一种车辆噪声声品质的粗糙度信息处理方法
【专利摘要】本发明涉及一种车辆噪声声品质的粗糙度信息处理方法，包括以下步骤：(1)将噪声信号进行分段，并加窗；(2)对加窗后的噪声信号进行傅立叶变换，计算出噪声信号在临界频带上的激励声级；(3)在临界频带上设计相互叠加的通道，将激励声级划分到所述通道上，形成子噪声信号，再将该噪声信号进行反傅立叶变换，得到激励声级的时域子信号；(4)对所述激励声级的时域子信号解调后，进行反傅立叶变换，得到经调制后的信号时域值，再计算出每个通道的调制指数；(5)计算所有通道的噪声信号之间的相关系数及载波频率加权系数；(6)计算每个通道上噪声信号的粗造度，并求出总粗糙度。与现有技术相比，本发明考虑了人耳的听觉感知特性，具有方法明了、精度高等优点。
【专利说明】一种车辆噪声声品质的粗糙度信息处理方法
【技术领域】
[0001] 本发明涉及一种信息处理方法，尤其是涉及一种车辆噪声声品质心理声学参数粗 糖度的?目息处理方法。
【背景技术】
[0002] 随着社会的发展、科技的进步，环境噪声污染已成为社会一大公害，而交通车辆噪 声已达到城市环境噪声污染总量的40%，因此，对车辆噪声的认知与防治已成为环境噪声 控制的一个重要环节。我国于1996年出台了《中华人民共和国环境噪声污染防治法》，国家 环保局先后出台了 GB4569、GB16160、GB5467、GB1494、GB16170 和 GB14365 等一系列标准， 对各类机动车噪声的测试方法和噪声排放限值做出了规定。但这些标准仅采用Α计权声压 级进行车辆噪声评价，评价结果通常与人的听觉感受有较大差异。这是因为，A计权存在诸 多不足。首先，A计权网络是以40方（phon)响度级的纯音测试得出的结果，然而实际噪声 频率组成复杂，且在不同频率组成中存在掩蔽效应，因此A计权网络不可能精确反映实际 响度级。其次，A计权网络对噪声低频噪声衰减过大，因此在计算以低频为主的噪声时与人 体主观响度感觉差距过大。
[0003] 从20世纪30年代以来，随着汽车工业的发展，人们不仅要求汽车噪声的强度够 小，还要求听起来比较舒适，这与噪声的频率成分、时频特点有关，即噪声声品质。而真正意 义上的声品质评价方法研究开始于20世纪80年代中期，完整的声品质概念由Blauert于 1997年提出，即在特定的技术目标或任务内涵中声音的适宜性。这里的"声"是指人耳的 听觉感知，"品质"是指人对声音事件做出的主观判断。声品质不能简单地描述为物理量， 而必须通过人参与到听觉事件中，并根据主观心理期望进行判断。声品质评价是一个非常 复杂的过程，它涉及到三个方面的知识：物理声学（声场）、心理声学（听觉感知）和心理 (听觉评价）。在过去的几十年里，人们提出了心理声学的概念，将声音的客观评价指标与 人的听觉感受联系起来，比如响度、粗糙度、尖锐度、起伏度、音调度和舒适度等，在车辆噪 声声品质研究领域，A计权声级、响度两个指标已得到国际上的普遍认可，并写入ISO和一 些国家标准中。尖锐度、粗糙度和起伏度三个指标提出较晚，但其研究进展较快，德国DIN 和美国标准化局已专门成立机构开展此方面的研究，除尖锐度指标已进入测试阶段外，其 余指标目前尚未见实质性进展的报告。粗糙度是人体听觉器官对噪声信号在时域上幅值 (即包络）快速变化的一种感觉，因此通常在描述此类感觉时，通常用调幅信号来加于说 明。对于粗糙度的计算模型，Aure提出计算各个临界频带上激励包络，以此来计算调制指 数最终得出各个通道上的粗糙度；Fasti提出通过计算信号的调制频率，激励级差来计算 粗糙度；Sottek通过对激励包络进行非线性压缩与自相关计算来计算粗糙度；Daniel等改 进了 Aures模型，使其更易于实现，提高了主、客观评价结果的相关性；Hoeldrich等作了进 一步的改进，使其适用于不同的心理声学假设。Tsai提出了由分谐波引起的粗糙度听觉分 组感知的定性经验模型，Mores在此基础上进行了实验研究，初步验证了模型的正确性。但 总体来说粗糙度的计算方法目前还在探索之中。
