车内噪声综合烦躁度模糊综合评价

以车内噪声为研究对象,研究了声品质的主观模糊综合评价方法。根据汽车车内噪声测量标准设计噪声采集方案,对平稳和非平稳车内噪声进行了数据采集、信号预处理,建立噪声样本数据库。采用参考语义细分法对四款汽车车内噪声的综合烦躁度进行主观评价试验研究,基于主观评价试验结果和模糊综合算法,建立了综合烦躁度模糊综合评价模型,可以计算出整车噪声综合烦躁度总值。结果表明不同车型有其自身的声品质特征。所提出的方法可用于实施不同车辆的声品质比较和评判。

车内综合烦躁度评价的时序平滑激励级谱CNN模型

激励级时频谱可用于建立车辆声品质卷积神经网络(CNN)评价模型。但是相对于时变声特征的波动性,车内声品质的瞬时主观评价曲线具有平滑特性,利用波动的声特征序列建立时变声品质评价模型,导致预测曲线呈现波动性,所以时序波动激励级谱的直接使用也会制约车内噪声整体综合烦躁度CNN评价模型的性能。本文中,首先利用Savitzky-Golay滤波器对激励级谱进行时域平滑处理;然后使用CNN构建车内噪声的综合烦躁度全局主观评价结果与时序平滑激励级谱之间的映射关系,建立基于时序平滑激励级谱的整体综合烦躁度CNN评价模型;最后采用留一法进行交叉检验,结果表明相比于激励级谱CNN模型,时序平滑激励级谱CNN模型对车内噪声整体综合烦躁度的评价性能更好,提高了预测精度(误差均值降低10.43%)、稳定性(误差方差降低44.26%)与一致性(Pearson相关系数提高4.13%),说明相比于激励级谱,时序平滑谱对车内综合烦躁度的解析能力更强。

基于BP神经网络的车内噪声时变综合烦躁度评价模型

对非平稳工况下的车内噪声进行声品质评价。考虑到车内噪声的时变性,在非平稳工况下建立噪声库,计算相关的噪声心理学参量时变值。将采集到的噪声进行主观评价试验,以"时变综合烦躁度"作为声品质主观评价指标,并将语义细分法作为声品质主观评价方法。评价者依据自己对声音的主观感受滑动评价软件滑块,得到连续时变噪声评价值。根据噪声心理学参量时变值和实时主观评价值,建立BP神经网络客观模型。再通过四折交叉法检验,检验结果显示此评价模型对噪声时变综合烦躁度预测有效。

基于SVM的车内非平稳噪声综合烦躁度评价研究

基于采集的汽车匀速与加速工况下的车内噪声信号,提取响度和A计权声压级两个主要心理声学客观参量作为声品质评价模型的输入特征,以参考语义细分法得到的综合烦躁度主观评分作为模型的输出量,基于SVM建立非平稳工况车内声品质客观评价模型。预测检验结果表明,与运用多元线性回归方法建立的评价模型相比,该模型预测误差均值、标准差及平均相对误差更小,车内声品质评价的预测精度、稳定性均有提高,所建的SVM客观评价模型具有较好的泛化能力,可用于非平稳工况车内噪声品质的预测。

基于近因效应的非平稳车内噪声综合烦躁度评价研究

采集汽车匀速与加速工况下的车内噪声构建噪声样本库,以此为基础根据综合烦躁度评价指标,选用参考语义细分法组织评审团进行车内噪声主观评价试验,得到综合烦躁度主观评价结果数据库。同时采用LMS Test.Lab计算噪声样本的A计权声压级、响度和AI指数时间序列平均值,建立传统的基于声学参量的车内噪声综合烦躁度评价模型。在传统声品质评价基础上考虑近因效应对评价人员及听音评价结果的影响,计算噪声样本声学参量时间序列后1/5、后2/5、后3/5、后4/5段平均值,采用网格搜索-支持向量机作为搭建模型方法,分别建立基于近因效应的非平稳车内噪声综合烦躁度评价模型。采用留一法验证,结果表明近因效应在噪声主观评价试验中存在,且以声学参量时间序列后2/5段平均值作为模型输入声特征所建的基于近因效应的非平稳车内噪声综合烦躁度评价模型,即2/5 RECIEM模型对综合烦躁度的表达力更优,此评价模型对加速噪声样本的预测及泛化性能影响更为显著。