掃頻信號作為激勵信號，對采集到的聲響應(yīng)信號濾波并求總諧波失真，其結(jié)果用于檢測異常音［1］。然而，由揚聲器結(jié)構(gòu)引起的固有非線性失真的幅度遠(yuǎn)大于異常音失真的幅度，因而難以通過總諧波失真檢測異常音故障［2］。此外，由于掃頻頻率不連續(xù)，掃頻頻率點外的諧振現(xiàn)象可能無法激勵。近年來許多檢測異常音的新方法被提出，Shane等提出高階諧波失真（High-order harmonic distortion，縮寫為 HOD）響應(yīng)可用于異常音檢測［3］。Farina提出使用連續(xù)對數(shù)掃頻信號作為激勵，同時測量線性沖激響應(yīng)和各階諧波失真的沖激響應(yīng)的算法［4］。該激勵信號的頻率隨時間連續(xù)變化，可以更有效地激發(fā)被測頻率范圍內(nèi)的諧振現(xiàn)象。后來該方法也被用于異常音檢測［5］。根據(jù)人耳對聲音的感知機(jī)理，Leonhard提出通過檢測異常音故障揚聲器的聲信號中脈沖能量的斜率，實現(xiàn)了多種故障的檢測［6］。國內(nèi)學(xué)者提出了基于時頻分析［7，8］、小波濾波的噪聲檢測方法［9］。此外，一種客觀評價音頻編解碼器對音質(zhì)的損失的音質(zhì)感知評價方法（Perceptual Evaluation of Audio Quality）亦被用于揚聲器失真評價［10，11］。

在分析有異常音故障的揚聲器的時域響應(yīng)波形中，可觀察到有微弱的異常音振動特征疊加在正常響應(yīng)之上。不同的異常音故障對應(yīng)的振動特征是不同的，而振動特征在異常音故障分類中有重要的作用。基于傅里葉變換的處理方法雖然得到了異常音的頻域特征，但疊加在激勵信號上的脈沖在頻域被展寬，損失了振動特征。采用時域處理方法可能是一種更為有效的特征檢測方法。

基于上述討論，本文提出了一種時域的特征檢測方法。首先對揚聲器在連續(xù)對數(shù)掃頻信號激勵下的聲響應(yīng)信號進(jìn)行經(jīng)驗?zāi)B(tài)分解（Empirical mode decomposition，縮寫為EMD），之后對分解出的各階本征模態(tài)函數(shù)（Intrinsic mode functions，縮寫為IMF）進(jìn)行去混淆處理，得到各子帶內(nèi)包含異常振動信息的模態(tài)函數(shù)。通過仿真驗證和實驗驗證，證明IMF的時域特征可用于異常音故障的檢測與分類。

1 理論分析

1.1 異常音的種類

動圈揚聲器種類繁多，小至手機(jī)中的微型揚聲器，大至舞臺音箱中的低音單元，但其結(jié)構(gòu)有類似之處。大多數(shù)動圈揚聲器參與振動的部分由振膜、防塵罩、折環(huán)、定心支片和音圈組成，其他部件有導(dǎo)磁柱、導(dǎo)磁板、盆架和接線柱。常見的異常音種類如下：

（1）音圈摩擦（Coil Rubbing）音：在揚聲器加入激勵時，因安裝不正確導(dǎo)致音圈或音圈骨架與磁隙周期性接觸而產(chǎn)生該異常音。此外，磁隙中的雜質(zhì)也可能產(chǎn)生音圈摩擦音。在使用一段時間后，音圈摩擦故障很可能導(dǎo)致?lián)P聲器損壞。

（2）部件摩擦（Buzzing）音：當(dāng)部件粘接不良時，部件之間可能發(fā)生相對運動。粘接不良的部件在外力驅(qū)動下按部件的自身特性產(chǎn)生與激勵信號不一致的振動。

（3）異物碰觸（Loose particles）音：揚聲器振膜與其他雜質(zhì)發(fā)生碰撞或防塵罩內(nèi)有異物時，發(fā)出隨機(jī)的脈沖聲。有時異物會卡在部件當(dāng)中導(dǎo)致故障現(xiàn)象暫時消失。

