馮天培 孫躍東 王巖松 周 萍 郭 輝 劉寧寧

1.上海理工大學(xué)機(jī)械工程學(xué)院, 上海, 2000932.上海工程技術(shù)大學(xué)汽車工程學(xué)院, 上海, 201620

基于掩蔽效應(yīng)的汽車非平穩(wěn)車內(nèi)噪聲煩惱度評(píng)價(jià)方法

馮天培1孫躍東1王巖松2周 萍1郭 輝2劉寧寧2

1.上海理工大學(xué)機(jī)械工程學(xué)院, 上海, 2000932.上海工程技術(shù)大學(xué)汽車工程學(xué)院, 上海, 201620

基于采集的汽車加速與勻速運(yùn)動(dòng)時(shí)車內(nèi)的噪聲，利用參考語義細(xì)分法進(jìn)行噪聲煩惱度主觀評(píng)價(jià)試驗(yàn)?？紤]掩蔽效應(yīng),依據(jù)聽音評(píng)價(jià)問卷調(diào)查結(jié)果，計(jì)算加速噪聲后半時(shí)段和勻速噪聲的時(shí)變心理聲學(xué)參量平均值，利用支持向量機(jī)創(chuàng)建參量平均值與煩惱度主觀評(píng)價(jià)值間的回歸數(shù)學(xué)模型，建立基于掩蔽效應(yīng)的非平穩(wěn)車內(nèi)噪聲煩惱度評(píng)價(jià)方法。同時(shí)計(jì)算全部噪聲樣本的時(shí)變心理聲學(xué)參量平均值并建立基于心理聲學(xué)參量的煩惱度評(píng)價(jià)方法。留一法與十折交叉法檢驗(yàn)結(jié)果表明，兩種評(píng)價(jià)方法對(duì)非平穩(wěn)車內(nèi)噪聲煩惱度的預(yù)測(cè)精確有效，而基于掩蔽效應(yīng)的煩惱度評(píng)價(jià)方法預(yù)測(cè)結(jié)果更加精確、穩(wěn)定性更高；在加速噪聲煩惱度的預(yù)測(cè)方面，基于掩蔽效應(yīng)的煩惱度評(píng)價(jià)方法具有更好的預(yù)測(cè)性能。

掩蔽效應(yīng)；非平穩(wěn)車內(nèi)噪聲；煩惱度；心理聲學(xué)參量；支持向量機(jī)

0 引言

車輛聲品質(zhì)影響車內(nèi)乘員的乘坐舒適性，是購買汽車產(chǎn)品的主要考慮因素之一。聲品質(zhì)評(píng)價(jià)包括主觀評(píng)價(jià)與客觀量化[1]，在車輛聲品質(zhì)主觀評(píng)價(jià)研究中，一般結(jié)合等級(jí)評(píng)分法、語義細(xì)分法等評(píng)價(jià)方法，采用組織評(píng)審團(tuán)聽音評(píng)價(jià)的方式進(jìn)行[2]。實(shí)際的車輛聲品質(zhì)工程中，主觀評(píng)價(jià)較少直接用于新產(chǎn)品的聲品質(zhì)評(píng)價(jià)，多用于驗(yàn)證新提出的客觀量化方法?；诼暺焚|(zhì)主觀評(píng)價(jià)數(shù)據(jù)與聲學(xué)參量如A計(jì)權(quán)聲壓級(jí)、響度、尖銳度、粗糙度，利用多元線性回歸、人工神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)等模式識(shí)別技術(shù)建立符合人耳聽覺感知特征且準(zhǔn)確度高、實(shí)用性強(qiáng)的客觀評(píng)價(jià)方法是車輛聲品質(zhì)評(píng)價(jià)的研究重點(diǎn)[3-5]。文獻(xiàn)[6]利用神經(jīng)網(wǎng)絡(luò)建立了汽車非平穩(wěn)車內(nèi)噪聲煩惱度主觀評(píng)價(jià)值與心理聲學(xué)客觀參量間的非線性映射關(guān)系，取得了良好的聲品質(zhì)評(píng)價(jià)效果。文獻(xiàn)[7-9]分別運(yùn)用多元線性回歸、神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)建立車內(nèi)聲品質(zhì)客觀評(píng)價(jià)模型，其研究結(jié)果表明運(yùn)用支持向量機(jī)建立的模型預(yù)測(cè)效果最好，更加準(zhǔn)確地反映出了心理聲學(xué)客觀參量與主觀煩躁度間的非線性關(guān)系。

