Search

Most of airborne sound insulation test are performed according to certification standards, and only deal with sound pressure as a variable to estimate insulation. Besides, standards are aimed to provide direct path insulation, so one gets no idea regarding flanking paths. Without data from every path involved in sound transmission, a proper insulation designing stage can became mistaken and unfinished.

To know the limits and performance of transmission suites CEA) transmission flanks measurements are required, among others. At the Institute of Construction Science Eduardo Torroja, acoustic chambers are used as a testing scene for a new engineering tool called SolidNoiseTM, with which flanking sound transmission and flanking paths contribution of the different faces have been estimated. This paper shows the study made in this test environment and the results of CEA characterization that will allow to improve them and to take advantage of their working range.Para conocer los límites y las prestaciones de las cámaras de transmisión sonora (CEA) se requiere, entre otras, pruebas de evaluación de la transmisión por flancos. En el Instituto de Ciencias de la Construcción Eduardo Torroja, se han usado las cámaras acústicas como campo de pruebas para una nueva herramienta de ingeniería llamada SolidNoiseTM, con la que se ha podido estimar la transmisión por flancos, y la contribución de las vías de transmisión de los diferentes paramentos. En esta comunicación se presenta el estudio realizado en este entorno de pruebas y los resultados obtenidos de caracterización de las cámaras que permitirán optimizarlas y explotar sus posibilidades de trabajo.

Conocer el nivel de velocidad de vibración en las superficies de un recinto es relevante para obtener información sobre la transmisión sonora por flancos entre recintos. El mercado de la instrumentación ofrece una amplia variedad de soluciones en cuanto a sensores. Cuando se trata la técnica de montaje del acelerómetro, la respuesta es menos obvia. Se presenta la evolución de una sonda diseñada para ejecutar estas mediciones. Se prioriza una solución que permita una adquisición de datos rápida, cómoda y apenas intrusiva. Varios prototipos y/o versiones se describen y comparan mediante mediciones en un entorno real. To know vibration velocity level on a room surface is important in order to get information about flanking sound transmission between rooms. Instrumentation market offers a large amount of solutions, when it comes to sensors. When talking about accelerometers mounting techniques, the answer is less obvious. A probe evolution designed to perform this kind of measurements is shown. It is prioritized a solution that lets one a fast, comfortable, and barely intrusive data acquisition. Several probe versions and prototypes are described and compared through measurements in a real environment.

