CN113343384B - 一种变速器变转速工况下声品质主客观评价方法 - Google Patents

一种变速器变转速工况下声品质主客观评价方法 Download PDF

Info

Publication number
CN113343384B
CN113343384B CN202110609285.9A CN202110609285A CN113343384B CN 113343384 B CN113343384 B CN 113343384B CN 202110609285 A CN202110609285 A CN 202110609285A CN 113343384 B CN113343384 B CN 113343384B
Authority
CN
China
Prior art keywords
subjective
listening
sound quality
samples
transmission
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110609285.9A
Other languages
English (en)
Other versions
CN113343384A (zh
Inventor
王琇峰
杜磊磊
罗堃
区瑞坚
郭美娜
王继承
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Veizu Equipment Diagnosis Technology Co ltd
Xian Jiaotong University
Original Assignee
Suzhou Veizu Equipment Diagnosis Technology Co ltd
Xian Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Veizu Equipment Diagnosis Technology Co ltd, Xian Jiaotong University filed Critical Suzhou Veizu Equipment Diagnosis Technology Co ltd
Priority to CN202110609285.9A priority Critical patent/CN113343384B/zh
Publication of CN113343384A publication Critical patent/CN113343384A/zh
Application granted granted Critical
Publication of CN113343384B publication Critical patent/CN113343384B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/028—Acoustic or vibration analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/10—Noise analysis or noise optimisation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Strategic Management (AREA)
  • Evolutionary Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Hardware Design (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

一种变速器变转速工况下声品质主客观评价方法，先采集变速器变转速工况下的噪声和转速信号，对噪声信号进行滑窗截取生成预备听音样本集，对样本进行声品质心理声学指标计算，并聚类分析；再根据聚类分析结果组成听音样本集，增加专家人工挑选样本，组成正式听音样本组；再进行评价人员分组，赋有组别权重，专家选取评价词；然后对正式听音样本组主观评价，对评价数据进行统计学检验并附加权重，进行统计学分析得出主观评价标签；再建立变速器声品质主客观评价模型，对模型精度进行验证；本发明声音样本选择无疏漏，听音样本量最小化且反映声品质属性差异最大化，主观评价结果符合统计学规律，客观评价反映声品质特性更加准确。

