一种电子设备噪声品质的评价模型建立方法和反馈装置与流程

文档序号:31052794发布日期:2022-08-06 08:30阅读:93来源:国知局
一种电子设备噪声品质的评价模型建立方法和反馈装置与流程

1.本发明涉及电子设备的噪声品质领域,特别是涉及一种电子设备噪声品质的评价模型建立方法和反馈装置。


背景技术:

2.电子设备通常包含通信设备/路由器/交换机/服务器等设备,目前通信设备(传输设备/交换机/路由器等)或服务器的噪声都是通过声压级或声功率级噪声指标衡量,参照国内外标准,来判定电子设备噪声是否满足标准要求。部分电脑产品会增加噪声品质的评价要求,主要通过某个或某几个噪声品质指标(例如响度/突出比/语言清晰度/粗糙度/抖动度/尖锐度等),分别单独进行判别。目前方案的缺陷如下:
3.(1)噪声品质单维度评估,或者多个参数分别单维度评估,不能对异音/啸叫等异常噪声综合进行评价,无法通过单一指标综合评价噪声品质。
4.(2)噪声品质没有标准支持,而噪声又有一定主观性,不同的人对噪声品质的评价不同,现有噪声品质指标与人的主观感知脱钩。
5.鉴于以上情况,如何克服现有技术所存在的缺陷,解决无法综合评价噪声品质以及现有噪声品质指标与人的主观感知脱钩的问题,是本技术领域待解决的难题。


技术实现要素:

6.针对现有技术的以上缺陷或改进需求,本发明提供一种电子设备噪声品质的评价模型建立方法和反馈装置,通过不同电子设备噪声品质参数测量,以及收集不同志愿者对声音的主观评价,筛选出与主观评价强关联的噪声品质参数,并形成主观评价与噪声品质参数相关联的评价模型,该评价模型通过其他电子设备的噪声品质参数及主观评价检验后,用于综合评价电子设备的噪声品质。
7.本发明实施例采用如下技术方案:
8.第一方面,本发明提供了一种电子设备噪声品质的评价模型建立方法,包括:
9.选取多个电子设备的噪声样本,对噪声样本进行主观评价打分,并客观测量每个噪声样本的各项噪声品质参数;
10.基于主观评价打分与客观噪声品质参数的关联度,从多个维度各选取一个关联度最大的噪声品质参数作为噪声品质评价模型的关联参数,并进行数学分析拟合出关联度最大的模型以确定为初步模型;
11.选取其他电子设备的噪声样本来对初步模型进行验证,验证通过后将初步模型确定为最终的噪声品质评价模型。
12.进一步的,所述选取多个电子设备的噪声样本,对噪声样本进行主观评价打分具体包括:
13.获取多个不同设备的噪声样本,并筛选出基准噪声样本组以及测试噪声样本组;
14.从基准噪声样本组中选出最好的噪声样本作为合格分基准,选出最差的噪声样本
作为最低分基准;
15.参照合格分基准以及最低分基准对测试噪声样本组的所有噪声样本进行主观评价打分。
16.进一步的,在对噪声样本进行主观评价打分时,对噪声样本中至少一个完全相同的噪声进行不同编号,以用于筛选有效的打分数据,具体的:当对不同编号且完全相同的噪声评价一致时,该打分数据有效;当对不同编号且完全相同的噪声评价不一致时,该打分数据无效。
17.进一步的,所述从多个维度各选取一个关联度最大的噪声品质参数作为噪声品质评价模型的关联参数具体包括:
18.基于噪声品质的特性,从语言清晰度、响度、尖锐度中选取一个与主观评价关联度最大的噪声品质参数作为噪声品质评价模型的关联参数;从响度、尖锐度中选取一个与主观评价关联度最大的噪声品质参数作为噪声品质评价模型的关联参数;从粗糙度、抖动度中选取一个与主观评价关联度最大的噪声品质参数作为噪声品质评价模型的关联参数。
19.进一步的,所述进行数学分析拟合出关联度最大的模型以确定为初步模型具体包括:通过线性回归方程对选取的关联参数进行求解,得到关联度达到0.9以上的数学模型,选取关联度最大的模型确定初步模型。
20.进一步的,最终选取的关联参数包括:语言清晰度、尖锐度以及粗糙度,且选取的语言清晰度、尖锐度以及粗糙度与主观评价的关联度均在0.9以上。
