馮天培，孫躍東，王巖松，張博強(qiáng)，劉寧寧，，郭 輝

（1.上海理工大學(xué)機(jī)械工程學(xué)院，上海 200093； 2.上海工程技術(shù)大學(xué)機(jī)械與汽車(chē)工程學(xué)院，上海 201620；3.河南工業(yè)大學(xué)機(jī)電工程學(xué)院，鄭州 450007）

前言

深度學(xué)習(xí)網(wǎng)絡(luò)模擬人類(lèi)神經(jīng)系統(tǒng)及其非線(xiàn)性層次化特性，逐層對(duì)信息進(jìn)行非線(xiàn)性特征抽取并綜合處理，適用于建立車(chē)輛聲品質(zhì)評(píng)價(jià)模型［1-2］。梁凱等［1］利用能夠直接處理二維面板信號(hào)的卷積神經(jīng)網(wǎng)絡(luò)（convolution neural network，CNN），構(gòu)建內(nèi)燃機(jī)噪聲的聽(tīng)覺(jué)時(shí)頻譜聲特征與煩躁度全局主觀(guān)評(píng)價(jià)結(jié)果之間的映射關(guān)系，結(jié)果表明整體煩躁度CNN評(píng)價(jià)模型的預(yù)測(cè)性能高于前饋神經(jīng)網(wǎng)絡(luò)模型。

非平穩(wěn)噪聲聲品質(zhì)的瞬時(shí)主觀(guān)評(píng)價(jià)研究發(fā)現(xiàn)，時(shí)變聲品質(zhì)主觀(guān)評(píng)價(jià)時(shí)間序列是平滑的，而提取的A計(jì)權(quán)聲壓級(jí)與響度等聲特征序列是波動(dòng)的［3-4］。利用波動(dòng)的聲特征時(shí)間序列建立時(shí)變聲品質(zhì)評(píng)價(jià)模型，導(dǎo)致預(yù)測(cè)曲線(xiàn)呈現(xiàn)波動(dòng)性，降低了對(duì)非平穩(wěn)噪聲平滑性時(shí)變聲品質(zhì)的評(píng)價(jià)效果。對(duì)于車(chē)輛噪聲整體綜合煩躁度CNN評(píng)價(jià)模型，時(shí)域波動(dòng)聽(tīng)覺(jué)譜的直接使用會(huì)限制模型預(yù)測(cè)性能。對(duì)聽(tīng)覺(jué)譜進(jìn)行時(shí)域平滑預(yù)處理，獲取時(shí)序平滑聽(tīng)覺(jué)譜聲特征，可改善模型預(yù)測(cè)性能。

本文中對(duì)采集的汽車(chē)勻速和加速車(chē)內(nèi)噪聲進(jìn)行綜合煩躁度全局主觀(guān)評(píng)價(jià)試驗(yàn)，使用Savitzky-Golay濾波器時(shí)間序列平滑法（SG濾波器）對(duì)噪聲樣本激勵(lì)級(jí)譜進(jìn)行時(shí)域平滑預(yù)處理，分別以激勵(lì)級(jí)譜與時(shí)序平滑譜為聲特征，利用CNN構(gòu)建噪聲樣本的聲特征與整體綜合煩躁度主觀(guān)評(píng)價(jià)結(jié)果之間的映射關(guān)系，研究方法如圖1所示，分析聽(tīng)覺(jué)時(shí)頻譜的時(shí)域平滑預(yù)處理對(duì)車(chē)內(nèi)噪聲整體綜合煩躁度CNN評(píng)價(jià)模型性能的改進(jìn)效果。

1 車(chē)輛聲品質(zhì)評(píng)價(jià)基礎(chǔ)理論

1.1 人類(lèi)聲品質(zhì)評(píng)價(jià)系統(tǒng)

圖1 車(chē)內(nèi)噪聲整體綜合煩躁度評(píng)價(jià)的激勵(lì)級(jí)譜與時(shí)序平滑譜CNN模型

人類(lèi)聲品質(zhì)評(píng)價(jià)系統(tǒng)包括耳朵、聽(tīng)覺(jué)神經(jīng)系統(tǒng)與大腦，涵蓋了聲音信息的收集、傳遞、處理與主觀(guān)判斷。其中，耳蝸將中耳傳來(lái)的聲振信號(hào)進(jìn)行聽(tīng)覺(jué)頻帶解析處理并轉(zhuǎn)換為電化學(xué)信號(hào)，通過(guò)刺激聽(tīng)神經(jīng)向聽(tīng)覺(jué)神經(jīng)系統(tǒng)傳遞電脈沖信息。聽(tīng)覺(jué)中樞對(duì)攜帶頻帶聲信息的生物電信號(hào)進(jìn)行非線(xiàn)性層次化處理，綜合形成對(duì)聲事件的聽(tīng)覺(jué)感知。大腦結(jié)合聽(tīng)覺(jué)感知與個(gè)人主觀(guān)因素如心理活動(dòng)、社會(huì)經(jīng)歷、偏好與性格等，形成對(duì)聲音聲品質(zhì)的判斷與評(píng)價(jià)結(jié)果。聲信號(hào)的耳蝸聽(tīng)覺(jué)頻帶濾波與聽(tīng)覺(jué)神經(jīng)系統(tǒng)的非線(xiàn)性層次化信息處理是聲品質(zhì)形成的重要過(guò)程。