（4）部件共振（Resonance）音：固定揚聲器的箱體、揚聲器測試時使用的消聲箱蓋板等外部部件在某些特定頻率下會發(fā)生共振。

（5）漏氣（Air leakage）音：揚聲器箱體上由于粘接出現(xiàn)問題導(dǎo)致聲音發(fā)生變化。漏氣問題通常可以由頻響、阻抗等參數(shù)或其他專用方法［12］檢測出來。

1.2 人耳檢測異常音的機(jī)理

人耳對不同頻率的聲音敏感程度不同。在聲級計中，這種差異通過濾波器組和加權(quán)實現(xiàn)［13］，在助聽器和人工耳蝸中也采用了類似的結(jié)構(gòu)。

正如1.1節(jié)所述，異常音多為摩擦聲、碰觸聲，這些聲音的頻帶很寬。在文獻(xiàn)［10］中給出了一個例子，被測揚聲器在100 Hz激勵信號下發(fā)出聲壓級120 dB的純音和異常音，其聲響應(yīng)的幅度譜如圖1。為便于觀察，在圖中基頻響應(yīng)用“Fund”標(biāo)注，n階諧波響應(yīng)用諧波的階數(shù)標(biāo)注。可見，其19階以上的諧波幅度高于100 Hz掩蔽曲線，因而不被激勵信號掩蔽。同時，其19次以上的諧波幅度也高于聽閾曲線，因而可以被人耳分辨出來。

圖1 異常音故障揚聲器的聲壓級幅度譜及掩蔽、聽閾曲線Fig.1 SPL Spectrum of loudspeaker with Rub＆Buzz defect，perceptual masking curve and the threshold of hearing

Zwicker的研究表明，當(dāng)脈沖持續(xù)時間大于100 ms時，人耳感受到的響度與脈沖持續(xù)時間不相關(guān)；而當(dāng)脈沖時間小于100 ms時，脈沖時間越短，人耳感受到的響度越低［13］。如前文所述，某些異常音的發(fā)生具有隨機(jī)性，其產(chǎn)生的脈沖幅度和持續(xù)時間不確定，人耳聽測可能造成漏檢，因此往往需要反復(fù)聽測以降低漏檢概率。

1.3 經(jīng)驗?zāi)B(tài)分解（EMD）

由Huang提出的EMD方法是一種分析非線性、非平穩(wěn)信號的工具，在振動信號處理領(lǐng)域有著廣泛的應(yīng)用［14］。揚聲器自身的結(jié)構(gòu)特點及材料的物理特性決定了它是一個非線性系統(tǒng)。而對于有異常音故障的揚聲器，其聲響應(yīng)含有非平穩(wěn)的失真成分，因而可用EMD法分析。

EMD與小波濾波器組類似，隨著分解算法的推進(jìn)，代表著高頻到低頻振動模態(tài)的數(shù)個IMF被分解出來［15］。在黃海的研究中發(fā)現(xiàn)，通過數(shù)次EMD計算可求出固有非線性失真產(chǎn)生的低次諧波振動模態(tài)［16］。與此不同的是，在對有異常音缺陷的揚聲器的聲響應(yīng)進(jìn)行EMD計算時，異常音缺陷產(chǎn)生的是高次諧波振動模態(tài)，其主要出現(xiàn)于IMF1中。由于異常音頻帶較寬，異常音信號也會分散到其他IMF中。

EMD算法可參見文獻(xiàn)［14］，本文不再贅述。

1.4 激勵信號的選擇

不同激勵信號下，揚聲器發(fā)出異常音的顯著程度是不同的。異常音通常為寬帶信號，若使用頻率特征類似的寬帶信號（如多頻信號或噪聲）作為激勵則難以區(qū)分正常的響應(yīng)與異常音響應(yīng)。

人耳聽音時通常選用正弦掃頻信號作為激勵。在任意時刻，激勵信號為窄帶信號。此時正常揚聲器的響應(yīng)主要集中在基頻，對應(yīng)著濾波器組中某個濾波器；發(fā)出異常音的揚聲器除了檢測到基頻響應(yīng)外，還存在高階諧波響應(yīng)或噪聲，對應(yīng)著濾波器組中多個濾波器。

與人耳聽音類似，后續(xù)的仿真與實驗驗證中均選用連續(xù)對數(shù)掃頻信號作為激勵。連續(xù)對數(shù)掃頻信號的表達(dá)式為：

其中，L=T/ln（f2/f1），f1與f2分別為掃頻的起始頻率和終止頻率，掃頻時長為T。可以看到，掃頻信號頻率隨時間t呈指數(shù)連續(xù)變化且存在唯一對應(yīng)關(guān)系：

