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 LL、宽 WW、高 HH),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

pnxnynz(x,y,z)=cos⁡nxπxLcos⁡nyπyWcos⁡nzπzH,p_{n_x n_y n_z}(x, y, z) = \cos\frac{n_x\pi x}{L}\,\cos\frac{n_y\pi y}{W}\,\cos\frac{n_z\pi z}{H},

对应的简正频率为

f=c2(nxL)2+(nyW)2+(nzH)2,nx,ny,nz=0,1,2,…f = \frac{c}{2}\sqrt{\left(\frac{n_x}{L}\right)^2 + \left(\frac{n_y}{W}\right)^2 + \left(\frac{n_z}{H}\right)^2},\qquad n_x, n_y, n_z = 0, 1, 2, \dots

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 ff 以下的模式数近似为

N(f)≈4πVf33c3+πSf24c2+Ef8c,N(f) \approx \frac{4\pi V f^3}{3c^3} + \frac{\pi S f^2}{4c^2} + \frac{E f}{8c},

其中 SS 为总表面积、E=4(L+W+H)E = 4(L + W + H) 为棱长之和 (Kuttruff 2009)。模式数随 f3f^3 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 (nx,ny,nz)(n_x, n_y, n_z) 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 2.2/T2.2/T 赫兹,再用模式密度 dN/df≈4πVf2/c3dN/df \approx 4\pi V f^2/c^3,令两者之积为 3,就得到

fs≈2000T/V(赫兹;T 以秒、V 以立方米计).f_s \approx 2000\sqrt{T/V}\quad(\text{赫兹;}T\text{ 以秒、}V\text{ 以立方米计}).

程序最后两行给出:46.7 立方米的房间,混响时间 0.4 秒时 fs≈185f_s \approx 185 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)
左:体积相同的正方体与 1:1.4:1.9 房间在 150 赫兹以下的简正频率,竖线高度表示该频率上重合的模式数。右:同一个座位上 30–150 赫兹的低频响应(模式叠加模型,T = 0.8 秒),以各自的平均值为 0 dB。

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 f=c2(nx/L)2+(ny/W)2+(nz/H)2f = \frac{c}{2}\sqrt{(n_x/L)^2 + (n_y/W)^2 + (n_z/H)^2} 给出,模式数随 f3f^3 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 2000T/V2000\sqrt{T/V} 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

Bolt, Richard H. 1946. “Note on Normal Frequency Statistics for Rectangular Rooms.” The Journal of the Acoustical Society of America 18 (1): 130–33. https://doi.org/10.1121/1.1916349.
Bonello, Oscar J. 1981. “A New Criterion for the Distribution of Normal Room Modes.” Journal of the Audio Engineering Society 29 (9): 597–606.
Cox, Trevor J., Peter D’Antonio, and Mark R. Avis. 2004. “Room Sizing and Optimization at Low Frequencies.” Journal of the Audio Engineering Society 52 (6): 640–51.
Deutsches Institut für Normung. 1997. DIN 45680:1997 Messung Und Bewertung Tieffrequenter Geräuschimmissionen in Der Nachbarschaft. Beuth, Berlin.
Kuttruff, Heinrich. 2009. Room Acoustics. 5th ed. Spon Press.
Leventhall, H. Geoff. 2004. “Low Frequency Noise and Annoyance.” Noise and Health 6 (23): 59–72.
Persson Waye, Kerstin, Johanna Bengtsson, Ragnar Rylander, Frank Hucklebridge, Phil Evans, and Angela Clow. 2002. “Low Frequency Noise Enhances Cortisol Among Noise Sensitive Subjects During Work Performance.” Life Sciences 70 (7): 745–58. https://doi.org/10.1016/S0024-3205(01)01450-3.

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).