本文采集汽車加速與勻速運(yùn)動(dòng)時(shí)車內(nèi)噪聲，組織能代表汽車普通購買人群的評(píng)審團(tuán),利用參考語義細(xì)分法進(jìn)行聲品質(zhì)煩惱度主觀評(píng)價(jià)試驗(yàn)。然后運(yùn)用支持向量機(jī)建立聽音評(píng)價(jià)結(jié)果與心理聲學(xué)參量間的回歸模型，構(gòu)建基于心理聲學(xué)參量的煩惱度客觀評(píng)價(jià)方法。考慮人耳聽覺掩蔽效應(yīng)，依據(jù)主觀評(píng)價(jià)試驗(yàn)問卷調(diào)查結(jié)果，計(jì)算勻速噪聲樣本時(shí)變心理聲學(xué)參量平均值、加速噪聲樣本后半時(shí)段的時(shí)變心理聲學(xué)參量平均值，運(yùn)用支持向量機(jī)建立基于掩蔽效應(yīng)的煩惱度評(píng)價(jià)方法。最后利用留一法與十折交叉驗(yàn)證法對(duì)上述兩種煩惱度評(píng)價(jià)方法的預(yù)測(cè)性能進(jìn)行檢驗(yàn)與對(duì)比分析。

1 汽車非平穩(wěn)車內(nèi)噪聲數(shù)據(jù)庫的建立

參考國(guó)家標(biāo)準(zhǔn)GB/T 18697-2002 (聲學(xué)-汽車車內(nèi)噪聲測(cè)量方法)[10]，本文采集汽車勻速與加速工況下車內(nèi)噪聲。試驗(yàn)車輛選擇三輛不同品牌的國(guó)產(chǎn)轎車，分別標(biāo)記為A、B、C車，工況設(shè)為30 km/h、40 km/h、50 km/h、60 km/h、70 km/h、80 km/h、90 km/h、100 km/h勻速行駛及50～90 km/h、90～120 km/h全油門加速行駛，采集車輛前排司機(jī)位、副駕駛位與后排左乘客位雙耳處噪聲，其中勻速噪聲采集時(shí)長(zhǎng)為5 s，采集設(shè)備為丹麥B&K公司的PULSE聲音采集系統(tǒng)。每車均進(jìn)行三次試驗(yàn)，從每個(gè)位置采集的三個(gè)噪聲信號(hào)中選取一個(gè)采集質(zhì)量良好的信號(hào)作為車內(nèi)噪聲樣本，建立本文汽車非平穩(wěn)車內(nèi)噪聲數(shù)據(jù)庫(共90個(gè)噪聲樣本，包括72個(gè)勻速噪聲樣本與18個(gè)加速噪聲樣本)。

2 心理聲學(xué)

心理聲學(xué)包括人耳聽覺感知特性與心理聲學(xué)客觀參量等方面的研究[11]，是進(jìn)行聲品質(zhì)評(píng)價(jià)研究的基礎(chǔ)。車輛噪聲經(jīng)過人耳聽覺系統(tǒng)的處理并通過聽神經(jīng)傳達(dá)至大腦聽覺中樞形成聽覺，經(jīng)過人的性格、偏好、情緒、心理活動(dòng)等主觀因素的綜合處理得出對(duì)噪聲的聲品質(zhì)評(píng)價(jià)，其中聽覺掩蔽特性起到重要作用。

2.1 掩蔽效應(yīng)

掩蔽效應(yīng)是人耳聽覺感知特性之一，指某個(gè)聲音的聞閾值因另一個(gè)聲音的存在而上升的現(xiàn)象[12]，其中前者被稱為被掩蔽音而后者被稱為掩蔽音。時(shí)間是影響掩蔽效應(yīng)的重要參數(shù)，根據(jù)掩蔽音和被掩蔽音是否同時(shí)存在，掩蔽效應(yīng)可分為同時(shí)掩蔽和異時(shí)掩蔽，其中異時(shí)掩蔽指兩個(gè)不同時(shí)存在但間隔較短的聲音之間發(fā)生的掩蔽現(xiàn)象。根據(jù)掩蔽音和被掩蔽音出現(xiàn)的時(shí)序，異時(shí)掩蔽可分為前掩蔽與后掩蔽。前掩蔽指人對(duì)聲音B的感知能力由于另一個(gè)較晚發(fā)生的較強(qiáng)聲音A的存在而降低的現(xiàn)象，如圖1a所示。與前掩蔽相反，后掩蔽效應(yīng)指人對(duì)聲音B的感知能力由于另一個(gè)較早發(fā)生的較強(qiáng)聲音A的存在而降低的現(xiàn)象，如圖1b所示。

(a)前掩蔽效應(yīng) (b)后掩蔽效應(yīng)圖1 異時(shí)掩蔽效應(yīng)時(shí)序圖Fig.1 Non-simultaneous masking effects