1.5 去混淆處理

由于激勵信號的頻率范圍很寬，在EMD計算時響應(yīng)信號被劃分為由高頻到低頻的多個模態(tài)。噪聲和可能存在的異常音信號亦被分解到各模態(tài)中。由于異常音信號的幅度遠(yuǎn)小于聲響應(yīng)信號的幅度，分解在各個模態(tài)中的響應(yīng)信號將淹沒異常音信號，這樣的現(xiàn)象稱為混淆現(xiàn)象。

被混淆的信號無法用于異常音檢測，因此，需要通過瞬時頻率的特征排除被混淆信號。揚聲器的聲響應(yīng)瞬時頻率與激勵信號的瞬時頻率是一致的，而噪聲和異常音的瞬時頻率與激勵信號的瞬時頻率不相關(guān)，在測量頻帶范圍內(nèi)隨機(jī)變化。根據(jù)這一特征，可以通過IMF的瞬時頻率與激勵信號瞬時頻率相減的方式，得到瞬時頻率差曲線。若瞬時頻率差小于某門限值，則認(rèn)為該部分IMF發(fā)生了混淆，求得結(jié)果不是異常音信號；若瞬時頻率差呈噪聲狀，說明檢測結(jié)果為異常音信號或環(huán)境噪聲。

瞬時頻率可由希爾伯特變換求得，函數(shù)f（t）的希爾伯特變換可表示為：

積分符號前的P表示進(jìn)行柯西主值積分。構(gòu)造解析信號z（t），該信號由f（t）和f'（t）構(gòu)成，以指數(shù)形式表示為：

其中瞬時幅度為A（t），瞬時相位為φ（t）：

那么瞬時頻率為瞬時相位對時間求導(dǎo)，即

2 仿真驗證

2.1 驗證方法概述

揚聲器的異常音故障具有很強的隨機(jī)性，故障發(fā)生的頻率和強弱可能隨外界條件發(fā)生變化。然而異常音具有特定的時域和頻域特征。目前已知的異常音特征有：聲響應(yīng)信號的時域波形上有尖峰，頻域上有能量較大的寬頻帶噪聲或20階以上諧波失真等。通過仿真驗證，可以客觀地考察算法對這些噪聲信號的敏感程度。

仿真驗證的流程如下：首先建立揚聲器的仿真模型得到理想的聲響應(yīng)。其次，在聲響應(yīng)信號上加入噪聲可得到模擬的合格揚聲器的聲響應(yīng)，對其進(jìn)行EMD計算，得到合格揚聲器的IMF。在聲響應(yīng)信號上加入噪聲和模擬的碰觸、摩擦等異常音，對其進(jìn)行EMD計算得到不合格揚聲器的IMF。最后，通過比較IMF與模擬的異常音的特征，證明時域特征提取方法的有效性。

2.2 揚聲器聲響應(yīng)仿真

考慮到揚聲器的線性失真和固有非線性失真，在已知揚聲器參數(shù)的條件下，可以通過狀態(tài)空間模型仿真求出聲響應(yīng)信號。圖2分別給出了仿真與實測的頻響曲線。在頻率為50 Hz～500 Hz范圍內(nèi)，仿真曲線與實際曲線結(jié)果差異在3 dB以內(nèi)。

圖2 仿真與實測頻響曲線Fig.2 Frequency responses of simulation and measurement

2.3 合格揚聲器聲響應(yīng)仿真

故障揚聲器發(fā)出的異常音與激勵信號幅度有關(guān)，通常異常音聲壓級在40 dB～60 dB［17］，而聽音環(huán)境聲壓級在50 dB以下。檢測設(shè)備的電噪聲折算為聲壓級后約為20 dB，遠(yuǎn)小于環(huán)境噪聲對檢測結(jié)果的影響，因此不作單獨考慮。

