摘要：为准确、高效地评价汽车关门声声品质,以乘用车关门声为研究对象,采用成对比较法进行主观评价试验,并提取心理声学客观参量,完成主、客观参量间的相关性分析.以相关性强的客观参量为输入,主观偏好性值为输出,建立基于支持向量回归(Support Vector Regression,SVR)的乘用车关门声声品质预测模型,并运用遗传算法(Genetic Algorithm,GA)对该模型的性能参数进行优化.选取关门声品质表现差的样车进行声品质改进,并应用该模型对改进后关门声声品质进行预测,试验结果表明:在各个速度工况下,改进后的样车关门声声品质预测值与试验值之间的误差均在3%以内,该模型适用于乘用车关门声声品质预测,能够有效提高乘用车关门声声品质预测精度和评价效率.

摘要：从多元统计分析方法与机器学习理论出发,建立一种基于多元统计分析-支持向量回归(Multivariate statistical analysis-support vector regression,MSA-SVR)的汽车关门声品质主观偏好值预测模型。以采集的14辆乘用车关门声样本为对象,运用成对比较法试验得出其主观偏好值,通过因子分析、聚类分析及相关性分析等多元统计方法对各客观参量间及主客观参量间的相关关系进行分析,得到其主要客观参数为响度、尖锐度以及A计权声压级;然后通过支持向量回归方法构建主观偏好值预测模型。结果显示,基于MSA-SVR方法的模型预测值均方误差更小,与偏好性试验的相关性更高,表明其预测能力更优,验证了MSA-SVR方法对汽车关门声品质预测的可行性和高效性。

摘要：针对汽车关门声信号的非稳态特性,采用小波包时频分析方法,建立以频带声能量为输入、主观偏好值为输出的汽车关门声声品质客观量化模型。采集汽车关门声声样本并进行声品质主观偏好性评价试验,建立基于24Bark域的小波包滤波器组,提取各听觉频带内的声能量,利用遗传算法优化的BP(back propagation)神经网络建立频带声能量与主观偏好值之间的客观量化模型。结果表明:与基于心理声学客观参数的关门声声品质评价模型相比,基于频带声能量的关门声声品质评价模型在误差绝对值均值、均方误差、拟合系数方面均有明显提高,说明基于频带声能量的关门声声品质评价模型的预测精度更高。