Un filtro variante en el tiempo es una herramienta que modifica una señal según un objetivo fijado previamente y cuyos parámetros varían según vaya cambiando la señal en el tiempo para adaptar su respuesta a dichos cambios. Este tipo de tecnología tiene numerosas aplicaciones tales como la reducción del ruido de elementos electrónicos o mecánicos, aplicaciones musicales, reducción de interferencias en canales de comunicación y, como no, su utilidad a la hora de realizar estudios sobre cierto tipo de señales, eliminando componentes espectrales irrelevantes o innecesarias. En este proyecto se propone diseñar un filtro variante en el tiempo dedicado a la eliminación de armónicos de ruido o vibración generados por un motor rotativo electromagnético. Éste se diseña de forma que se pueden seleccionar las frecuencias centrales en las que actúan los filtros, así como distintos parámetros de configuración del filtrado, como puede ser su respuesta al impulso o el ancho de banda comprendido entre las frecuencias de corte superior e inferior. En esta implementación entran en juego varios campos de conocimiento clave que se tendrán en cuenta a lo largo del proceso de diseño: el funcionamiento de las máquinas rotativas electromagnéticas, el análisis espectral y el diseño de filtros. En el caso de las máquinas rotativas se explican las causas de la generación de armónicos, así como la relación que existe entre la frecuencia del ruido emitido por el motor, y las revoluciones por minuto a las que gira. Con esto se muestra la raíz del problema a tratar para posteriormente implementar la solución a la que se ha llegado. En cuanto al análisis espectral, es la principal herramienta con la que se trabaja. Se muestran espectrogramas, gráficas y análisis en frecuencia que recogen la mayoría de los resultados que se comparan posteriormente. El tercer campo que entra en juego, el diseño de filtros, es necesario a la hora de crear el algoritmo que se utilizará para generar un filtro que cumpla los objetivos del proyecto. El filtro será el instrumento necesario para implementar la solución al problema que se plantea. Para el desarrollo de este tipo de filtrado se utiliza el lenguaje de programación Python, que proporciona herramientas muy útiles que ayudarán a la representación de los datos y su recopilación para posterior comparación y estudio. Este trabajo compone una contribución al proyecto de código libre y abierto Modular Sound Quality Integrated Toolbox (MoSQITo), iniciado en 2020 por la empresa francesa de ingeniería Eomys. Este repositorio cuenta con numerosas funciones muy útiles para el estudio y análisis de señales acústicas en el ámbito de la psicoacústica. El filtro diseñado se pone a prueba con tres tipos de señales generadas con la ayuda de librerías de Python, con el propósito de validar su funcionamiento. Estas validaciones se reflejan en espectrogramas y tablas de datos, comparando no solo las señales generadas con sus reconstrucciones filtradas, sino que también se aprecian las diferencias entre los diferentes tipos de filtros según su respuesta al impulso. Abstract: time variant filter is a tool that modifies a signal in relation to a previously defined objective, and whose parameters vary as the signal changes in time to adapt its response to those changes. This kind of technology has numerous uses, for example: the reduction of noise made by electronic or mechanical elements; musical applications; reduction of interference in communication channels; and its usefulness to conduct studies about certain types of signals, eliminating the irrelevant or unnecessary spectral components. In this project the design of a time variant filter is suggested, focusing on the elimination of harmonics generated by an electromagnetic rotative engine. It is designed in a way to be able to pinpoint the central frequencies in which the filter acts, as well as several parameters that define the filter configuration, such as the frequency response and the bandwidth between the upper and lower cut-off frequencies. In this implementation, several key fields of knowledge will come in to play, and they will be considered during the design process: electromagnetic rotative machines, spectral analysis, and filter design. When talking about the noise produced by rotational machines there is an explanation about the causes of the production of harmonics, and the existing relation between them and the revolutions per minute in which it spins. In this way, the origin of the addressed issue will be displayed to later on introduce the solution that has been reached. About the spectral analysis, it is the main tool for result analysis. Spectrograms, figures and frequency analysis are shown, where most of the results are gathered to be compared later. The third field that is to be used is the filter design, necessary to create the algorithm that will be used to generate the filter that achieves the projects objectives. The filter will be the necessary tool to implement the solution to the aforementioned issue. To develop this type of filtering the used programming language is Python, as it provides very useful tools that will help with the data representation and its compilation for a subsequent comparison and study. The present project is part of the open and free code project called Modular Sound Quality Integrated Toolbox (MoSQITo), started in 2020 by the French engineering consulting company, Eomys. This archive has numerous functions that are very useful for the study and analysis of acoustic signals in the field of psychoacoustics. The designed filter is tested with three types of signals generated with Python libraries, with the purpose of validating its proper functioning. The validation is provided in the spectrograms and data grids, comparing not only the generated signals along their filtered reconstructions, but also showing the differences between the various types of filters according to their impulse response.