21.进一步的,初步模型为:噪声品质分数=a+b*语言清晰度+c*尖锐度+d*粗糙度;其中,a取值范围为0~100,b取值范围为0~20,c取值范围为-20~0,d取值范围为-20~0。
22.进一步的,所述选取其他电子设备的噪声样本来对初步模型进行验证,验证通过后将初步模型确定为最终的噪声品质评价模型具体包括:
23.基于初步模型,选取其他电子设备噪声样本,进行噪声品质参数测试以及主观评价打分,基于噪声品质参数测试结果带入初步模型中得到噪声品质分数,计算得到的噪声品质分数与主观评价打分的关联度,若达到0.9以上,视为合格,将初步模型确定为最终的噪声品质评价模型。
24.进一步的,每个噪声样本的各项噪声品质参数具体包括响度、突出比、语言清晰度、粗糙度、抖动度、尖锐度中的一项或多项。
25.另一方面,本发明提供了一种电子设备噪声品质的反馈装置,包括存储单元、检测单元和反馈单元,其中:
26.所述存储单元用于存储该电子设备风扇转速与噪声品质分数的映射表;具体的,先获取不同风扇转速下的噪声品质数据,然后根据如第一方面所述的噪声品质评价模型来得到对应的噪声品质分数,从而得到风扇转速与噪声品质分数的映射表;
27.所述检测单元用于检测电子设备的实时运行风扇转速;
28.所述反馈单元用于将检测到的风扇转速与存储单元中的映射表比对,得到对应的实时噪声品质分数,上报显示实时噪声品质分数,同时按照合格噪声分数标准设置告警阀值,当噪声品质分数超标时进行告警。
29.与现有技术相比,本发明的有益效果在于:
30.(1)、通过筛选与电子设备噪声品质关联度大的几个噪声品质指标(语言清晰度/
尖锐度/粗糙度),形成噪声品质评价模型,该模型可很好评价啸叫/嗡嗡等异音特征,解决现有指标无法综合评估电子设备噪声品质的问题。
31.(2)、该噪声品质模型是将噪声指标和人的主观感知相结合,拟合出适合电子设备且体现人体感知的噪声品质评价模型,解决了不同人对噪声主观评价差异性问题。
32.(3)、通过电子设备噪声模型的建立,基于设备中应用时,可产生一种噪声品质反馈装置,通过电子设备检测参数,从噪声维度监控设备的运行是否正常。
附图说明
33.为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
34.图1为本发明实施例1提供的一种电子设备噪声品质的评价模型建立方法的流程图;
35.图2为本发明实施例1提供的主观评价打分流程示意图;
36.图3为本发明实施例2提供的一种电子设备噪声品质的反馈装置结构示意图;
37.图4为本发明实施例3提供的三个维度的主观声特征归类示意图;
38.图5为本发明实施例3提供的语言清晰度与主观评价数据的相关性示意图;
39.图6为本发明实施例3提供的响度与主观评价数据的相关性示意图;
40.图7为本发明实施例3提供的尖锐度与主观评价数据的相关性示意图;
41.图8为本发明实施例3提供的相关性计算公式示意图;
42.图9为本发明实施例3提供的相关性数据表格示意图。
具体实施方式
43.为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
44.本发明是一种特定功能系统的体系结构,因此在具体实施例中主要说明各结构模组的功能逻辑关系,并不对具体软件和硬件实施方式做限定。
45.此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。下面就参考附图和实施例结合来详细说明本发明。
46.本发明术语介绍如下。
47.噪声品质:特定的技术目标或任务内涵中声音的适宜性。
48.语言清晰度:语言清晰度是反映由于噪声原因导致交谈时语言清晰程度发生变化的参数。语言清晰度的单位是%,其大小与噪声高低及其频率特性有关,主要为400-6000hz频带噪声贡献。
49.粗糙度:粗糙度反映声音的幅值调制特性。对于一段声音,如果包含20-200hz的调制,则表现为粗糙度。粗糙度的单位是asper。
