基于时域动态特性分析的车内声品质预测方法
【技术领域】
[0001] 本发明属于汽车振动与噪声分析与控制中声品质预测的技术领域，涉及一种基于 时域动态特性分析的车内声品质预测方法。更具体的说，本发明是一种车内基于时域动态 特性分析的车内声品质预测方法，适用于车辆常规行驶时由各种因素造成的非稳态车内声 音环境下声品质的预测。
【背景技术】
[0002] 随着汽车行业的迅猛发展，人们对汽车舒适性的要求越来越高，车内声品质在评 价汽车整体质量中起的作用也越来越重要。车内声品质好坏反映人对车内声环境的感受， 是人类心理和生理因素的共同作用。
[0003] 目前现有的车内声品质研究，大部分都是在消声室或半消声室中进行，即基于稳 态环境这一假设，且研究中车辆的工况也多设定为稳定的工况。近年来，仅有少数学者开始 涉及加速等特定的非稳态工况下的车内声品质研究。与此同时，这些方法所涉及的车内声 品质客观分析所广泛采用的声品质客观心理参数普遍只能反映稳态环境下的车内声品质， 无法描述车辆常规行驶时车内声音环境的时域动态特性适用于车辆常规行驶时各种因素 造成的车内非稳态声品质研究至今未见报道。且目前可见的声品质研究，普遍基于车内声 音是稳定的这一前提，而选择以秒量级的单个声音样本代替整个声音环境进行分析研究。 而车内实际行驶时，声音环境既包括随着行驶工况变化而不断变化的车辆自身的发动机噪 声、轮胎噪声、空气噪声和车身结构噪声，更有车内人员语言交流、多媒体播放和行驶周边 环境等其他声源的作用。上述声源的作用时间从数秒起，甚至持续伴随车辆的行驶过程，因 此仅用秒量级的单个声音样本显然不能全面描述车内声音环境。
【发明内容】
[0004] 本发明所要解决的技术问题是克服了现有技术存在的无法描述车辆常规行驶时 车内声音环境的时域动态特性的问题，提供了一种基于时域动态特性分析的车内声品质预 测方法。
[0005] 为此，本发明提出了利用声品质客观心理声学参数的方差和极差作为动态特性指 标，来建立车内声品质综合评价模型，以更好的反映车内声品质的实际情况。在具体声音样 本处理过程中，本发明提出在分钟量级上采集车内声音信号样本并在秒量级上进行声音 时域信号分帧，并将其命名为"长时帧"，以反映人类听觉心理感受的累积效应。并提出适用 于长时帧处理的梯形窗加窗方法，在消除边界效应同时又可使声音信号样本的特性得以充 分保留。
[0006] 本发明基于模糊综合评价方法对客观评价结果进行声品质综合评价建模。模糊综 合评价是一种将边界不清、不易定量的因素定量化的综合评价方法，因其具有数学模型简 单、结构层次清晰、被评价对象评价值唯一等优点，被广泛应用于许多科学领域。
[0007] 为解决上述技术问题，本发明是采用如下技术方案实现的，结合【附图说明】如下：
[0008] 一种基于时域动态特性分析的车内声品质预测方法，包括以下步骤：
[0009] 步骤1 :利用声音采集设备采集车内声音信号样本；
[0010] 步骤2 :对车内声音信号样本信号进行分帧加窗处理；
[0011] 采集车内声音信号样本对声音样本进行分钟量级的截取，并以秒量级进行声音时 域信号分帧，对长时帧进行梯形窗加窗方法处理，在消除边界效应同时，保留声音信号样本 的特性；
[0012] 步骤3 :对车内噪声样本进行主观评价试验；
[0013] 步骤4 :计算声品质客观心理声学参数；
[0014] 所述声品质客观心理声学参数包括：响度、尖锐度、粗糙度、抖动度和语言清晰 度；
[0015] 步骤5 :计算客观心理声学参数的时域动态特性指标；
[0016] 所述客观心理声学参数的时域动态特性指标包括各客观心理声学参数的方差和 各客观心理声学参数的极差；
[0017] 步骤6 :建立车内声品质客观综合评价模型；
[0018] 步骤7 :对声品质客观综合评价模型输出值与主观评价值进行比较，根据比较结 果对步骤6所建模型进行调整，直至结果与实际误差在20%之内，误差度满足要求；
[0019] 步骤8 :使用检验样本对模型进行验证；
[0020] 采用检验样本对模型进行检验，如果结果对比度误差在20%之内，说明模型可以 接受，如果结果对比度大于20 %，则返回步骤6,重新调整模型，直到在此验证结果满足误 差要求。
[0021] 技术方案中所述步骤1中采集车内声音信号样本，具体步骤如下：
