专利名称::扬声器阵列的优化方法及装置的制作方法
技术领域:
:本发明涉及扬声器阵列的设计方法。采用分配不同声源强度并结合优化算法寻找最优解的方法改进扬声器阵列的指向性和声功率级,使阵列在其工作频带内有均匀的指向性和较大的声功率级和较平坦的声功率响应。
背景技术:
:在科技不断创新的二十一世纪,为满足人们对高品质视听娱乐的新需求,越来越多的大型厅堂、场馆如雨后春笋般出现。由于单个扬声器难以达到所需和理想的声压级,所以,在这些大型场馆及其某些室外场所(如体育馆、露天广场),大型声重放系统(以多个扬声器组成的扬声器阵列)就成为了必然的选择。与传统的声重放系统相比,大型扬声器阵列声重放系统有着如下优点1.可以产生足够的声压级,以满足大型场馆及露天演出的需求;2.多扬声器间的干涉效应使得指向性更加容易控制,满足实际情况的需要;3.在高混响环境内,可抑制反射声,提高语音的清晰度;4.可使近场区和远场区的声压不均匀度减小,使全场听众都能获得良好的听音效果。以上种种优点,都使得大型扬声器阵列声重放系统得到了广泛的应用。与此同时,为满足室内高品质视听娱乐的需求,小型化的扬声器阵列也逐渐应用于平板电视机、家庭影院等视听设备中,由于其功率、形状、外观等方面的优势,越来越受青睐。然而,用多个扬声器组成的阵列也存在许多无法回避的缺陷。这是因为多扬声器之间的干涉会产生指向性,其指向性图是频率的函数。在高频时,这种指向性图的主瓣变窄并会产生旁瓣,且旁瓣的位置对于频率变化非常敏感,因此使得声场分布极不均匀,令扬声器阵列的应用受到局限。多扬声器声重放系统的辐射问题是多年以来电声领域迫切需要却又难以解决的问题。为了克服高频时指向性图的主瓣变窄并会产生旁瓣,并对频率变化非常敏感使得声场的分布极不均匀的不足,KlepperDavidL.,SteeleDouglasW.,“ConstantDirectionCharacteristicsfromaLineSourceArray,”J.A.E.S,Volume11Number3pp.198-202;July1963(扬声器阵列的方向特征),使用电学或声学滤波器,滤掉部分单元的高频。MennoVanDerWal,etal,“DesignofLogarithmicallySpacedConstant-DirectivityTransducerArrays,”J.AudioEng.Soc.,Vol.44,pp.497-507,(1996June).(对数空间阵列的设计)以对数间距排列扬声器阵列。Keele,Jr.,D.B.,“EffectivePerformanceofBesselArrays”,J.A.E.S.,Volume38Number10pp.723-748;October1990.利用Bessel函数的性质,为阵列中各点源分配不同的声源强度,源强正比于特定Bessel函数,从而提高声场均匀程度。JiangChao,ShenYong,“AnOmni-directivitySoundSourceArray,”Mo.P2.11,The18thInternationalCongressOnAcoustics,Kyoto,Japan,April2004.(全指向性声源阵列),按照sinc函数规律调整源强,不仅提高了声场的均匀程度,还改善了相位特性。沈勇,江超,徐小兵等,利用二次剩余序列设置扬声器阵列的方法及装置,专利申请号200410044849.5,将二次剩余序列用于优化扬声器阵列的指向性,为各个扬声器单元设置不同的信号延时,从而提高声场的均匀程度。总之,上述方法均为了解决声重放系统(以多个扬声器组成的扬声器阵列)存在的不足之处,但仍然缺乏理想的解决方案,或者设计过于复杂,或者指向性仍不够均匀(包括指向性图在多个角度出现明显谷点),大屏幕平板电视机等采用阵列设计愈来愈多,也同样出现这种情况,或者声功率过低,或者声功率级随频率变化的波动过大。