2.2 心理聲學(xué)客觀參量

人耳聽覺系統(tǒng)對(duì)不同頻帶聲音的敏感程度不同，對(duì)于低頻聲音特別是100 Hz以下的可聽音較不敏感，而對(duì)高頻聲音特別是1～5 kHz頻帶內(nèi)的聲音比較敏感。為使聲音的客觀度量與主觀聽覺感受取得一致，通過在不同頻段上設(shè)置一定的衰減來模仿人耳聽覺特性的計(jì)權(quán)網(wǎng)絡(luò)聲壓級(jí)的概念被提出，用來表征聲音對(duì)人的主觀聽覺影響程度。計(jì)權(quán)聲壓級(jí)共有A、B、C、D四類，其中A聲級(jí)最常用，被廣泛作為衡量產(chǎn)品噪聲對(duì)用戶健康和主觀聽覺感受干擾程度的標(biāo)準(zhǔn)。隨著研究的進(jìn)一步發(fā)展，沒有考慮掩蔽效應(yīng)的A計(jì)權(quán)聲壓級(jí)不能完全表明噪聲的聲品質(zhì)特性[13]。心理聲學(xué)客觀參量的研究較全面地考慮了人耳聽覺感知特征等人類聽覺主觀與客觀因素，被越來越多地應(yīng)用于車輛聲品質(zhì)評(píng)價(jià)中，常用的有響度、尖銳度、粗糙度、抖動(dòng)度、音調(diào)度、語音清晰度與感覺愉悅度。

A計(jì)權(quán)聲壓級(jí)、響度、尖銳度與粗糙度常用于建立非平穩(wěn)車輛聲品質(zhì)客觀評(píng)價(jià)模型[6,14-16]，取得了良好的評(píng)價(jià)效果，其中響度與A計(jì)權(quán)聲壓級(jí)對(duì)煩惱度的影響權(quán)重較大。本文運(yùn)用B&K公司的Sound Quality軟件計(jì)算車內(nèi)噪聲數(shù)據(jù)庫內(nèi)噪聲樣本的A聲級(jí)、響度、尖銳度與粗糙度時(shí)變值，時(shí)間間隔設(shè)為50 ms，A車車內(nèi)80 km/h勻速噪聲與B車50～90 km/h車內(nèi)加速噪聲的A聲級(jí)與響度時(shí)變值見圖2。勻速噪聲的A聲級(jí)與響度值較為平穩(wěn)，變化范圍較??；加速噪聲的A聲級(jí)、響度在整體上隨時(shí)間延長(zhǎng)而增大，特別是后半時(shí)段的量值較大?？紤]到前掩蔽效應(yīng)，加速噪聲的這種音量值逐漸增大的情況會(huì)對(duì)評(píng)價(jià)者的聽音評(píng)價(jià)產(chǎn)生影響，而勻速噪聲的異時(shí)掩蔽效應(yīng)影響則不明顯。

(a)A車勻速80 km/h(b)B車50～90 km/h加速圖2 A車勻速80 km/h和B車50～90 km/h加速車內(nèi)噪聲的A計(jì)權(quán)聲壓級(jí)與響度值Fig.2 Loudness and A-weight SPL of the noises measured in A car at 80 km/h and B car accelerating from 50 km/h to 90 km/h

3 車內(nèi)噪聲煩惱度主觀評(píng)價(jià)試驗(yàn)

車輛噪聲聲品質(zhì)主觀評(píng)價(jià)以人為主體，能夠反映出評(píng)價(jià)人員對(duì)車輛噪聲直觀全面的主觀感受。本文選擇煩惱度作為主觀評(píng)價(jià)指標(biāo)，運(yùn)用參考語義細(xì)分法，組織評(píng)審團(tuán)聽音評(píng)價(jià)，獲得汽車非平穩(wěn)車內(nèi)噪聲的煩惱度主觀評(píng)價(jià)結(jié)果。

3.1 評(píng)審團(tuán)

汽車產(chǎn)品的主要顧客是普通消費(fèi)者，而普通消費(fèi)者往往不是聲品質(zhì)評(píng)價(jià)專家。以無聽音經(jīng)驗(yàn)、沒有接受過聲品質(zhì)評(píng)價(jià)系統(tǒng)培訓(xùn)的人員為基礎(chǔ)，設(shè)計(jì)主觀評(píng)價(jià)試驗(yàn)，能夠較為客觀地反映用戶對(duì)車輛聲品質(zhì)的感受和需求。本文主觀評(píng)價(jià)試驗(yàn)的目標(biāo)是獲得評(píng)審團(tuán)的車內(nèi)采集噪聲煩惱度主觀評(píng)價(jià)結(jié)果，考慮前掩蔽效應(yīng)對(duì)評(píng)價(jià)人員聽音評(píng)價(jià)的影響，本文同時(shí)調(diào)查研究不屬于聽音評(píng)價(jià)專家的普通用戶人群的汽車噪聲主觀評(píng)價(jià)情況，特別是對(duì)非平穩(wěn)噪聲如加速車內(nèi)噪聲的聽音評(píng)價(jià)情況。基于上述考慮設(shè)計(jì)了一份聽音評(píng)價(jià)調(diào)查問卷(表1)，以高校車輛工程專業(yè)在讀研究生為評(píng)價(jià)人員，組織由25人構(gòu)成的主觀評(píng)審團(tuán)[2]，進(jìn)行本文的非平穩(wěn)車內(nèi)噪聲煩惱度主觀評(píng)價(jià)試驗(yàn)，在評(píng)價(jià)人員完成試驗(yàn)后，需要填寫調(diào)查問卷。所有評(píng)價(jià)人員聽力正常，擁有良好的生理、心理狀況。

