GAN在电动汽车主动发声系统中的应用研究

为提高电动汽车引擎拟音的个性化效果和质量,引入生成对抗网络(GAN)模型,构建了电动汽车的GAN主动发声模型,设计了模型中各层网络的结构和卷积核大小,利用自适应时刻估计算法优化网络各层权重,并将模型用于样本生成试验。在模型训练中提出一种相位扰动操作,用于解决上采样操作产生音调噪声的问题;为证明GAN模型中不同输入信号的性能差异,构建了基于二维声谱图输入的GAN模型,并用于对照试验。试验结果表明:模型可准确地学习到原始音频信号的特征分布;人耳听觉测试结果显示,生成的声音样本真实度在90%以上;基于留一法(LOO)的1-NN分类评价结果显示,原生音频和二维声谱图GAN模型的LOO精度均大于或接近50%,表明模型训练未产生过度拟合,采用本文方法生成音效真实可靠。