【发明内容】
[0004] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种车辆噪声声品 质的粗糙度信息处理方法，该方法基于人耳听觉感知特性，充分考虑激励声级的非线性特 性，并将其量化，兼顾噪声不同通道信号之间的相关系数及载波频率加权系数等粗糙度的 影响系数，克服目前A计权声级等噪声测量与评价指标不能体现主观感受的不足。
[0005] 本发明的目的可以通过以下技术方案来实现：
[0006] -种车辆噪声声品质的粗糙度信息处理方法，包括以下步骤：
[0007] (1)将噪声信号进行分段，并对噪声信号进行加窗处理；
[0008] (2)对加窗后的噪声信号进行傅立叶变换，并根据人耳传递特性对其结果进行加 权，计算出噪声信号在临界频带上的激励声级；
[0009] (3)在临界频带上设计多个相互叠加的通道，将激励声级划分到所述通道上，形 成多个的子噪声信号，再将该噪声信号进行反傅立叶变换，得到多个激励声级的时域子信 号；
[0010] (4)对所述激励声级的时域子信号解调后，进行反傅立叶变换，得到经调制后的信 号时域值，再计算出每个通道的调制指数；
[0011] (5)计算所有通道的噪声信号之间的相关系数及载波频率加权系数；
[0012] (6)根据通道的调制指数、相关系数及载波频率加权系数，得到每个通道上噪声信 号的粗造度，并求出总粗糙度。
[0013] 步骤（1)中分段后每段噪声信号的长度为200ms，这是因为在心理声学研究中发 现200ms的持续时间才能让人类听觉器官充分、正确地感知声音信号的特点，因此在进行 信号处理时，信号样本的持续时间也必须达到200ms。此外，步骤（1)中所述加窗处理的窗 函数为海明窗（hamming window)或者布莱克曼窗（blackman window)。
[0014] 步骤（2)中，由于人类听觉系统以临界频带的形式处理声音信号，将声音的声强 按照不同的临界频带分成多个部分，某个频带的声强I e(f)。从频域转化为Bark域后为 Ie(Z)，临界频带声级通常用它的对数形式，即声强级Le。结合考虑人耳听觉器官的掩蔽效应 的激励级正确地描述了人体的听觉，它反映了人耳在各个临界频带上对信号的非线性滤波 特性。在外形上它与纯音的掩蔽阈值相同，激励级的最大值，即主激励级等于临界带声级， 以此为最高点，激励级沿着Bark轴向两边下降。激励级左右两边斜线的斜率不同，四条曲 线左边斜线的斜率是相同的，而曲线右边的斜率由于与主激励的频率与声级相关，因此各 不相同，主激励的频率越高，声级越大，激励级的曲线的斜率就越小，也就则越平坦。
[0015] 步骤（3)中在临界频带上设计47个相互叠加的通道，将激励声级划分到所述通道 上，形成47个的子噪声信号，再将该噪声信号进行反傅立叶变换，得到47个激励声级的时 域子信号。所述的通道的带宽为lbark，每个通道的中心频率为0. 5ibark，其中i = 1? 47,为通道的编号。
[0016] 第i个通道的激励声级通过线性叠加噪声各个频率成分落入它的频带范围内激 励声级得到，通过采用47个互相堆叠的通道方法计算激励声级的优点是它充分考虑了激 励声级的非线性特性，并将其量化后加入到计算模型中，因此比普通线性的滤波器要更为 精确。噪声信号的激励声级被划分到47个激励通道上，形成47个子噪声信号，将其进行反 傅里叶变换，得到47个激励声级时域子信号ei (t)。
[0017] 步骤（4)中对所述激励声级的时域子信号解调后，经过半波检波和低通滤波这两 步骤后在进行反傅里叶变换。
[0018] 步骤（5)中通道的噪声信号之间的相关系数表示噪声信号的相位对粗糙度的影 响系数，载波频率加权系数表示载波频率对粗糙度的影响系数。
[0019] 步骤￠)中总粗糙度通过累加所有通道上噪声信号的粗糙度，再乘以标定系数得 到。
[0020] 与现有技术相比，本发明考虑了所有影响粗糙度因素并将其量化，尤其考虑了人 耳的听觉感知特性，弥补由于目前A计权声级等噪声测量与评价指标不能体现主观感受的 不足，计算方法明了、精度高。
