几类典型环境声的主观评价及感知特性分析∗

张 珺 陈克安† 郑如玥

(1 西北工业大学航海学院 西安 710072)

(2 海洋声学信息感知工信部重点实验室 西安 710072)

0 引言

随着现代工业的快速发展和城市化进程的不断推进，噪声污染问题日益严重，交通噪声扰民逐渐成为环境污染投诉的重要原因。传统上，人们采用等效连续A 声级等物理性指标对噪声进行定量评价，然而噪声对人的影响主要是引发烦恼等主观感觉[1]。站在听觉感知的角度看，噪声控制的最终目标是降低噪声烦恼度。因此，从评价方法上讲，噪声控制策略可以分为“减法”控制(Subtraction control)和“加法”控制(Addition control)两大类。减法控制是指通过主动或被动控制等手段，以降低原始噪声声能量为目标的一种方法[2]；加法控制则是通过人为添加声音(调控声)，以降低原始噪声烦恼度为目标的一种方法[3]。加法控制又被称为声频注入法，调控声被注入后，原始噪声与调控声叠加后的声音，其能量通常不会减少，甚至会略有增加，但从听觉感知的角度观察，它减少了原始噪声的烦恼度，或者说增加了目标噪声的舒适度，因而从另一个角度“降低”了噪声。近年来，声频注入法在城市声景观(Urban soundscape)设计、开放办公室声环境处理、噪声源声品质改进等方面的研究日益增多[4−8]。

在声景观设计中，人们越来越多地使用水景声来改善城市公共空间和建筑环境[9−10]。Jeon等[11]通过实验发现水声的引入可以改善人们对城市声景的偏好度打分。Coensel等[12]将道路交通噪声与不同声级的喷泉声或鸟鸣声组合，结果表明，加入鸟鸣声能显著增强声景观的愉悦性和多变性，并且在特定条件下加入喷泉声能降低道路交通噪声的响度。其他学者的研究也发现流水声、瀑布声、鸟鸣声等自然声可以改善环境噪声和声景观的舒适性体验[13−14]。对开放式办公室声学环境的研究中，Haapakangas 等[15]发现在水声、色噪声、乐声中，使用水声掩蔽语声效果最好。Hongisto 等[16]通过对不同频谱伪随机噪声进行研究，建议在开放式办公室中使用伪随机粉红噪声(每增加一个倍频程其斜率为−7 dB)，因为其声学满意度很高并且能很好地掩蔽远距离的语声。以上的研究结果都说明自然声、有调声、色噪声等都具有改善噪声舒适度的潜力。

调控声的选取是声频注入法的关键和难点所在。调控声选择的基本原则是要求其烦恼度比原始噪声的烦恼度低，或者说要求调控声的舒适度或愉悦度越高越好。然而，已有研究基本上都是以特定声音为例，研究其注入原始噪声后的烦恼感变化情况，并未系统地对可能的调控声进行横向比较。为此，本文以交通噪声调控为背景，研究典型环境声烦恼感的主观评价及其特性分析。

选取自然声、有调声、色噪声和交通噪声为对象，研究这些声音的烦恼感差异以及引起这种差异的因素。首先，进行两组烦恼感评价实验，获得不同环境声和交通噪声的烦恼度评分。其次，提取声音的心理声学指标，利用相关分析研究这些指标对烦恼度的影响。最后，通过多维尺度分析(Multidimensional scaling, MDS)用低维空间中点对点的距离最大程度拟合声样本之间的不相似距离，研究它们的感知空间构成，并分析引起这种感知差异的因素。

1 烦恼感评价

设计并进行了两组烦恼感评价实验，实验一为4 种不同类型声音(包括：有调声、色噪声、交通噪声和自然声)的评价，实验二为4类交通噪声(包括：飞机噪声、火车噪声、市内日常交通噪声和市内有轨交通噪声)的评价。

1.1 声样本

通过软件合成和网络下载(网址：https://www.findsounds.com/)两种途径获得不同场景且具有代表性的声样本，包括：(1)实验室生成的理想声样本，如有调声(纯音和复音)和色噪声，它们通过软件合成；(2)生活中常见的交通噪声，如道路、轨道和飞机噪声等；(3)自然声，如海潮声、鸟鸣声等。后两类均来自网络音效库。

表1详细罗列了每个声样本的信息，包括声级差和必要的备注。声级差反映了样本声压级在时域上的波动性(0.1∼4.9 s)，计算时的时间间隔为5.8 ms，两个值分别表示左右两个通道，声级差相同说明两个通道的时域信号完全相同。表1中相同的名字为同一个声音。由于所下载声音的声级和时长差别较大，为了控制变量研究谱对烦恼感的影响，实验前将所有声样本的声压级统一调节为60 dB，时长5 s。