50.尖锐度:尖锐度描述高频成分在声音频谱中所占比例的物理量,反映了声音的剌
耳程度。尖锐度的单位是acum,相同声压级高频成分越多,尖锐度越大。
51.实施例1:
52.如图1所示,本发明实施例1提供一种电子设备噪声品质的评价模型建立方法,该方法包括如下步骤:
53.步骤100:选取多个电子设备的噪声样本,对噪声样本进行主观评价打分,并客观测量每个噪声样本的各项噪声品质参数。该步骤一方面通过不同志愿者对不同电子设备的噪声样本进行打分来获取主观评价打分数据,另一方面还通过对每个噪声样本的各项噪声品质参数(包括响度、突出比、语言清晰度、粗糙度、抖动度、尖锐度等各项噪声品质参数)进行客观测量以获取各项噪声品质参数的客观数据。
54.步骤200:基于主观评价打分与客观噪声品质参数的关联度,从多个维度各选取一个关联度最大的噪声品质参数作为噪声品质评价模型的关联参数,并进行数学分析拟合出关联度最大的模型以确定为初步模型。该步骤是对步骤100所获取的主观评价打分数据、客观噪声品质参数数据来进行关联分析以及模型建立,从而得到关联度最大、也即主客观相统一的初步噪声品质评价模型。
55.步骤300:选取其他电子设备的噪声样本来对初步模型进行验证,验证通过后将初步模型确定为最终的噪声品质评价模型。该步骤是对步骤200所得到的初步噪声品质评价模型进行验证,若验证该模型正确、合适,那么就将其确定为最终的噪声品质评价模型,可用于后续电子设备噪声品质的综合评价,若验证不准确则不采用。
56.上述步骤100-步骤300通过设计噪声品质模型,结合主观性数据采集,形成了可综合评估噪声品质的评价模型,解决电子设备噪声品质综合评估问题,解决了不同人对电子设备噪声主观评价差异性问题,指标唯一,操作简单。
57.在本优选实施例中,步骤100中“选取多个电子设备的噪声样本,对噪声样本进行主观评价打分”的具体流程如图2(主观评价打分流程示意图)所示,可包括如下步骤:
58.步骤101:获取多个不同设备的噪声样本,并筛选出基准噪声样本组以及测试噪声样本组。该步骤将噪声样本分为基准噪声样本组以及测试噪声样本组,其中的基准噪声样本组是用来确定基准分数的,而测试噪声样本组则是用来进行后续模型建立的测试的。
59.步骤102:从基准噪声样本组中选出最好的噪声样本作为合格分基准,选出最差的噪声样本作为最低分基准。需要说明的是基准噪声样本组可以包括两组噪声样本,其中一组噪声样本为不同设备在临界满足声功率噪声72db下的噪声样本,志愿者从该组噪声样本中选择声音感受最好的噪声样本,记录得票最多的噪声样本,将该样本作为合格的噪声品质基准线,作为合格分的基准;另外一组噪声样本为每个设备的全速声音样本,志愿者从该组噪声样本中选择声音感受最差的噪声样本,记录得票最多的噪声样本,将该样本作为最差的噪声品质基准线,作为最低分的基准。在本优选实施例中,最低分设定为1,合格分设定为14。
60.步骤103:参照合格分基准以及最低分基准对测试噪声样本组的所有噪声样本进行主观评价打分。该步骤中每个志愿者对每个噪声样本参照最低分、合格分的标准进行打分,以获得每个噪声样本的主观评价分数。还需说明的是,本实施例还在对噪声样本进行主观评价打分时,对噪声样本中至少一个(一般选1-2个)完全相同的噪声进行不同编号,以用于筛选有效的打分数据,具体的:当同一个志愿者对不同编号且完全相同的噪声评价一致
时,该志愿者的所有打分数据有效;当同一个志愿者对不同编号且完全相同的噪声评价不一致时,该志愿者的所有打分数据无效。另外,进行打分的志愿者需要选取不同部门,如市场/研发/行政/技服等领域人员分别选取,以保证打分数据的普适性。