Description

一种变速器变转速工况下声品质主客观评价方法
技术领域
本发明属于变速器声品质评价技术领域，具体涉及一种变速器变转速工况下声品质主客观评价方法。
背景技术
随着车辆行业的不断发展，汽车技术的研究逐步从性能需求到品质开发，车辆不仅仅是运输工具，更向生活空间发展。噪声是影响驾驶员舒适度的主要因素之一，声品质心理声学的发展，使得在降低噪声声压级的同时，还要调节噪声的声品质特性，使驾驶人员主观感受更加舒适。
在电动车的普及、发动机等车辆噪声源得到有效控制以及目前高速、轻量化的技术背景下，变速器噪声问题变得凸显，成为影响整车声品质的主要环节之一。以A计权声压级为主要评价标准的评价方法，在经过对其测试、控制的手段提升后，A计权声压级对人耳听觉的影响已经明显减小。随着生活水平的逐步提高，对汽车驾乘的舒适性要求越来越高，使得声音控制不再是越小越好，还要主观感知上舒适、悦耳。
变速器声品质评价包含主观评价与客观评价两部分，主观评价方法是评价人员对变速器声音进行主观评价实验，再运用统计学的方法得到主观评价标签。客观评价方法是用声品质心理声学指标对主观评价标签进行拟合，用于计算机取代人耳对声品质进行评价。
目前的变速器声品质主客观评价方法存在如下缺点：
1、对变工况变速器声品质评价样本截取没有科学依据，若将采集到的噪声信号无疏漏完全截取，则听音样本量过多，无法实现主观评价；若间隔截取，则会遗漏部分时间段的噪声信号，导致听音样本涵盖不了变转速变速器不同声品质情况；
2、听音样本没有得到有效精简，存在同一声品质听音感受的声音评价数遍，听音实验繁琐，听音时间过长；
3、主观评价人员评价数据有效性的评价指标单一，评价数据有效性检测方法不完善；
4、主观评价维度单一，不能反映变速器声品质的多种声音特性；
5、客观评价指标对变工况变速器声品质主观评价拟合结果不准确。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供了一种变速器变转速工况下声品质主客观评价方法，变速器各工况下声音样本选择无疏漏，听音样本量最小化且反映声品质属性差异最大化，评分数据占更大比重，主观评价结果更符合统计学规律，客观评价反映声品质特性更加准确。
为了达到上述目的，本发明所采用的技术方案是：
一种变速器变转速工况下声品质主客观评价方法，包括以下步骤：
步骤1：利用传声器采集变速器M个档位变转速工况下的噪声信号，利用光电传感器采集变速器转速信号；
步骤2：对变速器M个挡位下的噪声信号进行滑窗截取，生成M个挡位的预备听音样本集，且每个预备听音样本集包含E个听音样本，共M×E个听音样本；
步骤3：对步骤2中每个预备听音样本集中包含的E个听音样本，分别进行声品质心理声学指标计算，并根据声品质心理声学指标的计算结果进行聚类分析，最终形成M×c类预备听音样本；
声品质心理声学指标包含响度、尖锐度、粗糙度、抖动度，但不局限于这四个声品质心理声学指标；聚类分析方法采用K-means聚类分析方法；
步骤4：对步骤3中所述的M×c类预备听音样本，每类保留距离聚类中心点最近的听音样本，形成样本容量为M×c的听音样本集；
步骤5：对步骤4中所述的听音样本集的第1组与第M组后分别增加两组组内不同、组间相同的H个样本，作为评价人员信度评价样本，第2组到第M-1组增加由NVH专家人工挑选的样本，使得各组听音样本数保持一致；听音样本根据其对应的变速器实际转速值，按顺序排列，组成样本容量为M×(c+H)的正式听音样本组；
步骤6：对评价人员分组，每组之间附加不同的组别权重；
步骤7：由NVH专家在变速器声品质语义词库中挑选出能反映待评价变速器声音特性的语义反义词；
步骤8：对步骤5中所述的正式听音样本组进行主观评价，主观评价词采用步骤7中所述的语义反义词，主观评价后获得每个人对正式听音样本组中听音样本的主观评价结果；
步骤9：对评价人员进行听音信度分析，并对评价人员的主观评价结果附加信度权重；
步骤10：对步骤8中的所述的主观评价结果，进行Spearman相关系数与欧式距离指标统计分析，剔除评分不准确的评价人员，对剔除后剩余人员的评分数据附加步骤6中所述的组别权重及步骤9中所述的信度权重，计算得出主观评价标签；
步骤11：建立变速器声品质主客观评价模型；
对步骤5中所述正式听音样本组分帧计算声品质心理声学指标，并划分测试集与训练集，将训练集中听音样本的声品质心理声学指标计算结果与步骤10所述的主观评价标签，采用支持向量回归的方法，建立变速器声品质主客观评价模型；
步骤12：对变速器声品质主客观评价模型进行验证：
采用步骤11中所述测试集对步骤11中建立的变速器声品质主客观评价模型进行验证，以Pearson相关系数以及平均绝对误差作为评价指标，若Pearson相关系数大于0.9，平均绝对误差小于评分区间最大值的10％，说明变速器声品质主客观评价模型预测好，若不满足，则返回步骤6，重新进行声品质主客观评价。
所述的步骤1中利用传声器采集变速器M个档位变转速工况下的噪声信号，采集环境为半消声室内，传声器安置在距变速器中心高度从加载端观察左侧处1米位置，该位置为声场远场，声波之间无干涉效应，声源近似看作点声源，符合实际噪声评估要求，采样频率不低于40960Hz，根据奈奎斯特定理，分析频率不低于20480Hz，高于人类听觉上限频率，变速器每个挡位均在最大负载下从最高转速rpmmax匀减速至最低转速rpmmin采集噪声信号，每个挡位采集时长为S秒。
所述的步骤2中对变速器M个挡位下的噪声信号进行滑窗截取，选择滑窗的窗函数为矩形窗，设每个挡位下的噪声信号长度为N，窗长为wlen，后一窗相对前一窗的滑动位移为wst，其中wlen时间长度范围为5s≤wlen≤10s，wst的时间长度范围为0s＜wst≤wlen，滑窗截取听音样本段数n的计算公式为：
Figure BDA0003095335920000051
所述的步骤3中声品质心理声学指标计算方法如下：
3.1)响度计算：
利用如下公式计算特征响度：
Figure BDA0003095335920000052
式中，N'0为参考特征响度，ETQ为安静状态下对应的激励，sr为一个刚好听到测试音与宽带噪声在相同临界频带处声强的比率，E0为声强I0＝10-12W/m2对应的参考激励值,Es为被计算声音对应的激励，当N'0＝0.065时，取θ＝0.25，sr＝0.25；当N'0＝0.08时，取θ＝0.23，sr＝0.5；Bark频带划分标准采用Zwicker模型Bark频带划分标准；
在0-24Bark尺度上对特征响度积分得到总响度：
Figure BDA0003095335920000061
3.2)尖锐度计算：
Zwicker尖锐度模型以响度模型为基础，其数学模型为：
