請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/74940完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 馬劍清 | |
| dc.contributor.author | Li-Yang Hsu | en |
| dc.contributor.author | 徐立揚 | zh_TW |
| dc.date.accessioned | 2021-06-17T09:10:48Z | - |
| dc.date.available | 2025-06-05 | |
| dc.date.copyright | 2020-06-05 | |
| dc.date.issued | 2019 | |
| dc.date.submitted | 2019-08-14 | |
| dc.identifier.citation | [1] 林致達,劉興華,'微型喇叭聲學特性測試與模擬,' 臺北科技大學車輛工程系所學位論文, pp. 1-103, 2006.
[2] 郭晟宇,黃錦煌,'可攜式揚聲器之分析與模擬,' 逢甲大學機械工程所學位論文, 2007. [3] 吳姝蒨,黃錦煌,'動圈式揚聲器之模態特性研究與設計分析,' 逢甲大學機械工程所學位論文, 2010. [4] 鄭緣堂,劉興華,'揚聲器振膜動態量測之探討,' 臺北科技大學車輛工程系所學位論文, pp. 1-78, 2011. [5] 黃國峯,金大仁,'揚聲器各元件對聲壓曲線之影響,' 交通大學機械工程系所學位論文, pp. 1-86, 2012. [6] 趙浚瑜,馬劍清,'超磁致伸縮材料, 層狀壓電壓磁複合材料及磁場動圈式揚聲器動態特性之分析與量測,' 臺灣大學機械工程學研究所學位論文, pp. 1-297, 2014. [7] 吳柍蓁,馬劍清,'振膜, 導音管及調音布對於揚聲器系統動態特性的影響分析與量測,' 臺灣大學機械工程學研究所學位論文, pp. 1-221, 2015. [8] 蔡渝斐,馬劍清,'開發揚聲器量測及分析系統並應用於電阻抗, 振膜振動, 線性參數與聲壓位準之量測,' 臺灣大學機械工程學研究所學位論文, pp. 1-233, 2017. [9] N. Aoshima, 'Computer‐generated pulse signal applied for sound measurement,' The Journal of the Acoustical Society of America, vol. 69, no. 5, pp. 1484-1488, 1981. [10] W. Klippel, 'Measurement of large-signal parameters of electrodynamic transducer,' in Audio Engineering Society Convention 107, 1999: Audio Engineering Society. [11] W. Klippel, 'Diagnosis and remedy of nonlinearities in electrodynamical transducers,' in Audio Engineering Society Convention 109, 2000: Audio Engineering Society. [12] W. Klippel, 'Distortion analyzer-a new tool for assessing and improving electrodynamic transducer,' in Audio Engineering Society Convention 108, 2000: Audio Engineering Society. [13] W. Klippel and U. Seidel, 'Fast and accurate measurement of linear transducer parameters,' Preprints-Audio Engineering Society, 2001. [14] W. Klippel, 'Assessing large signal performance of transducers,' Klippel GmbH, 2003. [15] S. Irrgang, W. Klippel, and U. Seidel, 'Loudspeaker testing at the Production Line,' in Audio Engineering Society Convention 120, 2006: Audio Engineering Society. [16] M. H. Knudsen and J. G. Jensen, 'Low-frequency loudspeaker models that include suspension creep,' Journal of the Audio Engineering Society, vol. 41, no. 1/2, pp. 3-18, 1993. [17] E. S. Olsen and K. B. Christensen, 'Nonlinear Modeling of Low-Frequency Loudspeakers-A More Complete Model,' in Audio Engineering Society Convention 100, 1996: Audio Engineering Society. [18] W. Klippel, 'Prediction of speaker performance at high amplitudes,' in Audio Engineering Society Convention 