【摘要】：對(duì)勻速工況下車內(nèi)噪聲信號(hào)分別進(jìn)行主觀評(píng)價(jià)與客觀參量計(jì)算,并對(duì)主、客觀評(píng)價(jià)結(jié)果進(jìn)行了相關(guān)分析。在此基礎(chǔ)上,基于Adaboost算法并結(jié)合BP神經(jīng)網(wǎng)絡(luò)、極限學(xué)習(xí)機(jī)(ELM)和支持向量機(jī)(SVM)建立了聲品質(zhì)預(yù)測模型,并將其預(yù)測結(jié)果與經(jīng)過遺傳算法(GA)參數(shù)優(yōu)化后的GA-BP,GA-ELM和GA-SVM預(yù)測模型進(jìn)行了對(duì)比。結(jié)果表明:基于Adaboost算法的車內(nèi)噪聲聲品質(zhì)預(yù)測模型效果最優(yōu),提升了聲品質(zhì)預(yù)測的準(zhǔn)確度。
【圖文】：

對(duì)聲品質(zhì)預(yù)測具有重要意義。本文中對(duì)車內(nèi)噪聲聲品質(zhì)進(jìn)行了主、客觀評(píng)價(jià)，并通過相關(guān)分析找出影響主觀評(píng)價(jià)的主要心理聲學(xué)參數(shù)。在此基礎(chǔ)上，引入Adaboost算法的概念，結(jié)合BP神經(jīng)網(wǎng)絡(luò)、極限學(xué)習(xí)機(jī)(ELM)與支持向量機(jī)構(gòu)建了車內(nèi)噪聲品質(zhì)預(yù)測模型，并將其與經(jīng)過參數(shù)優(yōu)化的上述各單一近似模型進(jìn)行對(duì)比分析，結(jié)果表明，基于Adaboost算法的預(yù)測模型效果最佳。1車內(nèi)噪聲樣本采集與處理為獲取準(zhǔn)確的車內(nèi)噪聲信號(hào)，試驗(yàn)參考了GB/T18697—2002標(biāo)準(zhǔn)，采用LMS-SCM-05噪聲采集儀和G.Ｒ.A.S.46AE傳聲器采集駕駛員右耳噪聲信號(hào)，如圖1所示。噪聲信號(hào)采集試驗(yàn)中，記錄了6款不同車型的A級(jí)轎車在平直的柏油馬路上以不同擋位和車速勻速行駛時(shí)的若干組車內(nèi)噪聲信號(hào)。圖1駕駛員右耳噪聲信號(hào)采集示意圖由于噪聲樣本過多會(huì)導(dǎo)致后期的主觀評(píng)價(jià)耗時(shí)劇增且影響評(píng)價(jià)準(zhǔn)確率，而樣本過少則會(huì)導(dǎo)致分析結(jié)果失去統(tǒng)計(jì)意義，因此這里選取常用擋位和常用發(fā)動(dòng)機(jī)轉(zhuǎn)速下的30組典型噪聲信號(hào)作為分析樣本，并通過CoolEdit軟件分別將其截?cái)喑砷L度為6s的噪聲樣本。2主、客觀評(píng)價(jià)與相關(guān)分析2.1主觀評(píng)價(jià)常用的聲品質(zhì)主觀評(píng)分方法有等級(jí)評(píng)分法、成對(duì)比較法、錨定評(píng)分法等［8］，這里選取等級(jí)評(píng)分法進(jìn)行車內(nèi)噪聲評(píng)分，該方法的關(guān)鍵在于評(píng)分刻度的確定。根據(jù)經(jīng)驗(yàn)選取國際上通用的10刻度等級(jí)評(píng)分法進(jìn)行主觀評(píng)價(jià)，其中評(píng)分越高表示越煩躁。主觀評(píng)審團(tuán)由22名聽力正常的主觀評(píng)價(jià)人員組成，其中男性17名，女性5名，年齡為20～40歲。對(duì)每個(gè)噪聲樣本的全部主觀評(píng)分取平均值作為該樣本的最終聲品質(zhì)得分，并計(jì)算其對(duì)應(yīng)的主觀評(píng)價(jià)誤差棒［9］(errorbar)，如圖2所示。由評(píng)價(jià)結(jié)果可知，評(píng)審人員的主觀評(píng)分較為穩(wěn)定，其Kendall協(xié)和系數(shù)達(dá)到0.812，因此，該主觀評(píng)價(jià)試驗(yàn)有效，可