Figure BDA0003095335920000062
式中，K是加权系数，K取0.11；Ssharpness代表尖锐度，N'(z)代表z号Bark域内的特征响度，其中g(z)是声音信号在不同Bark域内的权重系数，其表达式为：
Figure BDA0003095335920000063
3.3)粗糙度计算：
Zwicker改进后的粗糙度模型以响度模型为基础，其数学模型为：
Figure BDA0003095335920000064
式中，Rou为计算得到的粗糙度，fmod为调制频率，ΔLE为每个临界频带内的声压变化幅值，定义如下：
Figure BDA0003095335920000065
式中，Nmax′(z)和Nmin′(z)分别代表Zwicker响度模型中特征响度的最大和最小值；
3.4)抖动度计算：
Zwicker抖动度模型以响度模型为基础，其数学模型为：
Figure BDA0003095335920000066
式中，ΔLE为每个临界频带内的声压变化幅值；fmod是调制频率；f0是调制基频，f0＝4Hz。
所述的步骤3中聚类分析计算过程如下：
(1)根据每个挡位下的噪声信号进行滑窗截取，每个挡位滑窗截取声音样本段数为n，设输入样本为Q＝x1,x2,...,xn，从Q中随机选择c个声音样本作为质心样本u1,u2,...,uc，聚类的质心数目c，由评分区间最大值来确定，如0-10级评分，则c＝10；
(2)对于输入样本x1,x2,...,xn，测量到质心的距离，并将其归为至最近质心的类；
(3)将每个类别的中心更新为隶属该类别的所有样本的均值；
(4)重复步骤(2)、步骤(3)直到少于3个样本被重新分配给不同的聚类；
(5)聚类结束，每个档位下滑窗截取后的噪声信号聚为c类声音样本。
所述的步骤5中信度评价样本是专家大量听音挑选出的声音样本，其中大量听音的数量不少于步骤4听音样本集中听音样本的数量。
所述的步骤5中听音样本根据对应的变速箱实际转速值，按顺序排列，其排列顺序为：每组第一个样本为对应最高转速段的截取样本，第二个样本为对应最低转速段的截取样本，其他样本按照其对应转速段从大到小或者从小到大的顺序排列，两个听音样本之间有5s空白区，为评价人员打分时间。
所述的步骤6中对评价人员分组，每组之间附加不同的组别权重，是指对不同听音水平的评价人员分为专家组、经验组、普通组，且分别赋予不同的组别权重WG。
所述的步骤9中对评价人员进行听音信度分析，对评价人员的主观评价结果附加信度权重WT，具体步骤如下：
9.1)提取出评价人员对2×H个信度评价样本的评分数据，若所有样本都评分一致，则误判率为0，若评分不一致的样本有δ个，且两次评分相差不超过评分区间最大值的10％，则计算出可接受误判率为
Figure BDA0003095335920000081
若评分不一致的样本有b个，且两次评分相差超过评分区间最大值的10％，则计算出不可接受误判率为
Figure BDA0003095335920000082
9.2)根据可接受误判率Py和不可接受误判率Pn形成信度权重WT，计算公式如下：
WT＝1-Pn-λPy
其中λ取值在0-1之间，若不允许可接受误判，则λ＝1；若完全允许可接受误判，则λ＝0。
所述的步骤10中Spearman相关系数与欧式距离统计分析计算步骤如下：
10.1)计算每俩评价人员之间的Spearman相关系数：
Figure BDA0003095335920000083
式中：d是两行主观评价结果等级之差；r是两行主观评价结果长度；Ri,j表示第i个评价人员的主观评价结果对第j个评价人员主观评价结果的Spearman相关系数；
10.2)取平均相关系数：
Figure BDA0003095335920000091
式中：k为评价人员数；
Figure BDA0003095335920000092
为第i个评价人员与第j个评价人员之间的相关系数；Ri为第i个评价人员相对评审团其他人员的平均相关系数；设定Ri阈值为0.75，若Ri＜0.75，说明该评价人员相对其他评价人员相关性不高，主观听音感受有较大偏差，该评价人员的评分数据予以剔除；
10.3)对剔除后保留的评价人员评分数据求平均值，作为每个样本的平均分值，计算公式如下；
Figure BDA0003095335920000093
式中：k'为剔除后剩余的评价人员数，Vi,a为第i个评价人员对第a个样本的主观评分数值；Va为a个样本所有评价人员的平均分值；
10.4)剩余每个评价人员评分数据Vi,a与Va之间欧式距离统计分析计算方法如下：
Figure BDA0003095335920000094
其中i为评价人员人数；
剔除剩余评价人员对应D(Vi,a,Va)中较大的评分数据，要求Spearman相关系数与欧式距离统计分析剔除人数不超过评价总人数的20％。
所述的步骤11中建立变速器声品质主客观评价模型具体步骤如下：
11.1)正式听音样本组听音样本的70％作为训练集，用于变速器声品质主客观评价模型训练；30％作为测试集，用于变速器声品质主客观评价模型测试；
11.2)对所有听音样本设定帧长、帧移，其中帧长时间长度区间为(0,1]秒，帧移时间长度区间为(0,1]秒，分帧成f段；
11.3)计算听音样本的每一帧声品质心理声学指标；
11.4)将训练集分帧计算的声品质心理声学指标与步骤10中所述主观评价标签作为变速器声品质主客观评价模型训练的参数；
11.5)变速器声品质主客观评价模型训练，变速器声品质主客观评价模型建立；
所述的步骤11中用支持向量回归的方法进行变速器声品质主客观评价模型拟合，选取RBF核函数，不敏感损失函数取ε＝0.01，采用K-CV(K-fold Cross Validation)交叉验证的方法选择最优的惩罚参数e和核函数参数g，以交叉验证过程中最低均方误差mse为优化目标函数，交叉验证参数v选择为3，mse公式计算如下：
Figure BDA0003095335920000101
式中：v为交叉验证分组数，nl为交叉验证每组个数，yij为样本真实标签，
Figure BDA0003095335920000102
为变速器声品质主客观评价模型预测标签；
采用网格搜寻法，首先进行粗略选择，取以2为底的对数log2e、log2g，取值范围分别为[-8,8]、[-8,8]，惩罚参数e和核函数参数g的步进大小均为1；根据粗略选择结果再进行精细选择，继续取以2为底的对数log2e、log2g，取值范围分别为[-4,4]、[-4,4]，惩罚参数e和核函数参数g的步进大小均为0.1。
所述的步骤12中Pearson相关系数ρ的计算公式如下：
Figure BDA0003095335920000111