优化方法和技术已经是一种以数学为基础,用于求解各种工程问题优化解的应用技术。所谓优化算法,其实就是一种搜索过程和规则,它基于某种思想和机制,通过一定的途径或规则来得到满足用户要求的问题的近似最优解。就优化机制与行为而分,目前常用的优化算法主要可分为经典算法、构造型算法、改进型算法、基于系统动态演化的算法和混合型算法等等。其中,经典算法一般包括线性规划、动态规划、整数规划和分枝定界等传统算法,其特点是计算复杂性一般比较大;构造型算法一般包括Johnson法、Palmer法、Gupta法、CDS法、Daunenbring的快速接近法、NEH法等等;改进型算法(或称邻域搜索算法)一般又可分为局部搜索法和指导搜索法,其中局部搜索法以局部优化策略在当前解的邻域中贪婪搜索,如只接受优于当前解的状态作为下一当前解的爬山法,接受当前的解邻域中的最好的解作为下一当前解的最陡下降法等。指导性搜索法一般是利用一些指导规则来指导整个解空间中优良解的探索,如SA、GA、EP、ES、TS等等;基于系统动态演化的算法一般是将优化过程转化为系统动态的演化过程,基于系统动态演化来实现优化,如神经网络和混沌搜索等等;混合型算法则一般指的是上述各算法从结构或操作上相混合而产生的各类算法,如量子进化和模拟退火的混合优化算法、模拟退火和遗传算法的混合优化算法等等。本发明的优化方法包括上述各种现有优化算法。因此,选择哪种优化算法作为工具并不是唯一的,各种算法都存在自身的优缺点,应用时可以根据实际问题的特点和需要进行选择。
发明内容本发明的目的是结合优化算法优化扬声器阵列,提供了一种设计方法相对简单,驱动电路也较为简单,扬声器和信号源之间只需连接并调节功率放大器的增益或放大倍数,而不必使用其它复杂的与频率相关的信号处理装置,即可实现指向性和声功率级同时优化的设计扬声器阵列的方法。消除扬声器阵列指向性图出现明显谷点,或者声功率过低,或者声功率级随频率变化的波动过大,使阵列在其工作频带内有均匀的指向性的扬声器阵列最佳源强分布的方法和装置。本发明的目的是这样实现的根据扬声器阵列的指向性和声功率级的分析理论,结合优化算法对扬声器阵列的指向性和声功率级进行优化仿真,寻找最优解(最佳源强分布),从而达到同时优化扬声器阵列的指向性和声功率级的目的。本发明分配不同声源强度优化方法有三种使用模式可供选择模式1给定指向性不均匀度ΔSPL允许的最大值,求使得平均声功率级取最大值的解。模式2给定平均声功率级允许的最小值,求使得指向性不均匀度ΔSPL取最小值的解。模式3同时给定指向性不均匀度ΔSPL允许的最大值和平均声功率级允许的最小值,根据设定的这两个指标的权重,求得使扬声器阵列指向性不均匀度ΔSPL小,平均声功率级大的解。本发明具体的方法如下给定阵列的优化频段、组成阵列的单元个数、单元之间间距等参数,然后选择上面三种使用模式中的一种,结合优化算法进行优化,寻找出满足设计指标的分配扬声器阵列不同声源强度的最优解(源强分布),从而得到满足设计指标的扬声器阵列的最佳源强分布。其中,指向性不均匀度ΔSPL和平均声功率级分别定义为ΔSPL=20lg(|R(fi,θ)|max|R(fi,θ)|min);]]>LW‾=10lgΣi=1KW(fi)K;]]>其中,平均声功率级是声功率响应曲线的平均值(取对数形式);R(f,θ)=Σn=-NNVnejklnsinθ]]>为阵列的指向性;为阵列的辐射声功率;N为阵列的单元个数;每个扬声器看成一个独立声源,Vn为第n个声源的源强;ln=nd为第n个声源和参考点之间的距离,参考点一般为阵列辐射面的几何中心;k为波数。fi为阵列优化频段内的频率,W(fi)为在频率fi处的声功率,K为fi的个数。