表1 聽音評(píng)價(jià)試驗(yàn)調(diào)查問卷Tab.1 Questionnaire of sound quality subjective evaluation test

3.2 參考語義細(xì)分法

等級(jí)評(píng)分法、成對(duì)比較法和語義細(xì)分法是較為常用的聲品質(zhì)主觀評(píng)價(jià)方法，其中，語義細(xì)分法的評(píng)價(jià)過程較完善，評(píng)價(jià)結(jié)果相對(duì)準(zhǔn)確，因而應(yīng)用較多。語義細(xì)分法使用一些意義相反的極性化形容詞對(duì)來描述噪聲樣本，如“愉悅—煩惱”，“低沉—響亮”，在詞對(duì)之間設(shè)置 5個(gè)或者更多的等級(jí)區(qū)間與相應(yīng)的描述詞匯，供評(píng)價(jià)者聽音選擇。在語義細(xì)分法[17]的基礎(chǔ)上，參考語義細(xì)分法通過增加一個(gè)參考噪聲樣本作為已知的評(píng)價(jià)標(biāo)準(zhǔn)，來防止由于評(píng)價(jià)者評(píng)價(jià)標(biāo)準(zhǔn)的改變而產(chǎn)生偏差。將參考樣本與每個(gè)待評(píng)價(jià)的噪聲樣本組合成試驗(yàn)評(píng)價(jià)樣本，在進(jìn)行主觀評(píng)價(jià)試驗(yàn)播放試驗(yàn)評(píng)價(jià)樣本時(shí)，先播放參考樣本，再播放需要評(píng)價(jià)的噪聲樣本。評(píng)價(jià)者根據(jù)噪聲樣本相對(duì)于參考樣本的區(qū)別，選擇相應(yīng)的描述詞對(duì)噪聲樣本作出聲品質(zhì)評(píng)價(jià)。試驗(yàn)結(jié)束后給評(píng)價(jià)詞賦值即可得到數(shù)值化的結(jié)果用于客觀分析。

3.3 煩惱度聽音評(píng)價(jià)試驗(yàn)

本文主觀評(píng)價(jià)試驗(yàn)采用參考語義細(xì)分法，選擇了一些描述煩惱度遞增程度的等級(jí)評(píng)價(jià)詞，見表2。

表2 參考語義細(xì)分法煩惱度等級(jí)評(píng)價(jià)詞及相應(yīng)賦值Tab.2 Graded descriptions of annoyance and rating scores

參考樣本的聲品質(zhì)特征應(yīng)在全體樣本中處于中等水平，對(duì)比噪聲樣本的心理聲學(xué)客觀參量值并組織一次簡(jiǎn)單的主觀評(píng)價(jià)試驗(yàn)，選擇C車以60 km/h勻速行駛的駕駛員位置車內(nèi)噪聲作為參考樣本，其煩惱度設(shè)置為“有些煩惱”，分值為4。利用Adobe Audition軟件將參考樣本和每個(gè)噪聲樣本組合在一起形成試驗(yàn)評(píng)價(jià)樣本，進(jìn)行噪聲煩惱度主觀評(píng)價(jià)試驗(yàn)。最后將評(píng)價(jià)人員選擇的評(píng)價(jià)詞匯根據(jù)表2進(jìn)行量化，計(jì)算每位評(píng)價(jià)者的Kendall相關(guān)系數(shù)，剔除3位相關(guān)系數(shù)較小的評(píng)價(jià)人員的評(píng)價(jià)數(shù)據(jù)，將剩余22位評(píng)價(jià)人員的評(píng)價(jià)數(shù)據(jù)取平均值，即為本文汽車非平穩(wěn)車內(nèi)噪聲煩惱度主觀評(píng)價(jià)結(jié)果。

4 基于心理聲學(xué)參量的噪聲煩惱度評(píng)價(jià)方法

本節(jié)運(yùn)用支持向量機(jī)(support vector machine, SVM)建立噪聲心理聲學(xué)參量與煩惱度主觀評(píng)價(jià)結(jié)果間的回歸數(shù)學(xué)模型，構(gòu)建基于心理聲學(xué)參量的非平穩(wěn)車內(nèi)噪聲煩惱度客觀評(píng)價(jià)方法，即PM-AE 方法 (psychoacoustic metrics based annoyance evaluation method) ，利用留一法檢驗(yàn)其預(yù)測(cè)性能。

4.1 支持向量機(jī)