式中：y为测试集主观评价标签，
Figure BDA0003095335920000112
为变速器声品质主客观评价模型对测试集主观评价标签预测值，
Figure BDA0003095335920000113
为y与
Figure BDA0003095335920000114
之间的协方差，σy为y的均方差，μy为y的均值，Eλ表示数学期望；
平均绝对误差MAE小于评分区间最大值Lmax的10％，MAE计算公式如下：
Figure BDA0003095335920000115
式中：
Figure BDA0003095335920000116
是第i个听音样本的预测值，yi是主观评价标签，nsamples是听音样本总数；
误差百分比Wmae计算公式如下：
Figure BDA0003095335920000117
式中：
Figure BDA0003095335920000118
为测试集主观评价标签的预测值与主观评价标签之间的平均绝对误差，Lmax为评分区间最大值。
与现有技术相比，本发明具有如下有益效果：
1、本发明对变速器变工况下声品质评价样本截取上，采用滑窗截取的方法，所有时间段均截取到，使得变速器各工况下声音样本选择无疏漏。
2、本发明对主观声品质评价样本的选择上，在滑窗截取后产生的大量样本中，挑选出声品质心理声学指标差异化大的样本作为主观评价样本，可使听音样本量最小化且反映声品质属性差异最大化。
3、本发明提供一种主观评价人员权重赋值方法，包括评价人员信度权重、组别权重，使得评价可信度高的专业评价人员的评分数据占更大比重。
4、本发明提供一种主观评价结果统计方法，使得主观评价结果更符合统计学规律。
5、本发明对听音样本进行分帧截取，计算每帧的声品质心理声学指标，并用支持向量回归模型对主观评价标签与计算结果拟合，支持向量回归模型高度泛化能力可提取帧与帧之间非线性关系，使得客观评价反映声品质特性更加准确。
6、本发明提供了变速器声品质主客观评价模型检验方法，使得变速器声品质主客观评价模型对主客观评价的拟合结果精度有了科学的判断依据。
附图说明
图1为本发明的流程图。
图2为本发明实施例各挡位噪声信号滑窗截取示意图。
图3为本发明实施例正式听音样本组成示意图。
图4为本发明实施例分帧计算声品质心理声学指标示意图。
图5为本发明实施例建立的变速器声品质主客观评价模型对测试集主观评价标签预测误差图。
图6为本发明实施例建立的变速器声品质主客观评价模型对测试集预测值与主观评价标签对比图。
具体实施方式
下面结合附图与实施例对本发明进一步详细说明。
参照图1，一种变速器变转速工况下声品质主客观评价方法，包括以下步骤：
步骤1：利用传声器采集变速器6个档位下变转速噪声信号，采集环境为半消声室内，传声器安置在距变速器中心高度左侧(从加载端观察)1米位置，该位置为声场远场，声波之间无干涉效应，声源可近似看作点声源，符合实际噪声评估要求，采样频率不低于40960Hz，根据奈奎斯特定理，分析频率不低于20480Hz，高于人类听觉上限频率，变速器一共6个挡位，均在最大负载下从最高转速rpmmax＝2600rpm，匀减速至最低转速rpmmin＝500rpm，每个挡位采集时长为257s；
步骤2：对变速器6个挡位下的噪声信号进行滑窗截取，如图2所示，选择滑窗的窗函数为矩形窗，每个挡位下采集的噪声信号长度为257s，窗长为5s，后一窗相对前一窗的滑动位移为2.5s，生成每个挡位的预备听音样本集，滑窗截取听音样本段数n的计算公式为：
Figure BDA0003095335920000131
共6个预备听音样本集，每个预备听音样本集包含101个听音样本，共6×101个听音样本；
步骤3：对步骤2中每个预备听音样本集中包含的101个听音样本，分别每个听音样本的响度、尖锐度、粗糙度、抖动度等声品质心理声学指标，根据计算出的声品质心理声学指标，并进行聚类分析；
每个预备听音样本集将101个听音样本分为10类，一共6个预备听音样本集，最终形成6×10类预备听音样本；
声品质心理声学指标计算方法如下：
3.1)响度计算：
利用如下公式计算特征响度：
Figure BDA0003095335920000141
式中，N'0为参考特征响度，ETQ为安静状态下对应的激励，sr为一个刚好听到测试音与宽带噪声在相同临界频带处声强的比率，E0为声强I0＝10-12W/m2对应的参考激励值,Es为被计算声音对应的激励，当N'0＝0.065时，取θ＝0.25，sr＝0.25；当N'0＝0.08时，取θ＝0.23，sr＝0.5；Bark频带划分标准采用Zwicker模型Bark频带划分标准；
在0-24Bark尺度上对特征响度积分得到总响度：
Figure BDA0003095335920000142
3.2)尖锐度计算：
Zwicker尖锐度模型以响度模型为基础，其数学模型为：
Figure BDA0003095335920000143
式中，K是加权系数，K取0.11；Ssharpness代表尖锐度，N'(z)代表z号Bark域内的特征响度，其中g(z)是声音信号在不同Bark域内的权重系数，其表达式为：
Figure BDA0003095335920000151
3.3)粗糙度计算：
Zwicker改进后的粗糙度模型以响度模型为基础，其数学模型为：
Figure BDA0003095335920000152
式中，Rou为计算得到的粗糙度，fmod为调制频率，ΔLE为每个临界频带内的声压变化幅值，定义如下：
Figure BDA0003095335920000153
式中，Nmax′(z)和Nmin′(z)分别代表Zwicker响度模型中特征响度的最大和最小值；
3.4)抖动度计算：
Zwicker抖动度模型以响度模型为基础，其数学模型为：
Figure BDA0003095335920000154
式中，ΔLE为每个临界频带内的声压变化幅值；fmod是调制频率；f0是调制基频，f0＝4Hz；
聚类分析流程如下：
(1)根据每个挡位下的噪声信号进行滑窗截取，每个挡位滑窗截取声音样本段数为101，设输入样本为Q＝x1,x2,...,x101，从Q中随机选择10个声音样本作为质心样本u1,u2,...,u10，聚类的质心数目为10；
(2)对于输入样本x1,x2,...,x101，测量到质心的距离，并将其归为至最近质心的类；
(3)将每个类别的中心更新为隶属该类别的所有样本的均值；
(4)重复步骤(2)、步骤(3)直到少于3个样本被重新分配给不同的聚类；
(5)聚类结束，每个档位下滑窗截取后的噪声信号聚为10类声音样本；
步骤4：对步骤3中所述的6×10类预备听音样本，每类保留距离聚类中心点最近的听音样本，生成样本容量为6×10的听音样本集；
