与听力结果的相关性
发布时间:2013/3/1 20:08:07 访问次数:855
因为我们的目的是将客BA5954FP观数据同主观听力评分相关联，三种算法都需要对其单一数值失真值进行计算，而不是仅仅将通过／失败值与实际使用的黄金单元标准进行比较。对可感知破擦声和归一化破擦声，提取出随着激励频率变化而对应的最大数值（破撩声）。这代表了每个扬声器的测量失真的最高电平。然而，用于筛选的可感知失真数据更加复杂，因为每只单元有6组曲线需要考虑在内。当低频在好与坏单元表现出最大差异的时候，对每个低于2kHz频段的最大值进行了计算，并选择这6个值中的最大值。性拟合）所示，其相关系数为R2。
可感知破擦声(CLEAR)对听力测试产生最好的相关性。对于测试下的特定扬声器，听力测试中得分高的单元在15～25方范围内显示较低失真数值。被受测者认为边缘扬声器的测试范围在25～40方。在听力测试中，被打分为差的扬声器基本测量为40～75方。此线性相关性证明PRB算法中使用的听力模型与人类失真感知有很强的相关性。从差扬声器中不但鉴别出好的扬器，而且鉴别出边缘单元，这无论用于工程环境还是用于产品组装都是极其有用的。当然，被认为是好还是坏的水平取决于制造商的失真容限。
归一化破擦声与可感知破擦声算法和听力评分一样，都没有相关性。几个在听力测试中被认为是好的扬声器单元用归一化破擦声测量所得值较高，可能无法通过生产限制。这并不是传统破擦声测量方法的缺陷，而是因为归一化破擦声设计用于测量所用破擦声情况，无论可听与否，都能作为生产线缺陷的指示。因为CLEAR算法仅仅用于测量可听缺陷，可以预计，一定数量具有确定但不可听缺陷的扬声器单元不能通过归一化破擦声，但能通过可感知破擦声。
竞争性可感知算法的数据比其他两种分析方法产生更为二元性的结果。好的扬声嚣单元有较低的陡度，差的扬声器单元有很高的陡度，但是这其中的差异较小。这使得判断扬声器单元是否为边缘不合格更具挑战性，此外也很难判断扬声器单元是好是坏。例如，在听力测试评分为3和4的扬声器在PRB算法中显示上升的失真值，但是在陡度方面并没有比好的扬声器单元高多少。
这些数据表明用CLEAR和可感知破擦声算法比其他两种方法能更容易地为生产测试设定限制。对于给定的产品，工程师只需决定什么程度的失真是不能接受的，然后以方为单位测试扬声器单元失真，再相应地设定限制。限定一般为平坦直线，在频段上相同的值。可以认为，在任何频率失真超过可感知极限，就可以被听到。
可感知破擦声(CLEAR)对听力测试产生最好的相关性。对于测试下的特定扬声器，听力测试中得分高的单元在15～25方范围内显示较低失真数值。被受测者认为边缘扬声器的测试范围在25～40方。在听力测试中，被打分为差的扬声器基本测量为40～75方。此线性相关性证明PRB算法中使用的听力模型与人类失真感知有很强的相关性。从差扬声器中不但鉴别出好的扬器，而且鉴别出边缘单元，这无论用于工程环境还是用于产品组装都是极其有用的。当然，被认为是好还是坏的水平取决于制造商的失真容限。
归一化破擦声与可感知破擦声算法和听力评分一样，都没有相关性。几个在听力测试中被认为是好的扬声器单元用归一化破擦声测量所得值较高，可能无法通过生产限制。这并不是传统破擦声测量方法的缺陷，而是因为归一化破擦声设计用于测量所用破擦声情况，无论可听与否，都能作为生产线缺陷的指示。因为CLEAR算法仅仅用于测量可听缺陷，可以预计，一定数量具有确定但不可听缺陷的扬声器单元不能通过归一化破擦声，但能通过可感知破擦声。
竞争性可感知算法的数据比其他两种分析方法产生更为二元性的结果。好的扬声嚣单元有较低的陡度，差的扬声器单元有很高的陡度，但是这其中的差异较小。这使得判断扬声器单元是否为边缘不合格更具挑战性，此外也很难判断扬声器单元是好是坏。例如，在听力测试评分为3和4的扬声器在PRB算法中显示上升的失真值，但是在陡度方面并没有比好的扬声器单元高多少。
这些数据表明用CLEAR和可感知破擦声算法比其他两种方法能更容易地为生产测试设定限制。对于给定的产品，工程师只需决定什么程度的失真是不能接受的，然后以方为单位测试扬声器单元失真，再相应地设定限制。限定一般为平坦直线，在频段上相同的值。可以认为，在任何频率失真超过可感知极限，就可以被听到。