1.2 心理聲學(xué)客觀(guān)參量

心理聲學(xué)客觀(guān)參量包括響度、尖銳度與粗糙度等，常用于測(cè)量與評(píng)價(jià)車(chē)輛聲品質(zhì)。粗糙度反映聽(tīng)覺(jué)系統(tǒng)對(duì)聲音在時(shí)域上幅值快速變化的一種感覺(jué)。Aures粗糙度模型［5］是典型的粗糙度計(jì)算方法，利用24個(gè)聽(tīng)覺(jué)頻帶廣義調(diào)制系數(shù)計(jì)算粗糙度。尖銳度感覺(jué)被聲音頻譜包絡(luò)影響，反映聲音的刺耳程度。響度表征聲音強(qiáng)弱的主觀(guān)感覺(jué)。Zwicker響度模型［6］已被國(guó)際標(biāo)準(zhǔn) ISO 532B采用［7］，是最常用的響度提取算法。其利用1／3倍頻程濾波器組模擬耳蝸，對(duì)聲音信號(hào)的功率譜密度進(jìn)行帶通濾波，計(jì)算聽(tīng)覺(jué)特征頻帶激勵(lì)級(jí)與沿臨界頻帶率分布的特征響度，積分獲得響度值，具體流程如圖2所示?？紤]加權(quán)因子的Zwicker尖銳度模型是常用的尖銳度提取方法，如圖2所示，并被德國(guó)標(biāo)準(zhǔn)DIN 45692所采用［8］。綜上可知，常用心理聲學(xué)客觀(guān)參量的計(jì)算方法充分考慮了聽(tīng)覺(jué)頻帶濾波特性，所以頻帶聲信息如激勵(lì)級(jí)時(shí)頻譜，可作為聲特征建立車(chē)輛聲品質(zhì)評(píng)價(jià)模型［2］。

1.3 車(chē)輛聲品質(zhì)評(píng)價(jià)體系

圖2 Zwicker響度與尖銳度計(jì)算方法

車(chē)輛聲品質(zhì)評(píng)價(jià)分為全局評(píng)價(jià)（global evaluation）與瞬時(shí)評(píng)價(jià)（instantaneous evaluation）［9］、主觀(guān)評(píng)價(jià)與客觀(guān)評(píng)價(jià)兩個(gè)維度，如圖3所示。

圖3 車(chē)輛聲品質(zhì)評(píng)價(jià)體系

主觀(guān)評(píng)價(jià)研究以人為主體，采用聽(tīng)音評(píng)價(jià)試驗(yàn)的方式進(jìn)行［10］。在車(chē)輛噪聲聲品質(zhì)主觀(guān)評(píng)價(jià)試驗(yàn)中，選定評(píng)價(jià)指標(biāo)與評(píng)價(jià)方法，組織評(píng)審團(tuán)對(duì)車(chē)輛噪聲樣本進(jìn)行聽(tīng)音評(píng)價(jià)，統(tǒng)計(jì)并分析聲品質(zhì)評(píng)價(jià)結(jié)果。其中，常用的主觀(guān)評(píng)價(jià)指標(biāo)包括響度、尖銳度、粗糙度等單維度指標(biāo)和綜合煩躁度、偏好性與運(yùn)動(dòng)感等多維度綜合性評(píng)價(jià)指標(biāo)。主觀(guān)評(píng)價(jià)數(shù)據(jù)的典型統(tǒng)計(jì)量，如平均評(píng)價(jià)值，能夠反映出評(píng)審團(tuán)對(duì)車(chē)輛噪聲直觀(guān)全面的聽(tīng)覺(jué)感受，代表了車(chē)輛噪聲的真實(shí)聲品質(zhì)水平，所以主觀(guān)評(píng)價(jià)是車(chē)輛聲品質(zhì)評(píng)價(jià)的基本研究方法。

客觀(guān)評(píng)價(jià)研究分為傳統(tǒng)客觀(guān)評(píng)價(jià)與智能評(píng)價(jià)。傳統(tǒng)客觀(guān)評(píng)價(jià)以心理聲學(xué)客觀(guān)參量計(jì)算模型為典型代表，采用儀器測(cè)得的聲學(xué)客觀(guān)量來(lái)進(jìn)行聲品質(zhì)評(píng)判。傳統(tǒng)評(píng)價(jià)模型的算法過(guò)程復(fù)雜，對(duì)心理因素的計(jì)算模擬存在較大難度，所以在更靠近心理活動(dòng)的綜合性評(píng)價(jià)指標(biāo)的客觀(guān)評(píng)價(jià)計(jì)算上存在不足。智能客觀(guān)評(píng)價(jià)利用機(jī)器學(xué)習(xí)方法構(gòu)建噪聲特征與主觀(guān)評(píng)價(jià)結(jié)果之間的映射關(guān)系，建立車(chē)輛噪聲聲品質(zhì)客觀(guān)評(píng)價(jià)模型［11-13］，將對(duì)心理活動(dòng)的模擬融入模型中，可對(duì)聲品質(zhì)進(jìn)行較為精確的量化估計(jì)，是常用的對(duì)綜合性聲品質(zhì)評(píng)價(jià)指標(biāo)的客觀(guān)評(píng)價(jià)方法。其中多元線(xiàn)性回歸［14］、人工神經(jīng)網(wǎng)絡(luò)［15］、支持向量機(jī)［16］與深度學(xué)習(xí)［1-2，17］是有效的建模機(jī)器學(xué)習(xí)方法，心理聲學(xué)客觀(guān)參量［11-12，14］與聽(tīng)覺(jué)譜［1，15］是常用聲特征。主觀(guān)評(píng)價(jià)與智能客觀(guān)評(píng)價(jià)是研究車(chē)輛噪聲聲品質(zhì)評(píng)價(jià)的兩個(gè)遞進(jìn)的層次，主觀(guān)評(píng)價(jià)是客觀(guān)評(píng)價(jià)的基礎(chǔ)，客觀(guān)評(píng)價(jià)升華了主觀(guān)評(píng)價(jià)的研究。

全局主觀(guān)評(píng)價(jià)試驗(yàn)常采用等級(jí)評(píng)分法、成對(duì)比較法和語(yǔ)義細(xì)分法等評(píng)價(jià)方法，獲取評(píng)價(jià)人員對(duì)評(píng)價(jià)對(duì)象的整體聲品質(zhì)評(píng)價(jià)單值，可對(duì)車(chē)輛噪聲聲品質(zhì)進(jìn)行全局整體性認(rèn)識(shí)。利用機(jī)器學(xué)習(xí)方法構(gòu)建噪聲樣本的全局主觀(guān)評(píng)價(jià)結(jié)果與提取聲特征之間的映射關(guān)系，建立整體聲品質(zhì)評(píng)價(jià)模型，評(píng)價(jià)速度快、一致性好，適合于工程應(yīng)用。與全局評(píng)價(jià)不同，瞬時(shí)評(píng)價(jià)主要針對(duì)非平穩(wěn)噪聲。在車(chē)輛噪聲聲品質(zhì)瞬時(shí)主觀(guān)評(píng)價(jià)中，評(píng)價(jià)人員根據(jù)回放的噪聲樣本實(shí)時(shí)給出相應(yīng)的瞬時(shí)聲品質(zhì)評(píng)價(jià)值，獲得并統(tǒng)計(jì)針對(duì)評(píng)價(jià)對(duì)象的時(shí)變聲品質(zhì)評(píng)價(jià)序列，在瞬時(shí)主觀(guān)感受變化方面對(duì)非平穩(wěn)車(chē)輛噪聲的聲品質(zhì)進(jìn)行微觀(guān)局部性認(rèn)識(shí)［3，9］。利用機(jī)器學(xué)習(xí)方法構(gòu)建時(shí)變聲品質(zhì)主觀(guān)評(píng)價(jià)序列與聲特征序列間的映射關(guān)系［11］，建立時(shí)變聲品質(zhì)評(píng)價(jià)模型，可測(cè)量與分析車(chē)輛時(shí)變聲品質(zhì)環(huán)境、監(jiān)控車(chē)內(nèi)實(shí)時(shí)聲品質(zhì)水平。全局評(píng)價(jià)與瞬時(shí)評(píng)價(jià)的研究成果可以相互借鑒。本文中研究汽車(chē)車(chē)內(nèi)噪聲整體綜合煩躁度的智能客觀(guān)評(píng)價(jià)。

2 汽車(chē)車(chē)內(nèi)噪聲的采集與聽(tīng)音評(píng)價(jià)試驗(yàn)

2.1 車(chē)內(nèi)噪聲樣本庫(kù)建立

依據(jù)國(guó)家標(biāo)準(zhǔn)GB／T 18697—2002《聲學(xué)— 汽車(chē)車(chē)內(nèi)噪聲測(cè)量方法》［18］，本文中采集汽車(chē)勻速和加速工況下車(chē)內(nèi)噪聲。試驗(yàn)車(chē)輛選擇3輛不同品牌的國(guó)產(chǎn)轎車(chē)，分別標(biāo)記為A、B與C車(chē)。工況設(shè)為30、40、50、60、70、80、90、100 km／h勻速行駛15 s及50～120 km／h全油門(mén)加速行駛，整個(gè)過(guò)程不能換擋。采集設(shè)備為B＆K公司的PULSE聲音采集系統(tǒng)和兩只1／2英寸類(lèi)型4189-A-21的傳聲器，采樣頻率為65 536 Hz，采集車(chē)輛前排司機(jī)位、副駕駛位與后排左乘客位（分別標(biāo)記為 I、II、III位置）雙耳處噪聲。

每種試驗(yàn)條件下測(cè)量3次以上，使用B＆K公司的Sound Quality軟件對(duì)現(xiàn)場(chǎng)采集的車(chē)內(nèi)噪聲信號(hào)進(jìn)行采樣頻率為44 100 Hz的重采樣。通過(guò)聽(tīng)音回放，并分析噪聲信號(hào)聲學(xué)參量如A計(jì)權(quán)聲壓級(jí)、響度等隨時(shí)間變化情況，選出每種條件下運(yùn)行工況穩(wěn)定且受其他因素影響小的最佳噪聲信號(hào)。考慮到人類(lèi)聽(tīng)覺(jué)主觀(guān)感知的形成過(guò)程，從選出的噪聲信號(hào)中剪輯出時(shí)間長(zhǎng)度為5 s［19］的音頻信號(hào)作為一個(gè)噪聲樣本，其中加速噪聲信號(hào)持續(xù)時(shí)長(zhǎng)均在10 s以上，在加速噪聲信號(hào)的前半部分與后半部分各截取一段5 s的噪聲樣本。每輛車(chē)可獲取30個(gè)噪聲樣本。根據(jù)采集車(chē)輛、位置與工況對(duì)樣本進(jìn)行編號(hào)，如AI-70表示A車(chē)駕駛員位70 km／h勻速行駛車(chē)內(nèi)噪聲樣本，BII-a表示B車(chē)副駕駛位50～120 km／h加速行駛前半部分時(shí)長(zhǎng)5 s的噪聲樣本，CIII-b表示C車(chē)后排左乘客位50～120 km／h加速行駛后半部分時(shí)長(zhǎng)5 s的樣本，建立本文中汽車(chē)車(chē)內(nèi)噪聲樣本庫(kù)，共90個(gè)樣本，包括72個(gè)勻速噪聲樣本與18個(gè)加速噪聲樣本。其中AI-b、BII-70與C車(chē)后排左乘客位勻速噪聲樣本的聲學(xué)參量測(cè)量值如圖4所示。

圖4 噪聲樣本聲學(xué)參量時(shí)序圖與主觀(guān)評(píng)價(jià)結(jié)果分布圖

2.2 綜合煩躁度全局主觀(guān)評(píng)價(jià)試驗(yàn)

本文中選擇綜合煩躁度作為評(píng)價(jià)指標(biāo)，參考語(yǔ)義細(xì)分法［20］為評(píng)價(jià)方法，設(shè)置描述噪聲綜合煩躁度主觀(guān)感受程度的等級(jí)評(píng)價(jià)詞，如表1所示。對(duì)比噪聲樣本的心理聲學(xué)參量值并組織一次語(yǔ)義細(xì)分法綜合煩躁度預(yù)評(píng)價(jià)，選定CI-60為參考樣本，其綜合煩躁度為“有些煩躁”。利用Adobe Audition軟件將參考樣本和各噪聲樣本分別組合，形成90個(gè)試驗(yàn)評(píng)價(jià)樣本。組織由25位高校學(xué)生構(gòu)成的評(píng)審團(tuán)進(jìn)行聽(tīng)音評(píng)價(jià)試驗(yàn)，評(píng)價(jià)人員先聽(tīng)參考樣本，對(duì)噪聲樣本聽(tīng)音完畢后，結(jié)合參考樣本的聲品質(zhì)水平對(duì)噪聲樣本進(jìn)行評(píng)價(jià)。將評(píng)價(jià)人員選擇的評(píng)價(jià)詞匯根據(jù)表1進(jìn)行量化，得到其對(duì)各樣本的整體綜合煩躁度評(píng)價(jià)值。對(duì)每個(gè)樣本的各評(píng)價(jià)人員評(píng)價(jià)值取均值，作為評(píng)審團(tuán)對(duì)該樣本的整體綜合煩躁度評(píng)價(jià)結(jié)果。C車(chē)后排左乘客位各勻速噪聲樣本的整體綜合煩躁度主觀(guān)評(píng)價(jià)結(jié)果與A聲級(jí)對(duì)比見(jiàn)圖4（c）。