步骤5：对步骤4中所述听音样本集的第1组与第6组后分别增加组内不同、组间相同的4个听音样本，作为评价人员信度评价样本，信度评价样本是专家大量听音挑选出的有代表性的声音样本，其中大量听音的数量不少于步骤4听音样本集中听音样本的数量；
第2组到第5组分别增加4个由NVH专家人工挑选的样本，使得各组听音样本数保持一致，为防止打分时评价人员没有整体范围感，将最低转速段与最高转速段声音样本排在起始听音的1、2号样本，3-10号样本根据步骤1采集的转速信号，将听音样本根据其对应的转速值按从大到小顺序排列(两个听音样本之间有5s空白区，为评价人员打分时间)组成样本容量为6×14的正式听音样本组，正式听音样本组的样本构成如图3所示；
步骤6：本实施例听音实验评价人员由NVH专家8人、7年以上驾驶经验司机6人、普通评价人员10人组成，赋予组别权重WG分别为0.5、0.3、0.2，评价人员信息及具体分布如表1所示；
表1组别权重
Figure BDA0003095335920000171
步骤7：选取14对描述变速器噪声声品质特性的语义反义词，作为变速器声品质语义词库，让NVH专家对这14对语义反义词进行筛选；采用0-10级打分法对表2中语义反义词，就能反映变速器声音特性的重要程度进行打分，以确定最终用于变速器声品质评价的语义反义词(0表示极其不重要，10表示极其重要)，描述变速器声品质特性的语义反义词如表2所示；
表2描述变速器声品质特性的语义反义词
编号 语义反义词 编号 语义反义词
1 波动的-平缓的 8 尖锐的-平滑的
2 刺耳的-悦耳的 9 尖声的-低声的
3 振颤的-稳定的 10 突突的-平和的
4 震耳的-轻柔的 11 舒适-不舒适
5 冲击的-缓和的 12 安静的-嘈杂的
6 嗡嗡的-宁静的 13 起伏的-平稳的
7 轰鸣的-安静的 14 尖锐的-沉闷的
NVH专家对这14对语义反义词重要程度评分结果如表3所示；
表3专家选词打分结果
词语序号 专家1 专家2 专家3 …… …… 专家8
1 8 8 9 …… …… 9
2 6 7 6 …… …… 5
…… …… …… …… …… …… ……
14 8 9 7 …… …… 7
8位NVH专家对14个待选择的语义反义词打分结果统计如表4所示；
表4专家选词打分统计
序号 词语 平均值 标准差
1 舒适-不舒适 9.125 0.7806
2 尖锐的-沉闷的 8.75 0.9682
3 震耳的-轻柔的 7.5 1
4 尖声的-低声的 7.25 0.8291
5 刺耳的-悦耳的 7.25 1.3919
6 轰鸣的-安静的 7.125 0.7806
7 嗡嗡的-宁静的 7 1.8027
8 起伏的-平稳的 6.875 1.3635
9 突突的-平和的 6.875 1.3635
10 安静的-嘈杂的 6.875 2.5217
11 尖锐的-平滑的 6.875 1.6153
12 振颤的-稳定的 6.625 1.4086
13 冲击的-缓和的 6.625 1.4947
14 波动的-平缓的 6.5 1.4142
根据评价需要选取前A'个评分相对高的语义反义词，本次评价只选择评分最高的语义反义词：舒适-不舒适，作为变速器声品质评价的语义反义词；
步骤8：评价人员正式听音，根据表5所示的主观评价打分表，进行主观评价；评价人员对正式听音样本组中的声音样本进行主观评价，评价词语为舒适-不舒适，评分分值为0-10分，分值对应主观感受如表5中的等级评分表所示；
表5主观评价打分表
Figure BDA0003095335920000191
评价环境为通风良好的室内，环境噪声小于30dB；采用高保真隔噪防漏录音室专用耳机(MDR-Z1000/Q索尼高保真隔噪防漏录音室专业监听耳机，头戴式耳机)，统一用windows自带音频软件，音量调整统一大小(扬声器调至15，音频软件调至最大)，用同一类型的耳机，同一型号电脑，板载声卡，在同一个时间段(早上)，听音之前要求评价人员精神状态良好，无任何疾病，听音过程需要独立完成；
听音实验时间为每日早上9点，听取3组样本，听音时间20-30分钟，且正式听音样本组的每组样本听音间隔2分钟，作为休息时间；
正式听音前先听取变速器测试的整体音频信号，对变速器声音有整体了解，并在培训表(见表5中的培训表)中进行声音样本预打分，预打分只是让评价人员了解打分流程，掌握声音特性，预打分的打分数据不进行统计分析；
在进行听音评价之前对声事件的情景及其特征进行说明，让评价者在评价过程中预先形成声事件的感受，并想象被评价噪声的场景；
评价人员正式听音，并对照表5中所示的正式打分统计表开始评分；共28位评价人员，每个人评价6×14个声音样本，汇总后形成一个规模为V28×84的评分矩阵，如表6所示；
表6评价人员评分结果
Figure BDA0003095335920000201
步骤9：根据表6中的每行数据，对第11-14号与81-84号信度样本进行信度分析，计算公式如下：
WT＝1-Pn-λPy
设λ＝1，不允许可接受误判，则
Figure BDA0003095335920000202
Nw为11-14号与81-84号两组打分不一致的个数，例如评价人员A1B1的第11-14号评分为9，1，7，6，第81-84号评分为9，2，6，6，则有两个信度评价样本评分不一致，则评价人员A1B1的信度权重为WT(A1B1)＝0.5；
所有评价人员信度权重值的计算结果如表7所示；
表7评价人员信度权重表
评价人员 信度权重 评价人员 信度权重
A1 1 O1 1
B1 0.75 P1 0.5
…… ……
N1 1 A1B1 0.5
步骤10：对表6中28个评价人员的主观评价结果进行Spearman相关系数分析：
10.1)计算每俩评价人员之间的Spearman相关系数：
Figure BDA0003095335920000211
式中：d是表中两行主观评价结果等级之差；r是两行主观评价结果长度；Ri,j表示第i个评价人员的主观评价结果对第j个评价人员主观评价结果的Spearman相关系数，评价人员两两之间的计算结果如表8所示；
表8评价人员间的Spearman相关系数表
相关系数 A1 B1 C1 …… A1B1
A1 1.00 0.81 0.81 …… 0.91
B1 0.81 1.00 0.86 …… 0.78
C1 0.81 0.86 1.00 …… 0.67
…… …… …… …… …… ……
A1B1 0.91 0.78 0.67 …… 1.00
10.2)除去每行值为1的相关系数，取平均值得到平均相关系数，计算公式如下所示；
Figure BDA0003095335920000221