优化算法优化扬声器阵列的步骤如下给定阵列的优化频段、组成阵列的单元个数、单元之间间距等参数;然后选择本发明提供的三种使用模式中的一种,结合优化算法进行优化,寻找出满足设计指标的分配扬声器阵列不同声源强度的最优解(源强分布),从而得到满足设计指标的扬声器阵列的最佳源强分布;各个扬声器单元馈给不同大小的信号;各个扬声器单元的馈给信号正比于算法优化得到的源强分布。在阵列形状的设计上,本说明书提供的仿真、实验数据均以直线型扬声器阵列为例。而对于弯曲程度不大的扬声器阵列,其优化特性基本得到保持。故可根据实际使用需要,设计直线型,或者具有弧度或弧线的扬声器阵列。本发明的特点是本发明的模拟计算以及实验测量得出的相应的指向性图和声功率响应曲线表明应用该发明,扬声器和信号源之间只需接功率放大器,而不必使用其它复杂的与频率相关的信号处理装置就能同时优化扬声器阵列的指向性和声功率级,指向性的均匀度得到明显改善,包括能有效避免阵列指向性图通常存在的明显谷点等问题,同时声功率级得到改善,声功率级得到兼顾和控制,并能有效改善声功率响应的平坦度,且设计方法相对简单,几乎各种优化算法都能实现,成本低廉,便于使用。图1本发明应用优化算法分配不同声源强度设计扬声器阵列的装置示意图。图2根据本发明,对应表1的设计指标和扬声器阵列相关参数,优化得到源强分布对应为-0.8,-0.9,-1.0,-1.0,0.8,1.0,-1.0,1.0的扬声器阵列实现装置示意图。即对应了八个功率放大器的放大比例。图3当N=3时,未经优化的扬声器阵列指向性图,分别表示不同频率时阵列的指向性,(a)1kHz;(b)2kHz;(c)4kHz;(d)8kHz。阵列单元间距d=0.1m。图4当N=3时,根据本发明,对应表1的设计指标和扬声器阵列相关参数,优化得到的扬声器阵列指向性图,分别表示不同频率时阵列的指向性,(a)1kHz;(b)2kHz;(c)4kHz;(d)8kHz。图5当N=3时,未经优化的扬声器阵列声功率响应示意图。阵列单元间距d=0.1m;频率范围为1kHz~20kHz。图6当N=3时,根据本发明,对应表1的设计指标和扬声器阵列相关参数,优化得到的扬声器阵列声功率响应示意图。图7当N=4时,未经优化的扬声器阵列指向性图,分别表示不同频率时阵列的指向性,(a)(a)1kHz;(b)2kHz;(c)4kHz;(d)8kHz。阵列单元间距d=0.1m。图8当N=4时,根据本发明,对应表2的设计指标和扬声器阵列相关参数,优化得到的扬声器阵列指向性图,分别表示不同频率时阵列的指向性,(a)1kHz;(b)2kHz;(c)4kHz;(d)8kHz。图9当N=4时,未经优化的扬声器阵列声功率响应示意图。阵列单元间距d=0.1m;频率范围为400Hz~8kHz。图10当N=4时,根据本发明,对应表2的设计指标和扬声器阵列相关参数,优化得到的扬声器阵列声功率响应示意图。图11当N=5时,未经优化的扬声器阵列指向性图,分别表示不同频率时阵列的指向性,(a)1kHz;(b)2kHz;(c)4kHz;(d)8kHz。其中,实线部分为理论推导值,星号标记部分为实际测量值。阵列单元间距d=0.1m。图12当N=5时,根据本发明,对应表3的设计指标和扬声器阵列相关参数,优化得到的扬声器阵列指向性图,分别表示不同频率时阵列的指向性,(a)1kHz;(b)2kHz;(c)4kHz;(d)8kHz。其中,实线部分为理论推导值,星号标记部分为实际测量值。图13当N=5时,未经优化的扬声器阵列声功率响应示意图。阵列单元间距d=0.1m;频率范围为20Hz~20kHz。图14当N=5时,根据本发明,对应表3的设计指标和扬声器阵列相关参数,优化得到的扬声器阵列声功率响应示意图。图15当N=7时,未经优化的扬声器阵列指向性图,分别表示不同频率时阵列的指向性,(a)1kHz;(b)2kHz;(c)4kHz;(d)8kHz。