根據(jù)上述條件加入50 dB的噪聲后，對合格揚聲器進(jìn)行EMD計算，得到的結(jié)果如圖3。在IMF1的t＞0.7 s處，聲響應(yīng)信號的基頻進(jìn)入了等效濾波器的通帶中，與噪聲及異常音特征混淆在一起。對IMF求瞬時頻率的結(jié)果如圖4。由瞬時頻率差可以確定IMF1～I(xiàn)MF3發(fā)生混淆的部分分別為t＞0.72 s、t＞0.66 s和t＞0.53 s，混淆部分在圖3中用灰色表示。

2.4 模擬異常音故障

仿真中采用脈沖信號模擬異物碰觸引起的沖擊異常音，采用白噪聲模擬音圈輕微摩擦?xí)r發(fā)出的摩擦異常音，采用激勵信號的諧波模擬部件摩擦發(fā)出的30階以內(nèi)的諧波異常音。設(shè)異常音的聲壓級為60 dB，可構(gòu)造出如圖5（a）所示的帶噪聲的異常音時域波形。在0.20 s、0.43 s和0.65 s處為脈沖，0.29 s～0.37 s處為白噪聲，0.48 s～0.56 s處為激勵信號的3～30階奇數(shù)階諧波失真。將其與未加噪聲響應(yīng)相加，得到如圖5（b）所示的波形。

對仿真中使用的聲響應(yīng)信號進(jìn)行短時傅里葉變換，得到聲響應(yīng)時頻圖如圖6。顏色越深表明信號幅度越大。圖中可以觀察到模擬的音圈摩擦和部件摩擦的特征，而由脈沖引起的失真特征則較為微弱。

圖7是對上述聲響應(yīng)信號進(jìn)行EMD計算后得到的IMF1～I(xiàn)MF3，其灰色部分為發(fā)生混淆的部分。3個脈沖在IMF1中對應(yīng)時刻被提取出來。白噪聲覆蓋在整個頻帶內(nèi)，在IMF1～I(xiàn)MF3中均被提取。而3～30階奇數(shù)階諧波失真能量集中在800Hz以下，在 IMF2、IMF3中均有明顯的特征。

圖7 含有模擬異常音的聲響應(yīng)的IMFFig.7 Intrinsic mode function of sound response with constructed Rub＆Buzz defects

比較圖3和圖7可發(fā)現(xiàn)，合格揚聲器的IMF幅度是平坦的，而有異常音的IMF幅度有顯著變化，且與模擬異常音時域波形有對應(yīng)關(guān)系。仿真結(jié)果表明，EMD方法對于碰觸、音圈摩擦等異常音特征是靈敏的。通過去混淆處理后的IMF的幅度加門限可以檢測是否發(fā)生異常音故障。IMF包含著異常音故障的時域及頻域特征。此外，EMD方法對于脈沖的靈敏程度要優(yōu)于時頻分析方法。

3 實驗驗證

3.1 實驗裝置

實驗中選用了型號為96330的6英寸汽車揚聲器，其額定功率25 W，阻抗4 Ω。被測揚聲器共20只，其中合格揚聲器、音圈摩擦、部件摩擦和異物碰觸故障揚聲器各5只。使用4 V掃頻信號激勵測試樣品，先由工廠2位聽音員共同確認(rèn)故障類別，再通過實驗裝置采集聲響應(yīng)信號。實驗裝置如圖8所示，測試軟件可計算出聲響應(yīng)信號中的頻響及高階諧波失真曲線，并可導(dǎo)出聲響應(yīng)信號。使用本文方法對聲響應(yīng)信號處理后，將檢測結(jié)果與高階諧波失真曲線對比，以驗證不同方法檢測到的發(fā)生故障的頻率點及故障強度是否一致。

圖8 實驗裝置Fig.8 Experiment equipment

由于使用了連續(xù)對數(shù)掃頻信號作為激勵，其時間與頻率存在唯一的對應(yīng)關(guān)系，響應(yīng)信號的IMF的時間軸可被替換為頻率軸，以考察發(fā)生故障的頻率。

3.2 實驗結(jié)果及分析

在20只揚聲器樣品中，5只音圈摩擦、5只部件摩擦和5只異物碰觸的IMF1分別如圖9～圖11所示。5只合格揚聲器的IMF1與圖12類似，其包絡(luò)是平直的，故不單獨給出。