式中：k为评价人员个数；Ri,j为第i个评价人员与第j个评价人员之间的相关系数；Ri为第i个评价人员相对其他评价人员的平均相关系数；
评价人员平均相关系数计算结果如表9所示；
表9评价人员平均相关系数
Figure BDA0003095335920000223
一共28个评价人员的平均相关系数，保留相关系数0.75以上人员的评分数据，剔除表6中编号为C1、E1、O1的评价人员的评分数据；
10.3)对表6剩余25人的评分数据V25×84，每列求平均值，作为每个样本的平均分值，计算公式如下；
Figure BDA0003095335920000222
式中：k'为剔除后剩余的评价人员数，Vi,a为第i个评价人员对第a个样本的主观评分数值；Va为a个样本所有评价人员的平均分值；
剔除C1、E1、O1三位评价人员后，剩余25位评价人员对84个听音样本的主观评价平均分值如表10所示；
表10样本主观评价平均分值
样本编号 1 2 3 …… 84
<![CDATA[平均分值V<sub>a</sub>]]> 2.38 9.42 2.00 …… 3.05
10.4)对表6剔除C1、E1、O1三位评价人员后，剩余的V25×84的评分数据，每行评分数据Vi,84与Va之间欧式距离计算公式如下所示：
Figure BDA0003095335920000231
其中，i＝25；
计算结果如表11所示；
表11欧式距离统计分析
评价人员编号 A1 B1 D1 F1 …… A1B1
欧式距离D 7.48 12.26 13.72 9.27 …… 21.25
表11中第一行为听音人员编号，第二行为每个评价人员的84个听音样本评分数据与评价人员的平均分值Va之间的欧氏距离D，剔除欧式距离最大的两个评价人员的评分数据，为表11中编号为R1、A1B1评价人员的评分数据，整个主观评价实验统计学分析剔除人数不超过评价总人数的20％；
Spearman相关系数与欧式距离统计学分析后，剔除表6中编号为C1、E1、O1、R1、A1B1评价人员的评分数据，剩余评价人员的评分数据规模为V23×84，对V23×84每行附加相应评价人员的信度权重与组别权重，根据以下公式得到84个听音样本的主观评价标签：
Figure BDA0003095335920000241
最终保留23个评价人员的有效评分数据V23×84，附加相应评价人员的信度权重与组别权重，计算得出84个听音样本最终的主观评价标签如表12所示；
表12听音样本评分有效数据及主观评价标签
Figure BDA0003095335920000242
步骤11：建立变速器声品质主客观评价模型，具体步骤如下：
11.1)84个听音样本数据的70％作为训练集，用于变速器声品质主客观评价模型训练，30％作为测试集，用于变速器声品质主客观评价模型测试；
11.2)对所有听音样本分帧处理，帧长为1s，帧移为1s，一个听音样本分帧成5段；
11.3)计算每个听音样本的每一帧的声品质心理声学指标，计算过程如图4所示，计算结果如表13所示；
表13听音样本分帧计算声品质心理声学指标
Figure BDA0003095335920000243
Figure BDA0003095335920000251
11.4)变速器声品质主客观评价模型选用支持向量回归的方法进行拟合，采用MATLAB软件，libsvm程序包进行建模，将训练集分帧计算的声品质心理声学指标与主观评价标签作为变速器声品质主客观评价模型训练的输入数据，选取RBF核函数，不敏感损失函数取ε＝0.01，采用K-CV(K-fold Cross Validation)交叉验证的方法选择最优的惩罚参数e和核函数参数g，以交叉验证过程中最低均方误差mse为优化目标函数，交叉验证参数v选择为3，mse公式计算如下：
Figure BDA0003095335920000252
式中：v为交叉验证分组数，n为交叉验证每组个数；yij为样本真实标签，
Figure BDA0003095335920000253
为变速器声品质主客观评价模型预测标签；
采用网格搜寻法，首先进行粗略选择，取以2为底的对数log2e、log2g，取值范围分别为[-8,8]、[-8,8]，惩罚参数e和核函数参数g的步进大小均为1；根据粗略选择结果再进行精细选择，继续取以2为底的对数log2e、log2g，取值范围分别为[-4,4]、[-4,4]，惩罚参数e和核函数参数g的步进大小均为0.1，最终选取交叉验证最优参数e＝2.7763，g＝0.1147；用训练集59组听音样本数据对变速器声品质主客观评价模型进行训练，用训练好的变速器声品质主客观评价模型，对测试集25组听音样本主观评价标签进行预测，得到变速器声品质主客观评价模型对测试集主观评价标签的预测结果，即测试集预测值；
11.5)变速器声品质主客观评价模型建立；
步骤12：对步骤11中建立的变速器声品质主客观评价模型进行验证，以Pearson相关系数以及平均绝对误差作为评价指标，若Pearson相关系数大于0.9，平均绝对误差小于评分区间最大值的10％，说明变速器声品质主客观评价模型预测好，若不满足，则返回步骤6，重新进行声品质主客观评价；
变速器声品质主客观评价模型对测试集预测值和测试集主观评价标签间的Pearson相关系数：
Figure BDA0003095335920000261
式中：y为测试集主观评价标签，
Figure BDA0003095335920000262
为变速器声品质主客观评价模型对测试集主观评价标签预测值，
Figure BDA0003095335920000263
为y与
Figure BDA0003095335920000264
之间的协方差，σy为y的均方差，μy为y的均值，Eλ表示数学期望；
平均绝对误差MAE计算公式如下：
Figure BDA0003095335920000265
式中：
Figure BDA0003095335920000266
是第i个听音样本的预测值，yi是主观评价标签，nsamples是听音样本总数；
误差百分比Wmae计算公式如下：
Figure BDA0003095335920000267
式中：
Figure BDA0003095335920000271
为测试集主观评价标签的预测值与主观评价标签之间的平均绝对误差，Lmax为评分区间最大值。
故变速器声品质主客观评价模型预测精度符合要求，模型预测值和测试集主观评价标签对比图如图5所示，从图5可以看出只有少量样本的模型预测值与测试集主观评价标签误差值大于1，绝大多数小于0.5，所有样本平均误差值为0.557；测试集预测值和测试集主观评价标签误差图如图6所示，从图6可以看出测试集主观评价标签与测试集的模型预测值趋势基本一致，相关性高，变速器声品质主客观评价模型预测精度较好。