因为我们的目的是将客BA5954FP观数据同主观听力评分相关联，三种算法都需要对其单一数值失真值进行计算，而不是仅仅将通过／失败值与实际使用的黄金单元标准进行比较。对可感知破擦声和归一化破擦声，提取出随着激励频率变化而对应的最大数值（破撩声）。这代表了每个扬声器的测量失真的最高电平。然而，用于筛选的可感知失真数据更加复杂，因为每只单元有6组曲线需要考虑在内。当低频在好与坏单元表现出最大差异的时候，对每个低于2kHz频段的最大值进行了计算，并选择这6个值中的最大值。性拟合）所示，其相关系数为R2。
可感知破擦声(CLEAR)对听力测试产生最好的相关性。对于测试下的特定扬声器，听力测试中得分高的单元在15～25方范围内显示较低失真数值。被受测者认为边缘扬声器的测试范围在25～40方。在听力测试中，被打分为差的扬声器基本测量为40～75方。此线性相关性证明PRB算法中使用的听力模型与人类失真感知有很强的相关性。从差扬声器中不但鉴别出好的扬器，而且鉴别出边缘单元，这无论用于工程环境还是用于产品组装都是极其有用的。当然，被认为是好还是坏的水平取决于制造商的失真容限。
归一化破擦声与可感知破擦声算法和听力评分一样，都没有相关性。几个在听力测试中被认为是好的扬声器单元用归一化破擦声测量所得值较高，可能无法通过生产限制。这并不是传统破擦声测量方法的缺陷，而是因为归一化破擦声设计用于测量所用破擦声情况，无论可听与否，都能作为生产线缺陷的指示。因为CLEAR算法仅仅用于测量可听缺陷，可以预计，一定数量具有确定但不可听缺陷的扬声器单元不能通过归一化破擦声，但能通过可感知破擦声。
竞争性可感知算法的数据比其他两种分析方法产生更为二元性的结果。好的扬声嚣单元有较低的陡度，差的扬声器单元有很高的陡度，但是这其中的差异较小。这使得判断扬声器单元是否为边缘不合格更具挑战性，此外也很难判断扬声器单元是好是坏。例如，在听力测试评分为3和4的扬声器在PRB算法中显示上升的失真值，但是在陡度方面并没有比好的扬声器单元高多少。
这些数据表明用CLEAR和可感知破擦声算法比其他两种方法能更容易地为生产测试设定限制。对于给定的产品，工程师只需决定什么程度的失真是不能接受的，然后以方为单位测试扬声器单元失真，再相应地设定限制。限定一般为平坦直线，在频段上相同的值。可以认为，在任何频率失真超过可感知极限，就可以被听到。
可感知破擦声(CLEAR)对听力测试产生最好的相关性。对于测试下的特定扬声器，听力测试中得分高的单元在15～25方范围内显示较低失真数值。被受测者认为边缘扬声器的测试范围在25～40方。在听力测试中，被打分为差的扬声器基本测量为40～75方。此线性相关性证明PRB算法中使用的听力模型与人类失真感知有很强的相关性。从差扬声器中不但鉴别出好的扬器，而且鉴别出边缘单元，这无论用于工程环境还是用于产品组装都是极其有用的。当然，被认为是好还是坏的水平取决于制造商的失真容限。
归一化破擦声与可感知破擦声算法和听力评分一样，都没有相关性。几个在听力测试中被认为是好的扬声器单元用归一化破擦声测量所得值较高，可能无法通过生产限制。这并不是传统破擦声测量方法的缺陷，而是因为归一化破擦声设计用于测量所用破擦声情况，无论可听与否，都能作为生产线缺陷的指示。因为CLEAR算法仅仅用于测量可听缺陷，可以预计，一定数量具有确定但不可听缺陷的扬声器单元不能通过归一化破擦声，但能通过可感知破擦声。
竞争性可感知算法的数据比其他两种分析方法产生更为二元性的结果。好的扬声嚣单元有较低的陡度，差的扬声器单元有很高的陡度，但是这其中的差异较小。这使得判断扬声器单元是否为边缘不合格更具挑战性，此外也很难判断扬声器单元是好是坏。例如，在听力测试评分为3和4的扬声器在PRB算法中显示上升的失真值，但是在陡度方面并没有比好的扬声器单元高多少。
这些数据表明用CLEAR和可感知破擦声算法比其他两种方法能更容易地为生产测试设定限制。对于给定的产品，工程师只需决定什么程度的失真是不能接受的，然后以方为单位测试扬声器单元失真，再相应地设定限制。限定一般为平坦直线，在频段上相同的值。可以认为，在任何频率失真超过可感知极限，就可以被听到。
相关技术资料- 3-1与听力结果的相关性
公网安备44030402000607
