在工业生产与环保监测中，噪声一旦超标，意味着合规风险或投诉纠纷。此时，你需要一台能提供“可信、可追溯、可分析数据”的专业声级计。 面对几百元到数万元的差价和繁杂参数，怎么选才不踩坑？我们将复杂的选型提炼为“四步决策法”，助您快速找到预算与需求的平衡点。 第一步：明确“用途”——数据需不需要对外负责？ 这是选型的第一道分水岭，直接决定了设备的“精度等级”。 场景A：数据需“对外负责” 典型情况：环保执法、第三方检测、实验室研发、法律仲裁。 必须选择：1级声级计（Class 1）。 关键原因：1级与2级的区别远不止于读数误差。更核心的是频率响应范围的不同： 1级设备（如 CRY2851）：通常覆盖 10 Hz – 20 kHz 的宽频带，能够准确捕捉极低频振动与极高频噪声，完全满足IEC 61672-1:2013 Class 1等严苛标准。 2级设备：频率范围通常较窄（如20 Hz – 8 kHz），在高频或低频端可能存在衰减，不适用于要求严格的计量或认证场景。 场景B：仅用于“内部管理” 典型情况：车间巡检、设备点检、社区普查、内部工艺对比。 推荐选择：2级声级计（Class 2）。 核心优势：在满足绝大多数工业与环境噪声测量需求的前提下，是内部管控的理想选择。 第二步：厘清“指标”——你要测量什么？ 选错指标，数据毫无价值。请重点关注以下两点： 频率计权（A, C, Z）：该用哪一个？ A计权（最常用）：模拟人耳对声音的响应特性（对低频不敏感）。环境噪声评价、职业健康评估（如85 dB(A)限值）必须使用A计权。 C计权：对低频衰减较少，能更真实地反映声音的总能量。常用于测量机械噪声、冲击声、娱乐场所噪声等包含丰富低频成分的声源。 Z计权（零计权）：在整个频率范围内保持平坦响应，不做任何衰减。当你需要进行频谱分析、声源定位或深入研究噪声成分时，必须使用Z计权来保留原始信号。 要“瞬时值”还是“统计值”？ 快速查看现场状况：关注 Lp（瞬时声压级） 和 Lmax（最大声级） 即可。 进行科学评估或出具报告：必须具备Leq（等效连续声级）。这是评价一段时间内噪声能量的核心指标。专业设备（如 CRY2850/2851）均标配积分功能，可自动计算 Leq。 图1. 软件界面示意图 第三步：确认是否需要“分析”——要找到噪声源吗？ 这是“普通噪声计”和“专业声级计”的分水岭。只看总值（如 85dB）只能知道“这里吵”；看到频谱才能知道“哪里吵”。 何时需要频谱分析（1/1倍频程、1/3倍频程或FFT）？ ①做治理：判断噪声是来自风扇（气动噪声）还是电机（电磁噪声）。 ②做研发：对比竞品或迭代产品的声品质差异。 ③做诊断：区分轴承高频啸叫与结构低频共振。 选型建议：以 CRY2851 为例，它同时支持 OCT分析和 FFT分析。如果您的目的是“解决问题”而非单纯“记录数值”，请务必选择具备频谱功能的设备。 图2. 测试场景示意 第四步：规划测量的“模式”——是单次测量还是长期监测？ 很多项目失败是因为“测得准，但不好用”。 动态范围：告别“手动换挡”的烦恼         老式设备需手动切换量程，易误操作。现代声级计（如 CRY2851）具备>120 dB宽动态范围，从耳语到轰鸣无需换挡，一次测量全程覆盖，防误操、效率高 。 数据导出：确保数据“拿得走、用得起来”         确认设备支持将数据自动存储至SD卡或内部存储器，并能以通用格式（如CSV）导出。避免陷入“测得出却抄不完”的手工记录困境。 远程监测能力（户外/长期监测必选项）         针对工地、交通、园区等长期监测场景，设备必须具备： 通讯功能（网口/串口），实现数据远程实时回传与设备状态监控。 户外防护（如搭配 NA41户外防护套件，IP65防护等级），抵御风雨粉尘，否则设备极易损坏。 场景化选型速查表 为帮助您快速决策，我们基于上述四步法，总结了三种典型应用方案： 方案类型A. 合规优先型B. 实用高效型C. 智能监测型典型场景环保执法、第三方检测、实验室研发工厂EHS巡检、设备点检、内部管控建筑工地、交通干线、园区无人值守核心诉求法律效力 > 成本操作效率 > 极致精度7×24小时稳定运行与远程运维推荐等级推荐1级 (Class 1)推荐2级 (Class 2)1级或2级 + 户外防护套件关键功能A/C/Z计权，倍频程分析积分测量，数据导出自动存储，宽温工作参考型号CRY2851/CRY2833CRY2850/CRY2834CRY系列 + NA41套件 图3. 手持测量示意 避坑清单：最后检查这 5 点 1. 看标准：确认符合 IEC 61672-1:2013 最新标准。 2. 看带宽：即使是2级表，也要确认频率范围覆盖了你的主要噪声源，避免漏测。 3. 看校准：买1级声级计必须配1级声校准器（如 CRY563A），否则系统精度降级。 4. 看量程：优选“宽动态范围”或“自动量程”设备，拒绝手动换挡。 5. 看配件：户外使用必配防风罩和防护箱。 写在最后：专业的选择，源于专业的支持 声级计选型，本质上是在做“风险与成本”的平衡题。 如果您对“1级还是2级”或“是否需要频谱”仍有疑虑，CRYSOUND愿为您提供全生命周期的支持： 售前：我们的应用工程师提供一对一场景化咨询，帮您精准匹配，不花冤枉钱。 售后：提供从校准、培训到长期技术支持的全套服务，确保证据链完整。 与其独自纠结参数，不如联系我们，获取一份为您量身定制的配置方案。

本文面向从事声学与振动测试的工程师，介绍如何基于 ISO 532 响度标准和 ECMA-74 音调评价方法，在 OpenTest 中完成声品质测试。通过对 响度（Loudness）、尖锐度（Sharpness） 和 音调突出度（Prominence） 三大心理声学指标的测量与对比，帮助消费电子、汽车 NVH、家电等产品团队，把“好不好听”的主观感受转化为可量化的工程数据，并在统一平台上完成从数据采集、结果分析到报告输出的标准化声品质测试流程。 声品质测量的重要性 在传统噪声测试里，我们习惯用 dB 值来描述一台设备“响不响”。但越来越多的研究和实际项目都在提醒工程师：“响度”只是故事的一小部分。在汽车 NVH、家电、IT 设备、消费电子等场景中，用户对产品声音的接受度，往往更多取决于它好不好听、刺不刺耳、累不累人，而不仅仅是声压级高低。 企业调研也显示，大多数制造企业已经把“声音好不好听”视为与“够不够安静”同样重要的指标，并且在产品设计的早期阶段就开始关注声品质；在同样声级下，糟糕的声品质会显著拉低整体产品满意度。 这正是 声品质（Sound Quality）存在的意义——通过响度、尖锐度、音调突出度等一系列心理声学指标，把“尖”“闷”“刺耳”“顺滑”这些主观感受转化为可量化、可比较、可追溯的数据，让工程团队在噪声控制之外，真正面向“听感体验”来设计和优化产品声音。 声品质测量的关键指标 在工程实践中，声品质并不是一个单一数字，而是一组心理声学量的组合，常用的一些指标包括：响度、尖锐度、粗糙度、波动强度、突出度等。 图1 声品质测量的关键指标 响度 Loudness（ISO 532-1） 响度（Loudness）/ 响度级（Loudness Level） 用来描述人耳主观“有多响”，而不是简单的声压级（dB）。国际上广泛采用 ISO 532-1:2017 中基于 Zwicker 方法的响度计算模型，可以处理稳态与时变声源，在技术噪声场景中与主观听感吻合度较高。 在工程上，响度相对于 A 计权声级的典型优势是： 已考虑人耳对不同频段灵敏度的变化（中高频更敏感） 同样的 dB 值下，响度往往更能反映“觉得吵不吵” 尖锐度 Sharpness（DIN 45692） 尖锐度（Sharpness） 反映声音“尖不尖、利不利”。当高频成分占比相对更大时，人们往往会觉得声音更“锐”、“刺耳”。其测量方法在 DIN 45692:2009 中进行了标准化，通常基于响度模型和Bark频带加权实现，输出的特定响度分布，对高频成分进行加权积分后得到尖锐度（单位 acum）。 在风扇、压缩机、电驱啸叫等场景中，降低尖锐度往往比单纯“压 dB”更能改善主观舒适度。 粗糙度 Roughness（asper） 粗糙度（Roughness）对应 约 15–300 Hz 这一频段的快速振幅调制带来的“沙沙的、发抖的”听感，比如某些逆变器啸叫、齿轮啸叫中那种“抖动感”。 单位为 asper 经典定义中：1 asper 对应 1 kHz、60 dB 的纯音，以约 70 Hz 的调制频率、100% 调制度做幅度调制时产生的粗糙感 调制越深、调制频率落在敏感区（约 70 Hz）附近时，粗糙度越高 工程上，粗糙度常用来描述“声音听起来在抖 / 在刮”的程度，对电驱系统、齿轮箱、压缩机等技术噪声的主观评价非常敏感。 波动强度 Fluctuation Strength（vacil） 波动强度（Fluctuation Strength）反映的是更慢的振幅起伏——大致 0.5–20 Hz 范围内的调制带来的“忽大忽小、呼吸感”，峰值敏感通常在 约 4 Hz。 单位为 vacil 1 vacil 通常定义为：1 kHz、60 dB 的纯音，以 4 Hz、100% 调制度进行幅度调制时产生的波动感 在车内怠速“呼吸声”、风机周期性“忽大忽小”的噪声中，波动强度是很关键的描述量 粗糙度和波动强度可以看成是同一类“调制感”的两个侧面： 波动强度：慢调制（几 Hz），偏“忽大忽小、喘气感” 粗糙度：快调制（几十 Hz），偏“发抖、沙沙、毛刺感” 突出度 Prominence（ECMA-74） 很多设备在整体声级并不算高时，却会因为某一两个窄带音调而变得格外“扎耳朵”——这常用 音调感 / 突出度（Tonality / Prominence） 来定量。 在 IT 设备和信息技术产品噪声领域，ECMA-74 提供了基于 Tone-to-Noise Ratio（TNR） 和 Prominence Ratio（PR） 的音调突出度计算方法，用于识别谱线中是否存在“显著音调”。 这些指标最早起源于心理声学研究，如今已广泛用于汽车、航空、家电、IT 设备等领域，用来预测和优化噪声“恼人度（annoyance）”。例如有研究表明，在控制响度的前提下，尖锐度、音调感和波动强度 是预测直升机噪声烦扰度的重要因素之一。 为什么声品质比“只看 dB”更有用？ 在很多项目里，你可能已经遇到过类似困惑： 两个风扇方案声功率差不多，但一个听起来“顺”，一个有明显“啸叫感” 降噪后总声级下降了几 dB，但用户主观评价却没有明显改善 产线判定只看 A 计权声级，有些“难听”的异常件仍然漏检 原因在于： 声压级 / 声功率 = “量有多大” 声品质指标 = “人耳觉得怎样” 通过响度、尖锐度、粗糙度等指标，你可以把“用户说不舒服”的模糊抱怨，拆解成： 哪个频段能量过多（导致尖锐度高） 是否存在强调制成分（导致粗糙度或波动强度高） 是否有突出的纯音成分（导致音调感高） 在工程迭代中，这些指标可以直接与结构优化、控制策略（如 PWM 频率调整、风扇策略切换）、材料和隔声方案对应起来，从而形成更明确的改进方向。 在 OpenTest 中做声品质分析 OpenTest 作为面向声学与振动测试的平台，支持声品质测量从 采集 → 分析 → 报告 的完整闭环。联系我们 获取OpenTest的demo演示。 测试对象示例：一台办公电脑的风扇噪声 为了让您更好的理解测试过程，我们使用手边非常易得的办公电脑作为测试对象。 测试目标：在不同工况下评估其风扇噪声的声品质指标，用于： 对比不同散热方案、风扇策略的主观噪声表现 为 NVH 评审提供量化依据（例如：响度是否超出目标、尖锐度是否过高） 为后续声品质优化（如抑制啸叫频率、平滑转速切换）提供基础数据 测试环境可以是： 半消声室 / 低噪声实验室（推荐），或 安静办公环境下的对比测量（用于开发早期快速评估） 测量系统：SonoDAQ + OpenTest 声品质模块 硬件上，采用 CRYSOUND SonoDAQ 多通道采集设备（更多型号资料请 联系我们 获取），搭配一只或多只测量级麦克风，按测量要求布置在电脑风扇近场或听音位置。 图2 SonoDAQ Pro 多通道数据采集系统 当然，OpenTest 支持通过 openDAQ、ASIO、WASAPI 等多种主流音频协议接入，您也可以使用已有的数据采集设备或声卡进行测量。 在软件层面，OpenTest 的 声品质 功能作为测量模块之一，与 FFT 分析、倍频程分析、声级分析等功能协同工作，可满足常规音频与振动测试的应用需求。 配置测量参数 在 OpenTest 中新建工程后： 通道配置与校准 在 通道设置 中勾选将要使用的麦克风通道，设置灵敏度、采样率、频率计权等参数 使用声校准器（如 1 kHz、94 dB SPL）对测量麦克风进行校准，确保响度等指标有可靠的绝对参考 切换到「测量 > 声品质」模块 选择要计算的指标：响度、尖锐度、突出度 设置分析带宽、频率分辨率与时间平均方式等参数 可根据项目需求配置测试时长、记录工况标签等 这一步的本质，是把 ISO 532、DIN 45692、ECMA-74 等标准里的“计算口径”落地成一个可复用的 OpenTest 场景模板。 采集不同工况下的声数据 测试环境搭建完毕且参数配置完成后，点击 开始测试 按钮，测量不同工况下的声品质数据。不同测试记录会自动保存，方便测试完成后的分析。 声品质关注的是“人在实际使用过程中的听感”，因此建议按典型工况采集多条记录，例如： 空闲 / 待机（风扇低速或关闭） 典型办公负载（文档、多标签浏览等） 高负载 / 压力测试（CPU/GPU 满载运行） 通过这样的拆分，工程师可以非常直观地管理：“每一条声品质结果，背后对应哪一次工况采集”。 图3 叠加查看多次声品质测试记录 从多次测量到一份声品质报告 完成多个工况（例如空闲、典型办公、满载压力测试）后，可以在 OpenTest 中： 在 数据集列表 中勾选需要对比的记录，叠加查看： 不同工况下响度曲线的差异 尖锐度在加速 / 转速切换时是否出现尖峰 哪些工况下出现了突出度显著升高的窄带音调 在 数据选择器 里，保存对应的波形和分析结果： 导出 .wav 用于后续听感评审或主观听音测试 导出 .csv / Excel 用于进一步统计或建模分析 点击功能栏中的 报告（Report）： 填写项目、被测设备和工况信息 选择要纳入报告的声品质指标与图表（例如：响度随时间、尖锐度柱状对比、突出度标记的频谱图等） 一键导出声品质报告，用于内部评审或向客户提交 图4 声品质报告 这样生成的报告中，将同时包含测量条件与工况说明、响度、尖锐度、突出度等关键声品质指标，以及声压级、1/3 倍频程谱、声功率等传统声学指标的对照，便于项目团队围绕同一套既客观又与主观听感相关的指标展开讨论。 典型应用场景 你可以在 OpenTest 中为不同业务搭建各自的声品质场景，例如： 消费电子 / IT 设备（笔记本、路由器、风扇等） 用响度 + 尖锐度 + 粗糙度评估不同散热方案的“主观舒适度” 对比不同转速曲线或 PWM 频率下的声品质表现 汽车 NVH / 电驱系统 利用多通道采集同步记录车内噪声和转速信号 结合阶次分析与声品质指标，看“电驱啸叫”在乘客耳中到底有多尖、是否存在明显调制导致粗糙感 家电与工业设备 在声功率符合标准的前提下，进一步用声品质指标筛查“恼人噪声”，避免仅靠 dB 的单一优化 如果你正在搭建或升级声品质测试能力，可以考虑以 ISO 532 与 ECMA-74 为骨架，用 OpenTest 把环境、采集、分析和报告串成一条可重复的链路，让每一次声品质测试都清晰可追溯，也更容易从“单次试验”沉淀成“工程资产”。 欢迎 联系我们，预约 OpenTest 声品质模块的演示与试用权限；也可以访问 OpenTest 官网 www.opentest.com 了解更多功能详情和应用案例。

测量传声器用于声学计量、型式试验与工程测试。与一般拾音用途不同，测量场景更关注量值的一致性与可追溯性：同一支传声器在不同时间复测时输出应保持稳定，同批产品之间差异应足够小，不同批次的性能波动应可控。 在这类应用中，制造过程中的微小污染往往不会立即造成“失效”，但可能以自噪声升高、频率响应细微偏移、绝缘泄漏变化或长期漂移的形式累积，从而增加测量不确定度与复校成本。因此，针对关键部件装配与封装工序，在受控洁净环境（无尘室）内完成，是测量级传声器实现稳定性能与批量一致性的常见工程做法。 无尘生产 1. 关键结构与测量级要求 以电容式测量传声器为例，其核心由振膜、背板、极小间隙以及声学通道等构成。这些结构的尺寸和表面状态对灵敏度、频率响应、相位特性与自噪声具有直接影响。 测量级传声器通常需要满足标准化的几何与电声要求，并支持可追溯的校准链路。例如 IEC 61094 系列标准给出了测量传声器的规格与校准相关要求，用于保证其作为计量与传递标准时具备可比性与一致性。 2. 污染对性能的影响机制 污染通常分为两类：一类是颗粒污染（灰尘、纤维、皮屑、金属屑等），另一类是分子污染（油雾、挥发性有机物残留、清洁剂残留等）。对测量传声器而言，两者都可能改变振膜运动边界条件、声学阻尼或电学绝缘状态。 2.1 颗粒污染：自噪声、非线性与响应偏差 颗粒进入关键间隙或附着在振膜周边后，可能引入局部摩擦与阻尼变化，使自噪声上升、低电平测量的有效动态范围缩小。在更极端的情况下，颗粒还可能导致间歇性接触或运动受限，从而带来非线性失真与可重复性变差。 传声器 2.2 分子污染：绝缘与电荷稳定性的变化 分子污染往往表现为表面薄膜沉积。该薄膜可能改变绝缘部件的表面电阻，引起泄漏电流变化，进而影响等效极化条件与低频稳定性，并可能抬升电学噪声。对需要长期稳定的测量链路而言，分子污染造成的问题更隐蔽，通常以缓慢漂移的方式体现。 2.3 吸湿迁移与批量离散：长期稳定性与一致性 部分污染物具有吸湿性或迁移性。在温湿度循环与时间老化条件下，其分布与表面状态可能持续变化，导致灵敏度与频响缓慢漂移。同时，污染事件本身具有随机性：颗粒落入位置与数量难以复现，会放大批内离散并带来良率波动，从而增加系统级标定与一致性控制的工作量。 3. 无尘室的工程意义：把“污染风险”纳入过程控制 无尘室用于将颗粒与分子污染控制在可验证范围，并稳定温度、湿度与压差等环境参数。洁净室分级通常参考 ISO 14644-1，以空气颗粒浓度为主要指标。对测量传声器而言，关键在于把装配、封装与包装环节的污染风险纳入过程控制： 关键装配与封装在低颗粒环境完成，降低随机落尘与纤维污染概率; 控制温湿度、压差并进行静电管理，减少吸附与二次沉积带来的风险; 人员与物料进入、工装维护按流程执行；包装阶段保持洁净，确保出厂状态稳定。 以 CRYSOUND 为例，测量传声器的关键装配与封装工序在千级洁净室内完成；按 ISO 14644-1 的空气洁净度等级划分，该洁净室对应 ISO Class 6，用于在量产过程中降低颗粒污染风险并保持过程条件稳定。 无尘室 4. 无尘室与校准：互补而非替代 无尘室控制的是制造过程中的污染变量，用于降低性能离散与漂移风险；校准用于建立量值溯源关系，给出传声器在规定条件下的灵敏度等参数。洁净生产不能替代校准，但可提高复测一致性，并降低漂移对校准周期与不确定度的影响。 无尘生产 5. 对应用端的直接价值 污染变量受控后，产品自噪声水平与响应特性更稳定，批量差异更易管理。在多通道系统、声像测量与生产线一致性监控等场景下，传感器可互换性更容易实现，同时也便于制定更合理的复校与复检策略。 洁净受控环境为测量传声器关键工序提供稳定的污染控制条件，有助于降低自噪声、响应偏差与长期漂移风险。结合标准化设计、过程检测与可追溯校准，才能在全生命周期内维持可靠的测量结果。 如需进一步了解传声器功能及测量解决方案，欢迎访问我们的网站；如果您希望与CRYSOUND团队直接交流，请填写联系表单。

