实验工程 · 声学
团队项目
便携式空调声学分析
测量 · 信号处理 · FFT · PSD
通过时域与频域信号处理，对便携式空调多种运行工况开展实验声学分析。
年份
2026
类型
团队项目
工具
Python · FFT · PSD · Signal Processing · Measurement Analysis
我的职责
实验分析 · 信号处理 · 工程数据分析
01 / 项目概述
本研究探讨能否通过声学信号区分便携式空调的六种运行工况。团队采集了 18 段录音，并采用一致的时域与频域流程进行处理。
问题 / 挑战
信号包含启动瞬态、环境背景、压缩机循环和测量波动。仅凭整体响度无法解释相互重叠的工况，因此需要同时评估数据质量、重复性和频谱分布。
项目目标
- 01对六种工况各采集三次重复测量
- 02建立统一的 5-25 秒分析窗口
- 03检查直流偏置、削波、信噪比和 RMS 重复性
- 04比较 FFT、功率谱与 PSD 特征
- 05将频谱差异转化为工程解释
02 / 我的贡献
团队项目 · 个人贡献见下方说明
在六人团队中，我参与了信号预处理与 Hann 加窗流程，协助 FFT 和 PSD 对比，并参与解释重复性与频带结果。数据采集、统计检查和最终结论由团队共同完成。
03 / 工程流程
在稳定室内条件下，使用智能手机 MEMS 麦克风并保持 50 cm 距离录音。六种模式各重复三次。选取 5-25 秒共 20 秒信号以避开主要启动阶段；在 48 kHz 采样率下，每段约包含 96 万个样本，名义频率分辨率为 0.05 Hz。
04 / 技术开发
处理流程先去均值、检查峰值，再对所有选定记录应用相同的 Hann 窗后进行 FFT。时域观察通过 RMS、峰值、信噪比和变异系数量化；频域流程使用单边 FFT 幅值、功率谱与 PSD 归一化进行可比分析。
05 / 分析 / 验证
所有运行工况均比背景参考高 23 dB 以上，且未发现削波。制冷模式 RMS 重复性较差，与压缩机循环及位置敏感性相符。FFT 与 PSD 显示明显低频能量且不同模式频谱重叠，因此频带特征比单一主频更有解释力。
06 / 最终成果
背景噪声与运行工况得到清晰区分；大部分空调声能集中在 200 Hz 以下，最大贡献通常位于 50-100 Hz 频带。报告对比中 Cool 17 High 的 PSD 推导 RMS 最高，但受频谱重叠与重复性限制，模式分类仍不充分。
07 / 关键收获
可信的测量结论必须呈现不确定性与重复性，而不能只展示整洁图表。加窗可减少泄漏，但会改变幅值解释；单一标量也无法概括复杂运行噪声。后续应采用标定设备、更严格的位置控制与时频分析。
08 / 工具 / 方法
下一个项目 · 01