現(xiàn)代汽車振動與噪聲分析技術課件第9章

1、汽車振動與噪聲分析技術第9章 汽車聲品質主觀評價試驗技術靳 暢汽車振動與噪聲分析技術第9章 汽車聲品質主觀評價試驗技術9.1 聲音的測量聲品質問題不能光靠心理聲學參數(shù)的客觀評價來解決，主觀評價的結果才是對聲品質的真實反映。9.1.1 雙耳效應為了和人的雙耳聽覺特性相適應，真實地再現(xiàn)原始聲場聽音環(huán)境，在進行主觀評價的聲信號采集時，應盡可能地考慮雙耳特性9.1 聲音的測量聲品質問題不能光靠心理聲學參數(shù)的客觀評價來9.1 聲音的測量考慮了雙耳效應以及頭部、肩部等形狀對聲波產生濾波效應的聲音采集設備。9.1.2 聲學人工頭人工頭測量具有雙耳效應，能夠體現(xiàn)出聲源移動帶來的聲壓變化9.1 聲音的測量考慮了

2、雙耳效應以及頭部、肩部等形狀對聲波產9.2 聲樣本的等響度預處理如果某個特征屬性特別突出，那么該特征會對對其他特征起到掩蔽作用，其中響度對于聲音的評價結果具有非常強的主導作用，可能影響弱化對聲音品質其它因素的感知，為確定響度是否對主觀感受占主導作用，需要主觀評價前進行預評價試驗聲樣本編號原始響度值/sone等響處理后響度值/sone121.70 22.30 22.00 20.70 21.20 20.95225.80 27.40 26.60 20.30 21.60 20.95333.70 33.40 33.55 21.00 20.90 20.95442.60 38.90 40.75 21.90

3、20.00 20.95532.50 34.90 33.70 20.30 21.60 20.95637.80 37.70 37.75 21.00 20.90 20.95742.10 38.80 40.45 21.90 20.00 20.95820.60 21.30 20.95 20.60 21.30 20.959.2 聲樣本的等響度預處理如果某個特征屬性特別突出，那么該9.3 聲品質的主觀評價方法主觀評價方法是通過評價試驗用統(tǒng)計分析的方法將模糊的主觀感受量化或者具體化。常用的主觀評價方法有：排序法、等級評分法、成對比較法、分組成對比較法和語義細分法等。9.3 聲品質的主觀評價方法主觀評價方法是通

4、過評價試驗用統(tǒng)計9.3 聲品質的主觀評價方法評價人員用一客觀分值來表達自己對聲音的聽覺感受。簡便快捷，可以直接獲得評分結果。9.3.1 排序法最為簡便的主觀評價方法之一。缺點是：評價沒有一個相對的衡量標準9.3.2 等級評分法第一層等級形容詞形容詞說明第二層等級1一點不煩躁經(jīng)驗豐富評價者能注意到123有一點煩躁一般乘客都能注意到345令人煩躁乘客收到一定的干擾567比較煩躁乘客抱怨糟糕789非常煩躁無法承受9109.3 聲品質的主觀評價方法評價人員用一客觀分值來表達自己對9.3 聲品質的主觀評價方法適合那些無經(jīng)驗聽者實驗設計與分析相對簡單，其缺點是當樣本較多時，比較的次數(shù)較多，容易引起評價者的

5、疲勞。9.3.3 成對比較法評價過程中聲音樣本被成對播放，評價者聽后做出相關的比較評價打分評價結果樣本A得分A好于B1A與B差不多0B好于A-19.3.4 分組成對比較法將多個聲樣本按評價次數(shù)和所需時間分成合理的n個小組，每小組之間設立關聯(lián)樣本9.3 聲品質的主觀評價方法適合那些無經(jīng)驗聽者9.3.3 成9.3 聲品質的主觀評價方法(1) 所選擇的詞匯項目與要評價的內容的相關性；(2) 反義詞的存在與否；(3) 詞匯項目是否能正確反映各種不同的噪聲特征；(4) 所選擇的詞匯與評價的噪聲特征是否有足夠高的靈敏度。9.3.5 語義細分法運用一些形容詞對聲樣本進行主觀評價，這些形容詞往往是一對意義相反

6、的形容詞多維度的屬性進行評價程度描述詞異常很比較一樣比較不很不毫不賦值76543219.3 聲品質的主觀評價方法(1) 所選擇的詞匯項目與要評價9.3 聲品質的主觀評價方法9.3.6 常用主觀評價方法比較評價方法評價類型評價時間*評級精度評價難易結果應用性特點排序法絕對值J = RN-困難（取決于樣本相似程度以及所評價的特征）絕對評價，可直接應用不適于細微差別樣本等級評分法絕對值J = RN-困難（取決于樣本相似程度以及所評價的特征）絕對評價，可直接應用不適于細微差別樣本成對比較法相對值J = RN2*J = R（N、n）2*n *+易行難于確定閾值，適于閾值受控情況尤其適于細微差別樣本分組成

7、對比較法語義細分法絕對值或相對值J = RNJ = RN2+多種特性組合解析相關特性維度基礎調研開銷大注:J-評價次數(shù)；R-重復次數(shù)；N-樣本數(shù)量；*-完整的成對比較9.3 聲品質的主觀評價方法9.3.6 常用主觀評價方法比較9.4 聲品質主觀評價數(shù)據(jù)處理9.4.1 主觀評價結果的誤判分析及可靠性檢驗對評價數(shù)據(jù)進行誤差、可信度等檢驗，剔除評價結果中偏離較大的數(shù)據(jù)1相同聲樣本誤判2逆序誤判3三角循環(huán)誤判4可靠性檢驗（1）評價結果的一致性系數(shù)要在0.70.8 以上，結果的可靠性才比較高（2）約10%20%人員的評價結果應予以剔除。9.4 聲品質主觀評價數(shù)據(jù)處理9.4.1 主觀評價結果的誤判9.4