111, 2001: Audio Engineering Society. [19] Y. Wu and W. Y. Zou, 'Orthogonal frequency division multiplexing: A multi-carrier modulation scheme,' IEEE Transactions on Consumer Electronics, vol. 41, no. 3, pp. 392-399, 1995. [20] M. Friese, 'Multitone signals with low crest factor,' IEEE Transactions on Communications, vol. 45, no. 10, pp. 1338-1344, 1997. [21] R. Eberhart and J. Kennedy, 'A new optimizer using particle swarm theory,' in MHS'95. Proceedings of the Sixth International Symposium on Micro Machine and Human Science, 1995: Ieee, pp. 39-43. [22] P. N. Suganthan, 'Particle swarm optimiser with neighbourhood operator,' in Proceedings of the 1999 Congress on Evolutionary Computation-CEC99 (Cat. No. 99TH8406), 1999, vol. 3: IEEE, pp. 1958-1962. [23] K. A. Yukiko Shibasaki , Anna Kuwana , Yuanyang Du ,Akemi Hatta ,Kazuyoshi Kubo and Haruo Kobayashi 'Study on Multi-tone Signals for Design and Testing of Linear Circuits and Systems,' Proceedings of International Conference on Technology and Social Science, 2018. [24] 張偉傑,張敬源,'揚聲器主動抗噪系統之研究,' 台北科技大學機械工程系機電整合碩士班學位論文, 2019. [25] S. Boll, 'Suppression of acoustic noise in speech using spectral subtraction,' IEEE Transactions on Acoustics, Speech, and Signal Processing, vol. 27, no. 2, pp. 113-120, 1979. [26] J. S. Lim and A. V. Oppenheim, 'Enhancement and bandwidth compression of noisy speech,' Proceedings of the IEEE, vol. 67, no. 12, pp. 1586-1604, 1979. [27] Y. Ephraim and D. Malah, 'Speech enhancement using a minimum-mean square error short-time spectral amplitude estimator,' IEEE Transactions on Acoustics, Speech, and Signal Processing, vol. 32, no. 6, pp. 1109-1121, 1984. [28] Y. Xu, J. Du, L.-R. Dai, and C.-H. Lee, 'An experimental study on speech enhancement based on deep neural networks,' IEEE Signal Processing Letters, vol. 21, no. 1, pp. 65-68, 2013. [29] Y. Xu, J. Du, L.-R. Dai, and C.-H. Lee, 'A regression approach to speech enhancement based on deep neural networks,' IEEE/ACM Transactions on Audio, Speech, and Language Processing, vol. 23, no. 1, pp. 7-19, 2014. [30] S. R. Park and J. Lee, 'A fully convolutional neural network for speech enhancement,' arXiv preprint arXiv:1609.07132, 2016. [31] D. Rethage, J. Pons, and X. Serra, 'A wavenet for speech denoising,' in 2018 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2018: IEEE, pp. 5069-5073. [32] A. W. Rix, J. G. Beerends, M. P. Hollier, and A. P. Hekstra, 'Perceptual evaluation of speech quality (PESQ)-a new method for speech quality assessment of telephone networks and codecs,' in 