阵列单元间距d=0.2m。图16当N=7时,根据本发明,对应表4的设计指标和扬声器阵列相关参数,优化得到的扬声器阵列指向性图,分别表示不同频率时阵列的指向性,(a)1kHz;(b)2kHz;(c)4kHz;(d)8kHz。图17当N=7时,未经优化的扬声器阵列声功率响应示意图。阵列单元间距d=0.2m;频率范围为20Hz~20kHz。图18当N=7时,根据本发明,对应表4的设计指标和扬声器阵列相关参数,优化得到的扬声器阵列声功率响应示意图。图19当N=8时,未经优化的扬声器阵列指向性图,分别表示不同频率时阵列的指向性,(a)1kHz;(b)2kHz;(c)4kHz;(d)8kHz。其中,实线部分为理论推导值,星号标记部分为实际测量值。阵列单元间距d=0.1m。图20当N=8时,根据本发明,对应表5的设计指标和扬声器阵列相关参数,优化得到的扬声器阵列指向性图,分别表示不同频率时阵列的指向性,(a)1kHz;(b)2kHz;(c)4kHz;(d)8kHz。其中,实线部分为理论推导值,星号标记部分为实际测量值。图21当N=8时,未经优化的扬声器阵列声功率响应示意图。阵列单元间距d=0.1m;频率范围为20Hz~20kHz。图22当N=8时,根据本发明,对应表5的设计指标和扬声器阵列相关参数,优化得到的扬声器阵列声功率响应示意图。图23表示遗传算法的流程图具体实施方法下面以举实例的方式具体说明本发明设计方法的具体步骤1.给定阵列的各项优化条件,包括优化频段、组成阵列的单元个数、单元之间间距等参数。2.本发明有上述三种使用模式可供选择如模式1给定指向性不均匀度ΔSPL允许的最大值,求使得平均声功率级取最大值的解。选择上面三种模式中的一种。3.根据步骤2所选模式,给定相应的设计指标。比如,选择模式1,则需要给出的指向性不均匀度指标;选择模式2,则需要给出平均声功率级指标;选择模式3,则需要同时给出指向性不均匀度指标和平均声功率级指标。4.根据步骤2选定的模式以及步骤3给定的设计指标,结合优化算法进行优化,寻找出满足设计指标的分配扬声器阵列不同声源强度的最优解(源强分布),从而获得满足设计指标的扬声器阵列的最佳源强分布,各个扬声器单元馈给不同大小的信号;各个扬声器单元的馈给信号正比于算法优化得到的源强分布。具体使用哪种优化算法不做限制,下面分别以遗传算法和复合形算法为例说明本发明设计方法的具体步骤a,采用遗传算法作为优化算法遗传算法是一种以达尔文的自然进化论和孟德尔的遗传变异理论为基础的求解优化问题的仿生类算法。遗传算法包括选择、交叉、变异三个主要操作算子。该算法初始时随机产生N组解,每一组解叫一个个体,这多组解的集合叫做一个种群。然后计算每个个体的适应度,选择操作使适应度大的个体有较大的复制概率,能加快算法的收敛速度,交叉操作通过对两父代进行基因交换而产生更优的个体,变异操作则能给群体带来新的基因,避免陷入局部最优。就是通过这三个算子的操作,优化群体一代一代地不断进化,最终收敛于最优状态。遗传算法的步骤(1).初始化选择一个群体,即选择一个串或个体的集合bi,i=1,2,...n。这个初始的群体也就是问题假设解的集合。通常以随机方法产生串或个体的集合bi,i=1,2,...n。问题的最优解将通过这些初始假设解进化而求出。(2).选择根据适者生存原则选择下一代的个体。在选择时,以适应度为选择原则。适应度准则体现了适者生存,不适应者淘汰的自然法则。给出目标函数f,则f(bi)称为个体bi的适应度。适应度较高的个体,繁殖下一代的数目较多;适应度较小的个体,繁殖下一代的数目较少;甚至被淘汰。这样,就产生了对环境适应能力较强的后代。对于问题求解角度来讲,就是选择出和最优解较接近的中间解。(3).交叉对于选中用于繁殖下一代的个体,随机地选择两个个体的相同位置,按交叉概率Pc。在选中的位置实行交换。