现代汽车振动与噪声分析技术课件第9章.pptx
汽车振动与噪声分析技术,第9章 汽车声品质主观评价试验技术靳 畅,9.1 声音的测量,声品质问题不能光靠心理声学参数的客观评价来解决，主观评价的结果才是对声品质的真实反映。,9.1.1 双耳效应,为了和人的双耳听觉特性相适应，真实地再现原始声场听音环境，在进行主观评价的声信号采集时，应尽可能地考虑双耳特性,9.1 声音的测量,考虑了双耳效应以及头部、肩部等形状对声波产生滤波效应的声音采集设备。,9.1.2 声学人工头,人工头测量具有双耳效应，能够体现出声源移动带来的声压变化,9.2 声样本的等响度预处理,如果某个特征属性特别突出，那么该特征会对对其他特征起到掩蔽作用，其中响度对于声音的评价结果具有非常强的主导作用，可能影响弱化对声音品质其它因素的感知，为确定响度是否对主观感受占主导作用，需要主观评价前进行预评价试验,9.3 声品质的主观评价方法,主观评价方法是通过评价试验用统计分析的方法将模糊的主观感受量化或者具体化。常用的主观评价方法有：排序法、等级评分法、成对比较法、分组成对比较法和语义细分法等。,9.3 声品质的主观评价方法,评价人员用一客观分值来表达自己对声音的听觉感受。简便快捷，可以直接获得评分结果。,9.3.1 排序法,最为简便的主观评价方法之一。缺点是：评价没有一个相对的衡量标准,9.3.2 等级评分法,9.3 声品质的主观评价方法,适合那些无经验听者实验设计与分析相对简单，其缺点是当样本较多时，比较的次数较多，容易引起评价者的疲劳。,9.3.3 成对比较法,评价过程中声音样本被成对播放，评价者听后做出相关的比较评价打分,9.3.4 分组成对比较法,将多个声样本按评价次数和所需时间分成合理的n个小组，每小组之间设立关联样本,9.3 声品质的主观评价方法,(1) 所选择的词汇项目与要评价的内容的相关性；(2) 反义词的存在与否；(3) 词汇项目是否能正确反映各种不同的噪声特征；(4) 所选择的词汇与评价的噪声特征是否有足够高的灵敏度。,9.3.5 语义细分法,运用一些形容词对声样本进行主观评价，这些形容词往往是一对意义相反的形容词,多维度的属性进行评价,9.3 声品质的主观评价方法,9.3.6 常用主观评价方法比较,9.4 声品质主观评价数据处理,9.4.1 主观评价结果的误判分析及可靠性检验,对评价数据进行误差、可信度等检验，剔除评价结果中偏离较大的数据,1相同声样本误判2逆序误判3三角循环误判4可靠性检验,（1）评价结果的一致性系数要在0.70.8 以上，结果的可靠性才比较高（2）约10%20%人员的评价结果应予以剔除。,9.4 声品质主观评价数据处理,9.4.2 评价数据的统计分析,1排序法统计,通过排序的分值来反映某一声事件在评价中的排位,9.4 声品质主观评价数据处理,9.4.2 评价数据的统计分析,2Bradley-Terry法统计,广泛的用于对比性评价结果的数据分析,9.4 声品质主观评价数据处理,9.4.2 评价数据的统计分析,3几何平均法与百分刻度变换法,几何平均法是将所有评价者对某一声音样本的评价分值的几何平均数作为该声音样本的最终评分。百分刻度变换法是先将各评价者的评价分值转化为百分制，即令某一评价者对所有声音样本评分的最大值为100%，最小值为0%，中间值按照比例分布于0100%之间。,9.5 声品质的预测建模,9.5.1多元线性回归模型,寻找主观评价结果对心理声学客观参数的某种依赖关系，建立起主客观之间的数学模型，以便通过客观参数来描述或预测主观感受,处理多个变量间相互依赖关系的一种有效数理统计方法,为了减小回归模型的复杂度，确定最显著的自变量，在建立回归模型之前要对所有可能的自变量进行筛选,9.5 声品质的预测建模,9.5.1多元线性回归模型,1聚类分析,认为被研究的变量之间存在着程度不同的相似性，根据一批样本的多个观测指标，具体找出一些能够度量样本或变量之间相似程度的统计量，以这些统计量为划分类型的依据，把一些相似程度较大的样本（或变量）聚合为一类,（1）最短距离法（2）最长距离法（3）重心聚类法（4）离差平方和法（5）组间连接法,以某车内噪声主观“烦恼度”为例，对声样本的11个客观参数进行聚类分析，分析各参数之间的相似程度（亲疏关系），采用最远距离法进行分层聚类,9.5 声品质的预测建模,9.5.1多元线性回归模型,2因子分析,将一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。,9.5 声品质的预测建模,9.5.1多元线性回归模型,3相关性分析,研究变量间线性关系的强弱程度和方向,9.5 声品质的预测建模,9.5.1多元线性回归模型,4多元回归模型的建立,根据对自变量的选择方式可有多种回归方法，主要有全部选择法、向前选择法、向后剔除法和逐步法。,向前选择法、向后剔除法和逐步法具有筛选自变量的功能，可结合聚类分析、因子分析和相关性分析一起应用。,9.5 声品质的预测建模,9.5.2 人工神经网络模型,自变量与因变量具有复杂非线性关系的情况，采用人工神经网络建立模型有着独特的优势。,训练集。初始化后各神经元节点的权值和阈值为随机值，采用训练集的数据可以对其进行调整，一半用于训练集的数据在50%以上。测试集。在训练集将网络训练好后，将测试集的数据代入，检验网络预测的准确度。验证集。主要作用是防止网络的过拟合现象。,1人工神经网络基本原理,9.5 声品质的预测建模,9.5.2 人工神经网络模型,2声品质的神经网络预测模型,