表1 參考語(yǔ)義細(xì)分法綜合煩躁度等級(jí)評(píng)價(jià)詞及分值

3 時(shí)序平滑激勵(lì)級(jí)譜聲特征提取

3.1 SG平滑濾波器

針對(duì)聲特征時(shí)間序列的波動(dòng)性，可利用平滑法提取具有時(shí)序平滑特性的序列。平滑法是進(jìn)行時(shí)間序列趨勢(shì)性分析的一種常用方法，利用修勻技術(shù)削弱短期隨機(jī)波動(dòng)對(duì)序列的影響，使序列平滑化。除了移動(dòng)平均法與指數(shù)平滑法，SG濾波器［21］是常用的時(shí)間序列平滑技術(shù)。在SG濾波器的設(shè)計(jì)中，階數(shù)與采樣窗長(zhǎng)是兩個(gè)重要參數(shù)。設(shè)p為階數(shù)，一般取 2、3或 4［22-23］，2M+1為窗長(zhǎng)，可根據(jù)待平滑時(shí)間序列的長(zhǎng)度進(jìn)行適當(dāng)設(shè)置，且p≤2M。SG濾波器通過(guò)構(gòu)造一個(gè)p階多項(xiàng)式fi，來(lái)擬合窗內(nèi)時(shí)序數(shù)組｛yi｜i＝-M，…，0，…，M｝，然后在時(shí)間序列上平移，完成對(duì)整個(gè)時(shí)間序列的平滑［24］。其中 fi為

解式（4）得最優(yōu)系數(shù)組合｛ar｜r＝0，1，…，p｝，可確定多項(xiàng)式fi，完成對(duì)數(shù)組的平滑擬合。

3.2 激勵(lì)級(jí)譜與時(shí)序平滑激勵(lì)級(jí)譜提取

由于CNN能直接識(shí)別二維面板特征，本文中提取噪聲樣本的激勵(lì)級(jí)時(shí)頻譜，作為建立整體綜合煩躁度CNN評(píng)價(jià)模型的聲特征。在Matlab中編制聲音信號(hào)的激勵(lì)級(jí)譜提取程序：在時(shí)域上運(yùn)用Hanning窗（窗寬800 ms，窗移200 ms）對(duì)信號(hào)進(jìn)行分割，按照Z(yǔ)wicker響度模型［6-7］計(jì)算每一個(gè)子信號(hào)的聽(tīng)覺(jué)特征頻帶激勵(lì)級(jí)；時(shí)域上取中間連續(xù)20個(gè)時(shí)間區(qū)塊，頻域上取前20個(gè)聽(tīng)覺(jué)頻帶，獲得尺寸為20×20的噪聲樣本激勵(lì)級(jí)譜。

在Matlab中設(shè)計(jì)SG濾波器，階數(shù)設(shè)置為3，窗長(zhǎng)為41個(gè)采樣點(diǎn)，對(duì)激勵(lì)級(jí)譜進(jìn)行時(shí)域平滑，提取噪聲樣本的時(shí)序平滑激勵(lì)級(jí)譜聲特征。AI-a的激勵(lì)級(jí)譜與時(shí)序平滑譜分別如圖5（a）與圖5（b）所示，第2與第4聽(tīng)覺(jué)頻帶的激勵(lì)級(jí)時(shí)間序列及其平滑序列分別如圖5（c）與圖5（d）所示。

圖5 噪聲樣本AI-a的聲特征提取

4 車(chē)內(nèi)噪聲整體綜合煩躁度CNN評(píng)價(jià)模型

4.1 卷積神經(jīng)網(wǎng)絡(luò)

受啟發(fā)于Hubel-Wiesel生物視覺(jué)模型［22］，卷積神經(jīng)網(wǎng)絡(luò)（CNN）通過(guò)順序堆疊多個(gè)卷積— 池化層模擬視神經(jīng)系統(tǒng)的局部感受野與非線(xiàn)性層次化處理特性［23-25］。具有局部連接、權(quán)值共享與降采樣特點(diǎn)的CNN，其典型結(jié)構(gòu)見(jiàn)圖6，包含5種神經(jīng)網(wǎng)絡(luò)層。