这个过程反映了随机信息交换,目的在于产生新的基因组合,也即产生新的个体。交叉时,可实行单点交叉或多点交叉。一般而言,交叉概率Pc取值为0.25-0.75。(4).变异根据生物遗传中基因变异的原理,以变异概率Pm对某些个体的某些位执行变异。在变异时,对执行变异的串的对应位求反,即把1变为0,把0变为1。变异概率Pm与生物变异极小的情况一致,所以,Pm的取值较小,一般取0.01-0.2。单靠变异不能在求解中得到好处,但是,它能保证算法过程不会产生无法进化的单一群体。因为在所有的个体一样时,交叉是无法产生新的个体的,这时只能靠变异产生新的个体。也就是说,变异增加了全局优化的特质。(5).全局最优收敛当最优个体的适应度达到给定的阀值,或者最优个体的适应度和群体适应度不再上升时,则算法的迭代过程收敛、算法结束。否则,用经过选择、交叉、变异所得到的新一代群体取代上一代群体,并返回到第2步即选择操作处继续循环执行。图23表示了遗传算法的执行过程整个遗传算法运算过程如下(1)初始化控制参数设置群体规模N;交叉概率Pc;变异概率Pm。(2)在变量设定范围内随机产生初始种群。(3)对现有群体进行如下操作①计算群体中每个个体的适应度f(xi),i=1,2,...,N;②按照赌轮机制实施选择操作,适应度大的个体的被选择的概率大;③随机选出两个个体xi和xj作为父代,按照概率Pc进行交叉操作,产生两个新的个体xi′和xj′,计算四个个体的适应度,选择其中最大的两个个体;④对交叉后的个体以概率Pm进行变异操作,接收变异后的新解。(4)如果满足收敛条件,则退出进化过程,否则转至(3)。b,采用复合形算法作为优化算法复合形法的基本思想来源于尼勒迪尔(Nelder)和米爱德(Mead)提出的解决无约束非线性最优化问题的单纯法,实际上是单纯法在约束问题中的发展。它是求解多维非线性有约束最优化问题的一种重要的方法。其基本思路是在n维解的可行域内选取k个设计点(通常取n+1≤k≤2n)作为初始复合形(多面体)的顶点。然后比较复合形各个顶点目标函数值的大小,将目标函数值最大的点作为坏点,以坏点之外其余各点的中心(即形心)为映射中心,寻找坏点的映射点,一般来说此映射点的目标函数值总是小于坏点的,也就是说映射点优于坏点。这时,以映射点替换坏点,并与原复合形除坏点之外其余各点构成k个顶点的新的复合形。如此反复迭代计算,在可行域中不断以目标函数值较小的新点代替目标函数值最大的坏点,构成新复合形,从而使复合形不断向最优点移动和收缩,直至收缩到复合形的各个顶点与形心非常接近、满足迭代精度要求时为止。最后输出复合形的各顶点中的目标函数值最小的顶点作为近似最优点。应用复合形算法的具体步骤如下(1)初始化选择一个集合Xk,其中k=1,2,...,r;r>n+1;n为优化问题的维数。(2)适应度函数为f;求f(Xg)=min1≤k≤r{f(Xk)},]]>得Xg;f(Xb)=max1≤k≤r{f(Xk)},]]>得Xb;X‾=1r-1(Σk=1rXk-Xb);]]>d=max1≤k≤r{||Xk-X‾||}.]]>(3)若d≤ε,则输出X*=Xg,f*=f(X*)停止。否则做步骤4。(4)求X0=(1+α)X-αXb,f(X0)=f0,若f0<f(Xb)则做步骤5;否则,则做步骤6。(5)若gi(X0)≤0(i=1,2,...,r)则Xb的值用X0代替,并转入步骤2;否则做步骤5.1。(5.1)取η=η0,t=0。(5.2)求X=(1-η)X+ηX0。若gi(X0)≤0(i=1,2,...,r),则做步骤5.3;否则做步骤5.4。(5.3)求f(X),若fi(X)<f(Xb)则Xb用X代替,并转入步骤2;否则转入步骤6。(5.4)令η=η0gη,t=t+1;若t≥N(N为认为设定的一个大数),则转入步骤6;否则转入步骤5.2。