具体实施方式

在下文中，将参照所附的示例性附图详细地描述本发明的示例性实施方式，并且这些示例性实施方式是示例，并且可以由本发明所属领域的技术人员以各种不同的形式实现，因此不限于在此处描述的示例性实施方式。

图1是示出应用了本发明的电动车辆的图，并且图2是示出本发明中的输入值流和输出值流的示例的图。

参照图1，安装至电动车辆的本发明包括：振动传感器10，测量当电动机旋转时产生的振动信号；CAN信号20，通过车辆中的CAN通信连接；信号处理控制器30，处理振动信号和CAN信号；以及声音输出装置40，以实现本发明。

将通过振动传感器10测量的电动机的振动信号输入到信号处理控制器30，并且可以根据实时电动机旋转来测量振动特性。振动传感器10还可以使用MEMS传感器，数字信号通过MEMS传感器自处理，包括能够通过数字信号转换模块将模拟信号转换为数字信号的爆震传感器方法。

可以从CAN信号20实时获得电动机RPM、加速踏板的位置和车辆速度，并且还可以获得关于驱动模式、电动机功率和车辆行驶特性的变化的信息。

信号处理控制器可以从作为输入信号的振动信号以及CAN信号，来确定行驶条件或驾驶员加速/减速/匀速行驶的意愿，并且使用电动机RPM和振动信号产生目标音调信号，以将目标音调信号作为输出数据发送到声音输出装置40。信号处理控制器可以应用至车载音频数字信号处理器(DSP)。DSP还可用于将作为模拟信号的声音数字化的语音编码，并且DSP是可使机器设备快速处理数字信号的集成电路。

声音输出装置40通过扬声器(安装以用于在嵌入有电动机的发动机室内输出特定频带)，来输出从信号处理控制器接收的输出数据。为了保护行人，声音输出装置也可以不安装在发动机室的内部而是安装在发动机室的外部，或者也可以通过安装在车辆内部的音频扬声器为驾驶员或乘客输出输出数据。

图2是示出从振动传感器获得关于电动机RPM和电动机振动的实时信息和车辆CAN信息，以在信号处理控制器中执行计算，然后通过音频外部放大器输出车辆中的加速感测声音的图，并且声音输出装置可以如上所述位于车辆的外部、发动机室的内部等。

与由于内燃机的燃烧引起的振动水平相比，由于电动车辆电动机的旋转引起的振动水平表示非常低的值。因此，重要的是选择能够精确地提取振动水平的小变化的传感器的位置。一种选择传感器位置的方法如下：

(1)首先，通过分析电动车辆电动机的结构分析模型，在扫描频率时，应当选择具有高振幅的位置，并且该位置应当是用于安装振动传感器的平坦表面，使得应当基于该平坦表面选择具有高振幅灵敏度的位置。另外，沿垂直于座椅表面的方向测量振动传感器的振动测量方向。即，可以通过分析预测相对于座椅表面的振幅的垂直变化。

(2)在结构分析之后，通过同时实际测量各电动机负载的输出转矩的变化以及各电动机振动阶次的水平，以根据电动机负载和电动机的阶次水平的变化来对电动机输出转矩的变化进行回归分析，可以通过提取电动机的输出特性和具有0.9或更高确定系数(R²)的N阶分量，来选择具有形成最大振幅的高灵敏度的位置。即，可以选择最能表示由于电动机振动引起的振幅的特性的位置作为最终位置。

在电动车辆中，电动机的动力性能表示为电动机输出扭矩。在本发明中，为了控制基于电动机振动的音调，在关于电动机的振动信号的大量信息中，从基于电动机RPM的电动机的阶次等级和阶次水平特性中提取与电动机输出转矩的趋势具有高相关性的分量，因此应当选择该分量作为N阶分量。根据包括磁芯数量等的电动机的内部结构而不同地改变阶次分量。

图3A、图3B、图3C是示出根据针对各负载的输出转矩的变化的阶次等级和阶次水平的变化的示例的曲线图。特别地，阶次水平的变化是24阶的示例。因此，完成了电动机RPM-阶次等级(N阶)-阶次水平(dB)的曲线图，因此，与电动机输出转矩具有高相关性的阶次分量具有0.9或更高的确定系数(R²)，因此可以将24阶确定为参考(Ref)阶分量。