8、聲品質主觀評價數(shù)據(jù)處理9.4.2 評價數(shù)據(jù)的統(tǒng)計分析1排序法統(tǒng)計通過排序的分值來反映某一聲事件在評價中的排位 評價人聲樣本12345678910111213平均值#100000000000000#222324322234342.77#466566634646655.31#532443326222222.85#668688658888777.159.4 聲品質主觀評價數(shù)據(jù)處理9.4.2 評價數(shù)據(jù)的統(tǒng)計分析9.4 聲品質主觀評價數(shù)據(jù)處理9.4.2 評價數(shù)據(jù)的統(tǒng)計分析2Bradley-Terry法統(tǒng)計廣泛的用于對比性評價結果的數(shù)據(jù)分析煩惱度聲樣本編號#1#2#3#4#5#1*0.070.040.04

9、 0.04 #20.93*0.150.50 0.09 #30.960.85 *0.76 0.10 #40.960.50 0.24 *0.10 #50.960.91 0.90 0.90 *9.4 聲品質主觀評價數(shù)據(jù)處理9.4.2 評價數(shù)據(jù)的統(tǒng)計分析9.4 聲品質主觀評價數(shù)據(jù)處理9.4.2 評價數(shù)據(jù)的統(tǒng)計分析3幾何平均法與百分刻度變換法幾何平均法是將所有評價者對某一聲音樣本的評價分值的幾何平均數(shù)作為該聲音樣本的最終評分。百分刻度變換法是先將各評價者的評價分值轉化為百分制，即令某一評價者對所有聲音樣本評分的最大值為100%，最小值為0%，中間值按照比例分布于0100%之間。9.4 聲品質主觀評價數(shù)據(jù)

10、處理9.4.2 評價數(shù)據(jù)的統(tǒng)計分析9.5 聲品質的預測建模9.5.1多元線性回歸模型尋找主觀評價結果對心理聲學客觀參數(shù)的某種依賴關系，建立起主客觀之間的數(shù)學模型，以便通過客觀參數(shù)來描述或預測主觀感受處理多個變量間相互依賴關系的一種有效數(shù)理統(tǒng)計方法為了減小回歸模型的復雜度，確定最顯著的自變量，在建立回歸模型之前要對所有可能的自變量進行篩選9.5 聲品質的預測建模9.5.1多元線性回歸模型尋找主觀評9.5 聲品質的預測建模9.5.1多元線性回歸模型1聚類分析認為被研究的變量之間存在著程度不同的相似性，根據(jù)一批樣本的多個觀測指標，具體找出一些能夠度量樣本或變量之間相似程度的統(tǒng)計量，以這些統(tǒng)計量為劃分

11、類型的依據(jù)，把一些相似程度較大的樣本（或變量）聚合為一類（1）最短距離法（2）最長距離法（3）重心聚類法（4）離差平方和法（5）組間連接法以某車內噪聲主觀“煩惱度”為例，對聲樣本的11個客觀參數(shù)進行聚類分析，分析各參數(shù)之間的相似程度（親疏關系），采用最遠距離法進行分層聚類9.5 聲品質的預測建模9.5.1多元線性回歸模型1聚類分9.5 聲品質的預測建模9.5.1多元線性回歸模型2因子分析將一些具有錯綜復雜關系的變量歸結為少數(shù)幾個綜合因子的一種多變量統(tǒng)計分析方法。Total Variance Explained（總方差分解）Component（主分量序號）Initial Eigenvalues（

12、相關矩陣特征值）Extraction Sums of Squared Loadings（因子提取結果）Rotation Sums of Squared Loadings（旋轉后因子提取結果）Total（特征值）% of VarianceCumulative %Total（特征值）% of VarianceCumulative %Total（特征值）% of VarianceCumulative %17,61069,18169,1817,61069,18169,1815,34048,55048,55021,94017,63386,8141,94017,63386,8144,20938,26486

13、,8143,7356,68293,4964,3252,95196,4465,1851,68098,1266,1111,00899,1347,054,49299,6268,025,22599,8519,010,09399,94410,005,04399,98711,001,013100,000% of Variance-各成分所解釋的方差占總方差的百分比Cumulative %-自上至下各因子方差占總方差百分比的累積9.5 聲品質的預測建模9.5.1多元線性回歸模型2因子分9.5 聲品質的預測建模9.5.1多元線性回歸模型3相關性分析研究變量間線性關系的強弱程度和方向9.5 聲品質的預測建模9.5.1多元線性回歸模型3相關性9.5 聲品質的預測建模9.5.1多元線性回歸模型4多元回歸模型的建立根據(jù)對自變量的選擇方式可有多種回歸方法，主要有全部選擇法、向前選擇法、向后剔除法和逐步法。向前選擇法、向后剔除法和逐步法具有篩選自變量的功能，可結合聚類分析、因子分析和相關性分析一起應用。9.5 聲品質的預測建模9.5.1多元線性回歸模型4多元回9.5 聲品質的預測建模9.5.2 人工神經(jīng)網(wǎng)絡模型自變量與因變量具有復雜非線性關系的情況，采用人工神經(jīng)網(wǎng)絡建立模型有著獨特的優(yōu)勢。訓練集。初始化