시간 평균화와 시간 가중치는 일정 기간 동안 측정된 신호를 부드럽게 표현하기 때문에 음향 및 진동 분야에서 중요합니다. 종종 업계 표준은 8시간 근무 또는 야간과 같은 특정 시간 간격에 대한 소음 및 진동 한도를 지정합니다. 이러한 제한을 준수하는지 확인하려면 평균을 내야 합니다.
시간 평균화는 특히 단기적인 변동이나 소음의 영향을 줄여야 할 때 신호를 처리하고 분석하는 데 사용되는 방법입니다. 이 방법은 지정된 기간 동안 신호의 평균값을 계산하여 신호를 더 부드럽게 표현하는 것입니다. 소음 및 진동 측정 실무에서 시간 평균화는 선형 또는 기하급수적으로 수행됩니다. 시간 평균화는 특정 순간이 아닌 장기간에 걸친 사운드 프레셔(음압) 레벨을 평가하기 위해 사운드 레벨 측정에 사용됩니다.
선형 시간 평균: 고정된 창 길이에 대한 신호 값의 평균을 구하여 창 내의 모든 데이터 포인트를 동일하게 처리합니다. 지수 시간 평균화: 최근 데이터에 더 많은 가중치를 부여하여 신호 값의 평균을 내기 때문에 신호 변화에 더 빠르게 반응할 수 있습니다.
시간 가중치는 시간에 따라 변동하는 신호에 대한 측정 기기의 응답을 조정하는 데 사용되는 지수 평균 방법을 말합니다. 시간 가중치는 기본적으로 신호에 “필터”를 적용하여 선택한 시간 상수에 따라 신호의 특정 측면을 강조하거나 비강조합니다:
지수 평균은 시간이 지남에 따라 데이터를 축적하는 동시에 최신 데이터 포인트에 더 많은 가중치를 부여하고 오래된 데이터 포인트에 더 적은 가중치를 부여하는 기술입니다. 지수 평균은 신호 처리 및 음향학에서 특히 변동하는 음 레벨을 처리할 때 강력한 도구입니다. 지수 평균화 매개변수는 시간 상수이며, 이 상수의 선택에 따라 평균화된 결과의 반응성 또는 부드러움에 영향을 미칩니다. 시간 상수가 작을수록 평균화 프로세스가 최근 변화에 더 민감하게 반응하고, 상수가 클수록 데이터의 긴 히스토리를 고려하여 더 부드러운 결과를 제공합니다. 예를 들어, 느린 평균 화 결과는 SPL 수치의 변화에 더 점진적으로 반응하는 반면, 빠른 평균화 결과는 즉각적인 변화에 더 민감하게 반응합니다.
실효값(RMS)은 교류 값을 등가 직류 값으로 표현하는 방법입니다. 이는 음향학뿐만 아니라 전기 공학에서도 기본이 되는 개념입니다. 특히 전기 시스템에서 RMS 값은 DC 신호가 한 사이클 동안 AC 신호와 동일한 양의 에너지 또는 전력을 생산하기 위해 갖춰야 하는 값을 나타냅니다. 전기적이든 음향학적이든 AC 신호의 RMS 값은 에너지 전달 측면에서 유효 전압에 대한 통찰력을 제공합니다. 따라서 RMS는 소음 및 진동 측정뿐만 아니라 계측기의 전기 테스트 및 교정에도 중요하며, 다양한 어플리케이션에서 정확하고 의미 있는 판독값을 보장합니다.
소음 및 진동 측정기는 마이크로폰과 가속도계와 같은 변환기(트랜스듀서)를 사용하여 소리나 진동의 물리적 현상을 전기 신호로 변환합니다. 이러한 계측기는 이 전기 전압 신호의 실효값(RMS) 값을 결정함으로써 지정된 시간 범위에서 원래 음향 또는 진동 신호가 전달한 에너지를 직접 측정할 수 있습니다. 이 RMS 기반 접근 방식은 평균 측정값이 지정된 기간 동안 관찰된 소리 또는 진동의 에너지 함량과 강도를 효과적으로 나타낼 수 있도록 합니다.
소음 데이터를 데시벨(dB) 단위로 평균화하는 방법은 무엇인가요?
데시벨은 로그 단위이므로 소음 데이터를 dB로 평균화하려면 먼저 선형 단위(파스칼)로 변환한 다음 평균을 낸 다음 다시 dB로 변환해야 합니다.
RMS와 LEQ는 서로 다른 개념적 틀에서 유래했습니다. RMS는 음향학뿐만 아니라 여러 분야에 적용되는 광범위한 개념인 반면, LEQ (등가 소음도)는 특히 음향학 지표입니다. RMS는 AC 전기 신호의 크기를 측정하는 데 사용되며, 신호의 순간 값을 제곱하여 시간에 따른 평균을 구한 다음 평균의 제곱근을 구합니다. LEQ도 시간에 따른 평균을 구한 다음 로그를 취하여 데시벨(dB) 단위로 값을 구합니다. 특정 시나리오, 특히 입력이 출력에 정비례하는 선형 평균화 시스템에서는 두 가지 모두에 대해 동일한 시간 지속 시간을 고려할 때 음압 레벨의 RMS 값이 LEQ와 같을 수 있습니다.