設(shè)訓(xùn)練集{(x,y)}中x是輸入量，y是相應(yīng)的輸出量。支持向量回歸機(jī)(support vector machine for regression)的基本思想是尋找一個(gè)最優(yōu)分類面使得所有訓(xùn)練樣本與該分類面的距離最小。在高維特征空間中，支持向量回歸機(jī)用于構(gòu)造線性關(guān)系：

f(x)=ωΦ(x)+b

(1)

式中,f(x)為回歸方程的預(yù)測(cè)結(jié)果；ω為回歸系數(shù)向量；Φ(x)為低維特征空間到高維特征空間的非線性映射函數(shù)；b為偏置量。

定義ε不敏感損失函數(shù)：

(2)

根據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則并構(gòu)造Lagrange函數(shù)解出ω與b最優(yōu)值ω*和b*：

(3)

(4)

則線性回歸關(guān)系式可化為顯式：

(5)

4.2 PM-AE方法

計(jì)算噪聲數(shù)據(jù)庫內(nèi)噪聲樣本時(shí)變響度、尖銳度、粗糙度和A計(jì)權(quán)聲壓級(jí)的平均值，作為建立PM-AE模型的自變量，在MATLAB環(huán)境中運(yùn)用SVM構(gòu)建其與煩惱度主觀評(píng)價(jià)值之間的映射關(guān)系，如圖3a所示。

(a)基于心理聲學(xué)參量的客觀評(píng)價(jià)方法

(b)基于掩蔽效應(yīng)的客觀評(píng)價(jià)方法圖3 非平穩(wěn)車內(nèi)噪聲煩惱度客觀評(píng)價(jià)方法的建立Fig.3 Development of annoyance evaluation methods psychoacoustic metrics and based on masking effect

首先依據(jù)留一法建立訓(xùn)練集與測(cè)試集并進(jìn)行歸一化處理。在利用SVM建模訓(xùn)練過程中，核函數(shù)類型及模型參數(shù)如懲罰因子C對(duì)模型性能的影響較大，本文選擇徑向基函數(shù)作為核函數(shù)，即

K(xi,xj)=exp(-g‖xi-xj‖2)

(6)

并利用交叉驗(yàn)證方法(五折交叉驗(yàn)證模式)尋找建模參數(shù)C與g(g為徑向基核函數(shù)的參數(shù))的最優(yōu)值，接著利用訓(xùn)練集與最優(yōu)參數(shù)組合進(jìn)行訓(xùn)練，創(chuàng)建PM-AE模型。最后利用留一法檢驗(yàn)該方法的預(yù)測(cè)性能，驗(yàn)證結(jié)果見表3?；谛睦砺晫W(xué)參量的煩惱度客觀評(píng)價(jià)方法預(yù)測(cè)精度較高，預(yù)測(cè)結(jié)果較穩(wěn)定，性能良好，適用于非平穩(wěn)車內(nèi)噪聲的煩惱度評(píng)價(jià)；勻速噪聲的預(yù)測(cè)效果較好，而加速噪聲的預(yù)測(cè)效果稍差，反映了對(duì)具有非平穩(wěn)特性的加速噪聲聲品質(zhì)客觀評(píng)價(jià)的難度，其預(yù)測(cè)精度和穩(wěn)定度需要進(jìn)一步提高。提高非平穩(wěn)噪聲如加速噪聲的聲品質(zhì)評(píng)價(jià)能力是車輛聲品質(zhì)客觀評(píng)價(jià)的重要方向。

表3 留一法驗(yàn)證PM-AE方法的預(yù)測(cè)性能Tab.3 Performance of the PE-AE method validated by using leave-one-out

5 基于掩蔽效應(yīng)的噪聲煩惱度評(píng)價(jià)方法

5.1 主觀評(píng)價(jià)試驗(yàn)調(diào)查問卷統(tǒng)計(jì)

統(tǒng)計(jì)調(diào)查問卷的填寫情況，共有23位評(píng)價(jià)者針對(duì)加速噪聲選擇了“后半時(shí)段”，其余兩人選擇“整體噪聲”，說明大部分評(píng)價(jià)人員對(duì)加速車內(nèi)噪聲中音量較大較顯著的后半部分印象深刻，并在評(píng)價(jià)時(shí)主要依據(jù)對(duì)噪聲后半時(shí)段的主觀感覺作出聲品質(zhì)評(píng)價(jià)，說明前掩蔽效應(yīng)影響了評(píng)價(jià)者對(duì)加速噪聲的聽音評(píng)價(jià)；全部評(píng)價(jià)人員針對(duì)勻速時(shí)車內(nèi)噪聲均選擇“整體噪聲”，說明評(píng)價(jià)者對(duì)于具有平穩(wěn)性質(zhì)的勻速時(shí)車內(nèi)噪聲是根據(jù)噪聲整體情況進(jìn)行聲品質(zhì)評(píng)價(jià)的。