在正式地进行数据采集前，至关重要的一步是连接数据采集前端与PC，通常工程里主要有这几种方式：USB 外置直连、Wi-Fi 无线连接、以太网、PXIe 等。 本文将从这四种常见连接方式的区别、优势点、局限性几个维度，展开进行介绍，帮助用户对数据采集有更深层次的了解。 一、以太网连接 以太网连接是指采集前端通过网口进入局域网，PC 通过IP网络访问前端。它典型的数据链路如下： 传感器→前端采样→ 以太网传输（TCP/UDP 等）→PC/服务器存储与处理，这种部署拓扑从简单到复杂都很常见，比如： 前端 ↔ PC 直连（点对点） 多前端 → 交换机 → PC/服务器（分布式） 以太网连接的优点： 拓扑灵活：单点、多点、分布式都能组织起来； 距离与布线从容：网线/光纤在跨房间、跨楼层、跨区域布点上更舒服，工程上也更容易规范化走线； 网络基础设施成熟、可维护性强：交换机、网线、模块、光纤、机柜配套非常成熟；出现问题时也更容易定位; 以太网连接的局限性： 网络环境会引入不确定性，拓扑、交换机能力、端口拥塞、广播风暴、链路错误都可能导致体验波动； 多设备/多节点时，对网络规划要求上升，包括 IP 地址规划、网段划分、是否需要 DHCP、是否跨网段路由、交换机级联层数等。节点一多，不规划就容易乱。 网线质量、屏蔽接地、走线靠近强电、端口接触不良、交换机电源波动，都可能表现为丢包/重传/速率协商异常 对于工程师来说，以太网连接的使用体验很直接：在试验场地里往往只需要一根网线，就能把数据采集前端和PC快速连起来，参数配置、开始/停止采集、实时查看与存盘都能顺畅完成；当测试距离拉长时，可以通过增加网线长度，或在更远距离下采用光纤链路，把数据稳定传回到电脑侧；在跨楼层、跨房间甚至噪声/安全限制较多的现场，工程师也不必近距离待在试验区域，通过网络在办公室或控制室就能完成采集与监控。当然，网线太长也是一件让人苦恼的事情。 SonoDAQ Pro标配了两个千兆网口（GLAN，菊花链级联，支持90W PoE++供电），且还配备了具备千兆带宽的USB-C口，给用户更加灵活的网口连接方式。 二、Wi-Fi连接 Wi-Fi 无线数据采集指采集节点通过无线网络与 PC 或局域网通信。和“网线换成无线”不同的是，Wi-Fi 采集系统通常会有两种典型工作方式： 实时回传型：采样后实时通过 Wi-Fi 把数据传到 PC； 本地缓存/存储型：数据先在采集端缓存或存储，Wi-Fi 主要用于控制、预览、回传片段或任务结束后导出。 组网方式也常见两类： 数据采前端接入现场 AP（STA 模式）； PC开启热点，数据采集前端连接热点。 总之，需要数据采集前端有连接Wi-Fi能力，其次需要与PC处在同一个局域网中。 Wi-Fi连接的优点： 免布线：无法走线/不允许走线时，DAQ直接放在采集点的近端，工程师直接通过Wi-Fi控制DAQ进行数据采集； 灵活数据采集：通过将DAQ IP映射至公网，PC通过IP地址访问DAQ，从而进行超远距离的数据采集控制。 Wi-Fi连接的局限： 连续大数据量传输不确定：无线链路可用带宽随时变化，长时间连续采集更容易暴露丢包/重传/缓存溢出等问题，数据越大、越“拉满”越明显； 稳定性受环境影响大：多径反射、同频干扰、AP并发/拥塞、设备移动导致信号路径变化，都会带来吞吐波动、时延/抖动增大，表现为实时曲线卡顿、偶发掉线或重连。 在实际的工程应用中，Wi-Fi 连接常出现在不方便或不允许布线的测试任务中，或者有远程/异地数据采集的需求，而不方便部署网线的情况。工程师可在电脑端远程配置参数、启动/停止采集、查看关键指标或抽取关键片段；如果数据量较大或需要长时间记录，通常会配合前端的缓存/本地存储，让 Wi-Fi 负责“看得见、控得住、回得来”，而数据完整性由数据采集前端兜底。 三、USB连接 USB 数据采集设备通常指：采样发生在外置前端（前端内置ADC/调理/时钟等），PC 负责参数配置、显示分析和数据存储，USB 负责把数据“搬进电脑”。系统关系一般是PC 作为 USB Host，采集前端作为 USB Device。 USB连接的优点： 部署门槛低、上手快，不用配 IP、不依赖网络环境，插上设备、装好驱动/软件基本就能开始采集； 便携性强，外置盒子+笔记本的组合很常见，适合外场、客户现场、临时布点等需要“带着走”的任务； USB 接口普及度高，线材、转接、固定夹具、扩展坞等配套好找； USB连接的局限： 扩展性通常不如网络/平台型方案自然，当系统从“单前端”扩到“多前端、多点位协同”，USB 的布线、管理与同步方式会更依赖具体实现； 同一 USB 控制器下挂多个高吞吐设备（采集前端、外置 SSD、摄像头等）时，可能出现吞吐波动、缓冲告警、偶发卡顿。 不同电脑的 USB 控制器、驱动栈、系统负载、电源管理策略不同，同一设备在不同主机上可能表现差异明显。 常见的 USB 采集前端多为便携式外置设备，这类设备通常集成较完整的通用测量接口，例如模拟量输入/输出、数字 IO、计数器/编码器等，通过一根 USB 线即可完成与 PC 的连接与控制，实现数据采集、显示与存储。它在外场/客户现场的临时测量、研发阶段的快速验证与调试、小通道短时间测试等方面应用广泛。 四、PXIe连接 PXIe 是“机箱 + 背板 + 模块”的平台形态。采集/仪器模块插在机箱内，通过背板互联；机箱再通过控制器或外部链路与 PC 工作站协同。它与“单个外置采集盒”的差别在于：平台化、模块化、系统级组合能力更强。 如果机箱内部插入一个PXIe Controller，那么它自己就是一台主机，可以独立完成采集工作。 当没有插 PXIe Controller 时，PXIe 机箱一般不是用普通网口直接连PC，而是用一条“把 PCIe 总线延长出来”的远程控制链路，让外部 PC 像插了本机 PCIe 设备一样识别机箱里的模块。工程里最常见的连接方式有两种：MXI-Express（PC 端插一张主机接口卡，机箱端插远程控制模块，用专用线缆连接）和 Thunderbolt。 典型的数据链路如下： 传感器 → PXIe 模块采样/处理 → 机箱背板 → 控制器/链路 → PC/存储 PXIe连接的优点： 机箱里按需插不同功能模块（模拟/数字/总线/开关矩阵等），系统能力来自“模块组合”，后期加模块、换模块比较顺利； 系统工程化程度高：供电、散热、安装形态更像“测试平台”，做成机柜/台架系统后，布线、维护、备件管理更规范； 当测试系统不是一次性项目，而是会持续扩展通道、增加功能、升级模块时，平台化的可演进性更友好。 PXIe连接的局限： 成本与体积通常更高：机箱+模块体系的投入明显高于“PC+单卡/单盒”，也更偏固定部署。 移动/外场不够友好：对需要频繁搬运、快速搭建的任务，PXIe 的“工程化优势”反而会变成负担； 系统搭建复杂度更高：它更像“搭一套测试系统”，需要考虑机柜布局、线束管理、散热、供电余量、接地等系统问题。 实际上，SonoDAQ Pro 采用基于 PCIe 的模块化背板架构。各功能模块通过背板与主控平台（ARM）实现高速数据上下行、数据同步以及供电。我们将这一内部互联机制命名为“Trilink”。在实现模块化扩展的同时，SonoDAQ Pro 还支持 GLAN、Wi-Fi 与 USB-C 等外部通信接口，显著提升了部署与应用的灵活性。 如果你想更直观地了解 SonoDAQ 在不同连接方式（USB / Wi-Fi / GLAN）下的实际用法、典型场景案例和常见配置清单，可以访问 www.crysound.com.cn查看相关资料，也欢迎联系兆华电子（CRYSOUND）团队。

在声学测试（声压级、频响、噪声、混响等）中，测量误差常常并非来自仪器“精度不够”，而是来自声场假设不匹配：你以为测的是“声压”，但传声器在不同声场里看到的“声压”并不完全等价。尤其在中高频（当传声器尺寸与声波波长可比时），差异会显著放大。 工程上，测量传声器通常按其标称校准/补偿目标分为三类：自由场（Free-field）、压力场（Pressure-field）、随机入射/扩散场（Random incidence / Diffuse-field）。本文用工程表格与误区清单解释三类声场差异、典型场景与使用要点，并给出可直接写进测试计划的选型规则，帮助提升测量可重复性与可比性。 三类典型声场：自由场 / 压力场 / 扩散场 图1 自由场（Free-field）：反射可忽略，声波主要从一个方向入射 图2 压力场（Pressure-field）：小腔体/耦合器内，关注振膜表面声压 图3 随机入射/扩散场（Diffuse-field）：多反射，多方向等概率入射（统计意义） 声场类型速览（工程选型版） 类型声场假设典型场景放置/指向主要误差关注点自由场传声器反射可忽略，主要为单一方向入射（常取0°）消声室、扬声器轴向频响、前场声压测量指向声源（0°）角度偏离、反射引入、支架/外壳散射压力场传声器测量振膜表面的真实声压（常见于小腔体）校准耦合器、耳模拟器/IEC耦合器、壁面边界测量与边界齐平或耦合器连接泄漏、腔体驻波、耦合不良随机入射/扩散场传声器多方向等概率入射（统计意义）混响室、车内/舱内高反射环境、扩散声场测试指向要求低，但需规范固定真实场不够“扩散”、局部遮挡与反射面影响 提示：表中“声场假设”是选型的第一关键变量。测量几何（入射角、距离、反射条件）一旦变化，误差分布也会随之变化。 自由场（Free-field）：测“未被你打扰前”的声压 自由场可理解为：空间中几乎没有反射，声波主要从一个方向（通常取传声器法线方向0°）到达。但传声器本体会对声场产生扰动，因此自由场传声器往往带有“自由场补偿”，目标是在自由场条件下读到更接近“传声器放入前”的声压。 典型应用 消声室或近似无反射环境的声压级测量 扬声器轴向频响、声源前场测量 需要严格定义入射方向的工程测试 使用要点 尽量保持0°入射：偏离角度会在中高频显著放大偏差。 避免额外散射体：支架、转接头、夹具、线缆、保护罩会引入声学散射与反射。 尽量控制声学反射：地面、台面、周边墙面反射会破坏自由场假设。 消声室 压力场（Pressure-field）：测振膜表面真实声压 压力场常出现在小型封闭空间或耦合器中：你关心的是振膜表面处的实际声压，而不是自由场中“未被扰动”的声压。此时传声器往往构成腔体边界的一部分。 典型应用 校准耦合器、活塞式声源或腔体校准 耳模拟器/IEC耦合器（耳机与入耳式产品测试） 壁面或边界声压测量 使用要点 密封/耦合优先：微小泄漏会显著改变低频与中频读数。 注意腔体驻波：高频段腔体几何会引入频响结构，需要按标准/方法处理。 保证安装一致性：重复装配与夹紧力变化会影响结果一致性。 扩散场（Diffuse-field）：平均意义下的“全方向” 扩散声场（随机入射场）指声波从各方向到达的概率近似相等（统计意义），在混响室或高反射空间中更接近这一假设。随机入射传声器的目标是：其频响更接近多角度入射响应的平均。 典型应用 混响室测量、房间声学评估 车内、舱内等高反射环境的噪声与声压测量 扩散声场相关的统计测量 使用要点 “随机”不是魔法：若直达声占比高或声能分布不均匀，扩散场假设不成立。 安装使用仍需规范：大型夹具、支架与遮挡会改变局部声场特性。 尽量保持测点一致：位置变化会导致混响叠加关系变化，影响可重复性。 选型建议：把“声场假设”写进测试计划 近似无反射、方向明确（轴向测量）→ 选择自由场传声器 耦合器/小腔体/边界面测量振膜表面声压 → 选择压力场传声器 混响或高反射环境、声能来自多方向 → 选择随机入射/扩散场传声器 当声场不确定时，更实用的做法是：先定义测试几何（直达声是否占主导、传声器指向是否固定），再结合校准/修正方法收敛误差来源，必要时考虑多场修正方案。 常见误区 拿自由场传声器在耦合器/小腔体里测：高频误差往往会被放大。 自由场测量不对准声源：角度偏差在中高频尤为明显。 把普通房间当扩散场：直达声主导或反射不均匀时，随机入射假设失效。 结语 自由场、压力场、随机入射/扩散场并非营销标签，而是把传声器的频响设计与校准假设绑定到具体声场模型。将“声场类型”写入测试计划（含几何、入射角、反射条件、校准与修正方式），能够显著提升结果的可重复性与可比性。 如需进一步了解传声器功能及测量解决方案，欢迎填写表单联系我们。

在声学与振动测试里，FFT 分析（Fast Fourier Transform，快速傅里叶变换）几乎是每位工程师都会打开的工具，做扬声器频响、耳机失真、NVH 诊断、结构共振排查、产线异常噪声定位…… 很多工程问题其实都在问同一件事：能量主要集中在哪些频率？是一个主频还是一堆谐波？噪声底高不高？有没有共振峰？FFT 是回答这些问题的最通用入口。 本文帮助你从工程视角理清三件事： 什么是FFT分析 FFT分析的工作原理 如何正确且高效地使用FFT 什么是 FFT？ 在时间域里，一个信号就是一条随时间变化的波形——所有成分都“挤在一起”，看得见，却难以分辨里面到底有哪些频率。 FFT（Fast Fourier Transform，快速傅里叶变换）的作用，就是把时间信号分解成一系列不同频率的正弦波，在频率域里用“频率 + 幅值 + 相位”来描述原始信号。简单理解： 时间域：看到的是“这段时间里信号怎么跳来跳去” 频率域：看到的是“里面都有哪些频率成分、哪个最强、相互之间什么关系” 傅里叶最初（19 世纪初）提出的核心思想是：复杂的周期函数可以分解成一堆正弦/余弦的叠加。后来发展成连续时间的傅里叶变换，把信号映射到连续的频率轴。 计算机时代改变了一切：工程师拿到的是采样数据，而且只拿到有限长度 N 的一段。于是出现了 DFT（离散傅里叶变换）：把 N 个采样点变成 N 个离散频点的复数值。 而FFT（快速傅里叶变换）并不是“另一种变换”。它是一类算法家族，用更快的方式计算完全相同的 DFT 结果，也就是 “用巧妙的分治和对称性复用”，把同一个 DFT 的计算从 O(N²) 降到 O(N log N)；你得到的 X[k] 与直接算 DFT 完全相同，只是快得多。 FFT擅长什么？不擅长什么？ FFT 很擅长： 找确定性的窄带成分：主频、谐波、开关频率、啸叫点、机械转速相关峰 看宽带分布：噪声底、谱倾斜（1/f）、带内功率（band power）、SNR 做系统特性分析：传递函数、共振/反共振、相干函数、延迟估计 做时间-频率分析的基石：STFT/声谱图 FFT 不擅长（或不能单靠它解决）的典型场景： 强非平稳信号的“瞬时频率”问题：必须用 STFT/小波/时频方法，而不是指望单次 FFT 区分两个极近的正弦：如果它们间隔小于你的分辨率（由 N 决定），再聪明也分不开 把短记录“变成长记录”：零填充只能让曲线更平滑（插值），不会凭空增加信息 想把 FFT 用好，先搞清这些概念 采样率：你能看到多高的频率 在做任何 FFT 之前，你首先做了采样：从连续时间信号 x(t) 变成离散序列 x[n] = x(n/fs)。采样率 fs 决定了你能观察到的最高无混叠频率：Nyquist 频率 = fs/2。 如果模拟信号里存在高于 fs/2 的成分，它不会“消失”，而是折叠到低频，形成混叠（aliasing）。混叠一旦发生，后面再怎么 FFT 都救不回来。工程上必须在 ADC 前（或重采样前）用抗混叠滤波器把高频压下去。 图1 混叠示意 — 900Hz的正弦波以fs=1kHz采样，会在离散频谱中“看起来像”100Hz DFT计算 给定 N 个采样点 x[0]..x[N-1]，DFT 定义为： 逆变换（IDFT）： 直觉理解：X[k] 可以看成 x[n] 与某个复指数 e^{j2πkn/N} 的相关程度；幅度告诉你“有多少”，相位告诉你“在时间上怎么对齐”。 画什么？幅度谱、幅值谱、功率谱、PSD 同样一段 FFT 输出 X[k]，你可以画出很多“看起来像频谱”的东西。问题在于：它们不是同一个量，单位也不同。很多跨工具对比失败，本质是“你画的不是同一种谱”。 量的名称常用符号单位示例（若 x 是电压 V）最适合用来做什么幅度谱（Magnitude spectrum）|X[k]|V·sample（取决于归一化）找主频/谐波/尖峰位置幅值谱（Amplitude spectrum）A(f)V（做了正确 scaling 后）估计纯音幅值/校准幅度功率谱（Power spectrum）|X[k]|²V²·sample²（仍依赖 scaling）能量对比、谱形比较（需统一约定）功率谱密度 PSDSxx(f)V²/Hz噪声分析、带内功率/带级、跨 N 可比 关键结论：如果你要比较不同 N、不同窗、不同工具下的噪声水平，优先用 PSD（x²/Hz）。原始 |X| 或 |X|² 往往不可直接比。 通过一个具体的例子看看：同一段信号，时域和PSD长什么样 下图中的例子包含了两个不同频率的正弦波信号。时域看起来像“抖动的波形”，频域分析后可以清楚看到两个窄峰。 图2 OpenTest的FFT分析支持同时计算PSD和ASD 下载OpenTest免费版体验FFT分析 -> 窗函数与谱泄漏：让谱线更“干净” 理想情况下，FFT 假设截取的是一个完整周期并周期延拓的信号。但实际测试中采样窗口往往只截到非整数个周期，拼接时在边界产生不连续，就会导致能量“洒”到邻近频点上，这就是谱泄漏（spectral leakage）。 为减小泄漏，通常需要在做 FFT 前对时间信号乘以窗函数。窗函数会同时改变三件事： 主瓣宽度：主峰变宽，近邻频率更难分开 旁瓣高度：旁瓣越低，强峰旁边越容易看到弱峰（动态范围更好） 幅度/能量标定：窗会改变纯音幅度与噪声底，需要对应校正 从经验上来看常见的窗选择方向： Rectangular：只在你能保证相干采样（整周期）且追求最窄主瓣时使用 Hanning：最通用、最“少出错”的选择，适合 PSD/Welch、声学/振动一般分析 Hamming：与 Hanning 类似，通信等场景常用，旁瓣/主瓣权衡略不同 Blackman / Blackman-Harris：旁瓣更低，适合强峰旁边找弱峰，但主瓣更宽 图3 OpenTest中使用不同窗函数进行FFT分析 下载OpenTest免费版体验FFT分析 -> 平均方式：让频谱更稳定 对噪声或非平稳信号，单次 FFT 谱往往波动很大。通过多次平均可以得到更平滑、可重复的频谱。常见方式包括： 线性平均：多次 FFT 结果直接算平均值 指数平均：给最近的数据更高权重，适合实时监控 能量平均：基于能量加权，保证功率相关量的一致性 合理的平均设置能在“平滑掉随机波动”和“保留真实变化”之间找到平衡。 FFT 可以用在什么测试场景里？ 音频与声学 音频/声学里 FFT 常见用途： 找啸叫点、谐波失真、设备噪声底（PSD） 做频响（传递函数）、房间模态/共振分析 做声谱图：语音/音乐/设备噪声的时变特征 注意：声学报告里常用 dB SPL、A 计权、1/3 倍频程等。FFT 只是基础工具，输出口径（参考值、加权、带宽）一定要写清楚。 振动与旋转机械 找转速相关峰（1X、2X…）、齿轮啮合频率、结构共振。 轴承故障常需要包络分析/解调：先带通滤波再做 FFT（频域诊断链条更长）。 如果转速在变，直接 FFT 会把峰“抹开”。此时更适合做阶次分析（order tracking）或同步重采样，让频率轴变成“阶次轴”。 电力电子与电能质量 工频谐波（50/60 Hz 及其倍频）、THD、纹波与开关频率尖峰。 EMI 预分析：看谱线、噪声底、带宽内能量（配合 RBW/平均）。 电力系统常见问题是“非相干采样”：记录长度不是整数个工频周期会造成泄漏，导致谐波测量偏差。工程上常用同步采样、整周期窗、或专门的谐波分析方法。 射频与通信（以基带视角） 看调制信号的功率谱/频谱掩模（spectral mask）。 OFDM 等多载波信号：频域幅度统计、邻道泄漏、EVM 相关分析。 通信里更强调“单位一致、带宽一致、平均方式一致”。FFT 本身容易做，但把它变成“可比的功率谱测量”要严格定义窗、RBW、检测器与平均。 成像与 2D 滤波 图像的 2D FFT 是空间频率分析：边缘=高频，平滑=低频。 常见操作包括：频域低通/高通、去周期噪声（在频域抑制某些尖峰）、卷积加速。 注意边界：2D FFT 默认周期延拓，图像边缘不连续会引入很强的频域伪影。常用 padding、镜像边界或 2D 窗来缓解。 让 FFT 成为“顺手的工程工具” 从原理上看，FFT 涉及的数学不算轻松；但落到工程应用，目标其实很简单： 让你更快、更清楚地看懂信号里“藏着什么”。 把 FFT 从“数学概念”变成“日常顺手的工程工具”，帮助声学与振动工程师在研发、验证和生产的各个阶段，更高效地完成测试与分析工作。 OpenTest中的FFT分析现开放免费试用，立即下载使用-> 或填写下方表单 ↓ 预约演示体验。 访问OpenTest 网站 www.opentest.com 了解更多功能与应用案例。

超声波成像测漏系统（Acoustic Imaging Leak Detection System，简称AILDS）由杭州兆华电子股份有限公司研发，目前已在多家煤化工、石化、天然气企业的装置区上线运行，用于高空、高危区域的在线泄漏监测。本文由兆华电子AILDS项目团队撰写，基于实际部署与运维经验整理而成，并用通俗的方式聊清楚：为什么要用这种系统、它大概怎么工作、现场用了之后究竟有什么变化、以及它能做什么、不能做什么。 一、传统泄漏巡检，难在哪儿？ 在石化、天然气场站、煤化工、危化品堆场，大家对“泄漏”这两个字有多敏感，就不用多说了。真正麻烦的是：很多关键点位都在20米左右的高空。 过去要查一个高空微小泄漏，大多是这样的流程： 搭脚手架、上吊笼，上下折腾好几个小时； 人带着肥皂水、便携仪器在管线间钻来钻去； 冬天手冻僵、夏天汗湿透，查完一圈心里还不踏实——“这么多阀门、法兰，会不会还有漏掉的？” 总结下来，传统泄漏巡检普遍有几件“老大难”： 点位高：20米管廊、塔器顶部、人难上去，临时搭设成本高，作业风险也高。 声音小：微小泄漏产生的超声波信号，被泵机、风机噪声淹没，靠耳朵几乎听不出来。 看不见：早期泄漏流量小，肥皂水不起泡，气味不明显，等“看见油迹、闻到味”时往往已经扩散。 效率低：一套装置区动辄上千个监测点，人工“爬上爬下”更多是抽查，很难做到真正的连续、全覆盖。 传统的电化学、红外、激光等检测方式，本质上还是点或线的监测： 在某个固定点测量“有没有超标”； 沿一条光路看“有没有气体通过”。 而现场真正想要的是： 不仅要知道“有没有泄漏”， 更希望在一大片区域里，看清楚“到底哪儿在漏”。 这正是超声波成像测漏系统（AILDS）要解决的问题。 二、超声波成像测漏系统AILDS：让“听不见的泄漏声”长成屏幕上的“彩云” 基本原理：带压气体泄漏→超声波监测→彩色云团定位 AILDS的工作过程： 带压气体泄漏→产生特征超声波→多通道采集→声学成像→在画面上用“彩云”标记漏点。 当带压气体通过阀门缝隙、法兰微裂、焊缝缺陷喷出时，会和周围空气产生剧烈湍流，形成一类有明显特征的超声波信号： 泄漏量越大，超声信号越强； 压差越高，声学特征越明显； 与电机、泵机那种偏低频的机械噪声不同，便于从背景声中“拎出来”。 AILDS做的，就是想办法把这种“听不见的声”变成“看得见的图”： 1.使用多通道超声波传感器阵列，从多个方向同步采集超声信号； 2.在前端做放大、滤波、去噪，尽量剔除电磁干扰和低频背景噪声； 3.对多通道信号做相位差/强度差分析，估算不同空间位置的声能分布，推算出泄漏声来自哪个方向、哪一块区域； 4.把声能分布映射成二维“热力图”，再叠加到现场视频画面上。 最后，泄漏信号最强的地方，会在屏幕上长出一团红黄绿色的“彩云”。对现场人员来说，效果非常直观：画面里哪里有彩云，哪里就“很可疑”。 工程参数：大概能扫多远、能扫多小？ 从多个在线运行项目的现场测试和联合标定结果来看，AILDS在工程应用中的典型能力大致如下： 推荐检测距离：0.5～50m 在1～30m范围内，对微小泄漏有更好的信噪比和成像效果； 工作频段： 超声波频段（高于20kHz），通过带通滤波选取泄漏特征频带（20~40kHz），抑制可闻频段和低频机械噪声； 最小可检泄漏量/孔径（典型工况）： 在最低0.6MPa压差条件下，对阀门缝隙、法兰微缝等0.1mm量级早期泄漏具备可视化检测能力； 实际灵敏度会随介质种类、压力、背景噪声和布点方式有所变化； 定位精度： 在推荐距离内，可提供厘米级泄漏点位置，配合视频画面，在画面上“指点”到具体设备或法兰区域。 这些数值不是“绝对不变的标准线”，而是我们在多个现场项目中验证过的典型工程水平。 防护等级： 通过Ex ib IIC T6 Gb防爆认证，IP66防护认证，适用于典型危险区域的长期在线部署。 系统架构：不只是一个探头，而是一整套在线系统 AILDS不是一只“聪明的传感器”这么简单，而是一整套在线监测系统，可以大致拆成三层： 1.前端感知层 云台式超声波成像测漏仪部署在现场，负责“听泄漏声、看现场画面、输出彩云图”； 支持云台旋转、俯仰，做大范围扫描。 2.中端存储层 NVR等存储设备接收前端数据； 将视频、声学图像、告警记录完整留存，便于后续回放和事故分析。 3.后端管理层 VMS等管理平台接入多个前端； 统一做设备管理、检测控制、告警展示、报表统计，将信息集中呈现到中控室大屏。 可以用一句话来形容： 前端“看见漏点”， 中端“记住过程”， 后端“一屏管全场”。 一个典型现场：从“爬管廊”到“看彩云” 以宁夏某煤化工装置区为典型案例，目前已在现场已部署11套AILDS，覆盖气化炉、加热炉、罐区、管廊等多类场景。看看现场在引入AILDS之后，实际工作方式是怎么变的。 改造前：6个人爬半天，还是“心里没底” 典型的气化炉装置区： 气化炉装置区内分布着大量高温高压管道、阀门和法兰； 很多关键点位在20米左右高空； 介质多为可燃和有毒气体，一旦泄漏不只是损失原料，更牵涉人身安全和装置稳定。 过去的巡检，大致是这样进行的： 安排数名巡检和检修人员，提前搭好平台、上管廊； 带着肥皂水、便携式检测仪，沿着管廊和平台一家家地排查法兰和阀门； 一圈下来，少说也得大半天，遇到大检或专项排查，甚至要连干几天。 一线同事对这种模式的评价很直接：“累，慢，还不放心。” 累：高空来回奔走、各种姿势贴近设备看/听； 慢：一个区域几十上百个点位，挨个排查耗时很长； 不放心：现场噪声大、点位多，总觉得“人眼、人耳”有可能遗漏细小问题。 改造中：让云台每天替你“扫一遍” 在对泄漏风险和巡检负荷做完评估后，我们与业主一起在不同高度的平台上，分层部署数台云台式超声波成像测漏仪，并接入AILDS： 高层云台：覆盖气化炉炉头、煤粉管道等重点区域； 中层云台：覆盖锁斗、伴热、法兰和阀门密集带； 低层云台：覆盖给料罐、地面管线等设备。 在工程实施中，有两步非常关键： 1.设定巡航路线和预置位 #image_title 对每一台云台设定若干“预置视角”（比如某条管廊、某组法兰、某个平台区域）； 按工艺分区和风险等级配置不同的巡航周期：高风险区域扫得更勤。 2.接入中控系统 所有前端设备的声学成像画面和告警信息接入AILDS的管理平台； 中控室大屏可以同时查看装置区俯视画面、彩云图以及告警列表。 从那以后，设备基本就是按设定策略，每天自动完成“扫一遍”的动作： 云台按照预定路线旋转、俯仰，把各层关键区域逐一扫描； 一旦某处出现特征泄漏超声信号，对应位置就会在屏幕上长出一团“彩云”； 中控值班员看到彩云异常，就能第一时间通知检修，直奔对应的阀门或法兰，做针对性确认和处理。 改造后：从“人找问题”变成“问题自己冒出来” 运行一段时间之后，现场的反馈集中在三个方面： 1.高空作业次数减少了 原来每月2～3次的地毯式高空排查，被压缩为“按季+有异常上去核查”，高空作业次数在统计维度上明显下降； 日常以“系统自动巡检+有异常时人工上去核查”为主，高空作业更聚焦在具体问题点。 2.问题发现得更早、更小 过去很多微小泄漏，往往要到“闻到味儿、看到痕迹”才被注意到； 现在只要泄漏达到可检测阈值，在彩云图上就能提前看到异常信号，让处置“抢”在前面。 3.检修效率更高了 以前接到“某片区域有味道”的反馈，只能在几十个法兰、阀门里逐个排查； 现在AILDS在画面上直接标出哪一个设备附近有明显声学异常，检修人员拿着工单就能直奔目标区域。 一线同事后来总结了句很形象的话： “以前是我们到处找问题， 现在是问题自己在屏幕上冒出来。” 这大概就是“从爬管廊到看彩云”的变化。 AILDS能做什么？不能做什么？ 从安全和工程的角度来看，清楚“边界条件”很重要——既是对现场负责，也是对系统本身负责。 能做什么：它特别擅长的几件事 1.高空/高危区域的大范围在线监测 通过云台+阵列，实现0.5～50m范围内的面覆盖扫描，特别适合20m高管廊、塔器顶部等人工难以频繁到达的区域。 2.可视化定位 不只是告诉你“有泄漏”，而是在画面上直接“长出一团彩云”，提示泄漏位置； 配合厘米级定位精度，可以很快定位到具体设备/法兰区域。 3.全天候在线守望 7×24小时工作，不依赖人工巡检； 不怕风把气体吹散，因为它看的是“喷流产生的声音”，而不是气体浓度积累。 4.帮助减轻高空作业与重复巡检负荷 让一线人员从“频繁上高排查”转向“有异常再上去解决”，安全性和效率都有改善。 不能做什么：需要诚实面对的限制 1.看不见“完全被遮挡”的点 超声波泄漏信号只有在能够顺利传播到超声波传感器阵列时才能被系统有效识别和成像。如果泄漏点被结构件、厚壁壳体完全挡住，传感器阵列“听到”泄漏信号的概率会显著下降，甚至无法检测到泄漏。 这类区域需要通过合理布点、多角度布设或配合其他检测手段来补足。 2.强超声干扰源附近，需要特别设计 比如工艺放空口、长期开启的蒸汽排放、高频气动设备等，本身就会产生“像泄漏一样”的超声特征； 对这些点，通常需要在项目设计阶段做现场噪声谱分析，并通过区域屏蔽等方式进行处理。 3.它不是万能的“替代品”，而是强有力的“补充” 对于某些必须测“浓度是否超标”的场景（如人员密集区的有毒气体报警），电化学/红外/激光等传感器仍然是刚需； AILDS更适合用来构建一张“声学雷达网”，提前把泄漏风险“点亮”在画面上。 如果把整套泄漏监测系统看作一个团队： 浓度传感器负责“守住底线（浓度超不超标）”； AILDS更像一个“早期侦察兵”，提前告诉你哪里出现了可疑喷流，提醒你去看一眼、查一查。 结语：让系统先看到问题，让人更安全地去解决问题 当我们有了AILDS这样的超声波成像测漏系统之后，工作方式变成： 由系统每天按路线把装置区扫一遍； 一旦屏幕上长出“彩云”，再由人带着工单、有针对性地上去处理问题； 高空作业更聚焦、次数更少，泄漏往往在“还没闹出动静之前”就被解决。 对于石化、天然气、煤化工等行业来说，AILDS不是一个“炫技”的新玩具，而是一种更早识别泄漏、更安全组织巡检、更系统防控风险的方式。 需要强调的是，AILDS并不是对所有传统检测手段的替代，而是其中一枚重要“拼图”。在具体项目中，我们通常会将AILDS与浓度检测、工艺联锁、人工巡检等手段组合应用，通过分层防护的方式提升整体泄漏防控能力。 如果您所在的现场也有高空点位多、脚手架频繁搭拆、微小泄漏发现晚、排查慢、夜间和恶劣天气巡检压力大等难点，不妨考虑引入这样一套超声波成像测漏系统，让问题先暴露在屏幕上，如您有需求或需要更合适的检测方案，请通过下方表单与我们联系，我们的销售或技术支持工程师将与你取得联系。

在真实的 DAQ 使用场景中，机壳的耐用性与抗划伤能力会直接影响设备寿命和后期维护成本。本文分享我们对 SonoDAQ 顶盖（PC + 碳纤维复合材料）进行的铅笔硬度划伤测试，并与一款典型笔记本电脑外壳做对比。测试结果覆盖 2H 到 5H 的划伤表现，展示了该外壳在日常搬运、放置与手持操作中的耐磨能力，以及表面处理工艺为何能显著提升长期使用的外观保持性。 耐刮性如何影响 DAQ 的实际使用 在选择数据采集前端时，工程师最先关注的往往是参数：采样率、动态范围、同步精度、通道数……但设备真正投入使用几年之后，很多人会发现，外壳的可靠性和耐刮程度，同样直接影响整机寿命和使用体验。 对于声学与振动测试设备来说，这一点尤为明显。SonoDAQ 常见的应用场景包括 NVH 路试、工业现场测试、户外或半户外长期采集等，设备往往需要： 频繁搬运、装车或固定在工装或测试台上； 在实验室桌面、仪器车、工具箱之间来回挪动； 与其它金属设备、螺丝刀、笔记本电脑等长期“近身接触”。 在这样的使用环境下，如果外壳很容易被刮花，不仅影响观感，也可能带来维护和更换成本。因此，我们针对 SonoDAQ 数据采集前端的上壳，做了一次更贴近日常使用场景的铅笔硬度测试，并选取了一台常见笔记本电脑外壳作为对比。 测试步骤 我们本次测试严格按照ISO15184: 2020标准规定的测试方法进行，旨在测试SonoDAQ数据采集前端上壳外表面的UV固化涂层的耐刮性能。 测试对象： 样品描述A：SonoDAQ数据采集前端上盖板材质：PC+碳纤维，配合内部铝合金框架和防摔角设计B：某款日常使用的笔记本电脑外壳材质：常见塑料或金属外壳，表面同样经过喷涂或涂层处理 本次测试采用铅笔硬度测试的思路，使用不同硬度的铅笔在外壳表面施加划擦，观察是否出现肉眼可见的划痕。 测试工具： 铅笔硬度计，可随需求增加配重； 铅笔：硬度为2H、3H、4H、5H； 测试方法： 将铅笔45°插入铅笔硬度计中，总配重750g（等同于对漆面施加7.5N的力）； 使用不同硬度的铅笔在外壳表面施加划擦3次，观察是否出现肉眼可见的划痕； 尽量保持相近的划擦长度和力度，以保证不同硬度下具有可比性； 观察指标： 是否出现肉眼可见划痕； 表面光泽是否明显变化。 SonoDAQ真实的刮擦结果 根据测试结果，我们观察到数据采集前端外壳在不同硬度铅笔的测试下表现出了不同的耐刮擦能力。同时为了进一步验证数据采集前端外壳的耐用性，我们还对常见的笔记本外壳进行了类似的铅笔硬度测试。笔记本外壳通常采用塑料或金属材质，且其表面也会经过喷涂处理。我们使用了与数据采集卡相同的测试方法： 2H铅笔： SonoDAQ Pro某笔记本 小结：SonoDAQ 外壳和笔记本外壳表面均未出现明显划痕，肉眼观察基本没有变化。 3H铅笔： SonoDAQ Pro某笔记本 结论：SonoDAQ 外壳和笔记本外壳表面均未出现明显划痕，肉眼观察基本没有变化。 4H铅笔： SonoDAQ Pro某笔记本 结论：在 4H 条件下，SonoDAQ 外壳表面依然没有明显可见的划痕；而对比测试的笔记本外壳已经出现了清晰可见的刮痕，基本接近其耐刮擦能力的上限。 5H 铅笔： SonoDAQ Pro 结论：在5H条件下，SonoDAQ外壳表面开始出现轻微刮痕，说明其耐刮擦能力已经接近极限。 需要说明的是，铅笔硬度测试主要用于不同外壳之间耐刮擦能力的相对对比，并不等同于材料的绝对硬度或长期耐磨寿命。但对于评估日常使用场景下“是否容易被刮花”，这种方法非常直观。 如果把铅笔硬度换算成常见使用情况： 大多数钥匙、设备边角、工具的无意刮擦，通常落在 2H～3H 区间； 4H～5H 已经接近更硬、更尖锐，且带有一定刻意用力的刮擦情况。 SonoDAQ 外壳在 4H 条件下仍然不容易留下痕迹，只有在 5H 条件下才出现轻微划伤。这意味着，在正常搬运、装车、安装和日常使用过程中，外壳并不容易被划花。 为什么这个外壳不容易刮花 SonoDAQ 数据采集前端的外壳采用 PC + 碳纤维复合材料，本身具备较好的机械强度和韧性。在此基础上，外壳表面再经过喷涂烤漆工艺，叠加UV固化层，在以下几个方面起到了关键作用： 提升表面硬度，增强抗划伤能力； 提高耐腐蚀性和环境适应能力； 在保证耐用性的同时，兼顾外观质感。 在仪器设备领域，外壳并不是“越硬越好”，而是在耐刮擦、抗冲击、重量和长期可靠性之间取得平衡。从这次测试的结果可以看出，在真实使用环境中，SonoDAQ的外壳足够耐用。 如需进一步了解SonoDAQ的功能特性、应用场景与典型配置，可在www.crysound.com.cn查看相关资料；也欢迎与兆华电子CRYSOUND团队沟通，我们可以根据你的测试需求提供演示与选型建议。

