5D Library › 建筑声学、混响时间与空间环境心理学的物理模型 · English
第二章 驻波、简正模式与低频噪声
混响理论失效的地方
第一章的赛宾与艾林公式都假设声场是「扩散」的:房间里同时存在大量频率相近、方向各异的声波,能量均匀混合。在中高频和较大的房间里,这个假设大体成立。但在小房间的低频,房间只能容纳少数几种稳定的振动方式——简正模式(room modes)。每一种模式是一组在墙面之间来回反射、相互叠加形成的驻波:有些位置声压特别大(波腹),有些位置几乎为零(波节)。这时,房间的低频响应取决于具体的频率和位置,而不再是一个统一的混响时间。
推导:矩形房间的简正频率
推导
对刚性墙面的矩形房间(长 、宽 、高 ),声压满足波动方程,边界上法向质点速度为零。分离变量后,满足边界条件的解是
对应的简正频率为
只有一个指数不为零的是轴向模式(在一对平行墙之间),两个不为零的是切向模式,三个都不为零的是斜向模式。频率 以下的模式数近似为
其中 为总表面积、 为棱长之和 (Kuttruff 2009)。模式数随 增长:低频稀疏,高频密集。
当两个或更多模式恰好落在同一频率上,称为简并。如果房间的长宽高成简单整数比,很多不同的 组合会给出相同的频率,模式在少数频率上「扎堆」,频率之间留下大的空隙。博尔特 1946 年用模式间距的统计讨论了矩形房间的比例 (Bolt 1946);博内略 1981 年提出一个常用判据:以三分之一倍频程为单位统计模式数,各频带的模式数应当随频率不减少 (Bonello 1981)。
下面的程序比较三个体积相同(约 46.7 立方米,相当于一间较大的书房或小道场)的房间:边长 3.6 米的正方体、1:2:2,以及常被推荐的 1:1.4:1.9。
推导
# Rectangular-room modes f = (c/2) sqrt((nx/L)^2 + (ny/W)^2 + (nz/H)^2) for three rooms
# of equal volume (about 46.7 m3); degeneracy, gaps, Bonello's third-octave counts,
# Schroeder frequency.
import math, itertools
c = 343.0
ROOMS = {"cube 3.60 m": (3.60, 3.60, 3.60), "1:2:2": (4.54, 4.54, 2.27),
"1:1.4:1.9": (4.94, 3.64, 2.60)}
def modes(L, W, H, fmax):
out = []
for n in itertools.product(range(12), repeat=3):
f = c / 2 * math.sqrt((n[0] / L) ** 2 + (n[1] / W) ** 2 + (n[2] / H) ** 2)
if 0 < f <= fmax:
out.append((f, ("axial", "tangential", "oblique")[sum(k > 0 for k in n) - 1]))
return sorted(out)
def weyl(L, W, H, f): # expected number of modes below f (Weyl / Maa formula)
V, S, E = L * W * H, 2 * (L * W + L * H + W * H), 4 * (L + W + H)
return 4 * math.pi * V * f ** 3 / (3 * c ** 3) + math.pi * S * f ** 2 / (4 * c ** 2) \
+ E * f / (8 * c)
THIRDS = [20 * 2 ** (k / 3) for k in range(11)] # third-octave edges 20 ... 200 Hz
for name, (L, W, H) in ROOMS.items():
m = modes(L, W, H, 200.0)
fs = [f for f, _ in m]
distinct = sorted(set(round(f, 1) for f in fs))
low = [f for f in distinct if f <= 120]
gaps = [b - a for a, b in zip(low, low[1:])]
kinds = {k: sum(x == k for _, x in m) for k in ("axial", "tangential", "oblique")}
counts = [sum(1 for f in fs if a <= f < b) for a, b in zip(THIRDS, THIRDS[1:])]
print(f"{name:10s} {L:.2f} x {W:.2f} x {H:.2f} m, V = {L * W * H:.1f} m3")