Claims (11)

1.一种变速器变转速工况下声品质主客观评价方法，其特征在于，包括以下步骤：
步骤1：利用传声器采集变速器M个档位变转速工况下的噪声信号，利用光电传感器采集变速器转速信号；
步骤2：对变速器M个挡位下的噪声信号进行滑窗截取，生成M个挡位的预备听音样本集，且每个预备听音样本集包含E个听音样本，共M×E个听音样本；
步骤3：对步骤2中每个预备听音样本集中包含的E个听音样本，分别进行声品质心理声学指标计算，并根据声品质心理声学指标的计算结果进行聚类分析，最终形成M×c类预备听音样本；
声品质心理声学指标包含响度、尖锐度、粗糙度、抖动度，但不局限于这四个声品质心理声学指标；聚类分析方法采用K-means聚类分析方法；
步骤4：对步骤3中所述的M×c类预备听音样本，每类保留距离聚类中心点最近的听音样本，形成样本容量为M×c的听音样本集；
步骤5：对步骤4中所述的听音样本集的第1组与第M组后分别增加两组组内不同、组间相同的H个样本，作为评价人员信度评价样本，第2组到第M-1组增加由NVH专家人工挑选的样本，使得各组听音样本数保持一致；听音样本根据其对应的变速器实际转速值，按顺序排列，组成样本容量为M×(c+H)的正式听音样本组；
步骤6：对评价人员分组，每组之间附加不同的组别权重；
步骤7：由NVH专家在变速器声品质语义词库中挑选出能反映待评价变速器声音特性的语义反义词；
步骤8：对步骤5中所述的正式听音样本组进行主观评价，主观评价词采用步骤7中所述的语义反义词，主观评价后获得每个人对正式听音样本组中听音样本的主观评价结果；
步骤9：对评价人员进行听音信度分析，并对评价人员的主观评价结果附加信度权重；
步骤10：对步骤8中的所述的主观评价结果，进行Spearman相关系数与欧式距离指标统计分析，剔除评分不准确的评价人员，对剔除后剩余人员的评分数据附加步骤6中所述的组别权重及步骤9中所述的信度权重，计算得出主观评价标签；
步骤11：建立变速器声品质主客观评价模型；
对步骤5中所述正式听音样本组分帧计算声品质心理声学指标，并划分测试集与训练集，将训练集中听音样本的声品质心理声学指标计算结果与步骤10所述的主观评价标签，采用支持向量回归的方法，建立变速器声品质主客观评价模型；
步骤12：对变速器声品质主客观评价模型进行验证：
采用步骤11中所述测试集对步骤11中建立的变速器声品质主客观评价模型进行验证，以Pearson相关系数以及平均绝对误差作为评价指标，若Pearson相关系数大于0.9，平均绝对误差小于评分区间最大值的10％，说明变速器声品质主客观评价模型预测好，若不满足，则返回步骤6，重新进行声品质主客观评价。
2.根据权利要求1所述的一种变速器变转速工况下声品质主客观评价方法，其特征在于：所述的步骤1中利用传声器采集变速器M个档位变转速工况下的噪声信号，采集环境为半消声室内，传声器安置在距变速器中心高度从加载端观察左侧处1米位置，该位置为声场远场，声波之间无干涉效应，声源近似看作点声源，符合实际噪声评估要求，采样频率不低于40960Hz，根据奈奎斯特定理，分析频率不低于20480Hz，高于人类听觉上限频率，变速器M个挡位均在最大负载下从最高转速rpmmax匀减速至最低转速rpmmin采集噪声信号，M个挡位采集时长为S秒。
3.根据权利要求1所述的一种变速器变转速工况下声品质主客观评价方法，其特征在于：所述的步骤2中对变速器M个挡位下的噪声信号进行滑窗截取，选择滑窗的窗函数为矩形窗，设M个挡位下的噪声信号长度为N，窗长为wlen，后一窗相对前一窗的滑动位移为wst，其中wlen时间长度范围为5s≤wlen≤10s，wst的时间长度范围为0s＜wst≤wlen，滑窗截取听音样本段数n的计算公式为：
Figure FDA0003994575600000031
4.根据权利要求1所述的一种变速器变转速工况下声品质主客观评价方法，其特征在于：所述的步骤3中声品质心理声学指标计算方法如下：
3.1)响度计算：
利用如下公式计算特征响度：
Figure FDA0003994575600000041
式中，N'0为参考特征响度，ETQ为安静状态下对应的激励，sr为一个刚好听到测试音与宽带噪声在相同临界频带处声强的比率，E0为声强I0＝10-12W/m2对应的参考激励值,Es为被计算声音对应的激励，当N'0＝0.065时，取θ＝0.25，sr＝0.25；当N'0＝0.08时，取θ＝0.23，sr＝0.5；Bark频带划分标准采用Zwicker模型Bark频带划分标准；
在0-24Bark尺度上对特征响度积分得到总响度：
Figure FDA0003994575600000042
3.2)尖锐度计算：
Zwicker尖锐度模型以响度模型为基础，其数学模型为：
Figure FDA0003994575600000043
式中，K是加权系数，K取0.11；Ssharpness代表尖锐度，N'(z)代表z号Bark域内的特征响度，其中g(z)是声音信号在不同Bark域内的权重系数，其表达式为：
Figure FDA0003994575600000044
3.3)粗糙度计算：
Zwicker改进后的粗糙度模型以响度模型为基础，其数学模型为：
Figure FDA0003994575600000045
式中，Rou为计算得到的粗糙度，fmod为调制频率，ΔLE为每个临界频带内的声压变化幅值，定义如下：
Figure FDA0003994575600000051
式中，Nmax′(z)和Nmin′(z)分别代表Zwicker响度模型中特征响度的最大和最小值；
3.4)抖动度计算：
Zwicker抖动度模型以响度模型为基础，其数学模型为：
Figure FDA0003994575600000052
式中，ΔLE为每个临界频带内的声压变化幅值；fmod是调制频率；f0是调制基频，f0＝4Hz。
5.根据权利要求1所述的一种变速器变转速工况下声品质主客观评价方法，其特征在于：所述的步骤5中信度评价样本是专家大量听音挑选出的声音样本，其中大量听音的数量不少于步骤4听音样本集中听音样本的数量。
6.根据权利要求1所述的一种变速器变转速工况下声品质主客观评价方法，其特征在于：所述的步骤5中听音样本根据对应的变速箱实际转速值，按顺序排列，其排列顺序为：每组第一个样本为对应最高转速段的截取样本，第二个样本为对应最低转速段的截取样本，其他样本按照其对应转速段从大到小或者从小到大的顺序排列，两个听音样本之间有5s空白区，为评价人员打分时间。
7.根据权利要求1所述的一种变速器变转速工况下声品质主客观评价方法，其特征在于：所述的步骤6中对评价人员分组，每组之间附加不同的组别权重，是指对不同听音水平的评价人员分为专家组、经验组、普通组，且分别赋予不同的组别权重WG。
8.根据权利要求1所述的一种变速器变转速工况下声品质主客观评价方法，其特征在于：所述的步骤9中对评价人员进行听音信度分析，对评价人员的主观评价结果附加信度权重WT，具体步骤如下：
9.1)提取出评价人员对2×H个信度评价样本的评分数据，若所有样本都评分一致，则误判率为0，若评分不一致的样本有δ个，且两次评分相差不超过评分区间最大值的10％，则计算出可接受误判率为
Figure FDA0003994575600000061
若评分不一致的样本有b个，且两次评分相差超过评分区间最大值的10％，则计算出不可接受误判率为
Figure FDA0003994575600000062
9.2)根据可接受误判率Py和不可接受误判率Pn形成信度权重WT，计算公式如下：
WT＝1-Pn-λPy
其中λ取值在0-1之间，若不允许可接受误判，则λ＝1；若完全允许可接受误判，则λ＝0。
9.根据权利要求1所述的一种变速器变转速工况下声品质主客观评价方法，其特征在于：所述的步骤10中Spearman相关系数与欧式距离统计分析计算步骤如下：
10.1)计算每俩评价人员之间的Spearman相关系数：
Figure FDA0003994575600000071
式中：d是两行主观评价结果等级之差；r是两行主观评价结果长度；Ri,j表示第i个评价人员的主观评价结果对第j个评价人员主观评价结果的Spearman相关系数；
10.2)取平均相关系数：
Figure FDA0003994575600000072
式中：k为评价人员数；Ri为第i个评价人员相对评审团其他人员的平均相关系数；设定Ri阈值为0.75，若Ri＜0.75，说明该评价人员相对其他评价人员相关性不高，主观听音感受有较大偏差，该评价人员的评分数据予以剔除；
10.3)对剔除后保留的评价人员评分数据求平均值，作为每个样本的平均分值，计算公式如下；
Figure FDA0003994575600000073
式中：k'为剔除后剩余的评价人员数，Vi,a为第i个评价人员对第a个样本的主观评分数值；Va为a个样本所有评价人员的平均分值；
10.4)剩余每个评价人员评分数据Vi,a与Va之间欧式距离统计分析计算方法如下：
Figure FDA0003994575600000074
其中i为评价人员人数；
剔除剩余评价人员对应D(Vi,a,Va)中较大的评分数据，要求Spearman相关系数与欧式距离统计分析剔除人数不超过评价总人数的20％。
10.根据权利要求1所述的一种变速器变转速工况下声品质主客观评价方法，其特征在于：所述的步骤11中建立变速器声品质主客观评价模型具体步骤如下：
11.1)正式听音样本组听音样本的70％作为训练集，用于变速器声品质主客观评价模型训练；30％作为测试集，用于变速器声品质主客观评价模型测试；
11.2)对所有听音样本设定帧长、帧移，其中帧长时间长度区间为(0,1]秒，帧移时间长度区间为(0,1]秒，分帧成f段；
11.3)计算听音样本的每一帧声品质心理声学指标；
11.4)将训练集分帧计算的声品质心理声学指标与步骤10中所述主观评价标签作为变速器声品质主客观评价模型训练的参数；
11.5)变速器声品质主客观评价模型训练，变速器声品质主客观评价模型建立；
所述的步骤11中用支持向量回归的方法进行变速器声品质主客观评价模型拟合，选取RBF核函数，不敏感损失函数取ε＝0.01，采用K-CV(K-fold Cross Validation)交叉验证的方法选择最优的惩罚参数e和核函数参数g，以交叉验证过程中最低均方误差mse为优化目标函数，交叉验证参数v选择为3，mse公式计算如下：
Figure FDA0003994575600000081
式中：v为交叉验证分组数，nl为交叉验证每组个数，yij为样本真实标签，
Figure FDA0003994575600000091
为变速器声品质主客观评价模型预测标签；
采用网格搜寻法，首先进行粗略选择，取以2为底的对数log2e、log2g，取值范围分别为[-8,8]、[-8,8]，惩罚参数e和核函数参数g的步进大小均为1；根据粗略选择结果再进行精细选择，继续取以2为底的对数log2e、log2g，取值范围分别为[-4,4]、[-4,4]，惩罚参数e和核函数参数g的步进大小均为0.1。
11.根据权利要求1所述的一种变速器变转速工况下声品质主客观评价方法，其特征在于：所述的步骤12中Pearson相关系数ρ的计算公式如下：
Figure FDA0003994575600000092
式中：y为测试集主观评价标签，
Figure FDA0003994575600000093
为变速器声品质主客观评价模型对测试集主观评价标签预测值，
Figure FDA0003994575600000094
为y与
Figure FDA0003994575600000095
之间的协方差，σy为y的均方差，μy为y的均值，Eλ表示数学期望；
平均绝对误差MAE小于评分区间最大值Lmax的10％，MAE计算公式如下：
Figure FDA0003994575600000096
式中：
Figure FDA0003994575600000097
是第i个听音样本的预测值，yi是主观评价标签，nsamples是听音样本总数；
误差百分比Wmae计算公式如下：
Figure FDA0003994575600000098
式中：
Figure FDA0003994575600000101
为测试集主观评价标签的预测值与主观评价标签之间的平均绝对误差，Lmax为评分区间最大值。
CN202110609285.9A 2021-06-01 2021-06-01 一种变速器变转速工况下声品质主客观评价方法 Active CN113343384B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110609285.9A CN113343384B (zh) 2021-06-01 2021-06-01 一种变速器变转速工况下声品质主客观评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110609285.9A CN113343384B (zh) 2021-06-01 2021-06-01 一种变速器变转速工况下声品质主客观评价方法