近日，浙江省经济和信息化厅发布《关于2025年度拟认定浙江省重点企业研究院、企业研究院名单的公示》。其中，兆华电子“浙江省声学检测重点企业研究院”成功获评“浙江省重点企业研究院”。 “浙江省重点企业研究院”是浙江省技术创新体系的重要组成部分，重点面向关键核心技术突破、创新资源集聚、补强产业链创新短板与成果转化能力建设。 图源：浙江省经信动态 此次获评，充分体现了兆华电子在声学测试与声学感知技术领域持续研发投入与工程化能力方面的综合实力。公司相关技术已广泛应用于工业、能源、汽车等行业的测试、研发与生产环节，为产业提供可靠声学检测解决方案。 未来，兆华电子将继续以技术研发为核心，夯实声学测试基础能力，发挥省级重点企业研究院的创新平台作用，为相关产业的高质量发展提供长期、可靠的技术支撑。

本文将系统说明数据采集系统（DAQ）的类型、组成与选型要点：传感器、信号调理、ADC、接口与软件；重点解释采样率、动态范围、抗混叠和多通道同步，并给出通道数预留、量程匹配、本底噪声与软件工作流等实用建议，帮助工程师更快搭建可重复、可追溯的测试方案。 为什么数据采集系统如此重要 温度、声音、振动……这些物理刺激一直在我们周围发生。你可以把人体也理解成一套自带算法的采集系统：眼耳鼻舌身作为传感器负责取样，神经网络负责传输与编码，大脑把多路信息融合分析后做出决策，身体再执行动作并根据结果调整，循环往复。 工程世界要理解和优化设备，也离不开同样的过程。温度、声压、振动、应力、电压等物理量，是我们获取“客观信息”的入口；它们不仅要测得准，还要能反复复现、长期记录。更关键的是，在高温、高应力、高声压或大电流环境中，直接暴露测量可能带来安全隐患。数据采集系统的价值，就是把这些信号以更可控、更安全的方式转化为可存储、可分析的数据。 现代工程和科研几乎离不开数据采集系统，它的重要性在于它让测试和分析建立在客观准确的基础之上。在没有DAQ之前，很多产品测试依赖人工经验和主观判断：例如早年汽车悬挂的测试，工程师往往根据试车手的感受来评价悬挂性能，这种方法主观且难以量化。而有了数据采集系统后，就可以通过传感器获取客观的量化数据，用数字说话，避免了人为偏差。数据采集系统能够重复地记录各种工况下的参数，使得不同方案可以直接对比，以数学和统计方法分析差异，并通过图表清晰地呈现结果。 可以说，在当今从汽车、飞机到电子设备的开发过程中，没有数据采集就无法高效地验证产品性能、安全性和可靠性。例如在耐久性试验中，DAQ记录了载荷和应变的循环数据，用于疲劳寿命分析；在噪声控制中，通过多点同步采集振动和声压，找到噪声源及传播路径。这些都是数据采集带来的量化分析能力，为工程改进提供了科学依据。 数据采集系统的应用也深入到各个领域： 汽车NVH和机械振动测试：用于采集车身振动、噪声、发动机动平衡、结构模态等数据，帮助工程师改进车辆舒适性。 电声和音频测试：在扬声器、麦克风、耳机等音频器件的研发和生产中，DAQ用于测量频率响应、声压级、失真度等，确保这些器件的声学性能。 工业自动化与监测：DAQ广泛用于工厂过程监控、设备健康监测和工业控制。例如采集温度、压力、流量、扭矩等传感器数据，实现对生产过程的实时监控和异常报警，通常要求DAQ长时间可靠运行，具备高稳定性和抗干扰能力。 科研实验与教育：从物理、生物实验到地震监测、气象观测，数据采集系统都是科研人员获取原始数据的基本工具。它让实验数据记录自动化、数字化，方便后续处理。 在各行各业对质量和性能要求日益提高的今天，数据采集系统已经成为不可或缺的“眼睛”和“耳朵”，赋予工程师洞察复杂现象的能力。 采集前端的主要类型 根据接口形式、集成程度和应用场景的不同，数据采集卡衍生出多种类型。以下是几种常见的采集卡/采集系统类型： 类型形态/接口主要优点限制典型场景插入式采集卡PCIe / PXI / PXIe低延迟；高吞吐；实时性强不便携；依赖机箱/工控机；扩展受平台限制固定实验室；机架系统；高带宽采集外置式采集设备USB / Ethernet / Thunderbolt便携；部署快；适合笔记本带宽/延迟受接口影响；驱动稳定性关键；供电/线缆要注意外场测试；移动测量；通用采集一体化记录仪内置电池/存储/屏幕（可独立）开箱即用；现场操作方便；离线记录省心通道/算法通常有限；扩展能力弱；后处理依赖导出巡检；快速诊断；长时间离线记录模块化分布式系统主机 + 模块；网络扩展（可同步）信号类型按需组合；通道易扩展；同步能力强规划更重要：同步/时钟/布线；规模越大越依赖系统设计多物理量同步；大规模通道；跨区域测试 插入式采集卡（内置式）：指安装在计算机内部的板卡，典型接口有PCI、PCIe、PXI（CompactPCI）等。这类卡直接插入PC机箱总线槽，由PC供电和控制，实时性高且带宽大，适合台式机/工控机环境下的大数据吞吐应用。但其便携性较差，通常用于固定实验室或机架系统中。 外置式采集设备（外置模块）：通过USB、以太网、Thunderbolt等接口与电脑连接的采集硬件。常见的是USB数据采集卡，体积小巧、即插即用，非常适合笔记本电脑和现场测试。以太网/网络型DAQ则可实现远距离传输和多设备连接，外置设备一般有独立机壳，便携性好，但高端型号在实时性能上可能略受接口带宽限制（USB延迟较PCIe稍高）。 便携式/一体化数据记录仪：这类将数据采集硬件与嵌入式电脑、显示屏、存储等整合为一体，形成独立工作的仪器。特点是现场使用方便，无须外接PC即可完成数据的采集、记录和初步分析。例如带平板屏幕的便携式振动采集分析仪、手持式多通道记录仪等。这种设备通常针对特定应用优化了软件，开箱即用，适合需要移动测量或现场快速诊断的场合。 模块化分布式采集系统平台：由多个采集模块和主控制器/机箱构成，可灵活组合扩展通道数，灵活搭配不同的功能模块。每个模块负责一定类型或数量的信号通道，通过高速同步网络（如EtherCAT、以太网/PTP等）连接到主控制单元或直接连入计算机。这种架构具备极高的扩展性和分布式测量能力，可将模块放置在被测物附近减少传感器布线。例如CRYSOUND的SonoDAQ这类模块化架构，每台主机支持多个模块并可通过菊花链/星型网络扩展到上千通道。模块化系统非常适合大规模、跨区域的同步测量需求。 数据采集系统的组成 一个完整的数据采集系统通常由以下几个关键部分组成： 传感器：负责将物理现象转换为电信号的前端。例如，将声压转换为电压的麦克风、将振动加速度转换为电荷/电压的加速度计，将力转换为电阻变化的应变片，以及测温热电偶等； 信号调理：介于传感器和采集卡ADC之间，用于调整和优化信号的电子模块。其功能包括：放大/衰减（增大或减小信号幅度到ADC量程）、滤波（如抗混叠低通滤波，滤除噪声或高频成分）、隔离（信号/电源隔离防止干扰和保护设备）、传感器激励（为需供电的传感器提供激励源，如IEPE传感器的恒流源）等。 模数转换器（ADC）：核心部件，将连续的模拟信号按设定的采样率和分辨率转换为离散的数字数据。采样率决定可还原的频率范围（需满足奈奎斯特，并结合抗混叠滤波器的设置留余量），分辨率（位数）影响量化步进和可用动态范围。常见 DAQ 使用 16 位或 24 位 ADC；在高动态范围声学/振动前端中（例如 SonoDAQ 这类平台），也可能提供 32-bit 数据输出/处理链路，用于更好地覆盖宽量程与弱信号（以具体实现与指标定义为准）。 数据接口与存储：ADC输出的数字数据需通过某种途径送入计算机或存储介质。插卡式DAQ直接通过总线将数据写入PC内存。USB/以太网DAQ则通过驱动将数据传输到PC端软件。SonoDAQ除了可以通过USB/网口/无线实现数据传输外，还内置SD卡实时记录，可在无PC情况下独立保存数据，以防通信中断或满足长时间无人值守采集。 计算机与软件：这是数据采集系统的后端，大多数现代DAQ依赖计算机及其软件来完成数据可视化、存储和分析。采集软件用于设置采样参数、控制采集过程、实时显示波形，并对获取的数据进行处理计算和结果输出。不同DAQ厂商提供自家的软件平台（例如OpenTest、NI LabVIEW/DAQmx，DewesoftX，HBK BKConnect等）。软件的易用性和功能直接影响用户工作效率。此外，CRYSOUND的OpenTest支持openDAQ、ASIO等协议，可以实现配置多款数据采集系统。 选型时应该关注哪些性能指标呢？ 三个常见选型误区： 只看“采样率/位数”，忽略前端噪声、量程匹配、抗混叠滤波与同步指标：结果往往是数据“看起来有”，但分析不稳定、可重复性差。 通道数刚好够用、不预留扩展：项目一旦加测点，就只能整套更换或叠加第二套系统，成本和集成工作量都会上来。 只关注硬件，不关注软件与工作流：参数配置、实时监看、批量测试、报表导出、协议兼容（openDAQ/ASIO 等）直接决定效率。 应该关注的方面： 数据采集的信号类型：在实际选型中，明确信号类型是关键一步：采集声学与振动信号的需求，与测量应力、温度、电压等参数的要求完全不同。而传统采集系统通常只支持部分信号，例如只能测声压和加速度，一旦测试需求扩展到温度等参数，就必须采购第二套系统，不仅增加预算，也带来系统集成和同步的复杂性。而SonoDAQ 采用模块化平台设计，只需插入所需信号类型的采集模块，即可在同一系统中扩展能力，实现多物理量同步测试，真正做到“按需组合、一次到位”。 通道数与可扩展性：首先确定需要采集的信号数量，并选择模拟输入通道数足够的采集卡（或支持扩展的系统）。通道数应略有富余，以备将来增加测点。例如需要采集12路信号，最好选择16通道以上的设备。同样重要的是关注系统的可扩展能力：比如SonoDAQ可由多个单元同步扩展到上百甚至上千通道，且保障所有通道之间的采集延时＜100ns，适合大型测试；反之，固定通道数的卡在超出时就无法扩充，需要更换设备，带来成本提高。 匹配采样率与频率：采样率选型先看待测信号的最高频率/带宽。底线是满足奈奎斯特（采样率 > 2×最高频率），工程上还要给抗混叠滤波器的过渡带留余量，因此很多项目会从 2.5～5× 带宽起步，再根据分析方法（FFT/倍频程/阶次等）微调。比如发动机振动最高 1 kHz，可先选 5.12 kS/s 或更高；语音/声学分析若要覆盖 20 kHz，常见会选 51.2 kS/s 或 96 kS/s。简而言之：以信号频谱为依据，略取富余并结合滤波设置即可满足准确还原要求。 测量精度和动态范围：如果应用对弱信号分辨和大动态范围要求高，例如NVH测试往往既要捕捉安静状态下极低噪声又要记录剧烈激励下的高声压，则需高动态范围、高分辨率的DAQ（24位或以上ADC，动态范围>120dB）。又如音频测试关心失真和噪底，希望设备自带噪声远低于被测信号，那就应选择低本底噪声、高信噪比的采集卡，并关注厂商提供的总谐波失真+噪声(THD+N)指标。 环境与使用场景限制：想一想DAQ将被使用的环境条件：是在实验室台式机旁，还是在工厂车间、室外现场？若需经常携带出差或在汽车上测试，便携式/坚固型DAQ更合适。对于无法长时间稳定供电的场景，内置电池及电池续航会非常关键。 交付、售后支持服务：在提出采购需求后，设备的交付周期也是一个不可忽视的重要因素。如果项目进度紧张，设备交付时间长达两到三个月，可能会直接影响项目的启动和推进。因此，选型时应关注供应商的交期保障能力。此外，售后服务与技术支持同样关键：包括设备使用过程中的培训指导、出现问题时是否能快速响应、是否提供远程或现场协助等；还应关注质保年限、软件升级策略、技术支持响应机制等服务条款。这些因素将直接影响后续系统的稳定运行和项目整体效率。 常见问题（FAQ） Q：声卡能不能当数据采集卡用？ A：在少量音频信号、对同步/量程/校准要求不高的场景，声卡可以做“能跑起来”的采集。但在工程测试里，常见问题是：无法提供 IEPE 激励、量程与本底噪声不够、通道同步不可控、驱动延迟大且不稳定。需要可重复、可溯源的测试数据时，建议用专业 DAQ。 Q：数据采集卡和示波器有什么区别？ A：示波器更像“电子电路调试工具”，擅长瞬态捕捉和快速排障；DAQ 更像“长期、多通道、可同步的记录与分析系统”，强调通道扩展、同步一致性、长时间稳定采集与数据管理。 Q：采样率到底怎么选？ A：先看信号最高频率/带宽，底线满足奈奎斯特（>2×最高频）。工程上再结合抗混叠滤波器的过渡带和分析方法，通常从 2.5～5× 带宽起步更稳；不确定时，优先保证滤波和动态范围，再做采样率优化。 Q：什么是 IEPE？什么时候需要？ A：IEPE 是给加速度计、测振麦克风等传感器提供恒流激励并在同一根线缆上传输信号的方式。你只要用的是 IEPE 传感器，就需要 DAQ 前端支持 IEPE 激励、电气隔离/接地策略以及合适的量程与带宽。 Q：多通道/多设备同步需要关注什么？ A：重点看三项：统一时钟源（外时钟/PTP/GPS 等）、通道间采样偏差（skew/时延）以及同步触发/对齐策略。对 NVH、阵列测量、结构模态等应用，同步指标往往比单通道指标更关键。 Q：通道数怎么估算更稳？要不要留余量？ A：先把“必须测”的信号类型和测点列清楚，再把转速/触发/温度等辅助量算进去。建议至少预留 20%～30% 余量，或者选支持模块化扩展的平台，避免后期加测点被迫换系统。 如果你想进一步了解兆华电子最新推出的智能声振数据采集系统SonoDAQ 的功能特性、典型应用场景与常见配置方案，可以在 www.crysound.com.cn查看相关资料。也欢迎与兆华电子（CRYSOUND）团队沟通，我们可以基于你的测试信号类型、通道数、采样率/带宽、同步与现场环境等约束，提供演示与选型建议。

什么是倍频程分析？它解决了什么问题？ 倍频程（Octave）分析是一类“按对数频率划分”的谱分析方法：把频率轴分成若干个带通频带（band），每个频带的上截止频率与下截止频率之比恒定（常数比例带宽，Constant Percentage Bandwidth, CPB）。在每个频带内，我们不关心更细的线谱结构，而关注该频带内的总能量/均方根（RMS）或功率。 它不是“看每个 Hz 发生了什么”，而是“看每一段相对带宽内的能量如何分布” 它天然适配人耳与很多工程系统：对频率的分辨能力常更接近“相对尺度”（例如 1 kHz 与 1.1 kHz 的差异），而非固定 1 Hz 的差异 它是许多标准规定的报告格式：房间声学参数、隔声评价、环境噪声、机器噪声、风噪/路噪等常用 1/3 倍频程 从“线性 Hz”到“对数频率”：为何 CPB 更像工程语言 用等宽频带（例如每 10 Hz 一个桶）统计能量，会导致：• 在低频：10 Hz 的桶可能过宽，掩盖细节• 在高频：10 Hz 的桶又过窄，统计方差大、对随机噪声不稳定而 CPB 的带宽随频率增长（Δf ∝ f），使得每个频带覆盖“相近的相对变化”，因此更稳定，也更符合很多标准化测试的可重复性要求。 直观看带宽如何随频率增长 图 1：同样的 1/3 倍频程频带，在“线性频率轴”上看，带宽会随频率增大 每条横线代表一个 1/3 倍频程频带 [f1, f2]；短竖线表示中心频率 fm。在线性坐标下，频带在高频处看起来更“宽”。 图 2：同样的频带放到“对数频率轴”上看，会出现等间距的频带结构（常数百分比带宽） 把横轴改为对数刻度后，这些同样的频带在视觉上呈“等宽/等间距”，这正是常数百分比带宽（CPB）的本质。 这两张图解释了倍频程的核心：它不是“频带更宽/更窄”，而是“以对数尺度为等距单位”。 标准与术语：IEC/ANSI/ISO 体系到底规定了什么？ 工程上说“做 1/3 倍频程”，真正的约束不只是频带边界，还包括：中心频率的定义（exact vs nominal）、倍频程比（base-10 vs base-2）、滤波器幅频容差（class）、以及输出量的口径（带内能量如何定义、时间平均怎么做、校准如何处理）。 IEC 61260-1:2014 的关键点：base-10 倍频程比、参考频率与中心频率公式 IEC 61260-1:2014 是倍频程/分数倍频程滤波器的核心规格标准之一。它明确采用 base-10 设计：倍频程比 G 定义为 G = 10^(3/10) ≈ 1.99526（非常接近 2，但不是严格 2）。参考频率 fr = 1000 Hz。标准给出 exact mid-band frequency（精确中心频率）的生成公式，并强调 band-edge frequencies 的几何均值等于中心频率。 [1] IEC 61260-1 (base-10) 关键公式（摘录并整理，见 [1]）： 当 1/b 的分母 b 为奇数（例如 1,3,5,...）时： 当 b 为偶数（例如 2,4,6,...）时： 此外： 使用OpenTest的IEC 61260-1倍频程分析功能观察数据-> 为什么偶数 b 的公式会“半步错开”？ 你可以把中心频率序列想成在 log(f) 轴上的“等间距刻度”。当 b 为奇数时（如 1、3），标准把参考频率 fr=1000 Hz 直接放在某个刻度点上，所以 1000 Hz 本身就是一个中心频率（x=0）。当 b 为偶数时（如 2、4），如果仍然让 1000 Hz 落在刻度点上，会导致频带边界（f1、f2）在一些场景下不够“对称/整齐”（特别是你希望某些报告频率刚好落在边界上）。因此标准选择把中心频率序列整体在 log 轴上平移半个间隔：中心频率落在“半格”位置，而 1000 Hz 会更接近成为两个相邻中心频率之间的几何中点（也就是某些频带边界更容易对齐）。从公式上看，这个“半格平移”就是 (2x+1)/(2b) 这种写法：它保证相邻中心频率的比值仍然是 G^(1/b)，只是把整个序列相对参考频率做了 1/(2b) 的指数偏移。 工程上你不必死记偶数/奇数两套式子——更稳妥的做法是：1) 先用标准给出的中心频率公式生成 exact fm 序列；2) 再用 f1 = fm / G^(1/(2b))、f2 = fm * G^(1/(2b)) 得到边界；3) 最后把 fm 显示为常用 nominal（例如 1 kHz、1.25 kHz、1.6 kHz）。这样实现出来的频带一定在数学上自洽，也最不容易和标准“走偏”。 工程解释：• 公式决定了“中心频率序列”的对数等比性质；• 几何均值定义保证频带在对数轴上关于中心对称；• 选择 base-10 意味着序列与十进制优选数（ISO 3/ISO 266）更自然对齐。 [1][2] 频带边界、中心频率、带宽设计器 b：从定义到可计算 标准术语中常见 1/b 作为“带宽设计器（bandwidth designator）”：例如 1/1 为 1 倍频程，1/3 为 1/3 倍频程。 [1]一旦你选定 (G, b, fr)，整套频带就被数学上锁定：每个频带的中心频率 fm 与边界 (f1,f2) 都是可计算的。 exact vs nominal：为什么同一个频带会出现两个“中心频率”？ 在标准里，“精确中心频率（exact）”用于数学一致性与滤波器设计；“标称中心频率（nominal）”用于标注、报告与工程交流。 [1]ISO 266:1997 给出了声学测量的优选频率（preferred frequencies），以 1000 Hz 为参考，并基于 ISO 3 的 R10 优选数列。 [2]因此，1/3 倍频程的 exact 序列（严格等比）会被舍入成一串非常常见的标称值：20, 25, 31.5, 40, 50, 63, 80, 100, 125, 160, ... , 1k, 1.25k, 1.6k, 2k, 2.5k, 3.15k, ... , 20k。 工程上“31.5 Hz”“6.3 kHz”“12.5 kHz”等标称值来自 R10 系列的习惯写法，利于读写与表格化。 算法实现应优先用 exact 频率计算边界，再将结果标注为 nominal；这样最不容易出错。 base-10 vs base-2：为何标准不坚持严格 2:1？ 许多人对 octave 的直觉是 2:1。IEC 61260-1 采用 base-10（G=10^(3/10)）而不是 base-2（G=2）的主要原因：• 与十进制优选数列对齐（ISO 266 直接基于 R10 系列）。 [2]• 统一国际标准：IEC 61260-1:2014 只规定 base-10，并提示 base-2 设计在远离参考频率时符合标准的概率会降低。 [1]数学上：log10(2) ≈ 0.3010，1/3 octave 在对数十进制上接近 0.1 decade；而 base-10 定义直接令相邻 1/3 带比值为 10^(1/10)，使得每个 decade 恰好 10 个 1/3 带，这是与 R10 的“漂亮对齐”。 “10 个 1/3 带 = 1 个 decade”：这件事为什么很重要？ 当 1/3 倍频程按 base-10 定义时，相邻中心频率比值 r = 10^(1/10)。因此：• 每走 10 个 1/3 带，频率正好乘以 10（一个 decade）；• 这与 ISO 266 的 R10 优选数列天然一致；• 这让很多工程表格、标称频率、图纸标注非常顺手。从标准化角度看，“易读、易写、易比对”是极其重要的工程价值：它减少沟通成本与误用概率。 图 3：Base-10 1/3 倍频程在一个 decade（10× 频率）内的 10 个等比步进示意 ANSI S1.11 / ANSI/ASA S1.11：容差等级（class）与瞬态提醒 ANSI S1.11 及其采用 IEC 61260-1 的版本同样描述了滤波器组/频谱分析仪所需的性能要求，并引入不同容差等级（例如一些版本包含 class 0/1/2）。 [3][4]一个非常工程化的提醒是：标准指出对于瞬态信号，不同实现的滤波器（即便都满足同一规范）可能给出不同结果。 [3]这意味着：当你把倍频程用于瞬态诊断时，必须关注“算法的时间响应”。 “class / mask / effective bandwidth”到底在管什么？ 很多人以为“做了 1/3 倍频程”只要频带边界对了就行，但在标准化测量里更关键的是：不同设备/算法要得到可比结果。这就需要把滤波器/分析器的行为约束到一个“允许的范围”里——这就是 IEC/ANSI 里常说的 class（等级）和 mask（容差掩模）的意义。 可以把它拆成三层去理解：• 频率划分（frequency spacing）：中心频率序列与边界如何定义（base-10、exact/nominal、f1/f2）。• 幅频响应容差（magnitude response mask）：在通带附近允许多大起伏？离中心频率多远必须衰减到多小？（用于保证邻带隔离与一致性）• 能量口径一致性（effective bandwidth）：面对宽带随机噪声时，‘通过滤波器后得到的均方值’必须在设备间可比。 为什么要强调 effective bandwidth？因为真实滤波器不是“理想砖墙”。对随机噪声而言，带内输出能量取决于 ∫|H(f)|^2 S(f)df，只要 |H(f)| 的尾巴、滚降、通带起伏不同，即便频带边界名义上相同，带级也会系统性偏差。标准通过对有效带宽/归一化有效带宽的约束，把这种偏差压到可接受的范围内。 [1][3][4] 另外，标准强调“瞬态信号可能导致不同合规实现输出不同”并不是矛盾，而是提醒你：• mask 主要约束的是稳态频域特性（幅频与带宽），而瞬态还与相位/群延迟、滤波器振铃、以及你选择的时间平均方式有关；• 所以当你做冲击、扫频、短事件诊断时，必须固定算法细节（滤波器结构、阶数、时间常数、平均窗口）并做基准比对。 [3] 数学基础：1/n 倍频程频带的定义、带宽、Q 值与带编号 CPB（常数百分比带宽）与“对数等距” CPB 的等价说法是：在对数频率轴上，每个频带的宽度相同。设归一化变量 u = log(f)，那么频带边界对应 u 上的固定间隔。这在噪声与振动工程里很自然：许多谱型（例如 1/f 类谱）在对数尺度上更平滑，统计更稳定。 由几何均值推导边界公式（通用 1/b 形式） 标准给出中心频率是边界的几何均值 fm = sqrt(f1*f2)。 [1]对 1/b 倍频程，通常取边界比值 f2/f1 = G^(1/b)（G 为倍频程比）。于是： 对 base-10 1/3 倍频程：G=10^(3/10), b=3。相邻中心频率比值 r = G^(1/3) = 10^(1/10) ≈ 1.258925；边界倍数 k = 10^(1/20) ≈ 1.122018。 Q 值与分辨率：倍频程就是常数-Q 分析 Q = fm / (f2 - f1)。对 CPB：Δf = f2-f1 与 fm 成比例，因此 Q 仅由 b 与 G 决定。 设 => Q 与 fm 无关（常数-Q） 工程含义：• 在低频，频带窄 -> 频率分辨更细；• 在高频，频带宽 -> 能量统计更稳、对随机噪声更友好。 常见分数倍频程的相对带宽与 Q 值速查（base-10，fr=1000 Hz）： 分数倍频程频带比值 f2/f1相对带宽 Δf/fmQ = fm/Δf1/11.9952620.7045921.4191/21.4125380.3471072.8811/31.2589250.2307684.3331/61.1220180.1151938.6811/121.0592540.05757317.369 解读：1/3 倍频程的 Q≈4.33，意味着每个频带的带宽大约是中心频率的 23%。分得更细（1/6、1/12）虽然分辨率更高，但对随机噪声的统计方差也会更大、所需平均时间更长。 图 4：常见分数倍频程的 Q 值（base-10 定义） 带编号（band number）与公式化索引 实现时经常需要一个整数索引（band number）来枚举频带。IEC 用整数 x 出现在中心频率公式里：fm = fr * G^(x/b)。 [1]因此你可以反求 x： 给定 fm（exact）： 对 base-10： 这个索引在工程上很有用：• 你可以稳定地生成“覆盖某个频率范围”的整套频带；• 你可以确保频带边界连续（contiguous），且每一带严格对应标准定义。 “1/3 倍频程”的两种口径：base-2 与 base-10（别混用） 在一些文献中，“1/3 octave”可能指 base-2 的 2^(1/3)；而在 IEC 61260-1:2014 的滤波器规范与很多现代声学测量语境中，更常用 base-10 的 10^(1/10)（也可理解为 1/10 decade）。实际项目里必须确认：你的仪器/软件采用的是哪一种定义。一个简单检查法：看相邻标称中心是否是 1.0k -> 1.25k -> 1.6k -> 2.0k 这种 R10 风格，若是，则大概率是 base-10。 倍频程带级的数学定义：从 PSD 积分到 dB 报告口径 连续频域：带内能量积分 倍频程带级本质是“功率谱密度在频带内积分”。以声压 p(t) 为例： 对振动（速度/加速度）完全类似，只是参考量与单位不同。关键点：dB 是对数，任何求和/平均必须先回到线性功率或均方域。 离散实现的两条路：滤波器输出 RMS vs FFT/PSD 装桶 滤波器法：y_b(t)=BandPass_b{x(t)}，然后 p_rms^2(b)=mean(y_b^2)。 FFT/PSD 法：先估计 S_pp(f)，再对 f∈[f1,f2] 做数值积分（bin 求和）。 两者对“长时间平稳信号”的平均结果可非常接近，但对瞬态、扫频、短事件往往不同。 先把“谱是什么”说清楚：幅度谱、功率谱、PSD（以及 dB/Hz） 离散信号做 FFT 后，最容易混淆的是“你手里那条谱到底是什么量”。用声压 p(t) 举例（单位 Pa）：• 幅度谱 |X(f)|：仍然与‘幅度’同量纲（Pa），常用来观察纯音/谐波。• 功率谱 |X(f)|^2：量纲变成 Pa^2，直接对应均方（能量）。• 功率谱密度 PSD：量纲是 Pa^2/Hz，表示‘每 1 Hz 的均方’（噪声分析里最常用）。倍频程带级本质上是带内均方（Pa^2）或功率的积分/求和，所以无论你从哪条谱出发，最终都必须落回到 Pa^2 的能量域。 频率分辨率与单边谱：Δf、0..fs/2、以及“乘 2” FFT 的 bin 间隔是 Δf = fs/N。把 PSD 离散化后，带内积分通常近似为：均方(带) ≈ Σ_{k∈band} PSD[k] · Δf如果你使用的是‘单边谱’（只保留 0..fs/2），为了能量守恒，除 DC（0 Hz）与 Nyquist（fs/2，若存在）外，通常需要把其余频点的功率乘以 2（因为负频率那一半被折叠掉了）。很多实现对这一点处理不同，导致同一段数据在不同软件里差一个常数偏移；所以做对比时一定要先把“谱的定义”对齐。 窗函数校正：coherent gain（纯音）与 ENBW（噪声）是两件不同的事 加窗的目的，是降低频谱泄漏（尤其是非整数周期的纯音）。但窗会改变两类量：• 对纯音幅度：窗会把峰值‘压低’，需要用 coherent gain（CG）校正。常见定义：CG = sum(w)/N。• 对宽带噪声：窗会改变噪声底的统计平均，需要用等效噪声带宽 ENBW 校正。常见定义：ENBW = fs · sum(w^2)/(sum(w))^2。 [9]直觉上：CG 关心的是‘峰值高度’，ENBW 关心的是‘噪声底面积’。倍频程带级属于能量统计，更常受 ENBW 影响。 常见窗口速查（典型值，N 足够大时 ENBW 以“bin 宽度”为单位）： 窗口Coherent Gain CGENBW（bins）Rectangular1.0001.000Hann0.5001.500Hamming0.5401.363Blackman0.4201.727 提示：如果你的目标是“噪声带级”，优先确认 ENBW/PSD 口径；如果你的目标是“纯音幅值落在哪个频带”，再去确认 CG 与频谱泄漏。 装桶时的“部分 bin”加权：边界不对齐时怎么做才不跳变 把 PSD 当成在每个 bin 宽度 Δf 内近似常数，那么任意频带 [f1,f2] 的积分可以写成： 其中 α_k∈[0,1] 是‘该 bin 与频带的重叠比例’： 这样做的好处是：当你稍微移动边界或改变 N 时，带级变化会更平滑、更符合连续积分的直觉。 图 5：FFT 装桶时的“部分 bin 加权”示意（频带边界与 FFT bin 不对齐） 两条路什么时候“理论等价”？用一个公式把它们统一起来 严格地说，滤波器法与 PSD 装桶法都在做同一件事：把信号的功率按频率分配并积分。统一写法是： • 若 H_b(f) 是理想砖墙（bandpass=1，bandstop=0），就退化成 ∫_{f1}^{f2} S_xx(f) df。• 若 H_b(f) 是真实标准滤波器，则积分里会自然包含滚降与通带起伏；这也是为什么标准要约束 |H_b(f)| 与有效带宽。 因此，两条实现想要数值上尽量一致，要么让 FFT 装桶近似同样的 |H_b(f)|（例如用 FFT synthesis 的权重），要么接受它们对‘边界/滚降’的不同处理并在报告中注明方法。 频带合成：从 1/3 倍频程合成 1 倍频程（以及总级） 在理想的频带划分与能量守恒条件下：• 3 个相邻的 1/3 倍频程可以合成 1 个 1 倍频程；• 所有频带能量（在覆盖范围内）求和可得到总能量。IEC 61260-1 也提到窄带分数倍频程输出可以组合近似更宽带的带级。 [1]合成规则永远是能量域求和： 若 L_i 为各带级（dB），对应线性能量 E_i： 合成带级： “有效带宽（effective bandwidth）”与为何标准要规定它 现实滤波器不是理想砖墙，通带起伏与边缘滚降会影响“随机噪声通过后得到的能量”。因此标准往往引入有效带宽概念：等效成一个理想滤波器，其通过噪声功率与真实滤波器相同。IEC 61260-1 还定义了归一化有效带宽，且在定义中出现对 1/f（按对数频率度量）的权重形式。 [1]工程意义：这保证不同实现的滤波器，在测量宽带噪声（尤其是粉红噪声类）时能得到可比的带级。 把“有效带宽”写成一行公式 以单位增益的带通滤波器 H(f) 为例，若输入是白噪声（PSD 为常数 S0），输出均方为： 因此可以把滤波器等效成一个‘理想矩形带通’，其带宽定义为： 这就是最常见的有效带宽（effective bandwidth / noise bandwidth）直觉：它衡量的是‘噪声能量能通过多少’而不是‘-3 dB 点在哪里’。 如果输入不是白噪声，而更接近粉红噪声（PSD ~ 1/f），那么不同频率的噪声贡献不再等权。标准在定义归一化有效带宽时引入相应权重，目的仍然是同一个：让不同实现对‘典型工程噪声’给出可比带级。 [1] 工程上最常见的坑：• 你用 FFT 装桶得到的带级，相当于默认了‘砖墙滤波器’（|H|^2=1/0），其 B_eff 就是 (f2-f1)。• 你用真实 IEC/ANSI 滤波器组得到的带级，相当于用一个有滚降的 |H|^2，因此 B_eff 往往略大于 (f2-f1)，且不同 class 会不同。所以当你要把两者对齐时，最靠谱的方法是：要么用 FFT synthesis 去逼近真实 |H|^2，要么在 FFT 装桶里引入与标准一致的过渡带权重。 为什么标准与工程界偏爱 1/3 倍频程？ 1/3 倍频程的“信息密度”刚好：比 1 倍频程细、比更细分数稳 把一个 octave 只用 1 个数描述（1 倍频程）往往过粗，会掩盖谱形；但把一个 octave 切得过细（如 1/12、1/24）又会：• 增加测量/估计方差（随机噪声下每带能量更不稳定）；• 增加实现复杂度与计算/报告成本；• 在多数法规与评价体系中“信息过剩”。1/3 倍频程是经典折中：工程上足够细，统计上足够稳，生态上最普及。 心理声学因素：临界带在中频段接近 1/3 倍频程 不少心理声学资料指出，可听频段可划分为约 24 个临界带（critical bands），且在中频段临界带宽与 1/3 倍频程带宽相近。 [7][8]这使得 1/3 倍频程在很多“与听感相关”的工程问题中成为自然的中间尺度：• 环境噪声的频带贡献解释• 声品质（loudness 等）计算的输入谱（部分标准/方法使用 1/3 倍频程作为输入格式）注意：1/3 倍频程并不等同 Bark/ERB 等感知尺度，但它标准化程度更高、跨行业可比性更强。 标准与应用直接驱动：很多流程把 1/3 写死为输入/输出 当某些关键标准把 1/3 倍频程写进流程，产业链就会围绕它形成惯性。典型例子：• 建筑隔声的评级：ISO 717-1:2020 提到实验室测量单值量计算使用 1/3 倍频程。 [5]• 房间声学参数：混响时间等参数常按倍频程/1/3 倍频程报告（如 ISO 3382 系列）。 [6]一旦“报告格式”变成标准要求，仪器与软件就会优先支持这种格式，从而进一步巩固其地位。 base-10 的额外工程红利：R10 表格化 + 10/decade + 易读性 10 bands per decade：频率每乘以 10，正好跨 10 个 1/3 带（表格与坐标轴刻度非常规整）。 R10 优选数：1.00、1.25、1.60、2.00、2.50、3.15、4.00、5.00、6.30、8.00（乘以 10^n）几乎人人熟悉，工程沟通成本低。 对比 base-2：虽然更符合“octave=2”的直觉，但标称频率的十进制表达会更别扭，且跨标准/报告更容易引入歧义。 倍频程分析的实现方法，主要有FFT装桶和滤波器组法两种，继续阅读-> 倍频程分析指南：FFT装桶 vs 滤波器组法 OpenTest已集成两种倍频程分析方法，访问OpenTest 网站 www.opentest.com 下载免费版软件，更多功能与应用案例等待您的解锁。 参考文献 [1] IEC 61260-1:2014 PDF sample (iTeh): https://cdn.standards.iteh.ai/samples/13383/3c4ae3e762b540cc8111744cb8f0ae8e/IEC-61260-1-2014.pdf [2] ISO 266:1997, Acoustics - Preferred frequencies (ISO): https://www.iso.org/obp/ui/ [3] ANSI S1.11-2004 preview PDF (ASA/ANSI): https://webstore.ansi.org/preview-pages/ASA/preview_ANSI%2BS1.11-2004.pdf [4] ANSI/ASA S1.11-2014/Part 1 / IEC 61260-1:2014 preview: https://webstore.ansi.org/preview-pages/ASA/preview_ANSI%2BASA%2BS1.11-2014%2BPart%2B1%2BIEC%2B61260-1-2014%2B%28R2019%29.pdf [5] ISO 717-1:2020 abstract (mentions one-third-octave usage): https://www.iso.org/standard/77435.html [6] ISO 3382-2:2008 abstract (room acoustics parameters): https://www.iso.org/standard/36201.html [7] Ansys Help: Bark scale and critical bands (mentions midrange close to third octave): https://ansyshelp.ansys.com/public/Views/Secured/corp/v252/en/Sound_SAS_UG/Sound/UG_SAS/bark_scale_and_critical_bands_179506.html [8] Simon Fraser University Sonic Studio Handbook: Critical Band and Critical Bandwidth: https://www.sfu.ca/sonic-studio-webdav/cmns/Handbook5/handbook/Critical_Band.html [9] MathWorks: ENBW definition example: https://www.mathworks.com/help/signal/ref/enbw.html