2001 IEEE International Conference on Acoustics, Speech, and Signal Processing. Proceedings (Cat. No. 01CH37221), 2001, vol. 2: IEEE, pp. 749-752. [33] M. Elforjani and S. Shanbr, 'Prognosis of bearing acoustic emission signals using supervised machine learning,' IEEE Transactions on Industrial Electronics, vol. 65, no. 7, pp. 5864-5871, 2017. [34] D. P. Kingma and J. Ba, 'Adam: A method for stochastic optimization,' arXiv preprint arXiv:1412.6980, 2014. [35] J. S. Garofolo, L. F. Lamel, W. M. Fisher, J. G. Fiscus, and D. S. Pallett, 'DARPA TIMIT acoustic-phonetic continous speech corpus CD-ROM. NIST speech disc 1-1.1,' NASA STI/Recon technical report n, vol. 93, 1993. [36] G. Hu, '100 nonspeech environmental sounds,' http://web.cse.ohio-state.edu/pnl/corpus/HuNonspeech/HuCorpus.html, 2004. [37] D. Baghdasaryan, 'Real-Time Noise Suppression Using Deep Learning,' https://devblogs.nvidia.com/nvidia-real-time-noise-suppression-deep-learning/, 2018. | |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/74940 | - |
| dc.description.abstract | 隨著科技進步，人們對消費性電子商品的品質要求不斷上升，如何達成高傳真的電聲商品一直是人們致力的研究目標。以揚聲器系統為例，其系統為電系統、機械系統和聲學系統三者相互耦合，因此設計高品質的揚聲器並不容易。本研究以設計出高傳真之電聲產品為目標，分為三個部分進行研究：分別為開發量測系統、揚聲器模型模擬以及降噪系統之建立。揚聲器中許多參數會決定揚聲器的好壞，因此量測系統對於揚聲器設計者非常重要。首先期望藉由自行開發的揚聲器量測系統，降低量測系統之成本並提供更高自由度之量測系統給使用者。同時為了提高量測系統精度，以互相關係數法(cross-correlation)處理位移訊號和電子訊號之間之延遲，以及使用暫態分析系統處理暫態位移訊號。最終再利用基本聲學推導之揚聲器輻射聲壓方程式，即可由量測到的位移訊號模擬出揚聲器之聲壓位準曲線(sound pressure level ,SPL)。
本研究以自適應濾波器演算法模擬揚聲器電子訊號和位移訊號之間的轉移函數，在沒有單體的時候仍可以使用此模型進行單體模擬或輔助揚聲器系統之設計。實驗使用複頻(multi-tone)掃頻訊號做為激振訊號，並探討如何以粒子群最佳化演算法產生峰值因子(crest factor)較小的掃頻訊號。粒子群演算法(Particle Swarm Optimization, PSO)演算法得以將原本峰值因子為4.47的複頻訊號降至2.99。 第三部分將深度學習應用於商業機械加工主軸降噪系統，希望透過後處理的方式將麥克風錄製到的噪音訊號去除並將語音訊號強化。以深度神經網路作為模型架構，並自行錄製高速主軸於不同轉速下運轉噪音進行測試。最後引入Perceptual Evaluation of Speech Quality (PESQ)一套客觀語音品質評分系統，定量評估降噪系統的成效。 | zh_TW |
| dc.description.provenance | Made available in DSpace on 2021-06-17T09:10:48Z (GMT). No. of bitstreams: 1 ntu-108-R06522501-1.pdf: 31641777 bytes, checksum: 1aa24e2416462ff9a778b5ba782650c2 (MD5) Previous issue date: 2019 | en |
| dc.description.tableofcontents | 摘要 I
Abstract III 目錄 V 表目錄 IX 圖目錄 X 第一章 前言 1 1.1 研究動機 1 1.2 文獻回顧 2 1.2.1 動圈式揚聲器參考文獻 2 1.2.2 深度學習參考文獻 4 1.3 論文內容與簡介 5 第二章 理論與儀器設備介紹 7 2.1 動圈式揚聲器結構與作動原理 7 2.2 基本聲學 7 2.2.1 聲波方程式 8 2.2.2 全向性球面波 8 2.2.3 簡單球狀聲波 9 2.2.4 圓形平板活塞之輻射聲壓方程式 10 2.3 揚聲器之軸向輻射聲壓 11 2.4 阻抗量測系統 12 2.4.1 硬體架設 12 2.4.2 阻抗計算 13 2.4.3 電阻抗相位計算 13 2.5 自適應濾波器(Adaptive filter) 15 2.6 儀器介紹 17 2.6.1 USB外接音效卡 17 2.6.2 KLIPPEL電聲量測系統 17 2.6.3 雷射位移計 18 2.6.4 光纖位移計 18 2.6.5 PCB 