鄒麗媛， 王 宏

(1.東北大學(xué)機(jī)械工程與自動(dòng)化學(xué)院，沈陽(yáng) 110819；2.遼寧水利職業(yè)學(xué)院，沈陽(yáng) 110122)

前言

隨著汽車(chē)產(chǎn)業(yè)的飛速發(fā)展，人們對(duì)乘車(chē)舒適度的要求也不斷提高。NHV(noise，vibration，harshness)性能直接影響到乘車(chē)舒適度，已經(jīng)成為購(gòu)車(chē)主要參考的一項(xiàng)指標(biāo)。

對(duì)車(chē)內(nèi)噪聲評(píng)價(jià)的方法分為主觀評(píng)價(jià)和客觀評(píng)價(jià)兩種。主觀評(píng)價(jià)主要通過(guò)問(wèn)卷調(diào)查形式展開(kāi)，評(píng)價(jià)者根據(jù)合適的評(píng)價(jià)指標(biāo)描述對(duì)噪聲的主觀感知，從而得到人對(duì)噪聲最直觀的感受[1]。常用的主觀評(píng)價(jià)方法有成對(duì)比較法、語(yǔ)義細(xì)分法、等級(jí)評(píng)分法、排序法、多維尺度分析法等[1-2]。其中，成對(duì)比較法(pair comparison)使用較為廣泛。

20世紀(jì)80年代，為了降低聲壓能量，利用A計(jì)權(quán)聲壓級(jí)測(cè)量的方法來(lái)模擬人耳對(duì)噪聲的感受。但A計(jì)權(quán)聲壓級(jí)測(cè)試方法無(wú)法滿(mǎn)足對(duì)聲音品質(zhì)改善的需求，乘員對(duì)于聲音的感受常常與所測(cè)得的A計(jì)權(quán)聲壓級(jí)不同[3]。

近年來(lái)，聲品質(zhì)評(píng)價(jià)方法被國(guó)內(nèi)外學(xué)者和相關(guān)研究者大量使用。具體流程如下：建立評(píng)價(jià)組對(duì)汽車(chē)噪聲進(jìn)行主觀評(píng)價(jià)，同時(shí)提取車(chē)內(nèi)噪聲的客觀物理參數(shù)，如響度、尖銳度和粗糙度等參數(shù)，使用多重回歸等方法建立兩者關(guān)系，構(gòu)建客觀量化模型[4-5]。這些模型多為穩(wěn)態(tài)響度計(jì)算方法。原則上并不適合時(shí)變?cè)肼暤姆治?，而?chē)內(nèi)噪聲多為時(shí)變信號(hào)[5]。更重要的是，這種方法仍然無(wú)法滿(mǎn)足舒適度因人而異的要求。研究受到地域、文化差異和民族習(xí)慣的影響，很難構(gòu)建統(tǒng)一的評(píng)價(jià)標(biāo)準(zhǔn)。

相比之下，腦電圖(electroencephalogram，EEG)方法可客觀地描述噪聲的主觀感受，且可用于分析時(shí)變信號(hào)。采集方便、使用條件受限小，具有較高的時(shí)間分辨率和精度。目前已有不少研究利用腦電圖分析噪聲效應(yīng)[6-8]，這表明通過(guò)對(duì)腦電信號(hào)的測(cè)量分析，可較為客觀地反映人的不同心理變化，如情緒、煩惱度和疲勞度等。因此，本文中創(chuàng)造性地將腦電圖引入對(duì)車(chē)內(nèi)噪聲聲音品質(zhì)的研究，該方法可通過(guò)客觀參量反映被試者對(duì)噪聲的主觀感受，滿(mǎn)足噪聲評(píng)價(jià)因人而異的需求。

本文中針對(duì)3種車(chē)型在相同車(chē)速下的噪聲進(jìn)行實(shí)時(shí)錄制，在實(shí)驗(yàn)室封閉昏暗環(huán)境下播放，并記錄被試者腦電信號(hào)。如圖1所示，將腦電信號(hào)進(jìn)行小波包分解與重構(gòu)，提取各個(gè)頻段信號(hào)，然后通過(guò)復(fù)雜腦網(wǎng)絡(luò)方法提取特征。此外，每名被試者在實(shí)驗(yàn)完成后須對(duì)聲音信號(hào)進(jìn)行主觀評(píng)價(jià)。將腦電分析提取的8個(gè)腦電特征參數(shù)作為輸入，主觀評(píng)價(jià)得到的主觀煩惱度作為輸出，進(jìn)行神經(jīng)網(wǎng)絡(luò)回歸訓(xùn)練，最終得出腦電特征與煩惱度的非線(xiàn)性關(guān)系。