Publications (2)

Publication Number Publication Date
CN113343384A CN113343384A (zh) 2021-09-03
CN113343384B true CN113343384B (zh) 2023-04-07

Family

ID=77472763

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110609285.9A Active CN113343384B (zh) 2021-06-01 2021-06-01 一种变速器变转速工况下声品质主客观评价方法

Country Status (1)

Country Link
CN (1) CN113343384B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115406670A (zh) * 2022-08-16 2022-11-29 中国第一汽车股份有限公司 车辆性能的测试方法、装置、电子设备以及一种车辆
CN116434372B (zh) * 2023-06-12 2023-08-18 昆明理工大学 用于变工况设备的智能化数据采集***、工况识别***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109668626A (zh) * 2018-12-25 2019-04-23 东莞材料基因高等理工研究院 一种基于人机交互界面的噪声声品质评价方法
CN112215469A (zh) * 2020-09-15 2021-01-12 中国第一汽车股份有限公司 一种汽车按键类开关声音设计方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103471709A (zh) * 2013-09-17 2013-12-25 吉林大学 乘用车车内噪声声品质预测方法
US10249293B1 (en) * 2018-06-11 2019-04-02 Capital One Services, Llc Listening devices for obtaining metrics from ambient noise
CN110737970A (zh) * 2019-09-24 2020-01-31 天津大学 一种发动机加速声品质评价方法
CN112790756A (zh) * 2020-10-28 2021-05-14 北京银河方圆科技有限公司 任务态功能磁共振扫描数据去噪方法、装置、设备及介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109668626A (zh) * 2018-12-25 2019-04-23 东莞材料基因高等理工研究院 一种基于人机交互界面的噪声声品质评价方法
CN112215469A (zh) * 2020-09-15 2021-01-12 中国第一汽车股份有限公司 一种汽车按键类开关声音设计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于相关分析的车内声品质偏好性评价模型;梁杰等;《吉林大学学报(工学版)》;20090915;全文 *

Also Published As

Publication number Publication date
CN113343384A (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
CN113343384B (zh) 一种变速器变转速工况下声品质主客观评价方法
CN106933146B (zh) 电动轿车行人警示音控制方法
Phatak et al. Consonant confusions in white noise
CN101672690A (zh) 基于听觉模型的车内噪声烦躁度客观量化评价方法
Wang et al. Roughness modelling based on human auditory perception for sound quality evaluation of vehicle interior noise
CN111064327B (zh) 一种基于声品质的驱动电机优化方法及***
CN110261101B (zh) 基于正交-成对比较试验与svr的啸叫定量评价方法
CN103471709A (zh) 乘用车车内噪声声品质预测方法
Kwon et al. Model of psychoacoustic sportiness for vehicle interior sound: Excluding loudness
Park et al. A comparative study on subjective feeling of engine acceleration sound by automobile types
CN111982274B (zh) 一种基于声品质贡献系数的电机噪声源识别方法及***
Hilkhuysen et al. Effects of noise suppression on intelligibility: Dependency on signal-to-noise ratios
CN108827452B (zh) 一种永磁同步轮毂电机的噪声评价方法
CN108694935B (zh) 新能源车及其主动降噪方法、***
Lemaitre et al. A psychoacoustical study of wind buffeting noise
KR101314043B1 (ko) 차량의 액슬 기어 소음의 음질평가 방법 및 장치
CN112131662A (zh) 一种乘用车风噪主观评价客观量化方法
CN115577325A (zh) 一种电驱动总成声品质评价及限值确定方法
Park et al. Evaluation index for sporty engine sound reflecting evaluators’ tastes, developed using K-means cluster analysis
CN116933620A (zh) 一种噪声品质评价及模型搭建方法
CN106725289B (zh) 一种基于瞳孔直径的车辆声品质评价方法
KR100925828B1 (ko) 차량 음향의 음질에 대한 정량적 도출방법 및 그 장치
Samardzic et al. In-vehicle application of common speech intelligibility metrics
Rimskaya-Korsakova et al. Evaluations of the annoyance effects of noise
CN115683318A (zh) 一种驱动电机***声品质评价及限值确定方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant