“冰箱最近听起来不太一样。” 每个人都说过类似的话,但随后每个人也都会发现,这种话作为反馈是多么没用。哪里不一样?声音变大了?音调变高了?在原本的嗡嗡声之上又多了新的咔哒声?人类的耳朵极擅长察觉变化,却极不擅长说清变化是什么。对声音的记忆在几个小时内就会消退,而对声音的描述在转述一次后就所剩无几了。

频谱工具正是为了填补这一空白而生。将手机对准持续的声音 —— 电器的嗡嗡声、电机、风扇、暖通空调出风口、怠速的发动机 —— 录制几秒钟,即可获取其频率指纹:存在哪些频率以及每个频率有多强。你可以保存该指纹,将其归档到对应的机器下,并在下个月进行对比。

为什么频谱胜过“听起来更响了”

麦克风电平表只能回答一个问题:声音总量有多少。但对于机器而言,几乎没有什么重要信息是藏在总量中的。洗衣机的电机嗡嗡声、滚筒轴承声以及因共振而嗡嗡作响的松动面板,全都汇入同一个响度数值中 —— 其中一个发生真实变化,可能会被另一个的微小变化所掩盖。

频谱可以将它们拆解开来。旋转机械在频域上表现得极其诚实:以稳定速度旋转的电机会在其旋转频率上产生一个音调,并在此之上叠加热点谐波 —— 该基频的整倍数。风扇会增加一个叶片通过音调,即旋转频率乘以叶片数量。由电网供电的设备则带有利率在工频及其倍数处的工频嗡嗡声。每个机械过程都会在各自的频率上产生独特的峰值,而频谱会将它们并排呈现。

这正是其具备诊断价值的原因。“变响了”只是一个数值的变化。而“在电机频率的三倍处出现了一个新峰值”或“以前很窄的峰值现在变宽了,并且周围出现了旁带”,则指向了特定部件在发生特定的状况。咔哒异响表现为扩散到多个频率上的宽带能量,而不是纯音 —— 听起来很烦人,在频谱上显而易见,并且与底部的嗡嗡声判然有别。

真实地记录声音

手机默认使用的音频路径根本无法做到这一点。该路径是为通话而设计的:在录音过程中会更改电平的自动增益控制,以及旨在消除持续单音的噪声抑制 —— 压缩机的嗡嗡声恰恰是通话通道认为是噪声的声音。如果让频谱分析仪从该路径获取输入,你分析的将是手机对该声音的看法,而不是声音本身。

因此,频谱工具通过系统的未经处理路径进行录音:原始采样、48 kHz、单声道、无增益控制、无增强。原本会被操作系统过滤掉的持续嗡嗡声得以完整保留,而频谱中的峰值属于机器,而非处理通道。

为什么指纹可以在不同手机之间通用:不同的手机在听同一台机器时,响度不同,音色也有所不同,因此峰值的绝对高度在一定程度上取决于麦克风的特性。但是峰值所处的位置,以及它们之间的相互关系 —— 谐波阶梯、在原本没有的地方出现新峰值 —— 则是机器本身的特性。所有工具的设计准则都是相同的:基于相对且对激励鲁棒的特征构建,绝不依赖绝对电平,从而使测量值能够在不同设备之间进行对比,而无需对每个设备进行单独校准。

真正重要的测量是第二次测量

一台陌生机器的单次频谱很有意思;而同一台机器的一对频谱则很有用。机器很少在第一天就发出巨大的故障声——它们是逐渐偏离正常状态的。在人耳能明显听到故障的数周前,轴承变粗糙、支架变松、风扇叶片出现失衡,声学指纹就已经发生了变化。

这正是分类目录大显身手的地方。每次采集的记录都可以归档在某个物体下——比如这台冰箱、那个暖风机——随着时间的推移,重复的测量结果会在该物体下不断积累。在机器健康时记录它的声音;这就是你的基准,只需花费十秒钟。当它“最近听起来不对劲”时,在同一个物体下再次记录,并将这两个指纹进行横向对比。问题就不再是“还有人记得它以前听起来像什么吗?”,而是“哪些波峰移动了?”

保持一致性比使用好设备更有帮助。在机器处于相同运行状态时,从大致相同的位置、大致相同的距离进行记录。你并不是在追求一个绝对的读数——你是在保持对比的单一变量,这样周二的频谱与今天的频谱之间的差异,就纯粹是机器本身的变化。

当问题最终解决时——技术人员找到了磨损的轴承,或者噪音原来是滚筒里的一枚硬币——这次测量可以在事后贴上一个代表真实情况的标签。一个频谱加上它的实际原因就构成了一个带标签的样本;在众多机器和手机上积累足够多的此类样本,基于声音的诊断技术就能变得更加精准。

再次聆听已保存的频谱

指纹功能还带来了另一个可能,因为它描述的是声音的特征,而不是声音本身的录音:它可以被重新转化为声音。查看器应用可以以声音形式重新合成已保存频谱的波峰——即“播放重构的声音”——这样上个月进行的测量结果,今天就可以在机器旁,由决定是否发生变化的那只耳朵来聆听。它不是原始录音,而是重新演奏的指纹。对于“这是我之前测量的那个哼声吗?”这个问题,这通常正是交给人类耳朵去判断的最合适方式。

适用何处

对于持续的声音——如哼鸣声、尖叫声、轰鸣声、稳定的嘎嘎声——频谱是主力工具。而像敲击声这样只发生一次就消失的声音,则需要不同的分析方法:敲击测试关注的是短暂的鸣响如何衰减,而不是稳定音调中包含的成分;而那些震动多于轰鸣的机器,则更适合用加速度计来捕捉,它能探测到麦克风漏掉的低频运动。

所有这一切都在设备上运行——分析在手机上离线完成,测量数据完全归你所有。要了解手机传感器所能测量的更广泛图景,请从工具概述开始。