構(gòu)建了腦電特征與車(chē)內(nèi)噪聲導(dǎo)致乘員煩惱度的經(jīng)驗(yàn)公式。實(shí)現(xiàn)了客觀的煩惱度評(píng)價(jià)，且滿(mǎn)足聲音品質(zhì)因人而異的要求。對(duì)車(chē)內(nèi)聲音品質(zhì)的研究具有實(shí)際工程意義。

圖1 整體結(jié)構(gòu)及流程示意圖

1 實(shí)驗(yàn)

1.1 實(shí)驗(yàn)方案

本文中分別對(duì)某高端品牌轎車(chē)、某中端品牌吉普車(chē)和某型城市客車(chē)進(jìn)行車(chē)內(nèi)噪聲錄制，測(cè)試位置為駕駛員座位的人耳位置。錄制時(shí)長(zhǎng)均為8s，車(chē)速均控制在50km/h，每個(gè)車(chē)型錄制兩組車(chē)內(nèi)噪聲。

選取11名男性和11名女性(編號(hào)為1～22)，年齡在22～40周歲，身體健康且無(wú)睡眠相關(guān)疾病，聽(tīng)力狀況良好，實(shí)驗(yàn)前48h內(nèi)禁止飲酒和咖啡，禁止使用任何藥物。實(shí)驗(yàn)在一個(gè)燈光昏暗且安靜的封閉室內(nèi)進(jìn)行，被試者坐在舒適的靠椅上。

每組實(shí)驗(yàn)如下：先在實(shí)驗(yàn)室安靜狀態(tài)下測(cè)量一次靜息腦電，作為參照組，時(shí)間控制在8s左右，再以相同音量播放3種車(chē)型車(chē)內(nèi)噪聲音頻信號(hào)，并記錄被試者的腦電數(shù)據(jù)。不同車(chē)型播放順序隨機(jī)。休息15min后，進(jìn)行第二組實(shí)驗(yàn)。實(shí)驗(yàn)設(shè)備采用Emotiv System的便攜式腦電信號(hào)傳感器EmotivEpoc，采樣頻率為128Hz。共有14個(gè)電極，遵循10-20導(dǎo)聯(lián)系統(tǒng)國(guó)際標(biāo)準(zhǔn)，電極位置如圖2所示，此外有兩個(gè)參考電極分別位于雙側(cè)耳后乳突處。

圖2 電極位置圖

1.2 數(shù)據(jù)預(yù)處理

(1)使用EEGLab工具包，對(duì)信號(hào)進(jìn)行去噪，包括偽跡去除和基線(xiàn)校正，并使用獨(dú)立分量分析(independent component analysis，ICA)法去除眼電成分，實(shí)現(xiàn)信號(hào)從采集到預(yù)處理[9]。

(2)使用小波包分解與重構(gòu)對(duì)預(yù)處理后的信號(hào)進(jìn)行濾波，提取腦電信號(hào)中δ節(jié)律、θ節(jié)律、α節(jié)律和β節(jié)律信號(hào)。對(duì)頻帶進(jìn)行4層分解。對(duì)小波包子帶s[4，0]重構(gòu)，提取信號(hào)中 δ節(jié)律(0.25～4Hz)；對(duì)小波包子帶 s[4，1]重構(gòu)，提取信號(hào)中 θ節(jié)律(4～8Hz)；對(duì)小波包子帶s[3，1]重構(gòu)，提取信號(hào)中α節(jié)律(8～16Hz)；對(duì)小波包子帶s[2，1]重構(gòu)，提取信號(hào)中β節(jié)律(16～32Hz)。最終效果如圖3所示。

2 腦電特征提取

2.1 非線(xiàn)性腦網(wǎng)絡(luò)的構(gòu)建

利用希爾伯特變換(Hilbert transform)[10]將原始信號(hào)x(t)解析，得到由實(shí)部和虛部組成的解析信號(hào) xAn(t)＝x(t)+i xH(t)。