5.2 ME-AE方法

綜合前掩蔽效應(yīng)與問卷調(diào)查統(tǒng)計(jì)結(jié)果，計(jì)算勻速噪聲樣本時(shí)變聲學(xué)參量的平均值、加速噪聲樣本后半時(shí)段的時(shí)變聲學(xué)參量平均值，代表評(píng)價(jià)人員聽音試驗(yàn)的煩惱度評(píng)價(jià)標(biāo)準(zhǔn)，并作為自變量，在MATLAB軟件中運(yùn)用SVM建立其與煩惱度主觀評(píng)價(jià)值間的回歸模型，如圖3b所示，建立基于掩蔽效應(yīng)的非平穩(wěn)車內(nèi)噪聲煩惱度評(píng)價(jià)方法，即ME-AE方法(masking effect based annoyance evaluation method)，利用留一法與十折交叉驗(yàn)證法對(duì)ME-AE方法的預(yù)測(cè)性能進(jìn)行檢驗(yàn)。其中SVM核函數(shù)同樣選擇徑向基函數(shù)，并利用五折交叉驗(yàn)證模式尋找最優(yōu)建模參數(shù)C與g。留一法對(duì)ME-AE方法預(yù)測(cè)性能的檢驗(yàn)結(jié)果見表4，相比于對(duì)勻速噪聲煩惱度的預(yù)測(cè)，ME-AE方法關(guān)于加速噪聲煩惱度的預(yù)測(cè)誤差平均值下降18.37%，方差下降50%，該方法提高了對(duì)車輛加速噪聲的聲品質(zhì)預(yù)測(cè)能力。

表4 留一法驗(yàn)證ME-AE方法預(yù)測(cè)性能Tab.4 Performance of the ME-AE method validated by using leave--one-out

相對(duì)于PM-AE方法，新提出的ME-AE方法關(guān)于噪聲數(shù)據(jù)庫的煩惱度整體預(yù)測(cè)精度與穩(wěn)定度均有較高的提升(見圖4)，預(yù)測(cè)誤差平均值減小15.6%，方差減小26.3%，驗(yàn)證了新方法用于車內(nèi)非平穩(wěn)噪聲煩惱度評(píng)價(jià)的有效性與高精度；新方法對(duì)勻速噪聲煩惱度的評(píng)價(jià)能力有一定的提升；特別在加速噪聲煩惱度的預(yù)測(cè)方面，ME-AE方法取得了較大的性能改進(jìn)，誤差平均值減小41.8%，方差減小66.4%，顯示了考慮聽覺掩蔽效應(yīng)的新評(píng)價(jià)方法對(duì)于預(yù)測(cè)加速噪聲聲品質(zhì)的適宜性與精確性。

(a)預(yù)測(cè)誤差的均值

(b)預(yù)測(cè)誤差的方差圖4 ME-AE方法與PM-AE方法煩惱度預(yù)測(cè)性能的留一法檢驗(yàn)Fig.4 Performances of the PM-AE and ME-AE methods

最后利用十折交叉驗(yàn)證法對(duì)ME-AE方法與PM-AE方法的整體聲品質(zhì)預(yù)測(cè)性能作進(jìn)一步檢驗(yàn)與對(duì)比。10次十折交叉驗(yàn)證試驗(yàn)的測(cè)試結(jié)果表明PM-AE方法的煩惱度預(yù)測(cè)均方根誤差平均值為0.4509，方差為0.0115；利用同樣的訓(xùn)練集和測(cè)試集，ME-AE方法預(yù)測(cè)的均方根誤差平均值為0.4288，與PM-AE相比較減小4.9%，方差為0.0106，減小率為8.5%。利用十折交叉驗(yàn)證法檢驗(yàn)進(jìn)一步證明了新提出的ME-AE方法用于車內(nèi)非平穩(wěn)噪聲煩惱度評(píng)價(jià)的有效性，其預(yù)測(cè)精度和穩(wěn)定性有進(jìn)一步的提高?？紤]聽覺掩蔽效應(yīng)與聲品質(zhì)主觀評(píng)價(jià)試驗(yàn)聽音評(píng)價(jià)情況，本文提出并建立的基于掩蔽效應(yīng)的非平穩(wěn)車內(nèi)噪聲煩惱度客觀評(píng)價(jià)方法預(yù)測(cè)精度高，穩(wěn)定性好，更適于非平穩(wěn)車內(nèi)噪聲如加速噪聲的聲品質(zhì)評(píng)價(jià)。

