基于卷积神经网络的汽车行人警示音评价系统设计

为了使电动汽车的行人警示音符合人耳主观感受及汽车品牌定位,设计了一个基于卷积神经网络的声品质评价系统,实现了对行人警示音频的客观评价。采用等级评分对设计好的音频文件进行主观评价,并获得主观评分。基于ISO 532-1:2014标准计算音频文件的响度、粗糙度、抖动度、烦扰度、尖锐度等声品质客观参数,并将其作为卷积神经网络模型的特征输入。评价模型的输出设定为豪华,舒适,科技三个指标。经过数据训练,模型可以有效输出给定指标的评价分数,并与主观评价分数吻合良好。所提出的模型可以实现端到端的声品质客观评价,评价结果能够有效反映人耳主观感受,从而为行人警示音的快速评价提供新的方法。

电动车行人警示音车内预调制主动降噪方法研究

电动车安装行人警示音已经成为强制性法规,但行人警示音噪声对车内的乘客也造成了困扰,本文提出了一种消除驾驶舱内行人警示音的方法。该方法通过分析警示音扬声器信号,以及警示音扬声器到乘客的传递路径,预先调制出消除警示音的次级声源信号,通过次级扬声器进行播放,发出的次级声源叠加在警示音声音上,实现乘客位置的降噪。这种方法实现与主动降噪近似的降噪效果,降低了车内各乘员位置的噪声,提升车内声品质,相比与主动降噪,计算量非常小,实现的成本更低。

电动汽车行人警示音系统设计及开发

随着新能源汽车快速发展,相关安全问题也应运而生,由于新能源汽车本身的动力特性,导致其在低速工况下无法达到传统内燃机车型的噪声特性。本文简单阐述一套满足法规要求且符合公司形象的低速行人警示音系统方案,重点围绕系统方案、法规摸底验证和硬件方案进行简单介绍。