得到解析信號(hào)xAn(t)后，即可算出瞬時(shí)相位：

而兩個(gè)導(dǎo)聯(lián)的相關(guān)系數(shù)r表示為

圖3 小波重構(gòu)各個(gè)節(jié)律的腦電時(shí)域圖

式中：Nsample為原始信號(hào)的總時(shí)間采樣點(diǎn)數(shù)，rm，n的范圍為0～1。對(duì)任意兩個(gè)導(dǎo)聯(lián)進(jìn)行上述運(yùn)算，最終將得到一個(gè)14×14的對(duì)稱(chēng)矩陣，如圖4所示。腦網(wǎng)絡(luò)拓?fù)鋱D是該矩陣的另一種表達(dá)方式，可以更直觀地反映不同狀態(tài)下，大腦連通性的變化。圖5是選取閾值0.37，濾掉矩陣中小于該閾值的元素，只考慮相關(guān)系數(shù)大于該閾值的元素后得到的α節(jié)律各個(gè)狀態(tài)的腦網(wǎng)絡(luò)圖像。由圖可見(jiàn)，車(chē)內(nèi)噪聲較大的吉普車(chē)和公交車(chē)，腦網(wǎng)絡(luò)的連通性較差。

圖4 乘客A的腦網(wǎng)絡(luò)相位相關(guān)矩陣

圖5 乘客A腦網(wǎng)絡(luò)參數(shù)隨閾值變化曲線(xiàn)

2.2 非線(xiàn)性腦網(wǎng)絡(luò)參數(shù)分析

進(jìn)一步通過(guò)一些參數(shù)對(duì)比不同腦網(wǎng)絡(luò)的網(wǎng)絡(luò)特性。這里選擇利用聚類(lèi)系數(shù)和特征路徑長(zhǎng)度兩個(gè)參數(shù)來(lái)反映腦網(wǎng)絡(luò)的小世界特性[11-12]。計(jì)算各個(gè)頻段的腦網(wǎng)絡(luò)特征參數(shù)。

網(wǎng)絡(luò)的聚類(lèi)系數(shù)(clustering coefficient)C定義為網(wǎng)絡(luò)所有節(jié)點(diǎn)的聚類(lèi)系數(shù)的平均值：

式中：N為網(wǎng)絡(luò)中的節(jié)點(diǎn)數(shù)；Ci為網(wǎng)絡(luò)中一個(gè)節(jié)點(diǎn)i的聚類(lèi)系數(shù)；ki為節(jié)點(diǎn)i的度，即無(wú)向網(wǎng)絡(luò)中其他節(jié)點(diǎn)與該節(jié)點(diǎn)直接相連的邊的數(shù)目；Ei為節(jié)點(diǎn)i與ki個(gè)鄰居節(jié)點(diǎn)間實(shí)際存在的連接邊數(shù)；分母ki(ki-1)/2為該節(jié)點(diǎn)與鄰居節(jié)點(diǎn)可能存在的最大邊數(shù)。

聚類(lèi)系數(shù)用于測(cè)量復(fù)雜網(wǎng)絡(luò)的連接性，較高的聚類(lèi)系數(shù)說(shuō)明這個(gè)網(wǎng)絡(luò)在某些區(qū)域具有較為密集的連接。

最短路徑是指網(wǎng)絡(luò)中連接兩個(gè)節(jié)點(diǎn)距離最短的路徑。無(wú)權(quán)網(wǎng)絡(luò)(即二值化網(wǎng)絡(luò))中，兩節(jié)點(diǎn)間距離為連接這兩個(gè)節(jié)點(diǎn)的最短路徑上的邊的數(shù)目，斷開(kāi)節(jié)點(diǎn)間的距離為無(wú)窮大。而加權(quán)網(wǎng)絡(luò)中，每條邊的距離為其權(quán)值的倒數(shù)：權(quán)值越大，即相關(guān)性越高，可理解為距離越近，連通性越好。兩節(jié)點(diǎn)間的最短路徑長(zhǎng)度，即為兩點(diǎn)間最小的加權(quán)距離。

特征路徑長(zhǎng)度(characteristic path length)即為整個(gè)網(wǎng)絡(luò)中任意兩個(gè)節(jié)點(diǎn)最短路徑長(zhǎng)度的平均值。本文中針對(duì)加權(quán)網(wǎng)絡(luò)進(jìn)行研究，其特征路徑長(zhǎng)度為

特征路徑長(zhǎng)度越短，表明連接腦網(wǎng)絡(luò)中任意兩點(diǎn)的平均距離越短，即網(wǎng)絡(luò)連通性越好。節(jié)點(diǎn)間的相互作用，即神經(jīng)元間的相互作用反映神經(jīng)元遞質(zhì)的傳遞，是腦網(wǎng)絡(luò)認(rèn)知過(guò)程中信息傳遞和處理的基礎(chǔ)[13-14]。

