首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

如何从声压(Pa)中提取声压级(dB)并绘制它与时间的关系图?

从声压(Pa)中提取声压级(dB)并绘制它与时间的关系图,需要进行以下步骤:

  1. 声压级(dB)的计算公式为:Lp = 20 * log10(P / Pref),其中Lp表示声压级,P表示实际声压,Pref表示参考声压(通常取20微帕,即Pref = 20e-6 Pa)。
  2. 首先,获取声压数据的时间序列和对应的声压值。可以通过传感器、麦克风等设备获取声压数据,并将其存储为时间序列和声压值的对应关系。
  3. 对于每个时间点的声压值,使用上述公式计算对应的声压级。
  4. 将时间序列和计算得到的声压级数据进行绘图。可以使用各种绘图工具或编程语言中的绘图库,如Matplotlib、D3.js等,将时间作为横轴,声压级作为纵轴,绘制出声压级与时间的关系图。

绘制关系图的示例代码(使用Python和Matplotlib库)如下:

代码语言:txt
复制
import matplotlib.pyplot as plt

# 假设已经获取到时间序列和声压级数据
time = [0, 1, 2, 3, 4, 5]  # 时间序列
sound_pressure = [0.1, 0.3, 0.2, 0.5, 0.4, 0.6]  # 声压值(Pa)

# 计算声压级
sound_pressure_level = [20 * math.log10(p / 20e-6) for p in sound_pressure]

# 绘制关系图
plt.plot(time, sound_pressure_level)
plt.xlabel('Time')
plt.ylabel('Sound Pressure Level (dB)')
plt.title('Sound Pressure Level over Time')
plt.grid(True)
plt.show()

在腾讯云的产品中,与声音相关的服务包括音视频处理、语音识别等。具体推荐的产品和链接如下:

  1. 腾讯云音视频处理(https://cloud.tencent.com/product/mps):提供音视频处理、转码、截图、水印等功能,可用于处理声音相关的任务。
  2. 腾讯云语音识别(https://cloud.tencent.com/product/asr):提供语音转文字的功能,可用于将声音转化为文本。

以上是关于如何从声压中提取声压级并绘制与时间的关系图的完善且全面的答案。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

科学瞎想系列之一一一 NVH那些事(14)

如前所述,NVH代表三个方面,即:噪声(Noise)、振动(Vibration)、舒适性或平顺性(Harshness)。振动是NVH的基础和核心,振动产生噪声,而舒适性是振动噪声综合作用的结果,从这个意义上讲,V是N、H之母,其实NVH主要就是说振动和噪声这两件事,这两件事解决了,舒适性(H)自然就解决了。前面讲的重点都是振动(V),说完振动接下来就说说噪声(N)。 说到噪声前面曾有一期瞎想之六十一《说说噪声》,其中对有关噪声的基本概念做了简要介绍,可惜当时还没有写这个NVH系列文章的计划,没有归入这个系列,大家不妨先看看那篇文章里的基础知识,把那篇文章作为NVH噪声部分的一篇吧,如果以后有机会重新编辑出版这些文章,我会把它重新编辑归类。本期我们就接着前面那篇文章往下讲,说说声波及其传播的特点。 1 声波 物体振动会引起其周围介质的振动,因此会将这种振动以波的形式传播到远方,我们称这种波为声波,最原始的那个振动物体称为声源或振动源。声波是一种纵波,也叫疏密波。声波通过空气传播到宝宝们的耳朵里,引起耳膜的振动,宝宝们就会感觉到声音,但并不是所有引起耳膜的振动宝宝们都能感觉到,只有那些频率在20~20000Hz的振动宝宝们能听到,低于这个频段的振动宝宝们是听不到的,我们叫它次声波;高于这个频段的振动宝宝们同样听不到,我们叫它超声波。 2 描述声波的物理量 声波可以用三个物理量来描述,即:声速C、波长λ和频率f。声速表示声波在介质中的传播速度,即单位时间里传播的距离m/s;波长表示一个疏密周期的间距,也就是振动一次的时间周期内传播的距离;频率表示振动的快慢,即每秒钟的振动次数。三者之间的关系是: C=λ•f ⑴ 这里要特别强调一下:声速和质点的振动速度可是两码事,千万不要混淆!声波在介质中的传播速度(声速)C是介质的固有参数,取决于介质的密度ρ和弹性模量E(应力与应变之比),与振动源无关。声速: C=(E/ρ)^½ ⑵ 由⑵式可见,介质的密度越大,声速越慢;介质的弹性模量越大,声速越快。通常由于固体的弹性模量高于液体且远高于气体,因此通常固体中的声速高于液体中的声速,液体中的声速高于气体中的声速。在20℃及标准大气压下,空气中的声速为344 m/s。水中的声速约为1450m/s,钢铁中的声速约为5000m/s。由于声音在钢铁中的传播速度远高于空气,所以宝宝们把耳朵贴在铁轨上听火车的声音往往要比在空气中听要先知道火车的远近。古代作战时也经常采用人耳贴在地上听敌军的马蹄声来预警。 声速是介质的固有特性,介质一定时,声速就是一个常数,由⑴式可知,声速一定时,频率越高,波长就越短,1000Hz的声波在空气中的波长约为344毫米,人类能听到的声波波长范围大概在17mm~17m之间。这一点希望宝宝们能记住,因为后面会讲到,声音的辐射、传播等特性都与波长(或频率)有着密切的关系。 3 声波在传播过程中的衰减 声波在一个均匀介质传播过程中是会衰减的,距离声源越远,声强越小。当声源尺寸远小于波长时,可以把声源看作点声源,此时声波在广阔的空气中以球面传播,声压会随着距声源距离的增大而成反比地减小,声强与距离平方成反比地减小。即:p∝1/r,I∝1/r²(r为观察点到声源的距离;p为声压;I为声强)。这种规律称为反平方衰减律。若已知距离声源1米处的声强级,则该声强级减去10lg(1/r²)或减去20lg(1/r)之后即可求出距离声源r处的声强级,当距离加倍时,声强级减小6dB。这个关系式并没有考虑传播过程中空气对声波的吸收,试验表明,在传播过程中,空气会对声波有吸收,而且对高频的吸收比低频大,因此,高频声波的衰减会比低频声波衰减的快,通常对于1000Hz以下的声波,用这个公式计算还是比较准确的,超过1000Hz就不准确了。在电机噪声测试时,一般取测量点距离电机1米(微电机取0.4米)处测量,这时衰减极微,可以略去。 4 声波的绕射 声波在传播时如果遇到障碍物,是可以绕过障碍物的,这种现象称为绕射。所谓“隔墙有耳”,主要就是因为绕射现象,使得虽然隔着一堵墙,但仍能听到隔壁人的说话。声波绕射有个特点,低频声波波长较长,容易绕射,频率越高波长越短的声波越不容易绕射。因此隔墙偷听男人的声音要比女人的声音可能会更容易些。工作场所经常会用隔板来隔音,由于波长越长的声波越容易绕射,因此要想起到良好的隔音效果,隔板的尺寸应该足够大,一般隔板的尺寸至少要大于波长的2倍才能起到良好的隔音效果,此外还应注意隔板距离噪声源以及听众距离隔板的距离都应不大于一倍的波长,这样才能起到良好的隔音效果。 5 声波的叠加 当两个同频率不同地点的声源发出的声波传播到某点时,如果在该点的两列声波振幅相等、相位相反,那么这两个声波在该点叠加合成的声波振幅为0,当然也就听

02
  • 音视频开发之旅(66) - 音频变速不变调的原理

    音频的原始pcm数据是由 采样率、采样通道数以及位宽而定。常见的音频采样率是44100HZ,即一秒内采样44100次,采样通道数 一般为2, 代表双声道,而位宽一般是16bit 即2个字节。 通过改变采样率进行音频的变速,比如音视频播放器中的 2 倍速,0.5 倍速播放。如果想要实现音频的2.0倍速播放,只需要每隔一个样本点丢一个点,即采样率降低一半。如果想要实现0.5倍速播放,只需要每隔一个样本点插入一个值为0的样本点。就可以了,理想很丰满,但是如果仅仅这样做,带来的不止是速度的变化,声音的音调也发生变化了,比如 周杰伦的声音变成了萝莉音,这是我们不期望的。

    02

    科学瞎想系列之一一二 NVH那些事(15)

    上一期讲了声波的一些传播特性,本期讲一讲声波的起源。众所周知,振动产生噪声,也就是说声波是由振动引起的,那么自然就会提出一个问题——振动和噪声的关系问题。即在介质的某处,若已知质点的振动,如何推算和评估所产生的噪声,或已知某处的噪声如何得知该点的振动。 1 振动与噪声的定量换算 我们知道,描述振动的特征量包括频率、振动位移、振动速度和振动加速度;描述噪声的特征量包括频率、声压、声强和声功率以及反映声音响度的声压级、声强级、声功率级等声级指标,振动作为噪声之母,振动和因之引起的噪声的频率自然就是一样的,这是它们之间的“遗传代码” 是它们的DNA,工程实践中也经常会用噪声的频谱来分析寻找振动源,这个不用换算。这里主要讲的是振动速度、加速度和噪声的声压、声强之间的换算关系,现就平面声波做一介绍。 假设介质中存在一个无穷大平面的振动,我们可以把它看作是一个无穷大平面的活塞在往复运动(振动),其振动的频率为f,振动的位移随时间按正弦规律变化,就会在介质中产生一个平面声波,设声波沿x轴方向传播,其波动方程为: y=Y•sin(ωt-Kx) ⑴ 式中:y为在x处的质点振动位移;Y为振幅;x为质点位置;ω为振动角频率,ω=2πf=2π/T,T为振动的周期;系数K=2π/λ,λ为声波的波长。则声速: C=ω/K=λ•f ⑵ 而振动速度为: y′=Эy/Эt=ω•Y•cos(ωt-Kx) ⑶ 振动速度的幅值: Y′=ω•Y ⑷ 由⑵、⑷式可见,振动速度和声速是两码事,二者不能混淆。振动形成的压强(声压)为: p=-E•ΔV/V=-E•Эy/Эx ⑸ 式中:E为介质的弹性模量,即介质中的应力与应变之比 ,它是材料的固有参数;ΔV/V为介质因受压力的变化而产生的体积变化率,数值上ΔV/V=Эy/Эx。 将⑴式代入⑸式得: p=E•K•Y•cos(ωt-Kx) =Pm•cos(ωt-Kx) ⑹ 式中:Pm=E•K•Y为最大声压。 我们知道,声强为单位面积上的声功率,而功率等于力与速度乘积,即声强等于单位面积上的压力(声压)乘以质点的振动速度,即声强: i=p•y′ =ω•E•K•Y²•cos²(ωt-Kx) ⑺ 平均声强为: I=(1/2)•ω•E•K•Y² =(1/2)•ω•Pm²/(E•K) ⑻ 将声速C=(E/ρ)^(1/2)代入⑻式,得: I=(1/2)•Pm²/(ρ•C) = P²/(ρ•C) ⑼ 式中:P为声压的有效值,即方均根值;ρ为介质的密度;ρ•C为介质的声学特性阻抗,20℃下空气的ρ•C=408 kg/(m²•s)。 综合以上各式,可得无穷大平面声波声强与振动的关系为: I=(1/2)•ω•E•K•Y² =(1/2)•2πf•C•ρ•(2π/λ)•Y² =2ρCπ²f²Y² =816π²f²Y² ⑽ 由⑽式可见,无穷大平面声波的声强与振动速度(f•Y)的平方成正比,由于声强是指单位面积上的声功率,代表了声波传递的能量,这就得出了我们前面所说的,振动速度是反映伴振动的能量。需要特别强调一下,⑽式是基于无穷大平面振动推导得到的振动与噪声的关系,适用于平面型辐射器,例如:当电机的尺寸远大于声波波长时,就可以把电机看作是一个平面型辐射器。对于其它类型的声波辐射器(如中小型电机)不适用,需要进行一定的修正(后续文章会详述),但⑽式是基础,是一个非常重要的公式,希望宝宝们牢记,后面还会经常用到。 这样枯燥的推导可能宝宝们很难直观感受多大的振动能够引起多大的噪声,为此我们举个例子来直观感受一下: 设一个振幅为Y=10^(-10)米、f=1000Hz的振动,则可以引起的声强为: I=816•π²•1000²•10^(-20) =8.05*10^(-11) 瓦/米² 其声强级为: Li=10•lg[8.05*10^(-11)/10^(-12)]=19.05dB。 也就是说当空气的振幅为1/10纳米(相当于分子直径级别的振幅)时,就会产生19.05dB的噪声,人耳可以清晰地听到。对于电机机壳的振动,通常振幅在微米级,假设是1微米吧,如果频率仍然是1000Hz,那么产生的声强为8.05*10^(-3)瓦/米²,对应的声强级可达99dB(A),99分贝是个什么概念啊,大概是在歌舞厅距离音响1米处的噪声,达到了非常吵闹的环境级别,我国环境标准规定在这样的环境中,每天不得超过一刻到半个小时,否则经过二三十年的长期暴露,会严重损伤听觉!由此可见只要频率较高(中频),微小的振动都会引起强烈的噪声。 2 振动和噪声的关系 上面

    02

    科学瞎想系列之一一三 NVH那些事(16)

    【部分来自网络如有侵权敬请邮箱联系。未经许可的媒体平台谢绝图片转载,如需转载或合作请邮件联系。联系邮箱laolicsiem@126.com,】 前面两期讲了声波的传播以及振动与噪声的关系,本期讲电机噪声的辐射,也就是说对于电机的周围环境来讲,电机就是一个噪声源,从这个噪声源是向周围环境是如何辐射噪声的?不同类型噪声的辐射途径和辐射特性是什么? 1 电机噪声的分类及辐射途径 电机噪声按性质分可分为两大类:一是由机壳表面振动而产生的噪声,我们称之为结构噪声;另一类是空气湍流产生的噪声,我们称之为空气动力学噪声。 按噪声源分可分为三类:一是电磁激振力产生的噪声,我们称之为电磁噪声,即由气隙磁场谐波产生的径向力波和切向力波,经电机的机械结构传递到电机的外壳,进而对周围空气辐射噪声;二是机械激振力产生的噪声,我们称之为机械噪声,包括轴承、转子动平衡、对中等方面的因素引起的激振力产生的噪声,同样经电机机械结构传递到电机的外壳,再由外壳对外辐射,由于上述两种噪声都是由电机结构振动引起,并通过电机结构传递到外壳,因此它们都属于结构噪声;三是空气噪声,是电机内部的冷却空气在风扇、风道等通风系统中流动产生湍流,从而产生噪声。 如果电机是全封闭的,机壳外面没有风扇,那么,空气噪声只限于机壳内部,对外的辐射较小,可以忽略,但如果是开启式的电机或电机有外风机时,则空气噪声就不能再忽略,特别是有外风机的电机,风机产生的空气噪声会占主要成分,甚至会“淹没”电机本体的其它噪声。 2 结构噪声的辐射 如前所述,结构噪声首先是通过电机结构将振动从激振源传递到电机外壳,再由外壳辐射到周围空气中。前面的瞎想已经讲过了根据激振力和电机的固有结构参数如何计算出机壳的振动,上一期瞎想也讲了由外壳振动如何演变到分界面上的噪声,但这种推演是基于平面声波辐射的情况,当电机的尺寸远大于声波波长时,就可以把声源看作是一个平面辐射声源,就可以用前面的方法计算声波的辐射,即前述的方法仅适用于大中型电机辐射中高频声波的情况。 实际上,电机对外辐射的结构噪声不仅与机壳的振动强度有关,还与声源的尺寸、声波的波长(频率)、辐射表面的波节线分布(振动的空间阶次)等因素有关。如果声波的波长大于噪声源的尺寸时,那么随着声源尺寸的增大,辐射的声强也会随之增大,因此对于小尺寸电机,辐射高频声波的条件比辐射低频声波的条件为佳。如果电机的尺寸足够大,那么辐射的声强与频率关系不大,也就是说,大电机辐射的频带比较宽,对高频和低频均有良好的辐射效果。除此之外,机壳表面的辐射还与振动的阶次有关,当表面的振动幅值和相位都相同时,这种振动表面就称为0阶辐射器。如果表面的振动相位和幅值不相同,就会出现波节,这种情况称为高阶辐射器。振幅相同时,高阶辐射的能量要比0阶辐射能量小,这是由于具有不同振动相位的两个相邻部分的表面上产生的声压,具有一定程度的相互抵消,从而减弱了离机壳表面某一距离点处的声压,辐射的波长与电机尺寸之比越大,这种抵消作用越明显,因此对封闭式电机,其它条件相同的情况下,高阶振动产生的声强比0阶和低阶振动产生的声强要小。振动的球体是一个理想的0阶辐射器,而对于电机,则既是一个0阶辐射器又是一个高阶辐射器。 以上都是定性讲了电机结构噪声的某些辐射特性,仅有这些显然不能对电机噪声进行定量计算,接下来我们就讲一讲电机结构噪声的定量计算。 2.1 平面辐射器的辐射声强 当电机的尺寸远大于辐射声波的波长时,如:πD/λ>5(D=2R为机壳外径,R为机壳半径)时,可以把电机看作平面辐射器,如前所述,平面辐射器的表面辐射声强为: Ip=(1/2)•ρCω²Y² =2ρCπ²f²Y² ⑴ 式中:ρ为介质的密度;C为声速;f为振动频率;ω为振动角频率;Y为振幅。对于空气ρC=408kg/(m²•s)。对于大型电机,当已知电机外表面的振动参数后,就可以按照⑴式进行声强的计算了。再次强调,平面辐射器只适用于大中型电机对中高频声波的辐射,当电机的尺寸与声波的波长相近或小于波长时就不再适用⑴式计算了,需要进行修正,但⑴式作为平面辐射声强的计算公式,是计算其它辐射器的基础,其它辐射器的辐射声强都是在⑴式基础上打一个折扣来修正的。 2.2 球形辐射器的辐射声强 当电机的长径比近似为1时,可把电机看作是球形辐射器,球形辐射器的辐射声强就是在⑴式的基础上打一个折扣系数Ib*,即: Ib=Ip•Ib* =(1/2)•ρCω²Y²•Ib* =2ρCπ²f²Y²•Ib* ⑵ 电机机壳辐射的声功率为: W=Ib•(2πRL) =2ρCπ²f²Y²•(2πRL)•Ib* ⑶ 式中:R为定子外壳半径;L为机壳长度。其中所打的折扣系数称为球形辐射器的相对辐射声