據(jù)人耳聽音經(jīng)驗，音圈摩擦音常發(fā)生在揚聲器共振頻率處。如圖9，在共振頻率f0=73 Hz附近由于音圈的振幅達(dá)到最大，IMF1中提取出了密集而明顯的尖峰。對于輕微音圈摩擦故障的樣品，亦可觀察到類似現(xiàn)象。此外，部件摩擦樣品的IMF1在200 Hz后出現(xiàn)局部異常，異物碰觸樣品則在測試頻率范圍內(nèi)出現(xiàn)隨機(jī)的尖峰。可見，同一類故障的不同樣本之間，IMF1具有相似的特征。

在20只揚聲器樣品中選出了4只具有代表性的揚聲器，以便更清晰地觀察異常音樣品的IMF特征。將合格揚聲器記為1#，有音圈摩擦異常音故障的揚聲器記為2#，有部件摩擦異常音故障的揚聲器記為3#，有異物碰觸異常音故障的揚聲器記為4#，結(jié)果如圖12～圖15所示。

對于頻響曲線，合格揚聲器與故障揚聲器結(jié)果差別很小，無法用于檢測異常音故障。而在IMF圖中（虛線為故障檢測門限）合格揚聲器的IMF在虛線范圍內(nèi)，而發(fā)出異常音的揚聲器的IMF幅度遠(yuǎn)大于門限。且從IMF1和高階諧波失真曲線中可以觀察到發(fā)生故障的頻率及幅度具有對應(yīng)關(guān)系。在500 Hz之后，由于發(fā)生了混淆導(dǎo)致IMF1無效，其相應(yīng)部分被置零以避免誤判。

圖12 1#（合格）樣品的（a）IMF1；（b）頻響及高階諧波失真曲線Fig.12（a）IMF1，（b）frequency response and HOD of sample 1#（quality part）

圖13 2#（音圈摩擦）樣品的（a）IMF1；（b）頻響及高階諧波失真曲線Fig.13（a）IMF1，（b）frequency response and HOD of sample 2#（with coil rubbing defect）.

圖14 3#（部件摩擦）樣品的（a）IMF1；（b）頻響及高階諧波失真曲線Fig.14（a）IMF1，（b）frequency response and HOD of sample#3（with buzzing defect）

圖15 4#（異物碰觸）樣品的（a）IMF1，（b）頻響及高階諧波失真曲線Fig.15（a）IMF1，（b）frequency response and HOD of sample#4（with loose particles defect）

圖13（b）～圖15（b）中的高階諧波失真曲線僅體現(xiàn)了發(fā)生異常音故障的強弱和頻率，并不包括異常音故障的振動特征。通過EMD法可以取得這些振動特征。將圖 13中 IMF1的 20 Hz～30 Hz、圖 14中400 Hz～500 Hz及圖15中IMF1的90 Hz～120 Hz部分放大，并根據(jù)激勵信號時間與頻率的對應(yīng)關(guān)系將頻率坐標(biāo)轉(zhuǎn)換為時間坐標(biāo)，得到如圖16～圖18所示的兩個周期內(nèi)IMF1的局部特征。

觀察圖15與圖18可見，對于異物碰觸故障的揚聲器，由于碰觸的隨機(jī)性，求得的IMF1中并沒有出現(xiàn)周期性特征。而音圈摩擦和部件摩擦故障發(fā)生時，振膜的往復(fù)運動產(chǎn)生了周期性的異常振動。在圖16和圖17中可觀察到周期性振動的現(xiàn)象，且對于不同的故障IMF1具有不同的包絡(luò)特征。故可以構(gòu)建一種異常音分類方法，首先通過IMF的門限確定發(fā)生異常音故障的時刻，之后采用支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等分類器對局部特征分類。

圖16 2#樣品的IMF1的局部特征Fig.16 Local features of IMF1 of the sample 2#

圖17 3#樣品的IMF1的局部特征Fig.17 Local features of IMF1 of the sample 3#

圖18 4#樣品的IMF1的局部特征Fig.18 Local features of IMF1 of the sample 4#

4 結(jié)論

本文提出了一種對揚聲器聲響應(yīng)時域處理以檢測異常音故障特征的方法，并通過仿真驗證和實驗驗證證明了方法的有效性。在仿真驗證中，對模擬異常音的時域特征檢測結(jié)果表明算法可有效檢測三種常見的異常音。在實驗驗證中，對20只揚聲器的聲響應(yīng)進(jìn)行時域檢測，結(jié)果表明測量得到的發(fā)生異常音故障的頻率點與用高階諧波失真法得到的結(jié)果一致。此外，不同的異常音故障對應(yīng)著不同的IMF的頻域及時域特征。這些特征將可能作為揚聲器異常音檢測和分類的依據(jù)。