由此得到每名被試者在每個(gè)車(chē)內(nèi)噪聲下的4個(gè)頻段共8個(gè)腦網(wǎng)絡(luò)特征量。

3 評(píng)價(jià)結(jié)果分析與討論

3.1 主觀評(píng)價(jià)方法

進(jìn)行完每組腦電實(shí)驗(yàn)后，須對(duì)噪聲進(jìn)行主觀測(cè)評(píng)，這里使用成對(duì)比較法。以煩惱度作為主觀評(píng)價(jià)的最終指標(biāo)，反映評(píng)價(jià)者對(duì)噪聲信號(hào)聽(tīng)覺(jué)不適感的程度。其值越高，表示評(píng)價(jià)者對(duì)其越不適。

成對(duì)比較法[15]需要被試者對(duì)噪聲進(jìn)行兩兩比較，它是相對(duì)客觀的定量分析方法，常用于層次分析法的過(guò)程中。在反復(fù)比較的過(guò)程中，可以減少主觀誤差對(duì)最后結(jié)果的影響。通過(guò)成對(duì)比較法確定各聲音的權(quán)重值，即主觀煩惱度值。評(píng)判是相對(duì)的而非絕對(duì)的，可減小被試的顧慮。因而適用于本實(shí)驗(yàn)中無(wú)經(jīng)驗(yàn)的被試者，且本研究聲音樣本相對(duì)較少，使用成對(duì)比較法不會(huì)過(guò)于冗長(zhǎng)。每組4個(gè)聲音樣本，可排列組合成6對(duì)樣本。每位被試者對(duì)每對(duì)樣本評(píng)價(jià)兩次(第2次調(diào)換順序)，即共進(jìn)行12次兩兩比較，評(píng)價(jià)順序隨機(jī)，被試者每評(píng)價(jià)4次休息1～2m in，評(píng)價(jià)分值如表1所示。其中，A和B分別表示先聽(tīng)和后聽(tīng)的樣本，評(píng)價(jià)后將評(píng)分值填入評(píng)判矩陣的A行B列中。進(jìn)一步對(duì)評(píng)判矩陣進(jìn)行一致性檢驗(yàn)和重復(fù)性檢驗(yàn)[16]，去除問(wèn)題數(shù)據(jù)，以保證實(shí)驗(yàn)結(jié)果可用于后續(xù)分析。通過(guò)評(píng)判矩陣計(jì)算得到各個(gè)噪聲的主觀煩惱度。為使煩惱度值差別拉開(kāi)，對(duì)每組數(shù)據(jù)歸一化后乘上系數(shù)2，得到每名被試者對(duì)各個(gè)聲音樣本的主觀煩惱度值。

表1 成對(duì)比較法的評(píng)價(jià)值

3.2 腦網(wǎng)絡(luò)參數(shù)與主觀煩惱度的相關(guān)分析

本文中使用一個(gè)含有10個(gè)神經(jīng)元的隱含層神經(jīng)網(wǎng)絡(luò)算法。將被試者8個(gè)腦網(wǎng)絡(luò)特征值作為輸入，主觀煩惱度作為輸出。22名被試者針對(duì)8個(gè)不同噪聲，共有176個(gè)樣本。將其中19名被試者的數(shù)據(jù)作為訓(xùn)練集，進(jìn)行訓(xùn)練，獲得神經(jīng)網(wǎng)絡(luò)的最佳權(quán)重。

式中：Index為神經(jīng)網(wǎng)絡(luò)的輸出，即神經(jīng)網(wǎng)絡(luò)估算的煩惱度值；F為激活函數(shù)，本文中選擇了Sigmoid函數(shù)；IWL1和bL1分別為輸入層的權(quán)向量和偏移量；IWL2和bL2分別為隱含層的權(quán)向量和偏移量；x為輸入的腦網(wǎng)絡(luò)特征向量。圖6為最終得到的神經(jīng)網(wǎng)絡(luò)輸出與主觀評(píng)價(jià)得到的主觀煩惱度間的相關(guān)性，由圖可見(jiàn)兩者高度相關(guān)，為98.021%。

圖6 訓(xùn)練集的神經(jīng)網(wǎng)絡(luò)輸出與主觀煩惱度的相關(guān)性

將得到的神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于余下的3名被試者。將他們的腦網(wǎng)絡(luò)特征量作為輸入，得到的煩惱度與主觀評(píng)價(jià)法得到的煩惱度進(jìn)行相關(guān)分析，結(jié)果如圖7所示。由圖可見(jiàn)，二者相關(guān)性很高，擬合優(yōu)度為97.409%。由此可見(jiàn)，訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)輸出可以用于客觀地估計(jì)乘員的主觀煩惱度。因而，可以實(shí)現(xiàn)利用腦網(wǎng)絡(luò)參數(shù)估算車(chē)內(nèi)噪聲影響乘員主觀煩惱度。