(6)求X=(1+δ)X-δXb,若f(X)<f(Xb)则的Xb值用X代替,并转入步骤2;否则做步骤7。(7)令Xk=βXg+(1-β)Xk,(k=1,2,...,r),并转入步骤2。本发明应用优化算法寻找最优解的时候,优化算法主要包括约束函数和适应度函数两个部分,约束函数根据具体优化人为需要给定,如要求指向性均匀度ΔSPL≤6dB等等,而适应度函数的主要部分一般定义为f(V)=1A1×LW‾+A2×1ΔSPL,]]>应用到具体优化算法的时候,根据算法自身的特点稍做改动即可。其中,A1、A2为加权系数,用于人为规定上述两个指标的相对重要程度。比如,设计者对声功率级的要求更高,则加权系数A1取相对较大的值;同样,A2的取值以此类推。具体设计实例和优化结果如下例一选择模式1,设计指标和扬声器阵列相关参数如表1所示表1.设计指标和扬声器阵列相关参数经过算法优化后得到的扬声器阵列的源强分布是优化后阵列的指向性和声功率响应分别如附图4、6所示。在1kHz到20kHz范围内对本例优化得到的阵列进行分析,结果如下按1/3倍频程计算,阵列的平均声功率级为4dB;阵列在各个方向角的辐射声压之间的最大波动ΔSPL不超过6dB。可见,本方法优化得到的阵列的指向性得到明显改进,包括均匀度明显改善并有效消除了指向性图通常存在的明显谷点;同时,阵列的辐射声功率级得到兼顾和控制,而且与没经过优化前相比,优化后的阵列的声功率响应的平坦度得到明显改进。例二选择模式2,设计指标和扬声器阵列相关参数如表2所示表2.设计指标和扬声器阵列相关参数经过算法优化后得到的扬声器阵列的源强分布是优化后阵列的指向性和声功率响应分别如附图8、10所示。在400Hz到8kHz范围内对本例优化得到的阵列进行分析,结果如下按1/3倍频程计算,阵列的平均声功率级为3.8dB;阵列在各个方向角的辐射声压之间的最大波动ΔSPL不超过3dB。可见,本方法优化得到的阵列的指向性得到明显改进,包括均匀度明显改善并有效消除了指向性图通常存在的明显谷点;同时,阵列的辐射声功率级得到兼顾和控制,而且与没经过优化前相比,优化后的阵列的声功率响应的平坦度得到明显改进。例三选择模式1,设计指标和扬声器阵列相关参数如表3所示表3.设计指标和扬声器阵列相关参数经过算法优化后得到的扬声器阵列的源强分布是优化后阵列的指向性和声功率级分别如附图12、14所示。在20Hz到20kHz范围内对本例优化得到的阵列进行分析,结果如下按1/3倍频程计算,阵列的声功率级均值为4.8dB;阵列在各个方向角的辐射声压之间的最大波动ΔSPL不超过1.0dB。可见,本方法优化得到的阵列的指向性得到明显改进,包括均匀度明显改善并有效消除了指向性图通常存在的明显谷点;同时,阵列的辐射声功率级得到兼顾和控制,而且与没经过优化前相比,优化后的阵列的声功率响应的平坦度得到明显改进。例四选择模式3,设计指标和扬声器阵列相关参数如表3所示表4.设计指标和扬声器阵列相关参数<tablesid="table7"num="007"><tablewidth="765">设计指标指向性不均匀度加权系数A1平均声功率级加权系数A2≤8dB0.75≥6dB0.25阵列相关参数优化频段(Hz)单元个数(个)单元间距(米)20~20k70.2</table></tables>经过算法优化后得到的扬声器阵列的源强分布是<tablesid="table8"num="008"><tablewidth="770">单元序号1234567源强比例0.941.001.00-0.13-1.001.00-0.93</table></tables>优化后阵列的指向性和声功率级分别如附图16、18所示。在20Hz到20kHz范围内对本例优化得到的阵列进行分析,结果如下按1/3倍频程计算,阵列的平均声功率级为7.4dB;阵列在各个方向角的辐射声压之间的最大波动ΔSPL不超过4.2dB。