1/2”自由聲場麥克風 19 2.6.6 資料擷取卡 19 2.6.7 動態訊號分析軟體FLEXDSA 20 2.6.8 功率放大器 20 第三章 揚聲器振膜位移量測系統開發 39 3.1 使用KLIPPEL量測揚聲器振膜位移 39 3.2 振膜位移量測系統開發原理 40 3.2.1 硬體架設 40 3.2.2 掃頻訊號產生演算法 41 3.2.3 振膜位移訊號處理 43 3.2.3.1 分析位移訊號之延遲 44 3.2.3.2 分析暫態訊號 45 3.2.4 以揚聲器振膜位移模擬揚聲器聲壓位準 46 3.2.5 小結 46 3.3 實驗結果與數據討論 47 3.3.1 實驗架設 47 3.3.2 實驗結果 47 3.3.2.1 振膜位移與電壓轉移函數 48 3.3.2.2 振膜位移的峰谷值(peak and bottom) 48 3.3.2.3 模擬揚聲器聲壓曲線(sound pressure level ,SPL) 49 3.3.3 機械系統延遲和暫態訊號討論 49 3.3.4 小結 50 第四章 以粒子群最佳化演算法優化multi-tone訊號並應用於單體模型之模擬 85 4.1 Multi-tone訊號產生演算法 85 4.2 粒子群最佳化(particle swarm optimization, PSO) 86 4.2.1 背景介紹 86 4.2.2 演算法原理 87 4.3 以PSO優化Multi-tone訊號 88 4.3.1 以PSO產生不同頻段的Multi-tone訊號 89 4.3.2 分析慣性因子對收斂結果影響 90 4.3.2.1 慣性因子為常數 91 4.3.2.2 慣性因子 為變數 91 4.3.3 小結 92 4.4 單體模型模擬 93 4.4.1 實驗架設 93 4.4.2 實驗結果 94 4.4.2.1 濾波器訓練結果 94 4.4.2.2 濾波器測試結果 95 4.4.3 小結 96 第五章 深度學習應用於降噪系統 131 5.1 類神經網路架構原理 131 5.1.1 梯度下降法(Gradient Descent) 132 5.1.2 反向傳播法(Backpropagation) 132 5.1.3 深度學習優化演算法 132 5.2 降噪系統架構 133 5.2.1 特徵萃取(Feature Extraction) 134 5.2.2 類神經網路架構(Deep Neural Network Structure ) 134 5.2.3 語音訊號重建(Speech Reconstruction) 136 5.3 實驗結果與數據討論 137 5.3.1 資料庫介紹(Database) 137 5.3.2 Perceptual Evaluation of Speech Quality(PESQ)介紹 137 5.3.3 程式流程介紹 138 5.3.4 Frame Size的影響 139 5.3.5 Signal-to-noise ratio(SNR)的影響 140 5.3.6 小結 142 第六章 降噪系統應用於工具機主軸噪音 185 6.1 研究動機 185 6.2 實驗架設 185 6.3 降噪模型訓練 186 6.4 實驗介紹 186 6.4.1 使用TIMIT和主軸噪音 187 6.4.2 自行錄製語音和主軸噪音 189 6.5 小結 189 第七章 結論與未來展望 215 7.1 結論 215 7.2 未來展望 217 7.2.1 揚聲器系統 217 7.2.2 深度學習降噪系統 217 參考資料 219 | |
| dc.language.iso | zh-TW | |
| dc.title | 揚聲器系統之模型建構及應用深度學習於降噪之研究 | zh_TW |
| dc.title | Construction of Model for Speaker’s System and Application of Deep Learning for Noise Reduction | en |
| dc.type | Thesis | |
| dc.date.schoolyear | 108-2 | |
| dc.description.degree | 碩士 | |
| dc.contributor.oralexamcommittee | 王昭男,陳輝城,張敬源,李艮生 | |
| dc.subject.keyword | 揚聲器,振膜動態位移,聲壓位準,自適應濾波器演算法,粒子群最佳化演算法,峰值因子,深度學習,神經網路,語音強化,工具機主軸, | zh_TW |
| dc.subject.keyword | speaker,dynamic displacement of diaphragm,sound pressure level,particle swarm optimization,adaptive filter algorithm,deep learning,neural network,speech enhancement,spindle, | en |
| dc.relation.page | 222 | |
| dc.identifier.doi | 10.6342/NTU201902813 | |
| dc.rights.note | 有償授權 | |
| dc.date.accepted | 2019-08-14 | |
| dc.contributor.author-college | 工學院 | zh_TW |
| dc.contributor.author-dept | 機械工程學研究所 | zh_TW |
| 顯示於系所單位： | 機械工程學系 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| ntu-108-1.pdf 目前未授權公開取用 | 30.9 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。