61.在本优选实施例中,步骤200中“从多个维度各选取一个关联度最大的噪声品质参数作为噪声品质评价模型的关联参数”具体可包括如下过程:基于噪声品质的特性,从语言清晰度、响度、尖锐度中选取一个与主观评价关联度最大的噪声品质参数作为噪声品质评价模型的关联参数;从响度、尖锐度中选取一个与主观评价关联度最大的噪声品质参数作为噪声品质评价模型的关联参数;从粗糙度、抖动度中选取一个与主观评价关联度最大的噪声品质参数作为噪声品质评价模型的关联参数。其中,“语言清晰度”/“响度”/“尖锐度”可很好表征刺耳的尖叫声、变速时的“变调感”,以及能对风扇、电机的旋转阶次噪声进行很好表征,所以在其中选取一个与主观评价关联度最大的参数作为该维度选取的关联参数;“响度”/“尖锐度”可很好表征类唇齿音,例如:嘶嘶声、呼呼声、哗哗声、嚯嚯声,另外还能对扇叶搅动的气流气动噪声进行很好表征,所以在其中选取一个与主观评价关联度最大的参数作为该维度选取的关联参数;“粗糙度”/“抖动度”可很好表征时域上存在的不稳定感,能对电机转速的不稳定进行很好表征,所以在其中选取一个与主观评价关联度最大的参数作为该维度选取的关联参数。在本优选实施例中,基于三个维度最终选取的三个关联度最大的关联参数为语言清晰度、尖锐度以及粗糙度,且选取的语言清晰度、尖锐度以及粗糙度与主观评价的关联度均在0.9以上。
62.在本优选实施例中,步骤200中“进行数学分析拟合出关联度最大的模型以确定为初步模型”具体可包括如下过程:通过线性回归方程对选取的关联参数进行求解,得到关联度达到0.9以上的数学模型,选取关联度最大的模型确定初步模型。在本优选实施例中,初步模型为:噪声品质分数=a+b*语言清晰度+c*尖锐度+d*粗糙度;其中,a取值范围为0~100,b取值范围为0~20,c取值范围为-20~0,d取值范围为-20~0。需说明:这几个参数初始值是通过对不同类别的设备数据拟合得到,因为选取设备的不同或多少的区别,拟合出的参数会有一定的波动,但一般而言相关参数均在所设定的数据范围内;这个初始模型是通过几款不同类别的设备收集数据拟合而来,然后再基于其他多个设备测试检验这个模型是否可达到预期要求,如果其他多个设备检测可以达成要求,说明模型是有效的,即可用于新设备的噪声品质评估使用。
63.在本优选实施例中,步骤300中“选取其他电子设备的噪声样本来对初步模型进行验证,验证通过后将初步模型确定为最终的噪声品质评价模型”具体可包括如下过程:基于初步模型,选取其他电子设备噪声样本,进行噪声品质参数测试以及主观评价打分,基于噪声品质参数测试结果带入初步模型中得到噪声品质分数,计算得到的噪声品质分数与主观评价打分的关联度,若达到0.9以上,视为合格,将初步模型确定为最终的噪声品质评价模型。若未达到0.9以上,则视为不合格,并放弃使用将该初步模型。
64.综上所述,本发明实施例通过筛选与电子设备噪声品质关联度大的几个噪声品质指标(语言清晰度/尖锐度/粗糙度),形成噪声品质评价模型,该模型可很好评价啸叫/嗡嗡等异音特征,解决现有指标无法综合评估电子设备噪声品质的问题。本发明实施例的噪声品质模型是将噪声指标和人的主观感知相结合,拟合出适合电子设备且体现人体感知的噪声品质评价模型,解决了不同人对噪声主观评价差异性问题。
65.实施例2:
66.基于实施例1提供的电子设备噪声品质的评价模型建立方法,本实施例2提供一种电子设备噪声品质的反馈装置,如图3所示,该反馈装置体现在电子设备内为一个电子设备管理模块,具体的,该电子设备管理模块包括存储单元、检测单元和反馈单元。
67.在本优选实施例中,所述存储单元用于存储该电子设备风扇转速与噪声品质分数的映射表。具体的,电子设备风扇转速与噪声品质分数的映射表的获取包括如下过程:先获取不同风扇转速下的噪声品质数据,然后根据如实施例1所获得的噪声品质评价模型来得到对应的噪声品质分数,从而得到风扇转速与噪声品质分数的映射表。
68.在本优选实施例中,所述检测单元用于检测电子设备的实时运行风扇转速,以便根据实时运行的风扇转速来得到对应的噪声品质分数。
69.在本优选实施例中,所述反馈单元用于将检测到的风扇转速与存储单元中的映射表比对,得到对应的实时噪声品质分数,上报显示实时噪声品质分数,同时按照合格噪声分数标准设置告警阀值,当噪声品质分数超标时进行告警。