6 結(jié)語

車輛噪聲聲品質(zhì)客觀評(píng)價(jià)方法一般選擇A計(jì)權(quán)聲壓級(jí)與響度、尖銳度與粗糙度等心理聲學(xué)客觀參量，建立聲品質(zhì)客觀量化模型。本文采集加速與勻速工況下車內(nèi)噪聲，考慮前掩蔽效應(yīng)與聲品質(zhì)主觀評(píng)價(jià)試驗(yàn)中評(píng)價(jià)人員的聽音評(píng)價(jià)情況，特別是對(duì)加速噪聲的聽音評(píng)價(jià)情況，設(shè)計(jì)調(diào)查問卷并統(tǒng)計(jì)結(jié)果，選擇勻速噪聲樣本時(shí)變響度、尖銳度、粗糙度和A聲級(jí)的平均值、加速噪聲樣本后半時(shí)段時(shí)變聲學(xué)參量的平均值，運(yùn)用支持向量機(jī)建立基于掩蔽效應(yīng)的非平穩(wěn)車內(nèi)噪聲煩惱度客觀評(píng)價(jià)方法，即ME-AE方法。同樣利用支持向量機(jī)建立基于心理聲學(xué)參量的非平穩(wěn)車內(nèi)噪聲煩惱度客觀量化方法，即PM-AE方法，其中以全體噪聲樣本的時(shí)變聲學(xué)參量平均值，作為建立PM-AE模型的自變量。留一法與十折交叉驗(yàn)證法對(duì)PM-AE方法與新提出的ME-AE方法預(yù)測(cè)性能的檢驗(yàn)結(jié)果顯示，兩種方法均適用于汽車車內(nèi)非平穩(wěn)噪聲煩惱度的評(píng)價(jià)；而ME-AE方法預(yù)測(cè)精度和穩(wěn)定性更高，特別在加速噪聲的煩惱度評(píng)價(jià)方面，其預(yù)測(cè)性能有較大的提高。本文提出的基于掩蔽效應(yīng)的車內(nèi)噪聲煩惱度評(píng)價(jià)方法更適用于非平穩(wěn)車輛噪聲的聲品質(zhì)評(píng)價(jià)。

[1] 王登峰, 劉宗巍, 梁杰, 等. 車內(nèi)噪聲品質(zhì)的主觀評(píng)價(jià)試驗(yàn)與客觀量化描述[J]. 吉林大學(xué)學(xué)報(bào)(工學(xué)版),2006,36(增刊2):41-45.

WANG Dengfeng, LIU Zongwei, LIANG Jie, et al. Subjective Evaluation Test and Objective Quantificational Description of Vehicle Interior Noise Quality[J]. Journal of Jilin University (Engineering and Technology Edition),2006,36(S2):41-45.

[2] OTTO N, AMMAN S, EATON C, et al. Guidelines for Jury Evaluations of Automotive Sounds [J]. SAE Transactions,2000,108(6):3015-3034.

[3] RONACHER A W, HUSSAIN M, BIERMAYER W, et al. Evaluating Vehicle Interior Noise Quality under Transient Driving Conditions[J]. SAE Technical Paper,1999-01-1683.

[4] YOON J H, YANG I H, JEONG J E, et al. Reliability Improvement of a Sound Quality Index for a Vehicle HVAC System Using a Regression and Neural Network Model [J]. Applied Acoustics,2012,73(11):1099-1103.

[5] LIU H, ZHANG J H, GUO P, et al. Sound Quality Prediction for Engine-radiated Noise [J]. Mechanical System and Signal Processing,2015,56/57:277-287.

[6] WANG Y S, SHEN G Q, XING Y F. A Sound Quality Model for Objective Synthesis Evaluation of Vehicle Interior Noise Based on Artificial Neural Network [J]. Mechanical System and Signal Processing,2014,45(1):255-266.

[7] 申秀敏, 左曙光, 何呂昌, 等. 車內(nèi)噪聲聲品質(zhì)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)[J]. 聲學(xué)技術(shù),2009,28(3):264-268.

SHEN Xiumin, ZUO Shuguang, HE Lüchang, et al. BP Neural Network Prediction of Car Interior Sound Quality [J]. Technical Acoustics,2009,28(3):264-268.

[8] 申秀敏, 左曙光, 李林, 等. 車內(nèi)噪聲聲品質(zhì)的支持向量機(jī)預(yù)測(cè)[J]. 振動(dòng)與沖擊,2010,29(6):66-68.

SHEN Xiumin, ZUO Shuguang, LI Lin, et al. Interior Sound Quality Forecast for Vehicles Based on Support Vector Machine [J]. Journal of Vibration and Shock,2010,29(6):66-68.

[9] 賀巖松, 涂梨娥, 徐中明, 等. 支持向量機(jī)在汽車加速車內(nèi)聲品質(zhì)預(yù)測(cè)中的應(yīng)用[J]. 汽車工程,2015,37(11):1328-1333.

HE Yansong, TU Li’e, XU Zhongming, et al. The Application of Support Vector Machine to the Prediction of Vehicle Interior Sound Quality during Acceleration [J]. Automotive Engineering,2015,37(11):1328-1333.

[10] 中國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局,中國(guó)國(guó)家標(biāo)準(zhǔn)化管理員會(huì). GB/T 18697-2002聲學(xué)—汽車車內(nèi)噪聲測(cè)量方法[S].北京：中國(guó)標(biāo)準(zhǔn)出版社，2002.

General Administration of Quality Supervision, Inspection and Quarantine of China (AQSIQ).GB.T 18697-2002 Acoustic-Measurementof Noise inside Motor Vehicles[S]. Beijing:Standards Press of China,2002.