可见,本方法优化得到的阵列的指向性得到明显改进,包括均匀度明显改善并有效消除了指向性图通常存在的明显谷点;同时,阵列的辐射声功率级得到兼顾和控制,而且与没经过优化前相比,优化后的阵列的声功率响应的平坦度得到明显改进。例五选择模式1,设计指标和扬声器阵列相关参数如表5所示表5.设计指标和扬声器阵列相关参数<tablesid="table9"num="009"><tablewidth="766">设计指标指向性不均匀度加权系数A1平均声功率级加权系数A2≤6dB0取最大值1阵列相关参数优化频段(Hz)单元个数(个)单元间距(米)20~20k80.1</table></tables>经过算法优化后得到的扬声器阵列的源强分布是<tablesid="table10"num="010"><tablewidth="796">单元序号12345678源强比例-0.80-0.90-1.00-1.000.801.00-1.001.00</table></tables>优化后阵列的指向性和声功率级分别如附图20、22所示。在20Hz到20kHz范围内对本例优化得到的阵列进行分析,结果如下阵列的平均声功率级为8.2dB;阵列在各个方向角的辐射声压之间的最大波动ΔSPL不超过6dB。可见,本方法优化得到的阵列的指向性得到明显改进,包括均匀度明显改善并有效消除了指向性图通常存在的明显谷点;同时,阵列的辐射声功率级得到兼顾和控制,而且与没经过优化前相比,优化后的阵列的声功率响应的平坦度得到明显改进。权利要求1.扬声器阵列的优化方法,采用分配不同声源强度的方法实现扬声器指向性和声功率级的优化,其特征在于分配不同声源强度优化方法根据以下三种使用模式之一模式1给定指向性不均匀度ΔSPL允许的最大值,求使得平均声功率级取最大值的解;模式2给定平均声功率级允许的最小值,求使得指向性不均匀度ΔSPL取最小值的解;模式3同时给定指向性不均匀度ΔSPL允许的最大值和平均声功率级允许的最小值;根据设定的这两个指标的权重,求得使扬声器阵列指向性不均匀度ΔSPL小,平均声功率级大的解;给定阵列的优化频段、组成阵列的单元个数、单元之间间距等参数,然后选择三种模式中的一种,结合优化算法进行优化,寻找出满足设计指标的分配扬声器阵列不同声源强度的最优解,从而得到满足设计指标的扬声器阵列的最佳源强分布;各个扬声器单元馈给不同大小的信号;各个扬声器单元的馈给信号正比于算法优化得到的源强分布,从而达到同时优化扬声器阵列的指向性和声功率级的目的其中,指向性不均匀度ΔSPL和平均声功率级分别定义为ΔSPL=20lg(|R(fi,θ)|max|R(fi,θ)|max);L‾w=10lg=Σi=1KW(fi)K;]]>其中,平均声功率级是声功率响应曲线的平均值(取对数形式);R(f,θ)=Σn-NNVnejklnsinθ]]>为阵列的指向性;为阵列的辐射声功率;N为阵列的单元个数;每个扬声器看成一个独立声源,Vn为第n个声源的源强;ln=nd为第n个声源和参考点之间的距离,参考点一般为阵列辐射面的几何中心;k为波数。fi为阵列优化频段内的频率,W(fi)为在频率fi处的声功率,K为fi的个数;优化算法优化扬声器阵列的步骤如下①.给定阵列的各项优化条件,包括优化频段、组成阵列的单元个数、单元之间间距等参数;②.选择上面三种模式中的一种。③.根据步骤②所选模式,给定相应阵列的设计指标。比如,选择模式1,则需要给出的指向性不均匀度指标;选择模式2,则需要给出平均声功率级指标;选择模式3,则需要同时给出指向性不均匀度指标和平均声功率级指标。④.根据步骤②选定的模式和步骤3给定的设计指标,结合优化算法进行优化,从而寻找出满足设计指标的分配扬声器阵列不同声源强度的最优解(源强分布),从而获得满足设计指标的扬声器阵列的最佳源强分布,各个扬声器单元馈给不同大小的信号;各个扬声器单元的馈给信号正比于算法优化得到的源强分布。