[0022] (1)将声音采集设备布放在副驾驶员处，即人工头或两个传声器具体位置的垂直 坐标是座椅表面中线，横坐标是靠背表面中线，两者交点以上0.7±0. 05m处，人工头或传 声器对称地布置于座椅表面与靠背的对称面左右0. 2±0. 02m处；
[0023] (2)选择路况及工况：
[0024] 选择测试车辆行驶的等级路面，并设计选择多个有代表性的车辆行驶工况；
[0025] (3)车内声音信号样本采集：
[0026] 记录每个工况的车内声音信号样本，每次记录时间5~6分钟；
[0027] 技术方案中所述步骤2中对车内噪声样本信号进行分帧加窗处理的具体步骤如 下：
[0028] (1)车内声音信号样本分帧：
[0029] 采集车内声音信号样本时长为4分钟，以2秒为一个帧长进行声音时域信号分 帧；
[0030] (2)选择窗型：
[0031] 选择在消除边界效应同时又可使声音信号样本的特性得以充分保留的梯形窗；
[0032] (3)设定窗型参数：
[0033] 窗型参数确定为：窗长是2秒，边缘长度是10毫秒。
[0034] 技术方案中所述步骤3中对车内噪声样本进行主观评价试验的具体步骤如下：
[0035] (1)选取人员组成评审团：
[0036]选取了 20名以上的试验人员作为声品质主观评价主体，评价主体中男女的比例 为1:1，年龄在18~70之间，有驾驶经验的试验评价人员的数量与无驾驶经验的试验评价 人员的数量比例为1:1 ;
[0037] (2)对评审团人员进行试验前培训；
[0038] (3)确定声品质评价指标：
[0039] 评价指标为声环境舒适度；
[0040] (4)确定评价方法：
[0041] 用数值估计法进行声音样本打分评价。
[0042] 技术方案中所述步骤3中计算声品质客观心理声学参数的具体步骤如下：
[0043] (1)提取分帧加窗处理后的样本，进行响度计算：
[0044]
(.1)
[0045] 式中：f是特征响度，单位sone ;
[0046]ETQ为与听阈对应的激励；
[0047]E为声信号对应的激励；
[0048]E。为激励，与参考声强I。= 10 12w/m2相对应；
[0049] 响度N为频带特征响度之和，单位sone，计算公式如下：
[0050]
L 2)
[0051] (2)提取分帧加窗处理后的样本，进行尖锐度计算；
[0052] 采用Zwicker模型来计算尖锐度S，其数学模型以响度模型为基础，数学公式如 下：
[0053] ：(;3>
[0054] 式中，S是尖锐度，单位acum;
[0055]k是加权系数，k取0? 11 ;
[0056]N是总响度值，单位sone ;
[0057]N' (z)是z号Bark域内的特征响度，单位sone;
[0058] (3)提取分帧加窗处理后的样本，进行粗糙度计算：
[0059] 利用噪声的调制频率和个特征频带内的激励级差ALE(z)来计算粗糙度，公式 为：
[0060] (4)
[0061] 式中，R是粗糙度，单位asper;
[0062]fncid是调制频率；
[0063]ALE(z)为声信号激励级的变化量，定义为：
[0064]
(5)
[0065] 式中：N' _(z)和N' _(z)分别表示特征响度的最大值和最小值；
[0066] (4)提取分帧加窗处理后的样本，进行抖动度计算：
[0067]Zwicker抖动度计算模型为：
[0068] (6)
[0069] 其中，F表示抖动度，单位vacil;
[0070]f。表不调制基频；
[0071] (5)提取分帧加窗处理后的样本，进行语言清晰度AI计算：
[0072] 语言清晰度计算模型为：
[0073]AI= 2ff(f)D(f)/30 (7)
[0074] (B：)
[0075] 式中，W(f)为计权系数；
[0076]N(f)为背景噪声上线，其表达式为UL(f) =H(f)+12dB;
[0077]LL(f)为背景噪声下限，其表达式为LL(f) =UL(f)_30dB。
[0078] 技术方案中所述步骤4中计算客观心理声学参数的时域动态特性指标的具体步 骤如下：
[0079] (1)各客观心理声学参数的方差S2计算
[0080] 对经过公式计算出的响度、尖锐度、粗糙度、语言清晰度、抖动度依照方差公式进 行计算：
[0081] m
[0082]式中：Xl为各参数以2秒为一帧的计算值；
[0083]无为各参数计算值的平均值；
[0084] n为各参数计算值的个数；
[0085] (2)各客观心理声学参数的极差R计算
[0086] R =x_-x_ (10)