El modelo de escucha, o modelo de audición, es una representación de la respuesta del sistema auditivo ante un evento sonoro. La percepción de estos estímulos sonoros es evaluada mediante los denominados parámetros psicoacústicos, que dan una medida cuantitativa de las distintas propiedades del sonido. Uno de estos parámetros es el de la sonoridad, que da una valoración de la intensidad con la que el oído percibe un sonido al ser excitado por una onda de presión sonora. Estimar la sonoridad supone un problema complejo debido a la dependencia de esta con distintas variables de la onda sonora, como su duración, su presión acústica, o su frecuencia. A esta problemática responden varios modelos como el presentado en la norma ISO 532-1:2017, pero que solo considera el cálculo de la sonoridad para ondas estacionarias. Por esta razón surge el estándar ECMA-418-2, que presenta un modelo de escucha que da una respuesta al cálculo de la sonoridad asociada a una onda de presión sonora. El modelo considera tanto señales variables en el tiempo, como señales estacionarias, y posibilita el cálculo de otros parámetros psicoacústicos como la tonalidad o la aspereza del sonido. El objetivo de este proyecto es crear un algoritmo que implemente el modelo de escucha del estándar ECMA-418-2 en lenguaje de programación Python. Esta tarea desarrollada en el presente PFG forma parte del proyecto MoSQITo (Modular Sound Quality Integrated Toolbox) ideado por la empresa EOMYS ENGINEERING. Se trata de un repositorio en GitHub de aplicaciones para el cálculo de distintos parámetros psicoacústicos. Su finalidad es el desarrollo de estas aplicaciones mediante el uso de librerías accesibles a todo el mundo, siguiendo así el modelo colaborativo de open-source, o de código abierto. Se utiliza para la creación del algoritmo el entorno de desarrollo integrado PyCharm, así como también la plataforma de GitHub para la gestión del repositorio y la colaboración con el resto de los usuarios del proyecto MoSQITo. El algoritmo que se crea tiene una función principal que recoge los cálculos y controla el orden de ejecución de otras funciones auxiliares que implementan las funcionalidades descritas en el estándar. Esta función tiene como argumentos de entrada: la de presión sonora sobre la que realizar los cálculos, y un parámetro que indica si se quiere hacer o no la validación de los pasos intermedios del modelo de escucha. Al ejecutar la función principal, esta realizará los cálculos del modelo de escucha sobre la señal de entrada, dando como resultado el valor de la sonoridad de la señal a la salida. Para validar el modelo de escucha, además de la validación de los procesos intermedios, se crea una función que calcula los contornos de igual sonoridad con los cálculos del modelo, y compara los contornos resultantes con las líneas isófonas de la norma ISO 226:2003. En la validación del modelo se identifica una compresión en los valores de la sonoridad. Tras su estudio y corrección, se obtiene un resultado satisfactorio en la implementación. Esta compresión seguirá siendo estudiada y el algoritmo mejorado, gracias a la acción del resto de colaboradores de MoSQITo. Abstract: The hearing model, or auditory model, is a representation of the auditory system response to a sound event. The perception of these sound stimuli is evaluated by means of the so-called psychoacoustic parameters, which give a quantitative measure of the different properties of sound. One of these parameters is the loudness, which gives an assessment of the intensity at which the ear perceives a sound when excited by a sound pressure wave. The loudness assessment is a complex problem due to its dependence on different variables of the sound wave, such as its duration, its acoustic pressure, or its frequency. Several models give an answer to this problem, such as the one presented in the ISO 532-1:2017 standard. Nevertheless, it only considers the loudness calculation for stationary waves. For this reason, the ECMA-418-2 standard arises presenting a listening model that gives an answer to the loudness calculation associated with a sound pressure wave. The model considers both time-varying and stationary signals and allows the calculation of other psychoacoustic parameters such as sound tonality or harshness. The aim of this project is to create an algorithm that implements the ECMA-418-2 hearing model in Python programming language. This is part of MoSQITo (Modular Sound Quality Integrated Toolbox) a project created by the company EOMYS ENGINEERING. It is a repository on GitHub of applications for the calculation of different psychoacoustic parameters. Its purpose is to develop these applications through the use of libraries accessible to everyone, thus following the open-source collaborative model. The PyCharm integrated development environment is used to create the algorithm, as well as the GitHub platform for repository management and collaboration with the rest of the MoSQITo project users. The developed algorithm has a main function that gets the calculations and controls the order of execution of other auxiliary functions that implement the functionalities described in the standard. This function has as input arguments: the sound pressure to perform the calculations and a parameter that indicates whether or not to do the validation of the intermediate steps of the listening model. When the main function is executed, it performs the calculations of the listening model on the input signal, and it gives as a result the loudness value of the signal as output. For the validation of the hearing model, apart from the validation of the intermediate processes, a function is created that calculates the contours of equal loudness with the model calculations and compares the resulting contours with the isophone lines of the ISO 226:2003 standard. In the validation of the model, a compression in the loudness values is identified. After its study and correction, a satisfactory result in the implementation is obtained. This compression will continue to be studied and the algorithm improved, thanks to the action of the other MoSQITo collaborators.