70.通过上述存储单元、检测单元和反馈单元这三个单元的设置,本实施例可针对某一款电子设备提前进行噪声品质测试计算,形成噪声品质与风扇转速的映射数据库,在设备实际运行过程中,通过电子设备的管理模块检测电子设备风扇转速,并与管理模块中的数据库进行映射,获得实时噪声品质数据,可对设备噪声品质参数进行实时上报,并可根据设置得阀值,针对设备噪声品质进行告警。
71.综上所述,本实施例通过电子设备噪声模型的建立,基于设备中应用时,可产生一种噪声品质反馈装置,通过电子设备检测参数,从噪声维度监控设备的运行是否正常。
72.实施例3:
73.基于实施例1提供的电子设备噪声品质的评价模型建立方法,本实施例3以一个具体的评价模型建立过程为例,来对实施例1所述的电子设备噪声品质的评价模型建立方法进行详细说明。
74.1、首先,本实施例的第一步是确定测试样本。
75.电子设备的噪声品质模型是基于现有不同设备的噪声进行声音样本获取,考虑到电子设备的主要噪声源是风扇,所以风扇的特性和结构的特性是整个电子设备的主要噪声因素,因此根据不同风扇尺寸,不同电子设备的风道型式(左进右出、下进上出、前进后出等),本实施例选择了6个设备作为测试对象(包含传输设备/路由器/交换机/服务器等),每个设备有7个档位(0-6档),即可获取42个不同设备不同转速的声音样本。这42个声音样本均在半消声室进行测试,通过声音样本及分析软件,可获取42个声音的录音及每个声音样本的各种单个噪声品质参数的数据(每个噪声数据的测量,均可通过软件获取,例如获取响度/突出比/语言清晰度/粗糙度/抖动度/尖锐度等噪声品质参数单维度的数据)。
76.将获取的42个声音样本进行筛选,结合评价测试的评价时间、声音特征的种类、评价方法确定声音样本数量。例如,将样本库声音按响度、尖锐度排序选择最终评价声音样本,筛选原则:1、能够反应样本库的特征分布(包含最大值、中间值、最小值,且分布均匀);2、特征差异明显(响度相同,尖锐度差异较大;尖锐度相同,响度相差较大);3、样本中设置两个完全相同样本(验证评价主体对相同声音的前后评价一致性),最终选择出20个声音样本,采用专业噪声回放设备回放,志愿者通过专业噪声设备进行声音回放,根据回放进行打
分。
77.上述这42个声音样本是基于6个设备获取,每个设备都有一个声音样本是临界满足声功率噪声72db,将临界满足声功率噪声72db的这6个声音作为声音样本组a;另外,还将每个设备的全速声音样本作为声音样本组b;将之前筛选出来的20个声音样本组成声音样本组c,声音样本组c中有两个声音是同一声音样本。这里的声音样本组a、声音样本组b即为实施例1中的基准噪声样本组,这里的声音样本组c即为实施例1中的测试噪声样本组。
78.2、志愿者的选择。
79.本实施例根据不同工作性质,选取研发(硬件)/市场/结构/散热/行政等共计40人,对其进行噪声品质的基础培训以及打分注意事项。
80.针对声音样本组a,志愿者选择声音感受最好的声音样本,记录得票最多的声音样本,该样本作为合格的噪声品质基准线,作为14分的基准。
81.针对声音样本组b,志愿者选择声音感受最差的声音样本,记录得票最多的声音声音样本,该声音作为最差的声音品质基准线,作为1分的基准。
82.针对声音样本组c,志愿者基于20个声音样本进行打分,按照1-20分,最高分20为声音最优,打分过程可参照声音样本组a(14分的声音基准)和声音样本组b(1分的声音基准)的主观评价标准,每个志愿者得到20个样本的分数。
83.3、数据处理。