    01

    基于深度卷积神经网络的图像超分辨率重建(SRCNN)学习笔记

    目前,单幅图像的超分辨率重建大多都是基于样本学习的,如稀疏编码就是典型的方法之一。这种方法一般先对图像进行特征提取,然后编码成一个低分辨率字典,稀疏系数传到高分辨率字典中重建高分辨率部分,然后将这些部分汇聚作为输出。以往的SR方法都关注学习和优化字典或者建立模型,很少去优化或者考虑统一的优化框架。 为了解决上述问题,本文中提出了一种深度卷积神经网络(SRCNN),即一种LR到HR的端对端映射,具有如下性质: ①结构简单,与其他现有方法相比具有优越的正确性,对比结果如下: ②滤波器和层的数量适中,即使在CPU上运行速度也比较快,因为它是一个前馈网络,而且在使用时不用管优化问题; ③实验证明,该网络的复原质量可以在大的数据集或者大的模型中进一步提高。 本文的主要贡献: (1)我们提出了一个卷积神经网络用于图像超分辨率重建,这个网络直接学习LR到HR图像之间端对端映射,几乎没有优化后的前后期处理。 (2)将深度学习的SR方法与基于传统的稀疏编码相结合,为网络结构的设计提供指导。 (3)深度学习在超分辨率问题上能取得较好的质量和速度。 图1展示了本文中的方法与其他方法的对比结果:

    02

    追踪任务期间fMRI功能连接的空间动态

    功能磁共振成像(fMRI)测量的功能连通性(FC)为探索大脑组织提供了一个强有力的工具。脑组织的时间动力学研究表明,功能连接体具有很大的时间变异性,这可能与心理状态的转变和/或适应过程有关。大多数动态研究,如功能连接体和功能网络连接(FNC),都关注于宏观的FC变化,即不同脑网络来源、节点和/或感兴趣区域的时间相干性变化,其中假设在网络或节点内FC是静态的。在本文中,我们发展了一种新的方法来检查FC的空间动力学,而不假设其网络内的平稳性。我们将我们的方法应用于22名受试者的听觉oddball任务(AOD)中的fMRI数据,试图通过评估空间连通性是否随任务条件而变化来捕获/验证该方法。结果表明,除了参与传统的时间动态,如跨网络变异性或动态功能网络连通性(dFNC),连接网络还表现出随时间的空间变异性。此外,我们还通过聚类分析评估个体对AOD任务中目标(oddball)检测的功能对应关系,研究了FC的空间动态与认知过程的关系。提取认知任务对应状态,并分离对应状态的动态FC空间图。在不同的任务引导的状态下,任务刺激同步状态随着默认模式网络(defaultmode network, DMN)与认知注意网络强的负相关关系显著降低。我们还观察到越来越多的任务异步状态,这种状态表现出没有DMN的反相关。研究结果强调了认知任务对观察到的空间动态结构的影响。我们还发现,我们方法得到的FC空间动态模式与宏观dFNC模式基本一致,但在空间上有更多的细节和规范,同时源内部的连通性提供了新的信息,并随时间而变化。总的来说,我们证明了(通常被忽视的)连接的空间动力学存在的证据,它与任务的联系和认知/心理状态的暗示。

    03
    领券