概念详解阅读这篇-> 什么是倍频程分析？为什么标准都喜欢1/3倍频程 基于倍频程滤波器组的分析（True Octave / CPB Filter Bank） 并联滤波器 + 带内能量检测 + 时间平均 滤波器组法（常被称为 true octave analysis）是最“标准仪器化”的实现：1) 为每个中心频率设计带通滤波器 H_b(z)（或 H_b(s)）2) 所有滤波器并联，对输入 x(t) 同时滤波得到 y_b(t)3) 对每个 y_b(t) 计算带内均方/功率并做时间平均，得到带级 L_b滤波器的幅频响应需要满足 IEC/ANSI 的容差掩模（mask），以保证不同仪器可比。 [1][3] IIR vs FIR：为什么工程上常用 IIR？ IIR 的优势：• 对给定滚降与带外抑制，所需阶数通常远低于 FIR，计算量更低• 适合实时仪器与嵌入式实现• 可用级联二阶节（biquad）保证数值稳定FIR 的优势：• 可实现线性相位（对需要保留波形形状的应用有价值）• 设计与验证更直接但对“只要带级”的场景，相位通常不是主要指标，因此 IIR 是常见选择。 多速率（multirate）是 CPB 滤波器组的秘密武器 CPB 的低频带宽很窄，如果按原采样率直接实现，会浪费算力。常见做法是：• 将频带按 octave 分组• 对低频组先做低通 + 抽取（例如每降一个 octave 抽取 2 倍）• 在降低采样率后的信号上实现低频 1/3 带通这样可以显著降低滤波器阶数需求与运算量，同时保持标准定义的频带结构。 时间平均/时间加权：带级不是“瞬时值”，而是统计量 倍频程带级通常需要时间平均。常见三类：• 块平均（block RMS）：每 T 秒输出一次• 指数平均（exponential averaging）：等效一阶低通平滑能量• Leq（等效连续级）：在能量域对整个测量时长积分在声级计语境中，IEC 61672-1 描述了 Fast/Slow 等时间加权概念（Fast 典型时间常数约 125 ms，Slow 约 1 s）。 [5][6]工程含义：同一个频带，如果你用不同时间常数，读数会不同；报告必须注明时间加权。 如何验证滤波器组“像标准那样工作”？ 正弦扫频：检查每个频带在其通带内的响应与邻带隔离；也能观察瞬态/群延迟导致的滞后 粉红噪声/白噪声：检查带级是否与理论谱（1/f 或常数 PSD）一致；同时可估计带级方差与稳定时间 脉冲/阶跃：检查滤波器的时域振铃与时间响应（对瞬态应用尤其重要） 对照法：用已知“符合 IEC/ANSI 的参考实现/仪器”对同一信号比对带级 从“定义频带”到“做出合规数字滤波器”的完整流程 如果你需要自己实现一个“接近标准仪器”的 1/3 倍频程滤波器组，可以按下面的工程流程走（不依赖某个特定软件）： 确定频带体系：选 base-10/base-2、选 1/b（通常 b=3），用 exact 公式生成全部中心频率 fm 与边界 f1/f2 确定性能目标：你要对标哪个标准版本/哪个 class？这会影响你允许的通带起伏、边缘滚降斜率、以及邻带隔离 选择滤波器结构：实时/嵌入式常用 IIR（biquad 级联）；若对相位敏感或要离线零相位，可考虑 FIR 或前后向滤波 设计单个频带：以 f1/f2 为关键频率，设计带通；注意数字域频率映射可能需要预失真（例如双线性变换的 pre-warp）来让数字滤波器的边界落在你期望的位置 做全带覆盖与多速率：把频带按 octave 分组，低频组先低通+抽取；抽取前必须有足够的抗混叠滤波 验证：逐带检查幅频响应是否落在标准 mask 允许范围；用噪声验证有效带宽与带级偏差；用扫频/脉冲验证时间响应 定标与单位：确认输入单位（Pa、m/s^2 等）与参考量（20 µPa 等）；确认 RMS/Leq 的时间平均与报告口径 时间响应：群延迟、振铃、时间平均三者如何共同决定“读数” 倍频程带级看起来是频域量，但在真实仪器里它是‘滤波 + 能量检测 + 平滑’的时域系统，所以会出现三个时间尺度：• 滤波器本身的群延迟：决定一个事件在该频带上“晚多久”出现• 滤波器的振铃/衰减时间：决定一个短脉冲会在该频带上拖尾多久• 你选的时间平均（Fast/Slow/Leq 或滑动 RMS）：决定你输出的时间分辨率与抖动当你用倍频程去看瞬态（冲击、开关噪声、扫频起停），不同实现即便都满足同一幅频 mask，也可能给出不同的峰值与时间轨迹——这正是 ANSI 提醒的原因。 [3] 一个非常实用的经验：• 想看‘稳态频带贡献’：加长平均时间，让结果更稳定（更像法规测量）• 想看‘瞬态在哪个频带爆发’：缩短平均时间，但必须接受更大波动，并固定滤波器实现（尤其是阶数/相位特性） 实时实现常见坑 • 抽取链路忘记抗混叠：低频带级会被混叠污染，且很难肉眼看出来• biquad 系数数值问题：高 Q（细分数）在低频时系数可能很极端，需要用双精度或 SOS 结构避免不稳定• 直接对 dB 做平均：必须先在能量域平均，再转 dB• 频带重叠导致‘总能量不守恒’：真实标准滤波器并不要求功率互补，别用“各带加和=总级”去强行判错；应以标准口径与参考实现对齐为准 使用OpenTest进行基于倍频程滤波器组的分析 OpenTest支持基于倍频程滤波器组的分析：1) 连接设备，如SonoDAQ Pro2) 勾选通道并调整参数设置，如外接麦克风，需开启IEPE，并切换到声信号测量3) 在测量模式的倍频程分析板块中，选择IEC 61260-1算法，支持实时分析、线性平均、指数平均、最大保持4) 在参数配置完成后，点击测试按钮即可开始测试5) 支持一次录制同时分析1/1倍频程、1/3倍频程、1/6倍频程、1/12倍频程、1/24倍频程 图 1：使用OpenTest进行基于倍频程滤波器组的分析 使用OpenTest的IEC 61260-1倍频程分析功能观察数据-> FFT 频带积分与 FFT Synthesis（频域合成） FFT 频带积分的本质：把线谱变成 CPB 频带积分 FFT 法通常包含两步：1) 先做谱估计：单帧 FFT、Welch 平均、或 STFT（重叠短时 FFT）得到 |X[k]|^2 或 PSD[k]；2) 对每个倍频程频带，求和/积分得到带功率 P_band。它在软件和离线处理中很常见：一次 FFT 可以得到全频段细粒度谱，随后“频带积分”为任意频带体系（1/1、1/3、1/12...）。 关键难点一：FFT 的尺度（scaling）和窗函数校正 做 FFT 之后，你拿到的 |X[k]| 是“与实现定义相关”的量：是否做了 1/N 归一化？是幅度谱还是功率谱？是否单边谱？更关键的是窗函数：窗会改变能量分布与噪声底。要在 PSD 口径下正确积分，需要考虑窗的等效噪声带宽（ENBW）。ENBW 的一个常见定义形式：ENBW = fs * sum(w^2) / (sum(w))^2。 [7]工程落地：如果你在噪声测量中忽略 ENBW，你的 PSD 与带级会出现系统性偏差，尤其是在宽带噪声下。 一个常用且不容易错的 PSD 归一化写法（用于频带积分积分） 以单帧 periodogram 为例（Welch 只是对多帧做平均），一种常见定义是： X[k] = FFT( w[n]·x[n] )U = (1/N) · Σ w[n]^2PSD_two_sided[k] = |X[k]|^2 / (fs · N · U) 然后再转为单边 PSD：除 DC/Nyquist 外乘以 2。这样做的好处是：• PSD 的单位是‘输入单位^2/Hz’（例如 Pa^2/Hz），• 对白噪声，其 PSD 平均值与理论常数一致（只差统计波动），• 对 PSD 做 Σ PSD·Δf 可以回到均方（RMS^2），便于与时域结果交叉验证。 两个最实用的“自检”方法：一眼看出你的 scaling 有没有错 自检 A（白噪声）：生成一段已知方差 σ^2 的白噪声，理论上其总均方应接近 σ^2。你把 PSD 在 0..fs/2 积分（单边谱要包含乘 2 规则）应回到同一个 σ^2。自检 B（纯音）：生成一个幅值 A 的正弦（注意 RMS= A/√2），其能量应几乎集中在一个或少数几个 bins（取决于是否整周期与窗函数）。把频域能量积分回去，应该接近 (A^2/2)。只要这两项对上了，你的 FFT scaling 大概率是正确的；之后再谈 ENBW、partial-bin、倍频程频带积分才有意义。 关键难点二：bin 与频带边界不对齐 -> 需要“部分 bin”加权 1/3 倍频程边界通常不会恰好落在 FFT 的 bin 频率上。若你简单地“包含或排除某个 bin”，会造成阶梯状误差。更严谨的做法是：对边界处的 bin 按其频率覆盖比例做部分面积加权（相当于把 PSD 在 bin 内视为常数并做截断积分）。这在低频尤其重要，因为低频带宽窄，落在边界的那几个 bin 占比更大。 “部分 bin”加权的最小实现（伪代码级别，可直接落地） 假设你有单边 PSD 数组 PSD[k]，对应每个 bin 的中心频率 f_k = k·fs/N，bin 宽度 Δf=fs/N。对某个倍频程频带 [f1,f2]：1) 找到完全落入频带内部的 bins：这些 bins 的权重 α_k=1；2) 对落在边界附近的最多两个 bins，计算重叠比例 α_k∈(0,1)；3) 带内均方 = Σ α_k · PSD[k] · Δf。注意：如果你用的是双边谱，f_k 的定义与边界处理会不同；但‘重叠比例’这一思想是通用的。 零填充（zero-padding）能解决边界不对齐吗？ 零填充能让频谱曲线看起来更平滑（相当于在频域做插值），但它并不会真正提高频率分辨率：真实分辨率仍由原始窗长决定。因此，对倍频程频带积分而言：• 零填充可以让边界落在更细的频点上，从而减小‘截断误差’的视觉跳变；• 但如果 N 太小导致低频每带只有 1-2 个 bins，再怎么零填充也不会变成“可靠的低频带级”。根本解决方案仍然是：足够长的窗（更细 Δf）或采用多速率/滤波器组方法。 关键难点三：时间-频率折中（窗长决定低频精度与延迟） FFT 分辨率 Δf = fs/N。低频 1/3 带宽很窄：例如 20 Hz 这一带的带宽只有几 Hz。若希望每带至少 10 个 bins，则 Δf 需小于带宽/10，这会要求 N 很大，从而带来：• 更大的延迟（至少一个窗长）；• 对非平稳信号的时间平滑（瞬态被“拉长”）。因此：FFT 频带积分在“稳态噪声的统计带级”上很优秀，但在“快速变化/瞬态的带级轨迹”上可能不如滤波器组直观。 低频难题的根源：1/3 倍频程是常数-Q，但 STFT 是常数-Δf 这是很多人第一次做低频 1/3 倍频程时会“踩坑”的根本原因：• 1/3 倍频程的带宽 Δf_band 与中心频率成正比（常数-Q）；• STFT/FFT 的 bin 宽度 Δf_bin 是常数（常数-Δf）。因此在低频，你需要非常小的 Δf_bin 才能把窄频带切得足够细；在高频反而绰绰有余。 解决路线对比：长窗 STFT vs 多速率 STFT vs CQT/小波 常见三条路线：• 长窗 STFT：实现最简单，但延迟大、瞬态被拉长。• 多速率 STFT：低频先抽取再做 FFT，用较小采样率实现更细的低频 Δf；与 6.3 的多速率滤波器组思路一致。• 常数-Q 变换（CQT）/小波：天生就是对数频率分辨，更接近倍频程带；但若要严格对标 IEC/ANSI 的滤波器 mask，需要额外校准与验证。 [4]工程上：合规测量优先‘标准滤波器组’；科研/特征提取则可以考虑 CQT/小波等更灵活的方法。 FFT Synthesis：用频域权重构造“每带滤波” FFT synthesis（频域合成）可以把 FFT 法推向“滤波器组”的方向：• 为每个频带构造频域权重 W_b[k]（可近似标准滤波器的幅频掩模，或用更平滑的过渡带）；• 令 Y_b[k] = X[k] * W_b[k]；• IFFT 得到 y_b[n]，再计算带内 RMS/平均。特点：• 容易实现零相位（非因果）滤波；• 可用 overlap-add 做流式输出，但依然有块延迟；• 若要严格符合 IEC/ANSI 的掩模，需要精心设计 W_b 与验证。 FFT Synthesis 做成“流式倍频程仪器”的关键：OLA、双窗与幅度归一化 如果你希望 FFT synthesis 不只是离线块处理，而是像仪器一样连续输出，每一步都要把“块”拼回“流”：• 分帧：以 hop 为步长取帧并加分析窗 w_a[n]；• 频域加权：Y_b[k]=X[k]·W_b[k]；• IFFT 得到 y_b[n] 后，再乘合成窗 w_s[n] 并 overlap-add；• 选择 w_a 与 w_s 使得重叠相加满足近似恒等（COLA 条件），否则带内 RMS 会随帧对齐产生周期性起伏。这也是为什么很多实现会固定窗型与重叠率（例如 Hann + 50% 重叠）并在最后做幅度归一化。 如果目标是“对标标准滤波器”，W_b[k] 应该如何选？ W_b[k] 的选择取决于你追求的‘像什么’：• 追求砖墙积分一致性：W_b[k] 直接取 0/1（硬边界），最接近频带积分。• 追求与 IEC/ANSI 滤波器一致：让 |W_b(f)| 逼近标准规定的幅频掩模，并关注有效带宽（相当于匹配 ∫|W_b|^2）。• 追求可重构/能量守恒：让各带权重满足近似功率互补 Σ|W_b(f)|^2≈1。三者通常不能同时完美满足，所以实现前先明确目标会省掉很多返工。 能量守恒的频域滤波器组：为什么要关心 Σ|W_b|^2？ 如果你的目标是“每带能量可加、总能量守恒”，一个常见的设计原则是让频域权重满足（近似）功率互补：Σ_b |W_b(f)|^2 ≈ 1（在分析频段内）。这样对于宽带信号，按 Parseval 定理，各带能量之和接近总能量（忽略边缘与数值误差）。注意：IEC/ANSI 的真实滤波器掩模不一定满足严格互补，因此你需要明确你的目的：合规测量 vs 信号分解/重建。 Welch/平均策略：如何让 FFT 带级更稳？ Welch 平均：分段、加窗、重叠、对功率谱平均，是噪声 PSD 估计的常用办法。 时间平均要在功率域做：平均 |X|^2 或 PSD，再转 dB。 对非平稳信号：考虑用 STFT 输出时间-频带矩阵（类似声级计的时间序列）。 报告时说明：窗类型、重叠率、平均次数、是否做了 ENBW/幅度校正。 使用OpenTest进行FFT频带积分分析 OpenTest支持基于FFT装桶的倍频程分析：1) 连接设备，如SonoDAQ Pro2) 勾选通道并调整参数设置，如外接麦克风，需开启IEPE，并切换到声信号测量3) 在测量模式的倍频程分析板块中，选择基于FFT分析的算法4) 支持一次录制同时分析1/1倍频程、1/3倍频程、1/6倍频程、1/12倍频程、1/24倍频程 图 2：使用OpenTest进行基于FFT装桶的倍频程分析 使用OpenTest的FFT装桶倍频程分析功能观察数据-> 倍频程滤波器法 vs FFT/FFT Synthesis：差异、等价条件与工程取舍 核心差异 维度滤波器组法（True Octave/CPB）FFT 装桶 / FFT Synthesis标准符合性更容易严格对标 IEC/ANSI 的幅频掩模；硬件仪器主流路线。 [1][3]若仅装桶，更像“频带积分”；要严格匹配掩模需额外设计权重或用标准化数字滤波器。实时性/延迟可因果实时；延迟由滤波器阶数与时间平均决定。块处理至少一个窗长延迟；低频为了分辨率往往需要更长窗。瞬态响应输出随时间连续变化，但受滤波器群延迟/振铃影响；不同合规实现可能不同。 [3]由 STFT 窗决定时间扩展；瞬态被窗平滑，且对窗类型/长度敏感。泄漏与校正带外抑制主要靠滤波器设计，泄漏可控。强依赖窗函数与 ENBW/幅度校正；边界 bin 不对齐需部分加权。 [7]可解释性对应“通过某个带通滤波器后的 RMS”，与声级计/分析仪一致，解释直观。对应“谱估计 + 装桶”，更接近统计谱分析；解释需结合窗长与平均方式。计算量多滤波器并行；多速率可降成本。一次 FFT 可复用所有频带；离线/批量处理效率高。相位与可重建性IIR 一般非线性相位（但对带级无碍）。频域权重可做零相位（非因果）；若做带信号重建，需关注权重互补与边缘过渡。 什么时候两者会给出“几乎一样”的结果？ 在以下条件同时满足时，滤波器法与 FFT 装桶法的平均带级通常非常接近： 信号近似平稳（stationary），且观测时间足够长； FFT 分辨率足够细：每个频带含足够多 bins（尤其最低频带）； 窗函数的幅度/能量尺度、单边谱、ENBW 等做了正确校正； 频带边界处做了部分 bin 加权，而不是粗暴截断； 只比较统计意义上的平均带级，不比较瞬态随时间变化的轨迹。 为什么在瞬态/短时事件中差异会变大？ 差异放大的根本原因是“时间尺度不一致”：• 滤波器组法：每个频带有自己的群延迟与振铃，但可以连续输出；• FFT/STFT：用固定窗长做局部谱估计，窗长既决定频率分辨率，也决定时间平滑与延迟。当事件持续时间与窗长/滤波器时域响应同一个量级时，结果会明显依赖具体实现。因此，做瞬态诊断时应尽量固定算法细节，并用基准信号做一致性验证。 误差预算（error budget）：两种实现差异通常从哪里来？怎么快速定位？ 当你发现“滤波器组 vs FFT 装桶”对不齐时，不要盲目调参数。建议按影响从大到小做排查（越靠前越常见）： dB 平均/合成方式是否错误：是否在能量域平均与求和？（这是最常见的‘一票否决’问题） FFT scaling 是否一致：1/N 归一化、单边/双边、Δf、窗函数 U（sum(w^2)）是否匹配？ 窗函数校正是否匹配：噪声测量是否用 ENBW，纯音幅度是否考虑 coherent gain？ 频带边界是否按 exact 计算：是否误用 nominal 频率去算 f1/f2？ 边界 bin 是否做 partial-bin 加权：低频带宽窄时差异会被放大。 滤波器组是否多速率：抽取链路是否抗混叠充分？不同抽取方案会影响带外能量泄漏。 时间平均是否一致：块长、重叠、指数时间常数是否一致？ 真正的‘标准差异’：若你在对标某个 class 的 mask，FFT 装桶（砖墙）与真实滤波器（滚降）本来就可能有系统差。 一个很有效的定位方法：先用白噪声把总均方、每带均方对齐（排除 scaling/ENBW/partial-bin 问题），再用扫频/纯音检查频带中心与邻带隔离（排除频带定义与滤波器实现问题）。 工程落地清单：如何把 1/3 倍频程做对、做稳、做可复现 选方法：合规测量优先滤波器组；离线统计可优先 FFT 装桶 若目标是法规/型式试验/仪器一致性：优先使用符合 IEC/ANSI 的倍频程滤波器组实现，并注明 class 与标准版本。 [1][3] 若目标是离线分析、大批量数据、希望灵活切换频带：FFT 装桶更高效，但必须把尺度校正与边界加权做严谨。 若目标是“得到每带时域信号”（例如后续做调制分析、包络等）：可考虑 FFT synthesis 或 FIR/IIR 滤波器组。 FFT 装桶的参数选取：从最低频带推 N（示例） 假设 fs=48 kHz，最低关注 20 Hz 的 1/3 倍频程。其带宽约为：Δf ≈ f2-f1 ≈ 4.6 Hz（见附录表）。若你希望该频带至少有 M=10 个 bins，则需要 Δf_bin = fs/N <= 4.6/10 ≈ 0.46 Hz，即 N >= 48000/0.46 ≈ 104000 点。工程上通常选最近的 2^n：N=131072。这就是为什么“用 FFT 做低频 1/3 倍频程”常会带来很大窗长与延迟。 典型错误清单 把幅度谱 |X| 相加当成能量：必须用 |X|^2（或 PSD）在功率域求和。 直接平均 dB：所有平均/合成都应先回到线性功率/均方域，再转 dB。 忽略窗函数校正与 ENBW：宽带噪声下会出现系统偏差。 [7] 用 nominal 频率算边界：边界应基于 exact 计算，再用于标注为 nominal。 不说明时间平均方式：Fast/Slow/Leq 对结果影响很大。 [5][6] 推荐的验证流程 频带中心正弦测试：把纯音扫过频带，检查峰值落在正确频带，且邻带抑制符合预期。 白噪声/粉红噪声测试：检查各带平均值是否与理论谱形一致；评估统计方差与需要的平均时间。 跨实现对照：同一信号同时用（a）已知合规滤波器组实现（b）你的 FFT 装桶实现，对比带级差异并定位误差来源（尺度、窗、边界等）。 记录并冻结参数：窗类型、重叠、N、平均次数、频带定义（base-10/base-2）、时间加权等，作为报告的一部分。 报告与可复现信息清单：把这些写进报告，别人就能复算你的带级 倍频程结果最大的风险不是“算错一次”，而是“别人复现不出来”。下面给一份强烈推荐写进报告/测试记录的清单（尤其是你需要对标标准或跨团队交付时）： 频带定义：base-10 还是 base-2？1/b 的 b 是多少？使用 exact 还是 nominal 作为计算依据？参考频率 fr 是多少？ 实现方法：标准滤波器组（IIR/FIR、多速率与否）还是 FFT 装桶/FFT synthesis？软件版本/库版本。 采样与预处理：采样率 fs、是否做了去直流/去趋势、是否做了防混叠滤波、是否做了重采样。 时间平均：Leq/块 RMS/指数平均？时间常数/块长/重叠率/平均帧数？是否采用 Fast/Slow 等时间加权？ FFT 细节（若使用）：窗类型、N、hop、是否零填充、PSD 归一化公式、单边谱处理、ENBW/CG 校正、partial-bin 加权方式。 校准与单位：输入量纲（Pa、m/s、m/s^2）、参考量（20 µPa 等）、传感器校准因子与日期。 输出口径：每带是 RMS、峰值、还是带功率？dB 是 10log 还是 20log（对功率/幅度不要混用）？是否做了频带合成？ 如果你只想记一句话：把“频带定义 + 时间平均 + FFT scaling/窗校正（若有）”写清楚，90% 的争议都会消失。 快速公式与数值例（可直接拿去写代码/报告） 10.1 base-10 1/3 倍频程的常用常数 G = 10^(3/10) ≈ 1.995262r = 10^(1/10) ≈ 1.258925 (相邻中心频率比值)k = 10^(1/20) ≈ 1.122018 (边界相对中心倍数)f1 = fm / kf2 = fm * k 10.2 1 kHz 频带边界示例 fm = 1000 Hzf1 = 1000 / 1.122018 ≈ 891.25 Hzf2 = 1000 * 1.122018 ≈ 1122.02 HzΔf ≈ 230.77 HzQ ≈ 4.33 OpenTest已集成两种倍频程分析方法，访问OpenTest 网站 www.opentest.com 下载免费版软件，更多功能与应用案例等待您的解锁。 参考文献 [1] IEC 61260-1:2014 PDF sample (iTeh): https://cdn.standards.iteh.ai/samples/13383/3c4ae3e762b540cc8111744cb8f0ae8e/IEC-61260-1-2014.pdf [3] ANSI S1.11-2004 preview PDF (ASA/ANSI): https://webstore.ansi.org/preview-pages/ASA/preview_ANSI%2BS1.11-2004.pdf [4] HEAD acoustics Application Note: FFT - 1/n-Octave Analysis - Wavelet (filter bank description): https://cdn.head-acoustics.com/fileadmin/data/global/Application-Notes/SVP/FFT-nthOctave-Wavelet_e.pdf [5] IEC 61672-1:2013 (IEC page): https://webstore.iec.ch/en/publication/5708 [6] NTi Audio Know-how: Fast/Slow time weighting (IEC 61672-1 context): https://www.nti-audio.com/en/support/know-how/fast-slow-impulse-time-weighting-what-do-they-mean [7] MathWorks: ENBW definition example: https://www.mathworks.com/help/signal/ref/enbw.html