print(f" modes <= 200 Hz: {len(m)} ({kinds['axial']} axial, {kinds['tangential']}"
f" tangential, {kinds['oblique']} oblique); Weyl {weyl(L, W, H, 200):.0f}")
print(f" distinct frequencies: {len(distinct)}; lowest {distinct[0]:.1f} Hz;"
f" largest gap below 120 Hz {max(gaps):.1f} Hz")
print(" modes per third-octave 20-200 Hz: " + " ".join(f"{n:2d}" for n in counts)
+ (" (never decreasing)" if all(b >= a for a, b in zip(counts, counts[1:]))
else " (decreases)"))
for T in (0.4, 0.8):
print(f"Schroeder frequency 2000 sqrt(T/V) for V = 46.7 m3, T = {T} s:"
f" {2000 * math.sqrt(T / 46.7):.0f} Hz")
# cube 3.60 m 3.60 x 3.60 x 3.60 m, V = 46.7 m3
# modes <= 200 Hz: 62 (12 axial, 30 tangential, 20 oblique); Weyl 63
# distinct frequencies: 15; lowest 47.6 Hz; largest gap below 120 Hz 19.8 Hz
# modes per third-octave 20-200 Hz: 0 0 0 3 0 3 4 9 18 25 (decreases)
# 1:2:2 4.54 x 4.54 x 2.27 m, V = 46.8 m3
# modes <= 200 Hz: 62 (12 axial, 31 tangential, 19 oblique); Weyl 64
# distinct frequencies: 20; lowest 37.8 Hz; largest gap below 120 Hz 22.2 Hz
# modes per third-octave 20-200 Hz: 0 0 2 0 1 3 5 9 16 26 (decreases)
# 1:1.4:1.9 4.94 x 3.64 x 2.60 m, V = 46.8 m3
# modes <= 200 Hz: 63 (12 axial, 31 tangential, 20 oblique); Weyl 64
# distinct frequencies: 62; lowest 34.7 Hz; largest gap below 120 Hz 12.4 Hz
# modes per third-octave 20-200 Hz: 0 0 1 1 1 3 6 7 18 26 (never decreasing)
# Schroeder frequency 2000 sqrt(T/V) for V = 46.7 m3, T = 0.4 s: 185 Hz
# Schroeder frequency 2000 sqrt(T/V) for V = 46.7 m3, T = 0.8 s: 262 Hz三个房间在 200 赫兹以下的模式数几乎相同(62–63 个,与近似公式的 63–64 一致),差别全在分布。正方体的 62 个模式只落在 15 个不同的频率上,例如 47.6 赫兹同时是三个轴向模式;1:2:2 也只有 20 个;1:1.4:1.9 的 63 个模式落在 62 个不同的频率上。120 赫兹以下相邻模式的最大间隔,正方体为 19.8 赫兹,1:2:2 为 22.2 赫兹,1:1.4:1.9 只有 12.4 赫兹;只有后者满足博内略的「不减少」判据。作者「正方体房间会导致低频模态严重简并堆积」的说法在这个意义上是正确的。
施罗德频率
模式什么时候密集到可以当作扩散声场?施罗德的回答是:当每个模式的共振带宽内平均重叠约三个其他模式时。每个模式的半功率带宽约为 赫兹,再用模式密度 ,令两者之积为 3,就得到
程序最后两行给出:46.7 立方米的房间,混响时间 0.4 秒时 赫兹,0.8 秒时约 262 赫兹。在这个频率以下,第一章的混响公式与「拍手听尾音」都不再可靠;低频的嗡鸣是个别模式的问题,要按频率和位置分析。
座位上听到的是什么
简并在频率轴上很醒目,但人坐在房间里的某个位置,听到的是所有模式在该点的叠加。下面的程序用模式叠加法计算声源放在墙角、听者坐在 9 个不同位置时的低频响应,用 50–150 赫兹响应的标准差衡量起伏,并比较两种阻尼(混响时间 0.8 秒与加装低频吸声后的 0.4 秒)。模型对所有模式使用同一阻尼,是一个简化。