圖6 CNN的結(jié)構(gòu)與特點(diǎn)

（1）輸入層：可接收單通道（如灰度圖像或單通道噪聲聽(tīng)覺(jué)時(shí)頻譜）或多通道（雙耳語(yǔ)音信號(hào)、三通道彩色圖像）面板信號(hào)。圖6所示輸入層接收三通道信號(hào)，每通道輸入信號(hào)均是尺寸為17行17列的二維矩陣，則該輸入層的尺寸為3＠17×17。輸入層接收輸入信號(hào)并傳遞至卷積層。

（2）卷積層：具有局部感受野特性的卷積層神經(jīng)元對(duì)上一層輸出信號(hào)進(jìn)行局部連接加權(quán)運(yùn)算，通過(guò)激活函數(shù)映射獲得該層神經(jīng)元輸出：

y＝f（x·w-θ） （5）式中：x為卷積層神經(jīng)元以局部連接方式接收的輸入?yún)^(qū)域信號(hào)；w為該神經(jīng)元權(quán)重矩陣；θ為閾值；f（·）為激活函數(shù)；y為神經(jīng)元輸出。

卷積層將層內(nèi)神經(jīng)元局部感受野統(tǒng)一為相同大小并排列在有限個(gè)相同尺寸的面板上，同一面板上的神經(jīng)元擁有相同的連接權(quán)重矩陣（即權(quán)值共享特性，該權(quán)重集被稱(chēng)為卷積核），一個(gè)面板稱(chēng)為一個(gè)特征圖。卷積層同一面板上相鄰神經(jīng)元在輸入信號(hào)上的局部感受野按其在面板上空間次序?qū)?yīng)排列，相鄰局部感受野在垂直與水平方向上的距離稱(chēng)為步長(zhǎng)。通過(guò)在輸入面板信號(hào)高度與寬度方向上的補(bǔ)零操作，卷積層同一面板神經(jīng)元局部感受野的并集覆蓋整個(gè)輸入信號(hào)。圖6中第一個(gè)卷積層的卷積核尺寸為6＠3×3（卷積核個(gè)數(shù)＠神經(jīng)元感受野尺寸），通過(guò)運(yùn)用尺寸為2×2的步長(zhǎng)與0×0補(bǔ)零操作，該卷積層可輸出6個(gè)尺寸為8×8的特征圖（6＠8×8）并傳遞至池化層。

（3）池化層：具有局部感受野特性的池化層神經(jīng)元對(duì)上一層輸出特征圖進(jìn)行局部連接加權(quán)運(yùn)算（如最大值或平均值運(yùn)算，即降采樣特性），獲得該層神經(jīng)元輸出。池化層將層內(nèi)神經(jīng)元局部感受野統(tǒng)一為相同大小并排列在有限個(gè)相同尺寸的面板上，面板數(shù)量與前一卷積層輸出特征圖個(gè)數(shù)相同，并以一一對(duì)應(yīng)的方式接收輸出特征圖，見(jiàn)圖6。常用的降采樣運(yùn)算包括最大池化（max-pooling）和平均池化（average-pooling），池化層采用同一降采樣運(yùn)算對(duì)輸入信號(hào)提取更高階的相對(duì)關(guān)系特征，降低特征維度與計(jì)算復(fù)雜度。圖6中第一個(gè)池化層包含6個(gè)通道，分別對(duì)應(yīng)前一卷積層輸出的6個(gè)特征圖，層內(nèi)神經(jīng)元感受野尺寸為2×2，則該池化層可表示為6＠2×2。通過(guò)運(yùn)用尺寸為2×2的步長(zhǎng)與0×0補(bǔ)零操作，該池化層輸出尺寸為6＠4×4的特征圖并傳遞至下一層卷積層或全連接層。

（4）全連接層：層內(nèi)神經(jīng)元線(xiàn)性排列，每個(gè)神經(jīng)元均連接至前一層所有神經(jīng)元，按式（5）對(duì)前一層輸出信號(hào)進(jìn)行接收、處理與計(jì)算。

（5）輸出層：層內(nèi)神經(jīng)元線(xiàn)性排列，每個(gè)神經(jīng)元均連接至最后一層全連接層的所有神經(jīng)元，并按式（5）對(duì)輸入信號(hào)進(jìn)行激活輸出。輸出層神經(jīng)元個(gè)數(shù)等于類(lèi)別個(gè)數(shù)（分類(lèi)問(wèn)題）或響應(yīng)變量數(shù)（回歸問(wèn)題）。