圖7 測(cè)試集的神經(jīng)網(wǎng)絡(luò)輸出與主觀煩惱度的相關(guān)性

4 結(jié)論

本文中利用腦電信號(hào)分析，提取δ節(jié)律(0.25～4Hz)、θ節(jié)律(4～8Hz)、α節(jié)律(8～16Hz)和β節(jié)律(16～32Hz)下的腦網(wǎng)絡(luò)特征參數(shù)(平均聚類(lèi)系數(shù)和特征路徑長(zhǎng)度)。使用人工神經(jīng)網(wǎng)絡(luò)算法得到腦網(wǎng)絡(luò)特征參數(shù)與主觀煩惱度間的關(guān)系，以實(shí)現(xiàn)利用客觀腦電特征參數(shù)估計(jì)主觀煩惱度的目的，且滿(mǎn)足對(duì)車(chē)內(nèi)噪聲品質(zhì)因人而異的要求。

[1] 劉寧寧，李文靜，王巖松，等.聲品質(zhì)主觀評(píng)價(jià)方法對(duì)比分析[J].現(xiàn)代制造工程，2016(10)：6-11.

[2] 陳劍，楊雯，李偉毅.汽車(chē)聲品質(zhì)主觀評(píng)價(jià)試驗(yàn)方法探究[J].汽車(chē)工程，2009，31(4)：389-392.

[3] 舒歌群，王養(yǎng)軍，衛(wèi)海橋，等.汽車(chē)車(chē)內(nèi)噪聲聲音品質(zhì)的測(cè)試與評(píng)價(jià)[J].內(nèi)燃機(jī)學(xué)報(bào)，2007，25(1)：77-83.

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

[5] 賀巖松，涂梨娥，徐中明，等.汽車(chē)聲品質(zhì)研究綜述[J].汽車(chē)工程學(xué)報(bào)，2014，4(6)：391-401.

[6] CHO W H，LEE M S，LEE J K，et al.An examination of the effects of various noises on physiological sensibility responses by using human EEG[J].Journal of Mechanical Science＆Technology， 2013， 27(12)：3589-3593.

[7] NATHANW，THOMASH，NADIAM，etal.Alpha rhythms in audition：Cognitive and clinical perspectives[J].Frontiers in Psychology，2011，2.

[8] 盧英俊，吳海珍，錢(qián)靚，等.莫扎特奏鳴曲K.448對(duì)腦電功率譜與重心頻率的影響[J].生物物理學(xué)報(bào)，2011，27(2)：154-166.

[9] DELORME A，MAKEIG S.EEGLAB：an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis[J].Journal of Neuroscience Methods， 2004， 134(1)：9-21.

[10] MORMANN F，LEHNERTZ K，DAVID P，etal.Mean phase coherence as ameasure for phase synchronization and its application to the EEG of epilepsy patients[J].Physica D Nonlinear Phenomena， 2000， 144(3-4)：358-369.

[11] 常文文，王宏.基于P300幅值幾何差和腦網(wǎng)絡(luò)特征的測(cè)謊方法研究[J].儀器儀表學(xué)報(bào)，2015，36(4)：822-829.

[12] RUBINOV M，SPORNSO.Complex network measures of brain connectivity： Uses and interpretations[J].Neuroimage， 2010，52(3)：1059-1069.

[13] BULLMORE E， SPORNS O.Complex brain networks： Graph theoretical analysis of structural and functional systems.[J].Nature Reviews Neuroscience， 2009， 10(3)：186-198.

[14] HEBERT R，LEHMANN D，TANG，etal.Enhanced EEG alpha time-domain phase synchrony during transcendental meditation：Implications for cortical integration theory[J].Signal Processing，2005， 85(11)：2213-2232.

[15] 范剛龍，侯鳳云.多個(gè)成對(duì)比較矩陣確定權(quán)向量的一種方法[J].計(jì)算機(jī)時(shí)代，2011(2)：47-48.

[16] 毛東興，俞悟周，王佐民.聲品質(zhì)成對(duì)比較主觀評(píng)價(jià)的數(shù)據(jù)檢驗(yàn)及判據(jù)[J].聲學(xué)學(xué)報(bào)，2005(5)：468-472.