推导
# Low-frequency response at one seat: modal sum p(w) ~ sum psi(src) psi(rcv) / (L_n
# (wn^2 - w^2 + 2j d w)), d = 6.91 / T for every mode (a simplification). Source near a
# corner; nine seated listening positions. Spread (SD) of the response 50-150 Hz in dB:
# smaller = smoother bass.
import math, itertools
c = 343.0
ROOMS = {"cube 3.60 m": (3.60, 3.60, 3.60), "1:1.4:1.9": (4.94, 3.64, 2.60)}
def mode_list(L, W, H, fmax=400.0): # norm: factor 0.5 per non-zero index
out = []
for nx, ny, nz in itertools.product(range(12), repeat=3):
f = c / 2 * math.sqrt((nx / L) ** 2 + (ny / W) ** 2 + (nz / H) ** 2)
if 0 < f <= fmax:
out.append((f, nx, ny, nz, 0.5 ** ((nx > 0) + (ny > 0) + (nz > 0))))
return out
def response(dims, T, src, rcv, freqs):
L, W, H = dims
d = 6.91 / T
ms = mode_list(L, W, H)
shape = lambda n, x, D: math.cos(n * math.pi * x / D)
psi = lambda nx, ny, nz, r: (shape(nx, r[0], L) * shape(ny, r[1], W)
* shape(nz, r[2], H))
weights = [(2 * math.pi * f, psi(nx, ny, nz, src) * psi(nx, ny, nz, rcv) / norm)
for f, nx, ny, nz, norm in ms]
out = []
for f in freqs:
w = 2 * math.pi * f
p = sum(a / (wn * wn - w * w + 2j * d * w) for wn, a in weights)
out.append(20 * math.log10(abs(p) * w + 1e-12)) # x w: ~ constant-volume source
return out
def spread(db):
m = sum(db) / len(db)
return math.sqrt(sum((x - m) ** 2 for x in db) / len(db))
FREQS = [50 + 0.5 * k for k in range(201)] # 50-150 Hz
SEATS = [(fx, fy) for fx in (0.3, 0.45, 0.6) for fy in (0.3, 0.45, 0.6)]
for name, dims in ROOMS.items():
L, W, H = dims
src = (0.3, 0.3, 0.3)
for T in (0.8, 0.4):
sds = [spread(response(dims, T, src, (fx * L, fy * W, 1.2), FREQS))
for fx, fy in SEATS]
print(f"{name:11s} T = {T} s: SD over 9 seats mean {sum(sds) / 9:4.1f} dB"
f" (best {min(sds):4.1f}, worst {max(sds):4.1f})")
# cube 3.60 m T = 0.8 s: SD over 9 seats mean 7.3 dB (best 5.8, worst 10.3)
# cube 3.60 m T = 0.4 s: SD over 9 seats mean 6.0 dB (best 4.6, worst 9.9)
# 1:1.4:1.9 T = 0.8 s: SD over 9 seats mean 7.6 dB (best 5.7, worst 9.3)
# 1:1.4:1.9 T = 0.4 s: SD over 9 seats mean 6.4 dB (best 4.9, worst 8.9)结果出乎一些人的意料:在这个简化模型里,9 个座位的平均起伏,正方体为 7.3 dB,1:1.4:1.9 为 7.6 dB,几乎相同;同一房间内最好与最差座位之间的差别(正方体 5.8 对 10.3 dB)远大于两种比例之间的差别;把混响时间从 0.8 秒降到 0.4 秒,两者的起伏都减少约 1.2–1.3 dB。图 2 右侧显示,正方体的问题不是「到处都更糟」,而是起伏集中在少数频率上、在模式之间留下更深更宽的空档。
注
对作者原框架的限定。 房间比例确实决定模式在频率上的分布,但在单个座位上,听者位置、声源位置与低频阻尼至少同样重要。考克斯、达安东尼奥与阿维斯 2004 年因此主张同时优化房间尺寸与音箱、听者的位置,并考虑施工误差 (Cox et al. 2004)。对一间已经建好的书房或道场来说,移动座位、在墙角加低频吸声,往往比改变房间比例现实得多。
低频噪声:被 A 计权藏起来的嗡鸣
空调机组、风机、水泵、变压器和交通都产生大量低频噪声。常用的 A 计权声级 dB(A) 模仿人耳对中等响度声音的敏感度,对低频大幅打折:31.5 赫兹折去约 39.5 dB,63 赫兹折去约 26 dB。C 计权在低频几乎不打折。