在CNN中，ReLU函數(shù)是常用激活函數(shù)：

基于小批量隨機(jī)梯度下降的誤差反向傳播算法是常用的訓(xùn)練算法，如圖7所示。迭代學(xué)習(xí)過(guò)程一直進(jìn)行，直到滿(mǎn)足終止條件（如達(dá)到最大訓(xùn)練輪數(shù)），輸出最優(yōu)網(wǎng)絡(luò)權(quán)值閾值，CNN訓(xùn)練完畢。在迭代訓(xùn)練中，慣量因子可提高收斂速度并幫助尋優(yōu)過(guò)程越過(guò)局部極小。

式中：η為學(xué)習(xí)率；W和ΔW分別為一次迭代過(guò)程中網(wǎng)絡(luò)前向計(jì)算使用權(quán)值閾值和獲得的權(quán)值閾值調(diào)整量；E為一次迭代中網(wǎng)絡(luò)前向計(jì)算誤差；ΔW*為前一次迭代訓(xùn)練中學(xué)習(xí)到的網(wǎng)絡(luò)權(quán)值閾值調(diào)整量；γ為慣量因子。

圖7 基于小批量隨機(jī)梯度下降的CNN誤差反向傳播學(xué)習(xí)過(guò)程

4.2 激勵(lì)級(jí)譜與時(shí)序平滑激勵(lì)級(jí)譜CNN評(píng)價(jià)模型建立

本文中在Matlab平臺(tái)上構(gòu)建CNN結(jié)構(gòu)并設(shè)置網(wǎng)絡(luò)學(xué)習(xí)參數(shù)對(duì)CNN進(jìn)行訓(xùn)練，分別建立車(chē)內(nèi)噪聲整體綜合煩躁度的激勵(lì)級(jí)譜與時(shí)序平滑激勵(lì)級(jí)譜CNN評(píng)價(jià)模型，其采用相同的CNN結(jié)構(gòu)參數(shù)，如圖8所示，包括一個(gè)輸入層、兩個(gè)卷積— 池化組合層（C1-P2與C3-P4）、一個(gè)全連接層（FC5）與一個(gè)回歸輸出層。

輸入層中輸入尺寸設(shè)置為1＠20×20，以接收尺寸為20×20的二維面板聲特征（激勵(lì)級(jí)譜或平滑激勵(lì)級(jí)譜）；C1層利用尺寸為6＠2×2的卷積核對(duì)輸入二維聲特征進(jìn)行局部平面域感知與濾波；P2層接收C1層輸出的尺寸為6＠19×19的特征圖，進(jìn)行核為6＠3×1的最大池化操作，并向 C3層輸出尺寸為6＠7×19的特征圖；C3-P4層的卷積核分別為10＠3×3與10＠2×1并采用最大池化；FC5層利用30個(gè)全連接神經(jīng)元對(duì)輸入信息進(jìn)行綜合處理，提取高階特征；包含一個(gè)全連接神經(jīng)元的輸出層輸出CNN前向計(jì)算的綜合煩躁度評(píng)價(jià)結(jié)果。卷積層、全連接層與輸出層中激活函數(shù)均設(shè)置為ReLU函數(shù)，各層步長(zhǎng)、補(bǔ)零及輸出特征圖尺寸見(jiàn)圖8。

圖8 車(chē)內(nèi)噪聲整體綜合煩躁度客觀(guān)評(píng)價(jià)模型

設(shè)置相同的CNN訓(xùn)練參數(shù)：采用基于小批量隨機(jī)梯度下降的反向傳播學(xué)習(xí)算法來(lái)訓(xùn)練CNN，其中小批量訓(xùn)練樣本容量設(shè)置為12。學(xué)習(xí)率設(shè)置為0.000 7，慣量因子為0.9。在網(wǎng)絡(luò)可訓(xùn)練參數(shù)的初始化方面，初始權(quán)重服從均值為0、方差為0.01的高斯分布，初始閾值均設(shè)置為0。最大訓(xùn)練輪數(shù)終止條件設(shè)置為4 000輪。在Matlab中根據(jù)訓(xùn)練參數(shù)的設(shè)置對(duì)建立的激勵(lì)級(jí)譜與時(shí)序平滑激勵(lì)級(jí)譜CNN評(píng)價(jià)模型進(jìn)行訓(xùn)練。

4.3 交叉檢驗(yàn)