囟銑沙ざ任?s的噪聲樣本。2主、客觀評(píng)價(jià)與相關(guān)分析2.1主觀評(píng)價(jià)常用的聲品質(zhì)主觀評(píng)分方法有等級(jí)評(píng)分法、成對(duì)比較法、錨定評(píng)分法等［8］，這里選取等級(jí)評(píng)分法進(jìn)行車內(nèi)噪聲評(píng)分，該方法的關(guān)鍵在于評(píng)分刻度的確定。根據(jù)經(jīng)驗(yàn)選取國際上通用的10刻度等級(jí)評(píng)分法進(jìn)行主觀評(píng)價(jià)，其中評(píng)分越高表示越煩躁。主觀評(píng)審團(tuán)由22名聽力正常的主觀評(píng)價(jià)人員組成，，其中男性17名，女性5名，年齡為20～40歲。對(duì)每個(gè)噪聲樣本的全部主觀評(píng)分取平均值作為該樣本的最終聲品質(zhì)得分，并計(jì)算其對(duì)應(yīng)的主觀評(píng)價(jià)誤差棒［9］(errorbar)，如圖2所示。由評(píng)價(jià)結(jié)果可知，評(píng)審人員的主觀評(píng)分較為穩(wěn)定，其Kendall協(xié)和系數(shù)達(dá)到0.812，因此，該主觀評(píng)價(jià)試驗(yàn)有效，可作為后續(xù)分析的基矗圖2主觀評(píng)分匯總2.2客觀參數(shù)計(jì)算心理聲學(xué)參數(shù)能較好地描述人對(duì)聲音的主觀感受，這里選取響度、尖銳度、粗糙度、抖動(dòng)度、語音清晰度、語音干擾度和A計(jì)權(quán)聲壓級(jí)作為客觀評(píng)價(jià)指標(biāo)，通過LMSTest.lab13A軟件對(duì)整車路試篩選出的30個(gè)噪聲信號(hào)樣本進(jìn)行聲品質(zhì)客觀參數(shù)計(jì)算，結(jié)果如表1所示。2.3相關(guān)分析為了研究主、客觀評(píng)價(jià)之間的關(guān)系，對(duì)等級(jí)評(píng)分法得到的主觀評(píng)分與客觀評(píng)價(jià)指標(biāo)進(jìn)行相關(guān)分析。利用Matlab2014a軟件對(duì)主、客觀參量分別計(jì)算pearson相關(guān)系數(shù)，結(jié)果如表2所示。為了更加直觀地反映其相關(guān)關(guān)系，繪出對(duì)應(yīng)的相關(guān)散點(diǎn)圖，如圖3所示。分析表2與圖3可知，響度、尖銳度與主觀評(píng)價(jià)的相關(guān)性相對(duì)最高，相關(guān)系數(shù)分別為0.8442和0.8136。粗糙度、語音清晰度、語音干擾度、A計(jì)權(quán)聲壓級(jí)與主觀評(píng)價(jià)的相關(guān)系數(shù)絕對(duì)值相對(duì)較低，但都高于0.7，表明其與主觀評(píng)價(jià)具有較強(qiáng)的相關(guān)性，其中語音干擾度與主觀評(píng)價(jià)呈負(fù)相關(guān)。抖動(dòng)度與主觀評(píng)價(jià)的相關(guān)系數(shù)只有0.1883，幾乎沒有相關(guān)性，
【作者單位】： 西南交通大學(xué)機(jī)械工程學(xué)院;
【基金】：國家自然科學(xué)基金(51475387) 四川省教育廳自然科學(xué)重點(diǎn)項(xiàng)目(16ZA0010)資助
【分類號(hào)】：U467.493

【相似文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前4條

1 韋洪喜;司機(jī)防疲勞駕駛系統(tǒng)研究[D];安徽理工大學(xué);2016年

2 張旭東;基于Adaboost和主動(dòng)性狀模型相結(jié)合的駕駛員疲勞檢測算法研究[D];河北工業(yè)大學(xué);2015年

3 邵佳;基于眼部特征的疲勞駕駛實(shí)時(shí)檢測算法研究[D];湖南大學(xué);2013年

4 姚瑤;基于視覺的疲勞駕駛預(yù)警系統(tǒng)[D];合肥工業(yè)大學(xué);2015年

本文編號(hào)：2519569