推导
# Why dB(A) hides low-frequency noise: A- and C-weighting (IEC 61672 analytic forms)
# applied to two illustrative ventilation spectra adjusted to the same 40 dB(A), as in
# laboratory comparisons of a low-frequency-dominated and a flatter ventilation noise.
# Octave levels are invented.
import math
def r_a(f):
f2 = f * f
return 12194 ** 2 * f2 * f2 / ((f2 + 20.6 ** 2) * math.sqrt((f2 + 107.7 ** 2) *
(f2 + 737.9 ** 2)) * (f2 + 12194 ** 2))
def r_c(f):
f2 = f * f
return 12194 ** 2 * f2 / ((f2 + 20.6 ** 2) * (f2 + 12194 ** 2))
A = lambda f: round(20 * math.log10(r_a(f)) + 2.00, 2) + 0.0
C = lambda f: round(20 * math.log10(r_c(f)) + 0.06, 2) + 0.0
BANDS = (31.5, 63, 125, 250, 500, 1000, 2000, 4000)
print("weighting (dB): " + " ".join(f"{b:>6}" for b in BANDS))
print(" A " + " ".join(f"{A(b):6.1f}" for b in BANDS))
print(" C " + " ".join(f"{C(b):6.1f}" for b in BANDS))
SPECTRA = { # unweighted octave-band levels, dB (shape only; rescaled below)
"flatter ventilation": (48, 48, 46, 44, 40, 36, 32, 28),
"low-frequency rumble": (72, 70, 62, 50, 40, 34, 28, 22)}
total = lambda levels, w: 10 * math.log10(sum(10 ** ((L + w(b)) / 10) for L, b in
zip(levels, BANDS)))
flat = lambda b: 0.0
for name, lv in SPECTRA.items():
shift = 40.0 - total(lv, A) # rescale to exactly 40 dB(A)
lv = [L + shift for L in lv]
la, lc, lz = total(lv, A), total(lv, C), total(lv, flat)
print(f"{name:21s}: {la:.1f} dB(A), {lc:.1f} dB(C), {lz:.1f} dB unweighted;"
f" C - A = {lc - la:4.1f} dB")
if lc - la >= 20:
print(f"{'':23s}C - A >= 20 dB: low-frequency noise by the DIN 45680 rule")
share = 10 ** ((lv[0] + A(31.5)) / 10) + 10 ** ((lv[1] + A(63)) / 10)
print(f"{'':23s}share of the A-weighted energy below 90 Hz:"
f" {share / 10 ** (la / 10):.0%}; unweighted: "
f"{(10 ** (lv[0] / 10) + 10 ** (lv[1] / 10)) / 10 ** (lz / 10):.0%}")