利用留一法對(duì)本文中建立的汽車(chē)車(chē)內(nèi)噪聲整體綜合煩躁度CNN評(píng)價(jià)模型的性能進(jìn)行檢驗(yàn)。首先，建立訓(xùn)練集與留一測(cè)試集，并歸一化處理；然后，利用訓(xùn)練集與訓(xùn)練參數(shù)對(duì)CNN網(wǎng)絡(luò)進(jìn)行訓(xùn)練，學(xué)習(xí)過(guò)程如圖7所示，分別輸出最優(yōu)化的激勵(lì)級(jí)譜與時(shí)序平滑激勵(lì)級(jí)譜CNN評(píng)價(jià)模型；最后，利用留一測(cè)試集檢驗(yàn)?zāi)Ｐ托阅?，檢驗(yàn)項(xiàng)目為整體綜合煩躁度主觀(guān)評(píng)價(jià)結(jié)果與預(yù)測(cè)結(jié)果之間的Pearson線(xiàn)性相關(guān)系數(shù)（度量預(yù)測(cè)一致性）、預(yù)測(cè)誤差均值（度量預(yù)測(cè)精度）與方差（度量預(yù)測(cè)穩(wěn)定性），其中相關(guān)系數(shù)的顯著性檢驗(yàn)水平設(shè)置為0.05。留一法檢驗(yàn)結(jié)果見(jiàn)表2與圖9。

表2中相關(guān)系數(shù)均高于0.85，p值均小于0.05，說(shuō)明綜合煩躁度主觀(guān)評(píng)價(jià)結(jié)果與模型預(yù)測(cè)結(jié)果之間一致性較高。但是相比于激勵(lì)級(jí)譜CNN評(píng)價(jià)模型，基于時(shí)序平滑激勵(lì)級(jí)譜的CNN評(píng)價(jià)模型，其預(yù)測(cè)誤差均值降低10.43%、方差降低44.26%、Pearson相關(guān)系數(shù)升高4.13%，如圖9所示。說(shuō)明時(shí)序平滑激勵(lì)級(jí)譜CNN評(píng)價(jià)模型的預(yù)測(cè)精度、穩(wěn)定性與一致性均有提高，性能高于基于激勵(lì)級(jí)譜的CNN評(píng)價(jià)模型。車(chē)輛噪聲聲品質(zhì)瞬時(shí)評(píng)價(jià)研究中的時(shí)變聲品質(zhì)主觀(guān)評(píng)價(jià)時(shí)間序列平滑特性，提高了聲品質(zhì)全局評(píng)價(jià)中的整體綜合煩躁度CNN評(píng)價(jià)模型的性能，提高了聲特征對(duì)車(chē)內(nèi)噪聲整體綜合煩躁度的表達(dá)能力，即時(shí)序平滑激勵(lì)級(jí)譜的表達(dá)能力高于聽(tīng)覺(jué)激勵(lì)級(jí)譜。相比于傳統(tǒng)常用聽(tīng)覺(jué)譜如激勵(lì)級(jí)譜，時(shí)序平滑激勵(lì)級(jí)譜是較為優(yōu)化的聲特征，更適于汽車(chē)車(chē)內(nèi)噪聲整體綜合煩躁度的CNN客觀(guān)評(píng)價(jià)。

表2 CNN評(píng)價(jià)模型的留一法檢驗(yàn)結(jié)果

圖9 CNN評(píng)價(jià)模型的留一法檢驗(yàn)結(jié)果對(duì)比

5 結(jié)論

考慮到車(chē)輛噪聲時(shí)變聲品質(zhì)主觀(guān)評(píng)價(jià)序列的時(shí)序平滑特性，時(shí)序波動(dòng)激勵(lì)級(jí)譜聲特征的直接使用會(huì)制約汽車(chē)車(chē)內(nèi)噪聲整體綜合煩躁度CNN評(píng)價(jià)模型的性能。本文中利用SG濾波器提取汽車(chē)車(chē)內(nèi)勻速和加速噪聲樣本的時(shí)序平滑激勵(lì)級(jí)譜，利用CNN構(gòu)建二維面板聲特征與整體綜合煩躁度主觀(guān)評(píng)價(jià)結(jié)果之間的映射關(guān)系，建立基于時(shí)序平滑激勵(lì)級(jí)譜的車(chē)內(nèi)噪聲整體綜合煩躁度CNN評(píng)價(jià)模型。留一法交叉檢驗(yàn)結(jié)果表明，相比于基于激勵(lì)級(jí)譜的CNN評(píng)價(jià)模型，時(shí)序平滑激勵(lì)級(jí)譜CNN評(píng)價(jià)模型的預(yù)測(cè)精度、穩(wěn)定性與一致性更高，性能更好。說(shuō)明相比于激勵(lì)級(jí)譜等傳統(tǒng)常用聽(tīng)覺(jué)時(shí)頻譜，時(shí)序平滑聽(tīng)覺(jué)譜，如時(shí)序平滑激勵(lì)級(jí)譜，是較為優(yōu)化的聲特征，更適于汽車(chē)車(chē)內(nèi)噪聲整體綜合煩躁度的CNN客觀(guān)評(píng)價(jià)。