調制(Modulation)、包絡分析(Envelope)

如果噪聲中出現了明顯的調幅(AM)現象，BK Connect軟件還提供包絡分析(Envelope)。包絡分析能夠將調制信號從載波信號中分離出來。如下圖所示，紅色為載波信號，黑色為調制信號，經過包絡分析后，即可得到右下角的調制頻率fm。

包絡分析除了用于調制信號的解調分析以外，還適用于電機軸承的故障檢測，能從軸承振動噪聲信號中識別出微弱的故障信號，在出現故障的早期階段即能發現故障。

如下圖右圖的例子中，對載波所在頻段（125±100Hz）進行帶通濾波后，對包絡線時間歷程曲線進行FFT分析。Y軸幅值為包絡線的頻譜幅值。在頻譜中發現了明顯的峰值，說明信號中存在調幅現象。在噪聲信號的FFT分析結果中，如下圖左圖所示，我們發現在126Hz和120Hz有相鄰的峰值，其中幅值更高的126Hz為載波頻率，幅值較低的120Hz為調制信號頻率。根據調制信號幅值和載波信號幅值的比值，可計算出調制度(Degree of Modulation)，為0.082/0.395≈21%。

如果在分析之前，無法確定載波頻率的頻率范圍，則可以先進行不同頻段的包絡分析，調查這些頻段的數據中，是否存在調制。如下圖例子所示，X軸橫坐標為調制頻率，左側Y軸縱坐標為包絡分析的載波頻帶中心頻率，Z軸顏色坐標為調制信號幅值。從圖中可以發現2500Hz載波頻帶和80Hz調制頻率處有明顯峰值（圖中黃色圓圈位置），同時在其他載波頻帶，如500Hz處，也存在多個調制頻率的峰值（圖中橙色圓圈位置），說明這些位置存在明顯的調制現象。

***純音比(Tone-to-noise Ratio)、突出比 ***

(ProminenceRatio)、音調(Tonality)

由于電機和傳動機構的結構特點，旋轉機構經常發出一些純音。這些純音可能讓電機噪聲聽起來尖銳刺耳、不和諧，令人煩躁。在分析純音問題時，需要考慮寬頻信號的掩蔽效應。當一個寬頻信號中存在一個純音時，純音的聲壓級幅值超過純音所在臨界頻帶聲壓級幅值6個dB以上，人耳才能聽到這個純音。

如果小于6dB，則人耳聽不到這個純音，它被周圍頻帶的寬頻聲音所掩蔽。下圖為純音比和突出比的圖例和定義。針對人耳的這種特性，BK Connect軟件提供了多種純音分析參數，包括純音比(Tone-to-noise Ratio) 、突出比(Prominence Ratio)和音調(Tonality)，這些參數能自動判斷噪聲中是否存在明顯的純音。

FFT、1/3倍頻程(1/3 Octave)、

臨界頻帶(Critical Band)

FFT和1/3倍頻程多用于表述聲音能量在頻域上的分布。它們的縱坐標為聲音幅值，比如聲壓級dB、A計權聲壓級dB(A)等，橫坐標為頻率。FFT和1/3倍頻程最明顯區別之一是頻率坐標的分辨率。FFT的頻率分辨率在各個頻率都是一致的（如下圖左圖），而1/3倍頻程的頻率分辨率是中心頻率的固定百分比（約23%），頻率越低，每個柱狀圖代表的頻段越窄，也就是頻率分辨率越小，反之頻率越高，頻帶越寬，頻率分辨率越大（如下圖中圖）。

FFT和1/3倍頻程的本質區別是噪聲幅值的計算方法，FFT利用傅里葉變換原理，進行時域頻域轉換，得到各頻率的噪聲幅值。1/3倍頻程采用時域濾波器的方法，對時域信號進行帶通濾波，得到各頻段噪聲幅值。

FFT和1/3倍頻程主要表述聲音的能量分布，沒有考慮心理聲學中的頻域掩蔽效應，因此與人對聲音的主觀感受存在一定的差距。為了減少這種差距，在進行心理聲學分析時，通常使用臨界頻帶（單位bark）表述不同頻率的噪聲，臨界頻帶將人耳可聽頻段分為0-24bark（如下圖右圖）。

更多參數

如果噪聲信號具有非穩態特性，甚至是瞬態特性，除了上述常見的參數以外，還經常使用其他一些參數。他們由常規參數衍生出來的，這些參數也常用于評價電動零部件的異響。

百分位數

在研究噪聲問題時，噪聲中除了與自身形成機理有關的特征成分以外，還經常包含隨機成分，這使得噪聲數據經常分布在一定數值范圍內。為了方便量化噪聲數據的分布特性，引入統計學的一些方法，比如百分位數，常見的百分位數有第1、第50（也稱為中位數）、第99百分位數等。

以連續重復測試的三組數據為例，在下圖的響度時間歷程中，由于被測物運行狀態等因素的影響，無法保證三組數據的最大值是最穩定的、一致的。表格中為三組數據的第0至第15百分位數匯總，其中第0百分位數（第三行，即響度最大值）標準差為0.33Sone，而第3、4百分位數（第四、五行）標準差均明顯小于第0百分位數的標準差，因此第3、4百分位數具有更高的一致性。

（特征響度積分面積）百分位頻率

使用臨界頻帶表述不同頻率的響度時，我們將結果稱為特征響度，如下圖結果，橫坐標為臨界頻帶（bark），縱坐標為響度。在研究噪聲的頻域分布特性時，可以利用特征響度曲線計算出積分面積。

再利用積分面積百分位數所對應的頻率，來表述頻譜分布特性。百分位數的結果為特征頻率，單位Bark。以下圖為例，左右兩圖為兩個不同聲音的特征響度數據，兩個聲音的總響度分別為13.00 Sone和12.74 Sone，比較接近，但是它們的頻譜分布是不同的，例如，在9 Bark附近，左圖數值小于右圖，而在16.5 Bark附近，左圖數值大于右圖。以第50百分位頻率為例，低于某個特征頻率的積分面積，占總積分面積的50%，也可以描述為，某個臨界頻帶以上和以下特征頻率積分面積相等，即特征響度“重心”，此臨界頻帶對應的特征頻率即為第50百分位頻率。

在上述兩組數據中，左右兩圖的第50百分位頻率分別為12.5 Bark和11 Bark（圖中紅色豎線），這意味著左圖的特征響度“重心”比右圖更偏右說明特征響度主要集中在較高頻段。除了使用第50百分位頻率以外，也可以使用其他百分位數（比如第70百分位數）表示特征響度的分布特性。

對于瞬態噪聲信號，在瞬態噪聲的時間歷程中，頻率分布是隨時間變化的。以電機停止運行時的特征響度時域歷程為例，如下圖左側圖形所示，在0.09-0.25秒（藍框內的時間范圍）出現瞬態沖擊噪聲，在不同時刻下，特征響度是不同的。利用各個時刻的特征響度計算出百分位頻率，從而反映出各個時刻的頻率分布變化趨勢。下圖右側圖形為第70百分位頻率的時間歷程，其中的0秒為沖擊噪聲的峰值時刻，作為起始時刻。第70百分位頻率曲線隨時間逐步降低，意味著特征響度中的頻率成分，隨著時間逐漸向更低頻率轉移。

顫聲(Warble)

當電機處于勻速運行時，由于負載或阻力的影響，容易引起噪聲的低頻顫動，如下圖所示，在響度時間歷程數據中，從2.4秒至5.1秒（藍框內），響度值出現了明顯的低頻顫動。如果此類顫動的頻率在2-8Hz（也有文獻規定為1-10Hz）時，通常將之稱為顫音(Warble)。下圖的顫音現象中，包含了多個周期的極大值和極小值，如圖所示的6個周期的極值。