# weighting (dB): 31.5 63 125 250 500 1000 2000 4000
# A -39.5 -26.2 -16.2 -8.7 -3.2 0.0 1.2 1.0
# C -3.0 -0.8 -0.2 0.0 0.0 0.0 -0.2 -0.8
# flatter ventilation : 40.0 dB(A), 50.1 dB(C), 51.1 dB unweighted; C - A = 10.1 dB
# share of the A-weighted energy below 90 Hz: 1%; unweighted: 61%
# low-frequency rumble : 40.0 dB(A), 63.2 dB(C), 65.1 dB unweighted; C - A = 23.2 dB
# C - A >= 20 dB: low-frequency noise by the DIN 45680 rule
# share of the A-weighted energy below 90 Hz: 30%; unweighted: 94%两种通风噪声被调到同样的 40 dB(A)。较平坦的一种 C 计权声级为 50.1 dB,C − A 约 10 dB;以低频为主的一种 C 计权声级为 63.2 dB,C − A 为 23.2 dB,未计权的总声级高出 14 dB。在 A 计权的能量里,低于约 90 赫兹的部分只占前者的 1%、后者的 30%;而在未计权的能量里,两者分别占 61% 与 94%。德国标准 DIN 45680 使用的经验判据是:C 计权声级比 A 计权声级高 20 dB 以上时,应按低频噪声另行评估 (Deutsches Institut für Normung 1997)。也就是说,一台「只有 40 分贝」的空调可能正发出很强的低频嗡鸣,而普通声级计的读数看不出来。
证据
低频噪声与生理压力的证据。 莱文索尔 2004 年的综述指出,低频噪声(大致为 10–200 赫兹)造成的烦扰真实存在,A 计权会低估它,人们对它的敏感度差异很大 (Leventhall 2004)。作者框架引用的佩尔松·韦等人 2002 年研究是一项实验而不是综述:32 名受试者按问卷分为对噪声(一般噪声与低频噪声)敏感度高与低两组,在两种同为 40 dB(A) 的通风噪声(一种在平坦的通风噪声上加入 31.5–125 赫兹的低频成分,一种频谱较平坦)下,于两个下午各做约 2 小时的作业测验,测量唾液皮质醇。总体上,皮质醇水平不受噪声类型的显著影响;只有对一般噪声高敏感的受试者暴露于低频噪声时,皮质醇正常的午后下降明显减弱(按低频噪声敏感度分组时只是趋势)。作业成绩方面,低频噪声下只有两项在测验后半段变差:校对时每行标记更少、语法推理的反应时更长;简单反应时与短时记忆等作业没有显著差别。受试者也把低频噪声评为更烦扰、更妨碍工作 (Persson Waye et al. 2002)。
注
对作者原框架的修正。 「空调/通风系统的低频噪声(20–100 赫兹)损害持续注意力与皮质醇恢复(综述 Waye et al. 2002)」需要改写:该文是 32 人的实验研究;皮质醇效应只出现在高噪声敏感者亚组,表现为正常下降被削弱;作业成绩只在两项任务(校对与语法推理)的后半段较差,其余任务没有差别。这是值得重视的初步证据,但不能概括为「低频噪声损害所有人的持续注意力与压力恢复」。另外,房间简正模式本身(声学质量问题)与低频噪声源(机械设备)是两回事:前者放大或削弱某些频率,后者提供能量;目前没有研究直接表明「模式简并」会引起生理压力。
假说 · 尚未验证
在小型静修或冥想空间中,与房间模式重合的设备低频噪声比同 A 声级的宽带噪声更容易被报告为「压迫感」(尚未确立)。可检验的推论:在同一房间里播放同为 35 dB(A) 的两种噪声,一种的能量集中在该房间某个强模式的频率,一种在模式之间,受试者在盲法下对「压迫感」的评分应当前者更高,而且这一差别在声级计 C − A 相同时仍然存在。如果评分只随 C − A 变化而与是否落在模式上无关,这一假说就被否定。
本章小结
矩形房间的简正频率由 给出,模式数随 增长。体积相同时,正方体在 200 赫兹以下的 62 个模式只落在 15 个频率上,1:1.4:1.9 则几乎没有重合;施罗德频率 标出模式区与扩散区的分界(示例房间约 185–262 赫兹)。但在单个座位上,听者位置与低频阻尼的作用至少与房间比例同样重要。A 计权会把低频噪声藏起来:同为 40 dB(A) 的两种通风噪声,C − A 可以相差 13 dB。佩尔松·韦等人 2002 年的实验提示低频噪声可能影响高敏感者的皮质醇节律,但证据有限。下一章讨论另一种比分贝更重要的声音性质:背景里的人声。
参考文献
Fan, Y. (2026). Architectural Acoustics, Reverberation Time and the Environmental Psychology of Built Space: From Sabine's Equation and Fractal Visual Dimensions to Cognitive Performance, Read Beside Classical Chinese Spatial Design [建筑声学、混响时间与空间环境心理学的物理模型] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23782090 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).