[11] ZWICKER E, FASTL H. Psychoacoustics: Facts and Models [M]. Berlin: Springer,1999.

[12] 薛年喜, 賈永樂, 關(guān)碧華. 掩蔽效應(yīng)在有源噪聲控制中的應(yīng)用[J]. 電聲技術(shù),2004(4):56-60.

XUE Nianxi, JIA Yongle, GUAN Bihua. Application of Masking Effect in Active Noise Control [J]. Audio Engineering,2004(4):56-60.

[13] XING Y F, WANG Y S, SHI L, et al. Sound Quality Recognition Using Optimal Wavelet-packet Transform and Artificial Neural Network Methods[J]. Mechanical Systems and Signal Processing,2016,66/67:875-892.

[14] LEE S K. Objective Evaluation of Interior Sound Quality in Passenger Cars during Acceleration[J]. Journal of Sound and Vibration,2008,310(1/2):149-168.

[15] 梁杰, 孫強(qiáng), 盧鵬宇, 等. 加速工況下車內(nèi)噪聲品質(zhì)煩躁度的評(píng)價(jià)研究[J]. 汽車技術(shù), 2010(3):20-25.

LIANG Jie, SUN Qiang, LU Pengyu, et al. Research on Sound Quality Annoyance Evaluation for Vehicle Interior Noise during Acceleration [J]. Automobile Technology,2010(3):20-25.

[16] 徐中明, 謝耀儀, 賀巖松, 等. 基于粒子群-向量機(jī)的汽車加速噪聲評(píng)價(jià)[J]. 振動(dòng)與沖擊,2015,34(2):25-29.

XU Zhongming, XIE Yaoyi, HE Yansong, et al. Evaluation of Car Interior Sound Quality Based on PSO-SVM [J]. Journal of Vibration and Shock,2015,34(2):25-29[17] 毛東興, 張寶龍. 采用參考激勵(lì)信號(hào)的語義細(xì)分法主觀聲品質(zhì)評(píng)價(jià)[J]. 聲學(xué)技術(shù),2006,25(6):560-567.

MAO Dongxing, ZHANG Baolong. Performance of Semantic Differential Method with an Anchor Stimulus in Subjective Sound Quality Evaluation [J]. Technical Acoustics,2006,25(6):560-567.

AnnoyanceSubjectiveEvaluationMethodofAutomotiveInteriorNonstationaryNoisesBasedonHumanAuditoryMaskingEffect

FENG Tianpei1SUN Yuedong1WANG Yansong2ZHOU Ping1GUO Hui2LIU Ningning2

1.School of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai, 200093 2.Automotive Engineering College, Shanghai University of Engineering Science, Shanghai, 201620

Based on the collected interior noises of passenger cars running at accelerating or constant speeds, a subjective evaluation test of vehicle noise annoyance was conducted using anchored semantic differential method herein. Considering masking effect and questionnaire results of the sound quality subjective estimation experiments, the average values of time-varying psychoacoustic parameters of noise samples at constant speeds and the second half of the accelerating noise samples were calculated as independent variables, a regression mathematical relation among the average values and subjective evaluation results of annoyance was built using SVM technique. A masking effect based annoyance evaluation method (ME-AE method) was developed. Furthermore, by calculating average values of time-varying psychoacoustic parameters of all noise samples, a psychoacoustic metrics based annoyance evaluation method (PM-AE method) was developed using SVM. Results of leave-one-out and 10-fold cross-validating experiments suggest that the two annoyance subjective evaluation methods are effective in predicting vehicle interior nonstationary noises with high accuracy. And the proposed ME-AE method is more accurate and stable. Especially for predicting the annoyance of acceleration noises, the new method achieves greater improvements.

masking effect; vehicle interior nonstationary noise; annoyance; psychoacoustic metrics; support vector machine(SVM)

2016-11-02

國(guó)家自然科學(xué)基金資助項(xiàng)目(51675324,51175320)

TB535；U467.4

10.3969/j.issn.1004-132X.2017.24.004

(編輯王艷麗)

馮天培，男，1988年生。上海理工大學(xué)機(jī)械工程學(xué)院博士研究生。主要研究方向?yàn)檐囕vNVH分析與測(cè)控。孫躍東(通信作者)，男，1965年生。上海理工大學(xué)機(jī)械工程學(xué)院教授、博士研究生導(dǎo)師。E-mail: syd@usst.edu.cn。王巖松，男，1971年生。上海工程技術(shù)大學(xué)汽車工程學(xué)院教授。周萍，女，1964年生。上海理工大學(xué)機(jī)械工程學(xué)院副教授。郭輝，男，1981年生。上海工程技術(shù)大學(xué)汽車工程學(xué)院教授。劉寧寧，男，1987年生。上海工程技術(shù)大學(xué)汽車工程學(xué)院助理實(shí)驗(yàn)師。