随着AR 眼镜市场由概念验证阶段迈向商业化落地，产品在音频与触觉交互等方面的能力不断增强，产线测试需求也随之升级。围绕音频与 VPU 等关键模块，AR 眼镜产线测试正从单一功能验证，演进为面向真实佩戴体验的一致性约束。本文结合实际量产项目经验，介绍不同工站形态下的音频与 VPU 测试方案，重点探讨自由场音频测试、VPU 产线部署及治具设计等关键问题，为 AR 眼镜规模化生产提供参考。 一、AR 眼镜市场加速扩展与产线测试新趋势 随着智能眼镜产品逐步走向成熟，其功能边界正在发生明显变化。根据多方行业报告，AR 眼镜的出货量和投资规模持续增长，市场重心正由概念验证阶段逐步迈向商业化落地阶段。在这一过程中，以 Meta 等厂商推动的产品为代表，智能眼镜已开始承接语音交互、通话、信息提示、录音等能力，在部分使用场景中，对手机和耳机形成补充，并承担部分原有功能。这使眼镜从低频使用的概念产品，逐步演变为高频佩戴的交互终端。 功能角色的转变，也直接影响到产品的技术重心。音频能力成为智能眼镜体验的核心组成部分，决定了语音交互和通话质量；同时，振动与触觉反馈等能力开始被引入，用于增强交互确认和使用感知。随着这些功能在量产产品中的普及，AR 眼镜产线测试的关注点不再局限于基础功能是否可用，而是需要同时面对音频与 VPU 等多项关键能力并行验证的新需求，这也为产线测试方案的升级提出了新的要求。 二、音频测试方案：适配不同工站的产线实现 音频作为 AR 眼镜中最直接影响用户体验的功能之一，其产线测试需要兼顾准确性、一致性与生产效率。在多工站产线环境中，音频测试往往根据装配阶段的不同，被分布在多个工站完成。  在镜腿或镜框工站，音频测试更多聚焦于局部麦克风或扬声器的基本性能验证，确保关键部件在装配阶段即满足要求，避免在整机段拆机造成更大的损失；而在整机工站，测试重点则转向整体音频表现以及系统层面的协同效果。不同工站虽关注点不同，但在治具定位、声学环境控制以及测试流程设计上，仍需要保持一致的方案逻辑。 CRYSOUND AR眼镜音频测试方案围绕这一需求，通过统一的测试架构设计，使音频测试能够在不同工站下灵活部署，并保持测试结果的稳定性和一致性。综合可分为以下两类，满足不同产线对设备外观及UPH的需求。 2.1抽屉单箱一拖一 方便适配自动化 OP站立操作，便于取放 可同时测试SPK、MIC（气密），支持多MIC场景 左右SPK串行测试，多MIC可并行测试 支持多种通信方式：经典蓝牙、USB ADB、WIFI ADB 平均CT：100s，UPH：36 2.2贝壳双箱一拖二 双箱并行测试，提高效率 符合坐姿操作人体工学设计要求 可同时测试SPK、MIC（气密），支持多MIC场景 左右SPK串行测试（单箱），多MIC可并行测试 支持多种通信方式：经典蓝牙、USB ADB、WIFI ADB 平均CT：150s，UPH：70 2.3眼镜SPK EQ：从压力场到自由场的变化 在传统耳机产品中，SPK EQ 通常建立在相对稳定的压力场条件下，耳道耦合和佩戴方式对声学环境的影响较为可控。而在 AR / 智能眼镜中，SPK 多采用开放式结构，发声单元与耳朵之间不存在封闭腔体，其声学表现更接近自由场特性。这一差异使得眼镜 SPK 的频响对出声方向、结构反射以及佩戴姿态更加敏感，也决定了其 EQ 策略无法简单沿用耳机产品的经验。 在产线测试与调校过程中，眼镜 SPK EQ 需要基于自由场测试条件进行评估和验证。由于开放式发声结构下，SPK 的频响更容易受到结构反射、装配公差以及佩戴姿态变化的影响，单纯依赖硬件一致性难以保证不同产品之间的听感稳定。通过引入 EQ，可以在不改变结构设计的前提下，对这些系统性偏差进行收敛与补偿，从而提升量产阶段音频表现的一致性。测试方案的重点，并非追求理想化的听音效果，而是通过稳定、可重复的自由场测试形态，捕捉不同结构与装配状态下的真实声学差异，从而为 EQ 参数的确认与验证提供可靠依据。 CRYSOUND支持定制EQ算法，在某X项目中，整机测试站SPK在自由场测试条件下引入了 SPK EQ 校准，其量产阶段的表现得到了项目方的认可，也验证了该方案在眼镜产品中的适用性和现实意义。 三、VPU 测试方案：面向AR/智能眼镜的新测试需求 3.1 AR 眼镜为什么要加入 VPU（振动单元 / 振动麦克风） 随着 AR / 智能眼镜逐步承接语音交互、通话、信息提示等功能，仅依赖声音反馈已经不够。在嘈杂环境、隐私场景或弱音提示下，用户需要一种不打扰他人、但足够明确的反馈方式，这正是 VPU 被引入的重要原因。 相比传统耳机，眼镜并非始终紧贴耳道，声音提示容易被环境噪声掩盖；而通过振动或触觉反馈，系统可以在不增加音量、不依赖屏幕的情况下，向用户传递状态确认、交互响应或提示信息。因此，VPU 成为智能眼镜在交互层面补充甚至替代部分音频反馈的重要手段。 3.2 VPU 在 AR 眼镜中的主要作用 在当前量产的智能眼镜设计中，VPU 通常承担以下几类功能： 交互确认反馈：如语音唤醒成功、指令识别完成、拍照或录音开始/结束等状态提示 静默提示：在不适合语音播报的场景下，通过振动向用户传递信息 体验增强：与音频提示配合，提升交互的确定性和沉浸感 这些功能使VPU 不再是“可选配置”，而是逐步成为智能眼镜交互体验中的一部分关键能力。 3.3 VPU 在 AR 眼镜中的典型位置（为什么在鼻梁 / 鼻托） 在结构设计上，VPU 通常布置在鼻梁或鼻托附近，原因主要有三点： 贴近人体敏感区域：鼻梁位置对微小振动感知明显，反馈效率高 结构稳定、耦合良好：相比镜腿，鼻梁区域与面部接触更稳定，振动传递更一致 不影响音频器件布局：避免与扬声器、麦克风在镜腿区域产生结构与测试干扰 因此，在产线测试中，VPU 往往作为独立测试对象，需要在镜框或整机阶段进行专门验证。 3.4 VPU 测试方案在产线中的实现与一致性控制 结合前述 VPU 在 AR 眼镜中的功能定位与结构特点，在实际量产项目中，VPU 测试通常根据产品形态与装配进度，被安排在镜框或整机工站，部分场景下也会前移至音频相关工站之前进行，以便尽早识别潜在的 VPU 不良，避免问题在后续装配阶段被放大。 需要说明的是，产线测试环境与实验室验证环境存在本质差异。在实验室阶段，VPU 往往以单体形式进行功能或性能验证，测试形态相对简化，通常不依赖治具固定，可在较高激励条件（1g）下完成性能评估；而在产线环境中，测试对象已处于整机或镜框装配状态，其振动激励条件需要贴近产品在真实佩戴场景下的物理边界，而不能简单沿用实验室的极限测试方法。在实际项目中，产线 VPU 测试通常在 0.1g–0.2g、100–2kHz 的激励范围下进行，用于在贴近真实佩戴场景的条件下，对 VPU 性能一致性进行验证。 基于上述需求，AR 眼镜 VPU 产线测试方案以 CRY6151B电声分析仪作为测试与分析平台，通过振动台提供稳定的振动激励，由产品 VPU 与参考加速度传感器同步采集振动响应信号，并在软件端对 VPU 的频响（FR）与失真（THD）等关键性能进行分析与判定。该测试架构能够在产线条件下兼顾测试有效性与节拍要求，满足不同工站对 VPU 测试的部署需求。 相较于音频测试，VPU 对测试形态与治具设计更加敏感，容错空间更小，一致性控制难度更高。基于多个项目的实施经验，治具设计需充分考虑不同产品在鼻梁、鼻托等位置的结构差异，优先选择有利于振动传导的材料与接触方式，并通过规则化的治具形态设计，使治具重心与振动台工作平面保持一致，从结构层面减少额外变量的引入。通过上述设计原则，可在产线环境下提升 VPU 测试结果的稳定性与可重复性，为产品的 VPU 能力验证提供可靠支撑。 四、结语：从功能测试到体验约束 在 AR 眼镜产线中，测试的角色正在发生变化。过去，音频或振动模块更多被视为独立功能，其测试目标是确认是否“可用”；而在当前产品形态下，这些模块已经直接影响语音交互、佩戴感受和整体体验，其测试结果开始对整机表现形成前置约束。 以音频与 VPU 为例，它们不再只是单独验证性能指标，而是共同参与到用户体验的一致性控制中。音频表现、振动反馈与结构装配之间的相互影响，使得产线测试需要提前发现可能影响体验的问题，而不仅是在终检阶段进行筛选。这种变化，正在推动测试方案从“功能通过”向“体验可控”转变。 在这一趋势下，产线测试方案的重点不再只是测试项本身，而是如何在产线阶段建立对关键体验能力的约束机制。对于 AR 眼镜这类高度集成的产品而言，这种变化将成为未来测试方案设计中不可回避的一部分。 如需了解更多AR眼镜音频或VPU产线测试方案，欢迎通过官网https://www.crysound.com.cn/或通过邮箱info@crysound.com联系我们。

在耳机、音箱、可穿戴设备等消费音频产品遍地开花的今天，用户对“好声音”的要求已经不止于能听清，而是要听得舒服、干净、没有任何多余的“沙沙声”“咯噔声”“刮蹭声”。但在大多数工厂里，异音测试仍然大量依赖人工听音——排班、人为主观差异、疲劳、情绪波动，都在真实地影响你的良率和品牌口碑。 这篇文章，我们就结合CRYSOUND的TWS耳机AI听音检测实际项目经验，聊聊如何用AI把“人耳”从产线解放出来，让听音测试真正做到稳定、高效、可复制。 一、为什么音频听音测试这么“伤人力”？ 在传统方案中，产线通常是：电声指标自动测试 + 人工听音复判。 人工听音的痛点非常清晰： 主观性强：不同听音员对“沙沙声”“刮蹭声”的敏感度不同，同一个人早班和晚班判断也可能不一致； 扩展性差：人耳听音需要高度集中注意力，长时间工作很容易疲劳，在大规模量产时难以支撑高UPH； 培训成本高：合格的听音员要经过系统培训和长期经验积累，新人上手慢； 结果难以追溯：主观判断很难形成量化数据和轨迹，给后续质量分析与改进带来困难。 这也是为什么业界一直在寻找一种方式——在不牺牲“人耳敏感度”的前提下，用自动化和算法把这件事做得更稳定、更经济。 二、从“人耳”到“AI 耳”：CRYSOUND 的整体思路 CRYSOUND 给出的答案，是一套围绕CRY异音测试系统打造的标准化机台平台，再结合AI听音算法与专用治具，形成软硬件一体的完整方案。 1.方案的核心特性： 一机多用的标准化平台：模块化设计，既可做常规SPK音频、底噪等测试，也可做异响/AI异音测试； 一拖二并行测试：单台设备可同时测试2只耳机，在典型项目中UPH可达120 PCS； AI听音分析模块：通过收集良品数据建立模型，自动判定异响品，显著减少人工听音工位； 低底噪测试环境：高性能隔音箱+箱中箱结构，将本底噪声控制在约12dBA，为AI算法提供稳定的声学环境。 简单理解，这套方案就是： “一台标准机台 + 一套专用治具 + 一套AI听音算法”。 2.典型测试通路 以测试主机为核心的“实验室/产线一体化”链路： PC 主机 → CRY576 蓝牙适配器 → TWS 耳机； 耳机发声由 CRY718-S01 仿真耳 采集； 信号经 CRY6151B电声分析仪采集与分析； 软件端调用AI听音算法模块，对WAV数据进行自动分析，输出PASS/FAIL结果。 3.治具与隔音箱：把“工位波动”降到最低 产品放置姿态与耦合状态往往决定测试一致性。方案通过治具与箱体层面尽量固化每一次测试条件： 治具：软胶仿形凹模设计。仿形凹模保证每次都以同样姿态贴合仿真耳，减少位置误差带来的测试波动；软胶保证密封性，避免对耳机造成机械损伤； 隔音箱：内箱减震与声学隔离，降低外部机械振动与环境噪声对结果的影响。 4.专业级声学硬件（示例配置） CRY6151B 电声测试仪：20–20 kHz 频率范围，低本底噪声与高动态范围，兼顾信号输出与测量输入； CRY718-S01 仿真耳套装：符合IEC/ITU相关要求，低底噪特性可达 12 dBA 级别（以配置/条件为准）； CRY725D屏蔽隔音箱：集成射频屏蔽与声学隔离能力，适配TWS测试场景。 三、AI 算法：无监督异常检测如何“识别不正常” 1.训练流程：只需要“正常的”耳机 CRYSOUND的AI听音方案采用一种无监督异常声音检测算法。它的最大特点是：无需提前收集各种异常样本，只用正常良品就能训练出一个“懂好声音”的模型。 在实际导入时，典型步骤如下： ① 准备不少于100个听音良品，在与量产测试相同的环境下，采集这100个良品的WAV数据； ② 用这些良品数据训练模型（每个10秒的100个样本，训练时间通常 < 1分钟）； ③ 使用模型对良品和不良品样本进行测试，对比结果分布，制定判定框线； ④ 训练结束后，模型即可用于量产测试，单个样本预测时间 < 0.5秒。 在这个过程中，无需工程师手动标注每一种异音类型，大幅降低项目导入门槛。 2.原理简述：让模型先“复述”一遍正常声音 算法大致分为三步： ① 时频图谱化：将录制的波形转换成时频图谱（类似一张“声音的照片”）。 ② 深度学习重建： 使用在“正常耳机”上训练好的深度学习模型，对时频图谱进行重建； 对正常样本，模型能较好“复刻”出原图谱；对含有异音的样本，异常部分难以被重建。 ③ 差异分析： 比较原始频谱图与重建频谱图，分别沿时间轴和频率轴计算，得到两条差异曲线； 异常样本在这两条曲线上会呈现显著异常“峰值”或能量集中特征。 通过这种方式，算法对“正常”模式具有极强的拟合能力，对偏离正常模式的所有异常会天然敏感，因此无需为每一种异音单独建模。 在实际项目中，这套算法已经在10个以上项目上验证，缺陷检出率可达99.9%。 3.AI听音的实际优势 不依赖异常样本：不再需要苦苦收集各种“刮蹭声”“电流声”样本； 适应新异常：即便出现训练阶段未见过的新型异常，只要其与正常模式差异明显，算法就能识别出来； 持续学习：后续可以不断补充新的良品数据，让模型长期适应线体与环境的轻微漂移； 极大减少人工工作量：从“人人听音”变成“AI扫描 + 少量抽检”，将人力释放到更高价值的分析和优化工作上。 四、典型落地案例：某ODM TWS产线实战 某ODM厂商的TWS产线，单日出货规模在千套级。为了提升良率并减少人工听音压力，导入了AI异音测试方案： 项目导入AI异音测试方案前导入AI异音测试方案后测试方式4 个人工听音工位，纯人工听音判异响4 台 AI 听音测试设备，每台测试一对耳机用工配置4 名操作员（全职听音）2名操作员（上/下料 + 异常复判）质量风险受主观性与疲劳影响，存在漏测、不良流出试产阶段设备结果与人工抽检一致，稳定性明显提升试产阶段工作确定人工听音流程采集样本、训练AI 模型、设定框线、人工抽检确定可行性产线日产能（单线）以人工节拍为限约1000套耳机/天异音检出率存在漏检，未量化≈ 99.9%误测率（误判良品）受主观性与疲劳影响，未量化≈ 0.2% 在这一条产线上，AI听音基本接管了原有的人工听音工作，不仅减掉了一半人力，也显著降低了漏检风险，为后续在更多产线复制铺开提供了数据依据。 五、导入建议：怎么把这套方案用好？ 如果你正在考虑导入AI异音测试，可以从下面几个方面着手： 1.尽早规划样本采集 在试装/小批阶段就开始积累“确认无异音”的良品波形，为后续AI训练抢占时间。 2.保证周围环境干扰少 AI听音测试机台需远离点胶机、焊接机等高噪音工位，通过关闭报警器声音，规范搬运车通道需远离测试机台、避免地面振动等措施，可降低误测。 3.确保测试条件一致 训练阶段与量产阶段采用同一套隔音箱、仿真耳、治具及测试序列，避免环境差异导致模型迁移困难。 4.保留一段时间的人机共存阶段 初期可以采用“AI 100% + 人工抽检”的方式，逐步放开到“AI 100% + 少量 DOA 复判”，最大化降低导入风险。 结语：让测试回归“看数据”，把人力用在更有价值的地方 AI听音测试，本质上是一次 从“人耳经验”向“数据与算法”迁移的产业升级。 依托CRY标准化机台、专业声学硬件、针对不同种类产品优化的治具与AI算法，CRYSOUND正在帮助越来越多客户，把耗时耗力又主观的人工听音，变成一件稳定、可量化、可复用 的事情。 如果你正在为耳机异音测试头疼，或者希望在下一代产线中尝试 AI 听音，不妨考虑让CRY AI听音测试解决方案做一次“试装”——也许从这一站开始，你的产线就再也不用为“谁今天值班听音”而发愁了。 欢迎通过官网https://www.crysound.com.cn/或通过邮箱info@crysound.com联系我们。

