声学漫谈之四:A加权(A-weighted)到底是什么?

A加权(A-Weighted)是一种用于音频测量的标准权重曲线,用于反映人耳的响应特性。声压电平源于A加权,用dbA表示,或称为A加权dB电平。A加权是广泛采用的噪声的单值评价指标,可以通过声级计测量得到。

由于噪声的测量要反映人耳引起的响度感觉大小,其次,需要充分考虑到人耳的听觉特性。人的耳朵对于不同频段的声音变化敏感程度是不一样的,太高或者太低就越不敏感,就像一个A字,所以叫A-Weighted。A加权的标准是由美国标准协会在20世纪40年代制定,用于描述人耳对于不同频段声音变化敏感程度。

此外,还有B加权,C加权,D加权等等。A加权是模拟人耳对40方纯音的响应;B加权模拟的是人耳对70方纯音的响应;C加权模拟的是100方纯音的响应;D加权主要用于飞机噪声的评价。一般规定24~55方的噪声测量选择A加权;55~85方的噪声测量选用B加权;对85方以上的噪声测量选用C加权。

在进行音频功率放大器的噪声测试的时候,一般采用的都是A加权后的数值。可以从手册中看出,在进行输出噪声的电气参数描述的时候,一般会在备注栏写上A-weighted。

需要注意的是,虽然A加权测量结果并不是非常令人满意,但是它作为一个传统的计量手段,一直得到广泛的应用。下图是A、B、C、D四种加权的频率响应曲线。

 

如果想要知道一个音源或噪声声压级的大小,通常使用的工具是声级计。其主要参数有:

Laeq:等效连续声压级。表示的是测试一段时间内能量不均的声音信号,将其总能量平均分配到测试时间段内,得到的声压级。

Lamax:最大声压级。是指在一段时间内测试到的最大的声压级。

Lamin:最小声压级。是指在一段时间内测试到的最小的声压级。

Ln:累计百分声级。表示大于某一声级的出现概率为N%。比如:L5=70dB,则表示整个测量期间,噪声超过70dB的概率占了5%。

W:声功率。表示单位时间内,声波通过垂直于传播方向某指定面积的声能量。在噪声监测中,声功率是指声源总的声功率。单位为W,一般不能直接测量,而是根据声压级进行换算。

常见的一些声源以及对应的声压级大致范围(测试距离1m~1.5m)

噪声环境

声压级(dB)

轻声耳语

30~40

普通室内交谈声,小空调机

40~60

一般说话,工厂噪声

60~70

大声交谈,嘈杂的街道,

80

汽车喇叭

90

凿岩机,球磨机,柴油发动机

100

大型压风机

120

喷气式飞机

130

宇宙火箭,超音速飞机

160以上

您可以使用以下代码将列表转换为字典: ```python import re string = "['precision recall f1-score support 0 0.95 0.96 0.96 10762 1 0.91 0.95 0.93 9339 2 0.90 0.59 0.71 1628 micro avg 0.93 0.93 0.93 21729 macro avg 0.92 0.83 0.87 21729 weighted avg 0.93 0.93 0.93 21729 samples avg 0.93 0.93 0.93 21729']" result = re.sub(r"[^\d\.]+", " ", string) result = result.split() keys = result[:4] values = result[4:] n = len(values) // 4 report = {} for i in range(n): report[str(i)] = {} for j in range(4): key = keys[j] value = values[i*4+j] report[str(i)][key] = float(value) for i in range(4): key = keys[i] value = values[(n-1)*4+i] report[key] = {} report[key]['precision'] = float(value) print(report) ``` 这将输出以下字典: ``` { '0': {'precision': 0.95, 'recall': 0.96, 'f1-score': 0.96, 'support': 10762}, '1': {'precision': 0.91, 'recall': 0.95, 'f1-score': 0.93, 'support': 9339}, '2': {'precision': 0.9, 'recall': 0.59, 'f1-score': 0.71, 'support': 1628}, 'micro avg': {'precision': 0.93, 'recall': 0.93, 'f1-score': 0.93, 'support': 21729.0}, 'macro avg': {'precision': 0.92, 'recall': 0.83, 'f1-score': 0.87, 'support': 21729.0}, 'weighted avg': {'precision': 0.93, 'recall': 0.93, 'f1-score': 0.93, 'support': 21729.0}, 'samples avg': {'precision': 0.93, 'recall': 0.93, 'f1-score': 0.93, 'support': 21729.0} } ``` 其中每个类别的指标被放置在以类别号为键的字典中,而分类总计、宏平均、加权平均和样本平均则被放置在以字符串为键的字典中。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值