表1 实验用声样本信息Table 1 The stimuli used in experiment

1.2 被试及环境设备

主观评价实验选择在安静的普通房间内进行，光照均匀，通风良好，温度22◦C∼24◦C，湿度适宜。采用有偿方式招募到志愿者24人，均为西北工业大学的本科生或研究生，其中男性16人，女性8 人，年龄在20∼30岁。实验前的纯音听力测试表明他们的听力状况良好(125∼8000 Hz内听阈级低于15 dB)。

为确保每个被试在相同的条件下听到相同的声音，通过耳机回放进行实验。声音由千千静听播放器通过一个24 位声卡传至16 通道耳机放大器(Behringer HA4700)，然后经动圈式高保真监听级头戴耳机(Sennheiser HD280)播放给被试。回放过程中，以计算机控制声样本的回放时长、播放间隔和播放次序。实验前用人工头测试耳机播放的噪声，保持耳机放大器的设置固定，调节声音播放器的音量，使人工头输出的左右耳声压级在60 dB左右，实现双耳处声信息的校准。

1.3 实验设计及过程

采用成对比较法进行实验，评价尺度见表2。将声样本两两随机组合并选取一半做重复性实验用于后期数据检验。实验一包括66 对不同声音的比较、12对相同声音的比较以及33对不同回放顺序声音的比较。相应地，实验二的声样本对分别为45、10和23。总计评分189次。

表2 烦恼感9 级评价尺度Table 2 The 9-level scale of annoyance

实验分两次进行，每次有12 名被试参加，先进行实验一再进行实验二，两次实验流程完全一致。实验前，向被试说明实验目的和流程，并进行训练。正式实验时，被试每次听到一对声音，包含两段5 s的声音，中间间隔2 s。听完后，被试有5 s 的时间来评价与第一段声音相比第二段声音的烦恼感等级。为防止被试疲劳引起实验数据准确度下降，每次评价控制在20 min 以内，休息5∼10 min 后继续实验，整个实验耗时1.5 h。通过在手机上填写调查表进行结果统计。

1.4 数据处理

整理实验数据进行误判分析(采用文献[17]中公式(5)计算一致性系数)和聚类分析。误判分析剔除一致性系数在0.7 以下的被试，实验一剔除11 号，实验二剔除4号、6号和10号。聚类结果表明被试被聚为明显的两大类，分别命名为类1 和类2，剔除明显偏离两大类的被试，实验一剔除10 号和11号，实验二剔除2号、10号和11号。分类结果表明，实验一的类1(共12 人)与实验二的类1(共10 人)，以及实验一的类2(共10 人)与实验二的类2(共12 人)重叠度都很高(它们中的9 个都是同一个人)，说明两类被试可能具有不同的偏好。因此，综合两次剔除结果，使用剩余数据按分类结果进行后续分析。

2 烦恼度分析

计算两个实验不同聚类被试评价结果的算数平均值，得到声样本的烦恼度评分。烦恼度在5 附近说明被试认为两个声样本的基本相同，离5 越远说明声音间的烦恼感差异越明显。

2.1 实验一：典型环境声烦恼度分析

以白噪声为参考(烦恼度为5)，图1绘制了两类被试对典型环境声的烦恼感评分，得分大于5 说明该声音比白噪声听起来更让人烦恼，反之亦然。

观察图1可以发现，除交通噪声外，两类被试的评价趋势较为一致。他们都认为复音(调频声，声样本1)和纯音(声样本2)最让人烦恼，自然环境声(声样本4鸟鸣声、声样本8海潮声、声样本9雷声)和蓝色噪声(声样本5)的烦恼度更低。但是，他们对噪声的容忍程度存在很大差异，第一类人群对这些声音的烦恼度打分比第二类人群平均高1.3 分，这类人群明显更容易感觉烦恼。

图1 实验一烦恼度Fig.1 The annoyance score of Experiment 1

两类人群对交通噪声(声样本3 飞机起飞噪声、声样本6 汽车碰撞声、声样本10 带鸣笛的日常交通噪声和声样本11 轨道交通噪声)和粉红噪声(声样本7)的评价结果完全相反。对这些噪声，第一类人群表现为反感，而第二类人可能因为熟悉而更容易接受。二者之间的烦恼度差异为2.5分。

2.2 实验二：交通噪声烦恼度分析

以1 号声样本(飞机起飞噪声)为参考，得到其他声样本的烦恼度得分，如图2所示。与实验一结果一致，第一类被试认为与白噪声相比交通噪声更令人烦恼，而第二类被试则正好相反。

图2 实验二烦恼度Fig.2 The annoyance score of Experiment 2

两类被试对于飞机噪声、火车噪声、市内日常交通噪声和市内有轨交通噪声评价一致，对这4 类噪声的烦恼度评分都是飞机经过噪声(声样本3)>飞机起飞噪声(声样本1)、火车经过噪声(声样本9)>轨道交通噪声(声样本8)>火车刹车噪声(声样本7)、有鸣笛的交通噪声(声样本5)>无鸣笛的交通噪声(声样本6)、有轨电车行驶噪声(声样本2)>地铁行驶噪声(声样本4)。但是在这4类噪声中，第一类人群更偏爱无鸣笛的日常交通噪声和火车刹车声，而第二类被试却更喜欢飞机起飞噪声和地铁噪声。

总之，根据实验一和实验二的结果可以认为在有调声、色噪声、自然环境声和交通噪声这4 种声音中，纯音和调频声最令人厌恶，自然环境声最让人感到愉快，色噪声和交通噪声介于二者之间。与交通噪声相比，蓝色噪声听起来感觉更好。对于交通噪声和白噪声，不同的人群有不同的偏好。

3 感知特性分析

本节通过计算心理声学参量和构建感知空间对引起被试打分差异的影响因素进行研究。

3.1 心理声学分析

使用ArtemiS 软件提取响度、尖锐度、粗糙度、波动强度和音调度等5 个心理声学参量。分析发现：(1)人对声音的烦恼感知受多种因素影响，如飞机起飞噪声、海潮声和有鸣笛的日常交通噪声的响度值相近，但它们的烦恼度却相差甚远，说明人对声音的感知与多个因素相关。(2)声样本的某一特别突出的特征可能会引起人极大的反感，如最令人厌烦的复音，其粗糙度为1.73 asper，是其他声样本的17倍，纯音音调度为2.3，这是其他声样本调度值的好几倍。(3)主观实验中被试的评价标准因人而异，如白噪声，除尖锐度外其他参量都处于所有声样本中等或偏下位置，但两类人群对它烦恼度评价结果却截然相反。

表3罗列了两个实验两类被试烦恼度与上述5种因素之间的相关系数。分析发现，表中各参量与烦恼度的相关性强弱及正负反映了不同被试人群评价过程中的打分依据，可以看出，他们会同时关注声音的多个属性，最终的评价结果不能仅通过单一参量来解释。

表3 烦恼度与心理声学参量相关系数Table 3 Pearson correlation coefficients between annoyance and psychoacoustic parameters

实验一中，两类被试都认为烦恼度和粗糙度、音调度成正比，所以3 种色噪声中的蓝色噪声因各参量都相对较小而最不令人烦恼。同样地，3种自然声中鸟鸣+流水声的音调度比其他两个都高很多，因此引起的烦恼最强烈。对于评分分歧很大的4 种交通噪声，被试都认为轨道交通噪声烦恼度最低，这主要是因为它的音调度较其他噪声低两倍以上。其他几种噪声各参量结果相差不大，在各因素的影响下最终的烦恼度也相差不大。综合对比这3 类噪声，交通噪声整体上粗糙度和音调度都较其他两类高，所以烦恼度也略高。但它们的尖锐度比其他两类低，所以受负相关作用影响第一类被试进一步拉大了这些交通噪声与其他两类噪声的烦恼度。

实验二中，两类被试的评价差异主要受尖锐度的影响。第二类被试认为飞机经过噪声、火车经过噪声、有鸣笛的交通噪声和有轨电车行驶噪声比相应的同类交通噪声更烦恼，主要是因为它们的尖锐度更高，波动强度较低。然而，无法仅通过尖锐度解释第一类被试的评价结果，可能还受到其他参量的影响。

3.2 感知空间分析

本节通过构建感知空间做进一步分析。首先将烦恼度成对比较矩阵转化成声样本间的不相似度矩阵，利用烦恼度得分与中间位置(即打分为“5”)之间的距离表示声样本之间的不相似性。如在实验一中，第一类被试对飞机起飞噪声评分为“6.08”，第二类为“3.9”，它们与“5”之间的距离都接近“1.1”，说明两类被试认为飞机起飞噪声与参考声(白噪声)的不相似程度相同，只他们的偏好不同，因此认为飞机起飞噪声与白噪声之间的不相似程度为“1.1”。这样处理之后原来的两极烦恼度值将变成单极(数值为0∼4)，可以将两类人群的数据一起进行不相似度分析。

选择SPSS软件中的PROXSCAL过程，基于最优尺度变化的MDS 模型对数据进行分析，分析时考虑不同被试之间差异[18]。结果发现当维度为二时，模型一的标准化压力为0.051(压力值越小表示拟合程度越好，该值为0.05 时说明拟合程度“好”)，决定系数为0.95(该值越大表示对原数据解释效果越好)，模型二相应的参数为0.056和0.94，说明两个模型与观测数据拟合效果好。图3绘制了模型的变量空间定位。

从图3(a)可知，实验一中4 类声音被清楚地分成了4大块，分别为：自然声、色噪声、交通噪声和有调声。在一维空间上，自然声和色噪声居左，其次是交通噪声，最右侧为有调声，可以比较明确地认为维度1 实际上就是反映了典型环境声类型间的差异。而在维度2上，如果将所有声音放在一起观察，很难得出一致性的变化趋势，但是如果分4 类来看，则可以发现维度2 在每个类别内部都大致反映了不同声音的烦恼度差异，并且距离零点越远表示越不烦恼。因此可以认为第二个维度反映了声音烦恼度的差异，但这种差异在不同类别间可能不具有可比性。

类似地，图3(b)维度1 表示不同类型交通噪声之间的差异，除火车刹车噪声外，从左到右依次为市内日常交通噪声、飞机噪声和轨道交通噪声(市内有轨交通噪声和火车噪声)。维度2大致反映了不同交通噪声的烦恼度差异，并且这种差异在这些不同类型交通噪声之间是可以比较的。在每个类别内部得分越高表示越烦恼，不同类别之间令人烦恼的位于维度2 零点上方而听起来不那么烦恼度位于零点下方。但是，有轨电车行驶噪声和地铁行驶噪声的分布规律与其他3 类正好相反，平均烦恼度较高的有轨电车行驶噪声反而在下面。

图3 感知空间分析Fig.3 Perception space analysis

为了从客观指标的角度理解典型环境声的感知空间，提取声音的163 个特征参量(响度、尖锐度、粗糙度、波动强度和音调度共5 个心理声学指标；20 Hz∼5 kHz 的25 个1/3 倍频带声级；24 个特性响度、24 个特性尖锐度、19 个特性粗糙度和21个特性波动强度；45 个音色描述符[19]，包括9 个全局时域特征、14 个时变时域特征、基于短时傅里叶变换(Short time Fourier transform, STFT)幅值(STFTmag)和短时傅里叶变换能量(STFTpow)各11 个时变频域特征)，分别与每个实验的二维空间坐标做相关分析，根据客观参量与某个维度相关性较强，但与另外一个维度相关性较弱，且各声学参量之间相关性较弱的原则，选择感知空间两个维度分别对应的客观参量，结果如表4所示。

表4 所选的客观参量与感知空间各维度的相关系数(p<0.05)Table 4 Pearson correlation coefficients between metrics and each dimension of perception space (p<0.05)

实验一两个维度对应的参量分别为基于STFTmag 的谱下降值和上升时间，前者为信号的频域描述符，用于表达谱的斜率；后者表示上升时间，即信号能量上升的开始时间。这说明被试对不同类型环境声的判断主要取决去其频谱的斜率，对它们的烦恼感主要跟信号的时域特征有关。

实验二提取的两个参量分别为第一个Bark频带(0∼100 Hz)内的特性响度均值和中心频率为200 Hz 的1/3 倍频带声级。说明被试对声音在一维空间上的分类可能与特性响度均值(第1Bark)有关，在二维空间上对每一类噪声的打分可能与1/3倍频带声级(中心频率200 Hz)有关。

4 结论与展望

本文从听觉感知的角度出发，研究了4 类典型声音和4 类典型交通噪声的烦恼度及感知空间。发现自然声和蓝色噪声引起的烦恼明显比交通噪声和有调声低，可以考虑对交通噪声进行掩蔽或互补频段等调节使其更舒适。因此，可以根据人们对不同类型声音的感知体验，将听起来更舒适更愉悦的自然声等“注入”到引起烦恼的噪声中，研究它们对噪声感知的影响，从而进行更有针对性的降噪设计，提升产品或是生活、工作环境的舒适性。

文章研究的声样本虽然涵盖范围广泛，但在每一类声样本的选取上具有一定的局限性，未来可以有针对性地研究不同频谱构成的自然声/色噪声在调控交通噪声方面的潜力及应用。