【专利附图】
【附图说明】
[0021] 图1为本发明的处理流程图；
[0022] 图2为人耳对声波的传递特性；
[0023] 图3为以4个纯音为中心频率的激励级曲线；
[0024] 图4为实施例中调制频率加权系数；
[0025] 图5为实施例中载波频率加权系数；
[0026] 图6为本发明实施例各个通道噪声信号的粗糙度示意图。
【具体实施方式】
[0027] 下面结合附图和具体实施例对本发明进行详细说明。
[0028] 实施例
[0029] 本发明采集车速为80km/h匀速行驶时后排乘客处噪声信号作为样本，对该样本 进行粗糙度信息的处理，该方法具体包括以下步骤：
[0030] 步骤一：
[0031] 将噪声信号进行分段，每段信号的长度为200ms，在进行信号分段后，对信号进行 加窗处理，窗函数为布莱克曼窗（blackman window)。
[0032] 步骤二：
[0033] 对加窗后的噪声信号进行傅立叶变换，并根据人耳传递特性对其结果进行加权， 计算出噪声信号在临界频带上的激励声级。
[0034] 人类听觉系统以临界频带的形式处理声音信号，其对声波的传递特性如图2所 示。将声音的声强按照不同的临界频带分成多个部分，某个频带的声强I e，其公式如下
【权利要求】
1. 一种车辆噪声声品质的粗糙度信息处理方法，其特征在于，包括以下步骤： (1) 将噪声信号进行分段，并对噪声信号进行加窗处理； (2) 对加窗后的噪声信号进行傅立叶变换，并根据人耳传递特性对其结果进行加权，计 算出噪声信号在临界频带上的激励声级； (3) 在临界频带上设计多个相互叠加的通道，将激励声级划分到所述通道上，形成多个 的子噪声信号，再将该噪声信号进行反傅立叶变换，得到多个激励声级的时域子信号； (4) 对所述激励声级的时域子信号解调后，进行反傅立叶变换，得到经调制后的信号时 域值，再计算出每个通道的调制指数； (5) 计算所有通道的噪声信号之间的相关系数及载波频率加权系数； (6) 根据通道的调制指数、相关系数及载波频率加权系数，得到每个通道上噪声信号的 粗造度，并求出总粗糙度。
2. 根据权利要求1所述的一种车辆噪声声品质的粗糙度信息处理方法，其特征在于， 步骤（1)中分段后每段噪声信号的长度为200ms。
3. 根据权利要求1所述的一种车辆噪声声品质的粗糙度信息处理方法，其特征在于， 步骤（1)中所述加窗处理的窗函数为海明窗或者布莱克曼窗。
4. 根据权利要求1所述的一种车辆噪声声品质的粗糙度信息处理方法，其特征在于， 步骤（3)中在临界频带上设计47个相互叠加的通道，将激励声级划分到所述通道上，形成 47个的子噪声信号，再将该噪声信号进行反傅立叶变换，得到47个激励声级的时域子信 号。
5. 根据权利要求4所述的一种车辆噪声声品质的粗糙度信息处理方法，其特征在于， 所述的通道的带宽为lbark,每个通道的中心频率为0. 5i bark,其中i = 1?47,为通道的 编号。
6. 根据权利要求1所述的一种车辆噪声声品质的粗糙度信息处理方法，其特征在于， 步骤（4)中对所述激励声级的时域子信号解调后，经过半波检波和低通滤波这两步骤后在 进行反傅里叶变换。
7. 根据权利要求1所述的一种车辆噪声声品质的粗糙度信息处理方法，其特征在于， 步骤（5)中通道的噪声信号之间的相关系数表示噪声信号的相位对粗糙度的影响系数，载 波频率加权系数表示载波频率对粗糙度的影响系数。
8. 根据权利要求1所述的一种车辆噪声声品质的粗糙度信息处理方法，其特征在于， 步骤￠)中总粗糙度通过累加所有通道上噪声信号的粗糙度，再乘以标定系数得到。
【文档编号】G06F19/00GK104102803SQ201310118021
【公开日】2014年10月15日 申请日期:2013年4月7日 优先权日:2013年4月7日
【发明者】王岩松, 郭辉, 沈公奇, 鞠建, 石磊, 刘宁宁, 肖淙文, 冯天培 申请人:上海工程技术大学