84.(1)电子设备声音特性分析:通过6个不同风扇、不同风道的电子设备的7个档位的噪声数据测试,通过专业噪声分析人员的声音特征解析,并根据频谱及风扇转速/叶片数量/电机级数等进行对比分析,得到不同声音特征对应的机理,以及对应的噪声品质客观参数。如图4所示,本实施例得到三个维度的主观声特征归类,其中第一个维度为刺耳的尖叫声,变速时会可能会有“变调感”,其易发档位为6-0档,其信号特征为有调的窄带噪声,其结构机理为风扇、电机的旋转阶次噪声,其对应的客观声学参数为语言清晰度、响度、尖锐度;第二个维度为类唇齿音,嘶嘶声、呼呼声、哗哗声、嚯嚯声,其易发档位为6-0档,其信号特征为宽频离散噪声,其结构机理为扇叶搅动的气流气动噪声,其对应的客观声学参数为响度、尖锐度;第三个维度为时域上存在的不稳定感,其易发档位为6-0档,其信号特征为声音的调制,其结构机理为电机转速不稳定,其对应的客观声学参数为粗糙度、抖动度。
85.(2)声音样本组c的数据分析:针对声音样本组c的评分数据,通过相关性分析、一致性分析、箱形图分析后获得有效的主观评价分值。
86.相关性分析:对各评价者的评分结果进行相关性分析,剔除了平均相关系数小于0.70的评价者。
87.注:采用斯皮尔曼相关性分析来确认主观评价结果的相关性,剔除平均相关系数低于0.70的评价者,采用如图8所示的公式进行计算相关系数。例如:图9的表中有10个评价者数据,通过互相的相关性分析,计算平均的相关系数,通过计算其都高于0.7,所以所有数据保留。
88.一致性分析:为保证评价者对声音评价的一致性,需剔除同一个评价者对相同声音样本打分差距>2的评价者。
89.箱形图分析:剔除不同评价者对单个声音样本评价的异常值。
90.通过上述方法,去掉无效数据,并基于三个主要维度的噪声特征列表,从每个维度
筛选出一个噪声品质参数数据作为后续评价模型的相关参数。其中,第一个维度的声音特征中语言清晰度的测试数据与主观评价数据相关性最强,选择“语言清晰度”(参考图5:语言清晰度与主观评价数据的相关性示意图、图6:响度与主观评价数据的相关性示意图、图7:尖锐度与主观评价数据的相关性示意图);第一个维度的声音特征中,虽然响度关联性较强,但考虑到电子设备一般都有声压级或声功率噪声标准,属于必测试项,基本上响度与声压或声功率的大小关联性较大,因此本实施例第二组不用选择响度,而是选择“尖锐度”;第一个维度的声音特征中,粗糙度相关性最大,因此选择“粗糙度”。
91.基于选择的三个参数指标:“语言清晰度”/“尖锐度”/“粗糙度”,通过线性回归方程求解,得到主观评价得分与三个噪声品质指标的数学模型方程(可采用spss、stata、sas等软件进行线性回归计算):噪声品质分数=a+b*语言清晰度+c*尖锐度+d*粗糙度;其中a取值范围:0~100;b取值范围:0~20;c取值范围:-20~0;d取值范围:-20~0。最终的噪声品质模型中a/b/c/d的具体数值根据具体的测试数据得来,在此不做进一步限定。
92.本实施例通过此方式制定出来的噪声品质评价模型计算出的噪声品质分数与评价者的评分关联度达到0.978。为了检验此模型的合理性,又选取了另外不同的2台设备的不同档位进行噪声参数测试,并征集其他10名志愿者进行主观评价,获取的主观评价分数和数学模型计算分数关联度达到0.927以上,因此认为该噪声品质评价模型最终有效(关联度目标达到0.9即为有效),后续电子设备的噪声品质分数可通过噪声测试和该噪声品质评价模型计算,获取综合噪声品质评价。另外,在此过程中,对噪声品质合格分数也进行了定义:也即合格分14分,其噪声品质的合格基准通过不同设备的对比获取,并通过多个不同岗位人员评价综合所得,可以作为后续噪声品质的基准要求。
93.综上所述,本实施例通过筛选与电子设备噪声品质关联度大的几个噪声品质指标(语言清晰度/尖锐度/粗糙度),形成噪声品质评价模型,该模型可很好评价啸叫/嗡嗡等异音特征,解决现有指标无法综合评估电子设备噪声品质的问题。本实施例的噪声品质模型是将噪声指标和人的主观感知相结合,拟合出适合电子设备且体现人体感知的噪声品质评价模型,解决了不同人对噪声主观评价差异性问题。
94.以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1