图4是说明示出从各种信号输入(S10)到从声音输出设备的输出(S40)的计算过程的算法的图。

输入信号是电动车辆电动机的振动信号并且使用振动传感器10测量，RPM、踏板位置、车辆速度数据、行驶模式以及电动车辆电动机的档位可以从CAN信号20输入。通过信号处理控制器30计算以下算法，并且通过包括内部音频扬声器的声音输出装置40执行最终输出。

从电动机的输入振动信号提取N阶分量，并且设置为参考(Ref)阶分量，并且确定N阶分量(即，参考(Ref)阶分量)的水平(S30)。

通过首先从N阶分量计算一次参考(Ref)阶分量，以随后输入至信号处理控制器，这可以始终用作参考(Ref)阶分量。同时，还可以将N阶分量设置为由信号处理控制器通过每特定时间从电动机的振动信号中提取N阶分量而自动确定。

同时，可以生成针对实时获得的电动机RPM生成的阶次分量(例如，2阶/4阶)(S31)。

当在S30中确定了作为输入阶次水平的参考的N阶分量时，通过匹配S31中生成的阶次分量来对阶次进行重新排列(S36)。此时，可以确定所排列的阶次分量的水平的放大水平，并且实时控制放大(S36)。

在S36中，可以从行驶模式和档位的输入，根据行驶模式是节能/普通/运动模式中的哪一种，来额外地考虑发动机的阶次分量的重新排列(S35)。

同时，可以结合输入信号或外部信号选择性地改变S36中设置的电动车辆模式音调的计算值(S38、S39、S40)。

首先，存在应用基于电动机RPM的可变频带滤波器的情况(S37)。频带滤波器(bandfilter)是指带通滤波器(band pass filter)，并且是从输入信号中去除具有特定频率或更低频率的分量以及具有特定频率或更高频率的分量并且仅输出特定频带内的频率的滤波器。频带滤波器也可以由低通滤波器和高通滤波器的组合构成。因此，在S38中，可以仅针对特定频带区域实施电动车辆模式音调。

为了在电动车辆音调控制中反映车辆动力性能的变化，并且实现与驾驶员加速意愿相匹配的声音，可以将权重值赋予电动机RPM本身(S32)，也可以将权重值赋予加速踏板的位置(S33)。

另外，也可以应用两者或者进行选择(S39)。另外，也可以对车辆速度数据应用车辆速度差分变化值(S34)。

同时，可以根据计算速度、精度、计算量等选择性地确定提取N阶分量的算法。

图5A、图5B是示出应用了有利于计算速度的最小均方(LMS)滤波算法的情况的图。LMS滤波算法是用于主动降噪(ANC)的滤波技术，并且在数值计算过程中提取目标N阶分量。在图5A中示出计算过程，其最终是用于从实时测量的振动信号d(n)中分离从振动信号中提取的N阶y(n)的算法，并且为此，应用滤波器权重值W(z)。另外，将N阶水平信息提取值x(n)应用至滤波器权重值和LMS算法这两者，并且重复更新滤波器权重值W(z)，直到设置的N阶分量的水平收敛到0。最后完成滤波器权重值W(z)和更新，然后将LMS滤波器应用至实时的振动信号。

图5B是示出在应用LMS滤波器前后的振动信号的变化的图。

在设置从包括全部阶次等级的实时振动信号信息中提取的N阶分量时，确定与电动机输出转矩具有高相关性或者具有高线性度的N阶分量。作为比较通过FFT分析提取的N阶与通过应用LMS滤波器提取的N阶的结果，可以看出，与通过FFT的N阶相比，应用LMS滤波器的N阶的情况在水平上略小，并且在数据数量上也更小。即，当使用LMS滤波器时，由于采样数据的数量相比于FFT较小，所以发生由于分辨率引起的数据丢失，并且由于FFT具有更高的分辨率，所以水平(level)也更高。

应用上述的整体算法可以通过以下步骤来控制电动车辆的电动车辆电动机音调：根据旋转的电动车辆电动机的振动信号来计算阶次分量；作为在计算的阶次分量中提取对于电动机输出转矩具有最大线性度的N阶分量的步骤，通过在针对振动信号使用LMS滤波算法来使得振动信号再循环时更新权重值以使N阶分量的水平收敛到0，来提取N阶分量；通过将电动车辆电动机的RPM变换为频率来计算阶次频率；通过将N阶分量的振动水平应用至阶次频率的水平，以输出重新排列的阶次分量，来设置电动车辆模式音调；以及输出设置的电动车辆模式音调。

图6是示出应用了有利于精度的快速傅立叶变换(FFT)/快速傅立叶逆变换(IFFT)算法的情况的图。

图6是示出将时间数据变换为频率数据的图。可以在很短的时间内对测量区域执行FFT，并且频率分辨率低。频率分辨率意味着当在频域中观察期望信号时，可以观察相应频带的值的密集间隔。因此，附加地应用非等间隔快速傅立叶变换(NFFT)技术。通过强制添加M个附加的补零数据以增加分辨率，可以保持通过振动传感器测量的原始数据信息。最后，通过获得重新采样至2Hz的水平的FFT数据，可以使用电动机RPM提取N阶分量的精确值。当控制目标声音时，仅当输入数据与输出数据之间的时间差满足在30毫秒内的条件时，才可以实现人耳感觉不到延迟的自然声音。当通过FFT变换振动信号时，即在测量时基于20毫秒数据变换到频域时，频率间隔非常宽，从而找不到期望的密集频率特性。为此，在数据的数量不足时，可以通过进行补零处理，来应用NFFT技术，以将分辨率重新采样至2Hz。

应用上述的整体算法包括：根据旋转的电动车辆电动机的振动信号计算阶次分量；在计算的阶次分量中，提取对于电动机输出转矩具有最大线性度的N阶分量；通过将电动车辆电动机的RPM变换为频率，来计算阶次频率；通过将N阶分量的振动水平应用至要输出的阶次频率的水平并且对阶次分量进行重新排列，来设置电动车辆模式音调；以及输出所设置的电动车辆模式音调，并且提取N阶分量可以通过对振动信号执行快速傅立叶变换(FFT)、通过非等间距快速傅立叶变换(NFFT)执行重新采样，以及执行快速傅立叶逆变换(IFFT)，基于提取N阶分量的电动机振动，来控制电动车辆的电动车辆电动机音调。

图7是示出应用具有小计算量的阶次跟踪算法并且基于RPM信息提取N阶分量的情况的图。首先，通过阶次跟踪计算提取振动信号的阶次分量，并且根据电动机RPM的变化计算N阶，并且应用带通滤波器。

应用上述的整体算法可以通过以下步骤来控制电动车辆的电动车辆电动机音调：根据旋转的电动车辆电动机的振动信号来计算阶次分量；在计算的阶次分量中，使用用于电动车辆电动机的阶次跟踪分析以及基于RPM的带通滤波器，来提取N阶分量；通过将电动车辆电动机的RPM变换成频率来计算阶次频率；通过将N阶分量的振动水平应用至要输出的阶次频率的水平并且对阶次分量进行重新排列，来设置电动车辆模式音调；以及输出设置的电动车辆模式音调。

同时，参照图8A和图8B，可以将振动传感器信号处理控制器与外部放大器信号处理控制器分开。即，在图8中，振动传感器信号处理控制器可以提取N阶分量(S30)，根据RPM信息生成阶次(S31)，并且设置电动车辆模式音调(S36)。外部放大器信号处理控制器可以控制除S30、S31和S36之外的其余部分。

即，外部放大器信号处理控制器中的微控制单元(MCU)可以通过从振动传感器信号处理控制器接收在S30、S31、S36中控制的输出信号电动车辆音调以及从车辆接收CAN信息，来执行集成的电动车辆音调控制，并且通过各种扬声器输出电动车辆音调。提供振动传感器信号处理控制器的目标音调输出信号的功能按原样执行图4中的计算处理(S30、S31、S36)。也可以通过如图8A和图8B所示的外部放大器信号处理控制器处理除提供目标音调输出信号的功能之外的其它功能。