汇报一下，跨入REW“Wavelet“小波分析新阶段，感觉可能会和诱人的“红香肠”火焰...

交响无际

这几天，ASR这篇2021年帖子又浮了上来，用REW的Clarity清晰度C50数值，来观察低频的效果。（从这里，发现了Wavelet小波分析。）
https://www.audiosciencereview.com/forum/index.php?threads/measure-your-c50-in-rew-and-tell-us-how-your-bass-sounds.22567/

ASC的一般经验是，“家中这样的小型聆听环境，在整个低音范围内（大约为 800hz 及以下），至少 10dB 的 C50 值对于良好的低音效果是可取的，15dB 或更高是极好的。”

关于清晰度的C50，C80（和早期反射声），这本《音乐厅顶棚对观众厅中前排早期反射声影响的研究》硕士论文，有些相关内容和解释，还挺好的，顺便推荐一下吧。
https://www.ixueshu.com/document/2bf4da80914dcf5cba0eacbf44dd7f51318947a18e7f9386.html


言归正传，“Wavelet“小波分析

相信用REW、玩炮的朋友，对Spectrogram火焰图的红香肠，都不陌生了吧。


但是到了中高频，右侧怎么还是几百毫米呢？
因为右上角Controls里Mode选择的是Fourier傅立叶模式，绘图使用固定宽度的窗口，所有频率具有相同的时间分辨率？





Wavelets (the real thing, not the software) intro: exceptionally good tutorial.
小波分析，更真实、更直观、更自然，不是软件。
https://www.audiosciencereview.com/forum/index.php?threads/wavelets-the-real-thing-not-the-software-intro-exceptionally-good-tutorial.37376/#post-1315275

纯数学、应用数学和工程应用的完美结晶-小波分析。
https://zhuanlan.zhihu.com/p/560641916

其实，REW的这页帮助文件，早就具体介绍了，使用Wavelet模式分析，对比“红香肠”模式的优势。
https://www.roomeqwizard.com/help/help_en-GB/html/graph_spectrogram.html


理想的小波频谱图，是这样的。


（这个看起来像什么呢？大家集思广益，给这个图形起个“有意思”的名字？）


在查看具有反射的响应时，可以更容易地看出傅立叶和小波谱图之间的差异。（以1毫秒间隔加入了一系列反射）
在傅立叶频谱图中，无法区分反射本身。


Wavelet小波模式，由于在高频下具有更高的时间分辨率，反射变得像水平条一样可见。


其实，这两个3～4年前的REW教程视频，都讲到了用Wavelet小波分析。
https://www.bilibili.com/video/BV1bB4y1U7vf/
AV NIRVANA，Matthew Poes，A Beginners Guide to Room EQ Wizard (REW)
（国内的教程，全是“红香肠”？也可能是我看得不够多，不够认真，好像从没看到过“小波”了，呵呵呵）


还有AES这篇讲，音箱瞬态响应频谱图显示的文献，也贴过来，供参考了解吧
A Spectrogram Display for Loudspeaker Transient Response
https://www.fulcrum-acoustic.com/wp-content/uploads/2019/10/spectrogram-loudspeaker-transient-response-2005.pdf


昨天自己也试了试，第一印象，信息量比“红香肠”还是多了一些
1.两个REW视频和一些研究文献里，横坐标是时间，纵坐标是频率，是Wavelet分析的常用形式吗？
2.尝试了，用不同的扫频速度时间，Length 256k 1.4s，1M 5.5s，Wavelet结果还是一样的，所以还是变换计算的分析值？
3.针对某个频率，竖直方向，高声压级的红色部分，应该是越窄越好吧，快进快出？
有没有搞信号处理的朋友，给讲一讲呀？多谢多谢～～

自己也不懂了，看到了，感觉挺好玩的，就赶紧发上来吧。期待大神们，再给些解读和实操方面的指导和案例对比啦～～～

交响无际

刚刚搜到了这篇文章，《基于小波分析的汽车声品质研究综述》，提到了一些，用小波分析的优点。
https://www.fx361.com/page/2020/1009/7390424.shtml

小波算法在信号处理方面效果较好，具有无可比拟的时频特性。
目前小波分析的应用领域主要有模式识别、故障诊断、信号处理、状态监测、图象处理等众多学科领域。
把小波分析应用于声品质改善工作在国内还没有深入的研究。

与傅里叶变换相比小波分析的优点是良好的局部化性质，而且在时域和频域同时具有。
小波变换可以在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率。
因此小波变换可处理到信号的任意细节，解决传统分析方法无法解决的应用问题。

baikal

厉害，完全看不懂啊

交响无际

baikal 发表于 2023-3-12 09:58
厉害，完全看不懂啊

“给我一副世界名画，我只能看看画的像不像，嘻嘻嘻～～～”。

横坐标是频率，纵坐标是时间。颜色是声压级，从大到小

整体看上去，越连续、越均匀，越好呗～～～
可以看出，分频点，EQ、FIR等DSP处理，都会有或多或少的影响。

越“快进快出”，越好吧。
群延时越低，越贴近t=0，超低频红色上翘越小。
对于某个频率，控制能力越强、能量消散衰减越快，纵向看起来，越窄吧。
早期反射声，能量越小，红色上面，越干净。

大概先想到这些吧，供参考啦～～

交响无际

这个Practical Applications of the Wavelet Analysis（小波分析的实际应用）的PPT，不错耶～～～
https://www.audiomatica.com/wp/wp-content/uploads/ALMA_2011.pdf

大概翻看了一下
-提到了脉冲响应缺频率信息的问题
-传统从频域图中从相位读时间不容易的各种各样问题

这张频域+时域的关系图，真不错呀



1800Hz有个坑


房间声学处理前后对比


感觉好像比傅立叶变换的红香肠、瀑布图，在分辨率、细节方面，还是更精细了一点吧？