|
2018年11月22日，中国家用电器研究院在京主办了“2018中国家用电器用户体验高峰论坛”。此次论坛汇集了多位行业专家、顶尖设计师及企业相关负责人共襄盛会，共同研究、传递与分享用户体验创新的先进经验和理念。  路“构建用户体验新框架——2018中国家用电器用户体验高峰论坛”现场 今天，让我们把目光聚焦于来自中国家用电器研究院噪声及通用工程技术研究所的杨伟成所长身上，一同倾听他对于用户体验项目中，关于声品质方面的独到见解——《声品质对用户体验的影响及其评价方法》。  路中国家用电器研究院噪声及通用工程技术研究所 所长 杨伟成先生发表演讲 （以下为杨伟成演讲实录整理内容） 大家下午好。首先我们先来讨论一个比较有趣的话题：人体对噪声是什么感受？ 在讲这个话题前我先举个例子。我曾经问过一些人，你家空调的噪声怎么样，有的回答我挺好的，还有一些会告诉我，空调是杂牌子，噪声不咋的。用户说的这个“挺好”或者“不咋的”是什么意思？我们能不能通过一个数表达出来？其实早在1975年，ISO、IEC就已经有了很成熟的噪声标准，但是噪声标准却远不能回答人体对噪声是什么感受，这是非常复杂的。我们今天就来具体探讨一下这个问题。  路为了让大家更直观的了解，我们来看图中的模型。图中的声源通过路径r传到消费者的耳朵里，此时她听到的声音一个是直达声、一个是反射声，当然，反射声有可能是几次。而刚才提到的标准就是测Lw，也就是说，音量有多大、发出的能量就有多大。任何声学现象都有一个语言、一个路径、一个接受者、还有一个环境，我们今天如果把这个问题弄明白，就能对今后的用户体验有帮助。  路另外，关于家电的噪声，实际在研发时是分成三个不同的领域的。其中一个领域就是Lw，这是ISO标准的标准，会有各种各样的技术把产品的噪音降低，这是一个现成的标准。 另外一个跟它不相关的，就是今天我主要介绍的一个领域——SQ，也就是声品质。要知道噪音也有质量，它的质量好还是不好，研究这样一个领域最成熟的还要数汽车行业。 关于第三个领域，这也是现在研究的热点。在当前的工程学里，尤其家电里，除了语音识别以外还有一些非语音识别，也就是杂音、异音的识别。我举个例子，比如一辆汽车有杂音，车肯定要换的，但是我们怎么才能用电脑识别出来，如果通过编出一个程序或者通过算法来计算出来是非常复杂的。  路下面我们再回到声品质。关于声品质，第一就是跟产品有关，这是肯定的。再有就是跟环境有很大的关系。Lp就是所谓的耳朵旁边多少分贝，Lw就是现在家电的噪音标准，r是离开的距离，后面的R就是房子面积乘以系数再乘以1减去1。 这里有这样一个曲线，横坐标就是离开声源的距离，局限是倍数坐标，1米和10米、100米间隔是一样的；纵坐标就是耳朵旁边听起来声音会有多少分贝，这个分贝不仅跟距离有关系，还跟R有着千丝万缕是联系。  路这也就是说，同样的家电，不同品牌的感觉是不一样的，这是第一个结论。第二，典型的一些声学环境需要有专用的实验室，比如混响室，当声音进去以后不会衰减，可持续到20几秒、甚至30多秒，而且这里面可以做声学实验。另外一个是专用的消音室，可在各种情况下研究声学。由此可以得出一个结论，如果不想改变产品，但又想通过环境把它的声音改善，要不然就把r增大，要么把房子增大，再不然就把α增大。  路这里我要讲一个非常重要的实验，叫做等响曲线。等响曲线是指典型听音者感觉响度相同的纯音的声压级与频率关系的曲线。双耳测听的等响曲线，最低一条虚线即纯音最小可听声场一双耳测听的听阈曲线。 曲线表面大致相同，但实际是不一样的，越到上面越平，越到下面越厉害。一直以来，用什么来描述噪音很烦琐，后来ISO给出一个量，做出一个统一的国际标准，没有新的理论出现以前，大家都在使用这个。但它并没有解决所有问题，只是把问题掩盖起来。至今还有很多人在探索，究竟是什么东西发挥效应。  路同样是低频，一个很烦人，一个不烦人，究竟是哪个因素在起作用呢？答案就是SQ。既然知道是SQ，为什么不把它测出来呢？这个非常复杂。ISO颁布了最新版的标准，对此也做了很大的改正。其中认为，消音室的背景噪音低于20倍就达到精密级了，我们在做产品质量鉴定时候就可以拿这个标准来参照。  路另外，既然低到一定程度就不是声压级的问题了，是声品质。声品质听起来很容易，其实是研究起来很难的东西。有时候环境、情绪对人的判断会有很大的误导性。 通过哪几个特征对声品质进行描述，分别是响度、尖锐度、粗糙度、抖动度、语音明瞭度、音调度，这几方面各个公司有自己独特的算法。需要注意的是，要主观进行评价，即使出来一个六维，你测的六个量最后都要变成一个函数，函数带进去变成一个值就能描述这个家电好与不好。因此我们说，不同的产品要有不同的声音对应起来，这样消费者才认可。  路对于声音的声品质研究，我认为应该在专业的实验室里把声音录下来，录好以后通过电脑里设计好的程序一个一个打分，打完分后进行一个非线性的回归，搭建这个模型，之后还要有鲁棒分析。另外，就是你算出数据来，再拿主观进行验证，如果验证完结论不对还可以重新来，通过迭代这个模型就建立起来了，大致上的前因后果就是这样一个关系。  路假设如果我们可以得到统一的一个量，而不是六个指标，那样就太好了，我们可以对产品进行控制、进行研发指导，或者对它有一个深入的研究。 以上大概给大家介绍这么多，希望能给在座各位一些启发，谢谢大家！ |
微信扫一扫