2.如权利要求1所述的应用优化算法分配不同声源强度设计扬声器阵列的方法,其特征在于扬声器阵列的单元个数、单元间间距、优化频段等参量作为按需要给出定值进行求解。3.如权利要求1所述的应用优化算法分配不同声源强度设计扬声器阵列的方法,其特征在于本发明有三种使用模式可供选择模式1给定指向性不均匀度ΔSPL允许的最大值,求使得平均声功率级取最大值的解。模式2给定平均声功率级允许的最小值,求使得指向性不均匀度ΔSPL取最小值的解。模式3同时给定指向性不均匀度ΔSPL允许的最大值和平均声功率级允许的最小值,根据预先给定的这两个指标的权重,求得使扬声器阵列指向性不均匀度ΔSPL小,平均声功率级大的解。4.如权利要求1所述的应用优化算法分配不同声源强度设计扬声器阵列的方法,其特征在于优化算法是线性规划、动态规划、整数规划、分枝定界、Johnson法、Palmer法、Gupta法、CDS法、Daunenbring的快速接近法、NEH法、SA、GA、EP、ES、TS、神经网络和混沌搜索、量子进化和模拟退火的混合优化算法、模拟退火和遗传算法的混合优化算法中的一种。5.如权利要求1所述的应用优化算法分配不同声源强度设计扬声器阵列的方法,其特征在于扬声器阵列适用于在等间距排成一条直线,或者较小弧线的扬声器阵列上分配不同的声源强度。6.如权利要求1所述的应用优化算法分配不同声源强度设计扬声器阵列的方法,其特征在于在扬声器阵列上分配不同的声源强度,在长度为N的阵列上,对第n个扬声器单元的信号大小Vn,使Vn正比于由优化算法得到的最优源强分布,N为序列长度,如N等于8、单元间距为0.1米、优化频段为20Hz~20kHz,选择模式1,扬声器阵列设计指标为指向性不均匀度≤6dB,平均声功率级值取最大时,优化算法优化得到的每个扬声器的声源强度分别正比于-0.8,-0.9,-1.0,-1.0,0.8,1.0,-1.0,1.0;再如N等于4、单元间距为0.1米、优化频段为400~8kHz,选择模式2,扬声器阵列设计指标为平均声功率级指标≥3.8dB;指向性不均匀度取最小时,优化算法优化得到的每个扬声器的声源强度分别正比于-0.81,1.00,0.74,0.35;再如N等于7、单元间距为0.2米、优化频段为20-20kHz,选择模式3,指向性不均匀度指标≤8dB,平均声功率级指标≥6dB时,加权系数A1为0.75,加权系数A2为0.25,优化算法优化得到的每个扬声器的声源强度分别正比于0.94,1.00,1.00,-0.13,-1.00,1.00,-0.93。7.应用优化算法分配不同声源强度设计扬声器阵列的装置,其特征是应用优化算法分配不同声源强度设计扬声器阵列的装置,驱动扬声器阵列信号源分别经过符合上述要求的功率放大器件后再驱动扬声器。8.如权利要求1所述的应用优化算法分配不同声源强度设计扬声器阵列的方法,其特征在于在扬声器阵列上分配不同的声源强度,如N等于5;源强比例-0.4,-0.9,0.1.0,-0.4;优化后阵列的指向性和声功率响应在20Hz到20kHz范围内对本例优化得到的阵列进行分析,按1/3倍频程计算,阵列的声功率级均值为4.8dB;阵列在各个方向角的辐射声压之间的最大波动ΔSPL不超过1.0dB;负号表示相位相反。全文摘要一种应用优化算法设计扬声器阵列的方法,采用分配不同声源强度的方法实现扬声器阵列的指向性和声功率级的优化。分配不同声源强度优化方法根据以下三种使用模式之一模式1给定指向性不均匀度ΔSPL允许的最大值,求使得平均声功率级L文档编号H04R3/00GK1929697SQ20061009652公开日2007年3月14日申请日期2006年9月29日优先权日2006年9月29日发明者沈勇,欧达毅,安康申请人:南京大学