在高铁车体制造与装配环节中，“负压保持/密封性”往往决定了后续工艺的稳定性与一致性。一旦出现微小泄漏，不仅会拉长排查时间，还可能造成返工与交付风险。本文分享兆华电子可视化真空测漏仪在长春某列车客户制造现场的案例，使用可视化真空测漏仪对列车碳纤维车厢外壳进行负压泄漏排查，在复杂工位环境下实现快速、直观、可复核的定位。 案例卡片： 时间：2025年 地点：长春 工件：碳纤维车厢外壳 工况：真空/负压设定、保压15min 样本量：4件 覆盖范围：扫描6个关键区域（车厢段拼接缝、结构接口、 工艺孔洞、拐角 / 曲面过渡区、覆盖膜边缘、嵌入式部件周边等） 参与角色：兆华电子技术工程师 输出物：声像云图图片/视频 + 报告 项目背景：负压泄漏“难找、耗时、易漏” 碳纤维车体外壳结构复杂、拼接与接口众多，负压测试中一旦存在泄漏点，传统方法常遇到三类痛点： 定位依赖经验：需要反复“听、摸、试”，对人员熟练度要求高 干扰多：车间风机、工具、摩擦声、敲击声等背景噪声会掩盖微弱泄漏声 效率不稳定：同一问题不同人排查用时差异大，复核困难 现场方案：用“看得见的声音”锁定泄漏点 本次现场采用兆华电子可视化真空测漏仪设备，对外壳关键区域进行扫描式检测。声学成像的核心价值在于：把泄漏点产生的声源在画面中可视化，让泄漏点的定位从“猜”变成“看”。 现场检测流程： 维持负压工况：在客户既定的负压（真空度表压约-100 kPa）测试状态下进行排查 本次现场选用频率：本现场验证后选用频率是20 kHz-40 kHz（与背景噪声主频错开、泄漏点对比度更好） 本次现场选用成像阈值：本现场验证后选用成像阈值是-40 dB（本文 dB 为设备的声压级，现场测试距离约2米，频率是20 kHz-40 kHz，用于同工况定位对比，不同距离/噪声不建议横向对比）。设置方法：先测基础的背景噪声→逐步调到“泄漏点清晰且不淹没微小泄漏”的阈值 扫描定位：沿拼缝、接口、拐角、覆盖膜边缘等高风险区域移动测量 点位复核：对疑似声源点近距离复测并标注，必要时多调整角度确认（强气流/薄膜抖动/强反射会造成假泄漏点，需多角度复测确认） 输出证据：保存带声像云图的图像/视频，便于现场闭环与质量留档，后续可以使用兆华电子二代分析软件，输出现场检测的报告 检测结果：多处泄漏被快速识别 在某列车制造现场（长春）客户既定负压测试工况下，对列车碳纤维车厢外壳开展声学成像扫描检测。 发现多处负压泄漏点：本次共标记疑似泄漏点3处；采用临时封堵对比进行复测，发现漏点堵住之后确实无压降（以拍照+时间戳留存，15 分钟内压力表读数无变化，无变化=变化≤压力表分辨率/允差），确认泄漏点3处。对确认点位均完成现场定位标注，并保存带泄漏点云图的图像/视频用于质量留档与复核。 效率方面：平均单个部件从“开始扫描”到“完成检测、标注并保存证据/完成复核”整个流程的检测时间小于10分钟；在现场噪声与结构反射等干扰条件下，泄漏点的声像云图在多个角度复测中保持稳定，可以明显的看到泄漏点的位置，快速区分“疑似点/确认点”，亦或打开聚焦窗口，聚焦检测目标，排除目标物之外的声源的干扰。 闭环验证：整改复测，在相同工况下对泄漏点位进行处理，泄漏点声像云图消失，并且工件通过客户规范的保压测试（以拍照+时间戳留存，15 分钟内压力表读数无变化，无变化=变化≤压力表分辨率/允差）。 从现场检测画面可见，不同泄漏点在设备界面上呈现出稳定的声像云图。 为什么声学成像适合这类工艺？ 从复合材料气密性检测应用角度看，负压泄漏检测并不缺“能发现问题”的方法，难点在于 “快、准、可视化、可复核“。声学成像在复合材料车体场景里的优势主要体现在： 可视化定位：把泄漏点以声像云图的形式直接标到结构表面，可以看到泄漏点的位置，做到可视化，降低沟通成本； 抗环境干扰能力更强：通过频率选择与成像阈值设置，提高泄漏点与背景噪声的对比度，减少环境干扰对检测结果的影响； 效率更可控：人工手持式产品，节拍更稳定；适合批量部件检测与产线生产管理； 证据可留存：图片/视频可用于复盘、质量追溯与培训等应用。 经验要点：想“更快更准”，现场建议这样做 结合本次长春现场经验，我们给出三条可直接落地的建议： 优先扫“高风险几何”：拼缝、开孔边缘、转角、覆盖膜边、接口过渡区； 先成像后近距复核：先用设备找疑似泄漏点，再近距离、多角度确认； 固定记录模板：每个点位保存图片/视频，便于后续整改、编写测试报告以及二次验证 结语：把排查从“经验活”变成“标准化作业” 在列车碳纤维车厢外壳的负压泄漏检测中，兆华电子可视化真空测漏仪产品把“听声找漏”升级为“可视化定位”，实现了效率提升、定位明确、证据留存的闭环效果，并显著降低了对个人经验的依赖。 如您需要了解兆华电子可视化真空测漏仪在真空检漏中的应用，或希望结合您的复合材料工艺与验收目标讨论更合适的检测方案，请通过下方表单与我们联系，我们的销售或技术支持工程师将与你取得联系。

本文将系统介绍IMU 在空间音频中的关键作用，梳理行业在 IMU 检测与评估中面临的典型痛点，并重点阐述 CRYSOUND 基于三自由度转台的 IMU 传感器测试方案。从原理、测试流程及适用场景等方面展开说明CRYSOUND是如何帮助音频与智能穿戴厂商在量产阶段有效保障一致、稳定的空间音频体验的。 一、IMU 在空间音频里的角色：从“听见声音”到“感知空间” 近几年，TWS 耳机、头戴式耳机以及 AR/VR 设备纷纷把“空间音频”作为重要卖点。用户希望的不再只是简单的立体声，而是戴上设备后，能像在真实空间中一样感知声音的方向和距离：转头时，声音应仍然“固定”在那一侧；点头或仰头时，声音也要随之变化。而要让声音能再三维空间中固定，设备需要能实时理解用户的头部动作。 IMU（惯性测量单元）由陀螺仪与加速度计组成，能够检测设备的角速度与姿态信息，是空间音频中感知用户动作的核心传感器。当 IMU 不够精准或与音频算法匹配不好，就会出现常见的体验问题： 响应延迟：头已经转过去了，声音还在慢半拍地跟随，产生拖沓感甚至轻微眩晕； 跟踪不准：声音定位漂移、左右不对称，出现“音画不同步”的违和感； 抖动不稳：IMU 数据有噪声或抖动，导致声音位置来回晃动，难以长期佩戴。 随着全域音频AR、沉浸式通信等新应用的出现，耳机和头显正在从“听音设备”进化为“智能感知中心”。IMU 的稳定性和检测质量，也随之成为下一代智能穿戴设备的关键基础。 二、IMU 检测行业三大痛点 尽管IMU 在体验中的地位越来越重要，但在实际开发和量产中，“如何检测 IMU 是否好用”一直是一个容易被低估的问题。典型痛点主要集中在三方面： 1.缺乏针对空间音频的检测手段 传统耳机测试关注的是频响、失真、灵敏度等声学指标，很难量化“空间”和“动态”体验，缺少统一的客观标准。 2.缺乏高精度运动模拟，无法还原真实使用场景 空间音频体验与“转头、点头、歪头”等动作高度相关。人工旋转不仅难以保持速度和角度的一致，而且无法覆盖大范围角度和重复测试需求。缺少高精度、大角度的运动模拟设备，容易导致 IMU 在出厂前未被充分验证，最终变成用户手中的漂移或延迟问题。 3.检测效率低，很难进行产品全检 如果所有设备进行人工检验，量产节拍会受到严重影响，只能对少量抽检样品进行测试，无法做到全检。 针对这些问题，CRYSOUND 提出了一套专门面向空间音频和智能穿戴场景的 IMU 传感器测试方案，希望在“精度、效率、标准化”之间找到平衡。 三、CRYSOUND 空间音频 IMU 测试方案概览 CRYSOUND 的 IMU 测试方案，目标是为空间音频相关应用提供客观、量化、自动化的检测手段。整个系统由上位机软件、三自由度转台、通信接口（如蓝牙适配器）、屏蔽箱及定制治具等部分构成，可在模拟实际头部运动的同时，采集被测设备的 IMU 数据并进行分析。 在典型测试流程中，上位机通过蓝牙 Dongle 或有线方式与被测设备建立连接，发送指令打开空间音频相关功能或 IMU 数据输出通道。随后，上位机控制三轴转台依次转动到预设姿态，获取 IMU 在各个姿态下的输出数据，并通过算法判断姿态角是否精准。整个过程由系统自动执行，操作员只需完成放置产品和启动测试的动作，从而减少了培训成本和人为操作误差。 四、关键硬件：三自由度转台与配套模块 在空间音频IMU 测试中，三自由度转台是一种更可控、也更适合量产的实现方式。它能够在三个姿态轴向上精确复现头部的转动、俯仰和侧倾动作，并通过程序化控制保证每次运动轨迹一致。相比依赖人工或简化机构的测试方式，三自由度转台可以在保证测试精度的同时，提高重复性和节拍稳定性，从而满足量产全检对一致性和效率的要求： 底部转台：模拟左右“转头”（Yaw）； 侧向转台：模拟“点头”（Pitch）； 中部转台：模拟“歪头”（Roll）。 转台的绝对定位精度可达±0.05°，重复定位精度约为 ±0.06°，同时具备良好的自锁与消偏性能，这为 IMU 姿态角精度评估提供了可靠基础。 在通信和测试环境方面，方案采用了CRY576 蓝牙适配器作为无线连接通路，用于快速与被测设备配对并获取 IMU 数据；同时配套屏蔽箱，用于隔绝外界电磁干扰，避免连接到非本次测试的蓝牙设备，保证通信稳定性。如果被测件的蓝牙功能受限，系统也支持通过串口等有线方式获取数据。 五、方案特点：在哪些方面真正解决了问题？ 在上述硬件和流程的基础上，CRYSOUND 的 IMU 测试方案主要在以下几个维度为厂商带来实际价值： 高精度运动模拟：通过高精度伺服电机和三自由度结构，实现大角度范围内的可控运动，能够较好地复现用户在佩戴设备时的头部转动姿态，避免人工测试的不确定性。 测试速度与节拍可控：转台最高转速可达200°/s，配合蓝牙快速连接与自动指令交互，单件六姿态测试时间约60s，可支持全检。 客观量化的判断标准：测试以IMU 输出数据为基础，直接衡量三种姿态角的精准度，减少人工判断带来的误差。测试结果可导出为报表或原始数据格式，支持MES，可对接客户内部系统。 六、适用场景 这套IMU 测试方案主要面向智能穿戴和空间音频相关领域的厂商，典型应用场景包括： 蓝牙耳机（尤其是支持空间音频的TWS 和头戴式耳机）IMU 偏移校准与出厂检测； VR 手柄或相关设备的静态多姿态角度一致性验证； 手机等终端的陀螺仪出厂测试； 智能手环、手表等穿戴设备的陀螺仪校准。 如果你正在为空间音频相关产品寻找IMU 测试方法，或希望进一步了解测试项目、配置清单与实际部署方式，欢迎与CRYSOUND联系。我们也可以根据不同产品形态和测试需求，提供更具针对性的技术建议和方案讨论。

在声学测试、传感器标定、电声与 NVH 测试中，“增益（Gain）、量程（Range）、量化（Quantization）”是每一条测试链路背后绕不开的底层逻辑。 作为专注声学测量与测试解决方案的厂商，兆华电子 CRYSOUND 提供从测量麦克风、前置放大器、人工耳与耦合腔，到声学成像仪、声级计、电声分析仪和数据采集平台等在内的一整套生态，用于构建可靠的声学测试系统。 这篇文章，我们不做公式推导，而从工程应用的视角，聊一聊： 为什么增益、量程和量化会直接决定你采回来的数据质量？ 以及：在使用兆华电子CRYSOUND 的传感器、声学设备和DAQ系统时，可以怎样把这三件事配置好。 一、从测试现场出发：这些“奇怪波形”其实是量化在搞鬼 在典型的声学测试场景里，你可能遇到过这些情况： 产线端，某一批次 MEMS 麦克风的波形突然变得“台阶状”，频谱看起来有点毛躁； 做 NVH 或风扇噪声测试时，低电平段的波形颗粒感很重，细节几乎看不清； 在声学成像系统上，某些远处泄漏点的信号“有声但不稳定”，图像边缘抖动厉害。 很多工程师第一反应是：是不是噪声太大？其实，相当一部分问题来自：信号幅度太小，但量程太大，导致有效量化位数被严重浪费。 一句话概括：信号没吃满系统的动态范围，再高位数的 ADC 也发挥不出应有的精度。 二、三个核心概念，用工程语言说清楚 1. 增益（Gain）：把信号“拉”到合适区间 在 兆华电子CRYSOUND 的声学测试链路中，增益主要出现在： 测量麦克风 + 前置放大器链路； 电声分析仪 / 数据采集前端（例如 SonoDAQ Pro 等 DAQ 系统） 它的任务很简单：把原本只有几十毫伏、几百毫伏的信号，放大到接近 DAQ 输入满量程的水平，让后端的 ADC 有足够的电平来“描述”这个波形。 2. 量程（Range）：系统“看世界”的窗口大小 量程决定了： 系统能接受的最大信号幅度（比如 ±10 V、±1 V 等）； 在固定位数下，每一个有效 bit 对应的电压步长。 对于高精度测量麦克风和声级计（如 CRY2851）这类设备，合理配置量程，让测试信号尽量位于设备线性工作区，是获得稳定数据的前提。 3. 量化（Quantization）：模拟世界与数字世界的翻译 ADC 把连续的声压、电压变成离散数字，这个过程就叫量化。电平越多、步长越小，数字信号对模拟信号的还原就越好；反之，则会出现我们在生产和研发现场经常看到的“楼梯波形”和底噪抖动。 三、在 CRYSOUND 系统里，增益和量程是怎么协同工作的？ 下面用几个典型产品线的测试场景，来看看这三者在实际系统里的作用。 1. 传感器与电声测试：让每一颗麦克风都被“看清楚” 兆华电子CRYSOUND 提供的测量麦克风、前置放大器及电声分析仪（如 CRY6151B）常用于： 麦克风单体测试； 耳机、扬声器、电声器件的产线和实验室测试。 在这些系统里，正确的做法通常是： 根据被测器件的灵敏度和预期声压级，预估输出信号大致电平； 在前端放大器或分析仪中设置合适增益，让信号接近输入满量程的 60–80%； 选择与之匹配的量程，既避免削顶，又不浪费太多动态范围。 这样既可以保证低失真，又可以充分利用 ADC 的有效位，减少量化噪声。 2. 声学成像与阵列测试：多通道同步下的量化控制 在 兆华电子CRYSOUND 的声学成像产品中（如基于高性能麦克风阵列的声学成像摄像机），系统往往需要同时处理大量通道的宽带信号，并进一步做定位和成像算法。 在这种场景下： 如果某个方向的信号电平远低于整体量程下限，会导致该区域“量化级别不够用”，成像噪点增多； 合理设定阵列整体增益和每个前端模块的量程，有利于在远处弱信号和近端强信号之间取得平衡。 因此，在做气体泄漏检测、局部放电识别或机械劣化监测时，一套可靠的声学成像系统，既依赖算法，也依赖基础的量化质量。 3. DAQ 平台（如 SonoDAQ + OpenTest）：把抽象参数变成可复用流程 兆华电子CRYSOUND 在声学与振动采集方面提供了模块化 DAQ （如 SonoDAQ 系列）以及 OpenTest 软件平台，用于搭建从测量、分析到测试序列的完整流程。 在这些平台中，工程师可以： 通道设置中，直观配置每路传感器的增益、量程和采样率； 把一套经过验证的配置保存为模板，复用到不同产品或项目； 在声功率、噪声与振动等应用模块里，通过向导式界面，保证参数设置与相关标准保持一致。 这意味着：增益、量程、量化这些“底层细节”，可以通过软件场景模板固化下来，变成团队可共享、可审计的测试资产，而不是只存在于某个工程师的经验里。 四、给使用 CRYSOUND 系统的工程师的一份“小抄” 无论你现在使用的是 兆华电子CRYSOUND 的测量麦克风、声级计、电声测试系统，还是DAQ + OpenTes 平台，下面这份清单可以作为日常测试前快速检查项： 1.确认信号预期范围：使用经验值或小信号试采样，估算最大幅度；2.设置合适的前端增益  目标：典型工作状态下，波形峰值在输入满量程的 60–80% 区间；3.选择匹配的量程  不要“习惯性用 ±10 V”，如果信号明显更小，可以考虑缩小量程；4.检查是否削顶（Clipping）  波形平顶 / 谱线异常拉高时，优先考虑是否过载；5.保存并复用配置  在兆华电子CRYSOUND平台中将通道、增益、量程等设置保存为工程模板，减少人为误差。 五、结语：精度，不止来自“高位数”，更来自整体方案 在真实的声学测量系统里，数据质量从来不是某一颗 ADC 的问题，而是： 传感器 → 放大器 → 量程 → 量化 → 软件算法整条链路共同作用的结果。 作为声学测试专家，兆华电子 CRYSOUND 希望通过完整的产品矩阵——从传感器与前端硬件到声学成像、电声测试、数据采集与软件平台——帮助工程师把“增益、量程和量化”这些基础问题一次性解决好，为后续的分析与决策打下可靠的数据基础。