EMD方法的運算量較大，無法滿足在線測試的要求，但目前已出現(xiàn)了EMD的快速算法［18］。另外，實驗僅針對一款揚聲器的有限個異常音故障樣品，不同種類的揚聲器是否具有同樣的特征還無法確定。且EMD中的混淆現(xiàn)象限制了檢測的范圍，通過尋找其他激勵信號、優(yōu)化激勵信號的參數(shù)可能能夠令混淆現(xiàn)象發(fā)生在檢測頻率范圍之外。未來工作將圍繞上述問題展開。

［1］ Groeper G G，Blanchard M A，Brummett T，et al.A reliable method of loudspeaker rub and buzz testing using automated FFT response and distortion techniques.http：//www.aes.org/e-lib/browse.cfm?elib=5555，1991 －10.

［2］Yang Y，Wei J F，F(xiàn)eng H H，et al.A novel technique for detecting and locating loudspeaker defects.http：//www.aes.org/e-lib/browse.cfm?elib=15099，2009 －10.

［3］Thompson S，Pagliaro A，Celmer R.Higher order harmonic signature analysis for loudspeaker defect detection［J］.J.Acoust.Soc.Am.，2003，114（4）2400.

［4］Farina A.Simultaneous measurement of impulse response and distortion with a swept-sine technique.http：//www.aes.org/e-lib/browse.cfm?elib=10211，2000 －2.

［5］楊 益，韋峻峰，溫周斌，等.揚聲器異常音的快速檢測方法及其實驗研究［J］.聲學(xué)學(xué)報，2010，35（5）：562 －570.

［6］Leonhard F U.Quality control of electro-acoustic transducers［P］.WO02/25997，2002－03－28.

［7］于德敏，李小明，許增樸.基于時頻分析的揚聲器異音故障診斷方法［J］.電聲技術(shù)，2007，31（11）：24 －27.

［8］王旌陽，張 瀟，朱俊敏，等.基于時頻譜圖的脈沖噪聲抑制方法［J］.振動與沖擊，2010，29（2）：149 －153，192.

［9］朱俊敏，張 瀟，王旌陽，等.基于模極大值和尺度理論的音頻降噪方法［J］.振動與沖擊，2009，28（11）：168 －172.

［10］ Temme S，Brunet P，Keele D B.Practical measurement of loudspeaker distortion using a simplified auditory perceptual model［OL］.http：//www.aes.org/e-lib/browse.cfm?elib=15100，2009－10.

［11］李慧文，邱小軍.對揚聲器主觀音質(zhì)進(jìn)行客觀音頻質(zhì)量感知評價［J］.電聲技術(shù)，2010，34（5）：27－31.

［12］ Klippel W.Klippel QC system product brochure［OL］.http：//klippel.de/qc/Klippel_QC_System_brochure.pdf，2010.

［13］ Zwicker E，F(xiàn)astl H.Psychoacoustics：Facts and models-2nd edition［M］.Germany：Springer，1999.

［14］ Huang E， ShenZ， LongSR. Theempiricalmode decomposition and the hilbert spectrum for non-linear and non-stationary time series analysis［J］.Proc.R.Soc.Lond.A，1998：903 －995.

［15］ Flandrin P，Goncalves P，Rilling G.EMD equivalent filter banks，from interpretation to applications［C］//N Huang，S Shen.Hilbert-huang transform and its applications，London：World ScientificPublishingCo. Pte. Ltd.， 2005，5：57－74.

［16］黃 海.揚聲器非線性特性的 Hilbert-Huang變換分析［J］.浙江大學(xué)學(xué)報（工學(xué)版），2005，39（3）：385－391.

［17］ Klippel W，Irrgang S，Seidel U.Loudspeaker testing at the production line.http：//www.aes.org/e-lib/browse.cfm?elib=13649，2006－05.

［18］ Blakely C D.A fast empirical mode decomposition technique for nonstationary nonlinear time series［OL］.http：//www.cscamm.umd.edu/publications/fastEMDcBlakely Final_CS －05 －10.pdf，2005.