随着现代城市随着现代城市化进程的加快，环境噪声成为人们日常生活中不可忽视的问题。无论是繁忙的交通道路、工业生产噪声，还是居住区周边的环境噪声，这些声源都对我们的身心健康和生活质量造成影响。而要有效地控制噪声，我们首先需要对其进行科学、精确的评估。
噪声烦恼度（Noise Annoyance）是指由于暴露于环境噪声中所引发的个体主观上的不满、干扰或负面情绪反应。它通常表现为对噪声的厌烦、烦躁、焦虑或生理不适，并可能影响个体的工作效率、生活质量及身心健康。
噪声烦恼度的程度因个体的噪声敏感性、噪声的频率、强度、持续时间以及噪声出现的具体环境而异。例如，低频噪声或持续的高分贝噪声通常比短暂的轻微噪声更容易引发高水平的烦恼度。
在城市规划、建筑设计及噪声污染控制等领域，噪声烦恼度已成为评估环境噪声影响的重要指标。通过测量和分析个体对噪声的主观反应，可以为制定噪声控制标准和政策提供科学依据，以改善人们的生活质量。
为了测试噪声烦恼度，我们需要先建立出心理声学烦恼度模型。心理声学烦恼度是指基于噪声的心理声学特性（如响度、尖锐度、粗糙度、波动强度等），通过量化噪声对人类听觉系统的影响，来预测人们主观上对噪声感到烦扰的程度。它不仅关注噪声的物理属性（如声压级、频率等），还考虑了噪声对听觉系统的复杂感知。
传统的噪声烦恼度通常依赖于物理声学参数（如声压级），但心理声学烦恼度的测试通过加入心理声学特征，能够更细致地捕捉人类对复杂声音环境的主观感受
构建基于噪声与心理变化分析，绘制噪声级-感知烦恼度关系的曲线，实现不同情境下的噪声烦恼度评价及心理预测。
用心理声学参量表征声环境评价指标，可直观反映人对噪声的主观感受。相比等效声级，其从心理学角度分析声环境对人的影响。噪声烦恼度指的是噪声对个体主观和直观的反应。结合显著相关性分析确定出响度、尖锐度、粗糙度三个客观参量，并用多元回归建立烦恼度评价预测数学模型。
符合GB/T 42473-2023 声学 噪声烦恼度的评价和预测方法。烦躁度智能分析仪具有强大的数据采集及深度分析评估功能，通过烦躁度深度分析计算，能实时快速得出响度、尖锐度、粗糙度等指标，并支持上传到监测平台。
软件使用茨维克尔心理声学烦恼度模型(Zwicker's Psychoacoustic Annoyance Model)进行计算。这是一种基于心理声学原理的烦恼度评估方法，用于量化人类对噪声的主观感知。改进后的茨维克尔模型考虑了多种影响因素，以更准确地预测噪声引发的烦恼度，特别是对频率、响度和音质等噪声特性的综合影响。
茨维克尔模型的核心在于基于噪声的心理声学参数对主观烦恼度的预测。模型通过以下主要心理声学指标来描述噪声的特征，并计算其烦恼度：
1. 响度（Loudness, N）：定义为人耳感受到的声音强度，单位是桑（Sone）。响度越高，噪声引发的烦恼度通常也会越大。
2. 尖锐度（Sharpness, S）：指声音的频率高低对听觉的影响，通常高频声源会引起较高的烦恼度。尖锐度以尖锐单位（acum）表示。
3. 粗糙度（Roughness, R）：表示声音在时间上的快速波动或调制深度，通常与刺耳的噪声相对应。粗糙度越高，感知到的烦恼度可能越高。
4. 波动强度（Fluctuation Strength, F）：表示声音在频率和振幅上慢速波动的感知，通常与低频噪声相联系。
小声智能噪声烦躁度监测仪使用于多种应用场景，如：社会生活声环境监测、宁静小区声环境监测、功能区声环境监测、建筑施工噪声监测等。
