現(xiàn)代汽車振動(dòng)與噪聲分析技術(shù)課件第9章

1、汽車振動(dòng)與噪聲分析技術(shù)第9章 汽車聲品質(zhì)主觀評價(jià)試驗(yàn)技術(shù)靳 暢9.1 聲音的測量聲品質(zhì)問題不能光靠心理聲學(xué)參數(shù)的客觀評價(jià)來解決，主觀評價(jià)的結(jié)果才是對聲品質(zhì)的真實(shí)反映。9.1.1 雙耳效應(yīng)為了和人的雙耳聽覺特性相適應(yīng)，真實(shí)地再現(xiàn)原始聲場聽音環(huán)境，在進(jìn)行主觀評價(jià)的聲信號采集時(shí)，應(yīng)盡可能地考慮雙耳特性9.1 聲音的測量考慮了雙耳效應(yīng)以及頭部、肩部等形狀對聲波產(chǎn)生濾波效應(yīng)的聲音采集設(shè)備。9.1.2 聲學(xué)人工頭人工頭測量具有雙耳效應(yīng)，能夠體現(xiàn)出聲源移動(dòng)帶來的聲壓變化9.2 聲樣本的等響度預(yù)處理如果某個(gè)特征屬性特別突出，那么該特征會(huì)對對其他特征起到掩蔽作用，其中響度對于聲音的評價(jià)結(jié)果具有非常強(qiáng)的主導(dǎo)作用，

2、可能影響弱化對聲音品質(zhì)其它因素的感知，為確定響度是否對主觀感受占主導(dǎo)作用，需要主觀評價(jià)前進(jìn)行預(yù)評價(jià)試驗(yàn)聲樣本編號原始響度值/sone等響處理后響度值/sone121.70 22.30 22.00 20.70 21.20 20.95225.80 27.40 26.60 20.30 21.60 20.95333.70 33.40 33.55 21.00 20.90 20.95442.60 38.90 40.75 21.90 20.00 20.95532.50 34.90 33.70 20.30 21.60 20.95637.80 37.70 37.75 21.00 20.90 20.95742.1

3、0 38.80 40.45 21.90 20.00 20.95820.60 21.30 20.95 20.60 21.30 20.959.3 聲品質(zhì)的主觀評價(jià)方法主觀評價(jià)方法是通過評價(jià)試驗(yàn)用統(tǒng)計(jì)分析的方法將模糊的主觀感受量化或者具體化。常用的主觀評價(jià)方法有：排序法、等級評分法、成對比較法、分組成對比較法和語義細(xì)分法等。9.3 聲品質(zhì)的主觀評價(jià)方法評價(jià)人員用一客觀分值來表達(dá)自己對聲音的聽覺感受。簡便快捷，可以直接獲得評分結(jié)果。9.3.1 排序法最為簡便的主觀評價(jià)方法之一。缺點(diǎn)是：評價(jià)沒有一個(gè)相對的衡量標(biāo)準(zhǔn)9.3.2 等級評分法第一層等級形容詞形容詞說明第二層等級1一點(diǎn)不煩躁經(jīng)驗(yàn)豐富評價(jià)者能注意到

4、123有一點(diǎn)煩躁一般乘客都能注意到345令人煩躁乘客收到一定的干擾567比較煩躁乘客抱怨糟糕789非常煩躁無法承受9109.3 聲品質(zhì)的主觀評價(jià)方法適合那些無經(jīng)驗(yàn)聽者實(shí)驗(yàn)設(shè)計(jì)與分析相對簡單，其缺點(diǎn)是當(dāng)樣本較多時(shí)，比較的次數(shù)較多，容易引起評價(jià)者的疲勞。9.3.3 成對比較法評價(jià)過程中聲音樣本被成對播放，評價(jià)者聽后做出相關(guān)的比較評價(jià)打分評價(jià)結(jié)果樣本A得分A好于B1A與B差不多0B好于A-19.3.4 分組成對比較法將多個(gè)聲樣本按評價(jià)次數(shù)和所需時(shí)間分成合理的n個(gè)小組，每小組之間設(shè)立關(guān)聯(lián)樣本9.3 聲品質(zhì)的主觀評價(jià)方法(1) 所選擇的詞匯項(xiàng)目與要評價(jià)的內(nèi)容的相關(guān)性；(2) 反義詞的存在與否；(3) 詞

5、匯項(xiàng)目是否能正確反映各種不同的噪聲特征；(4) 所選擇的詞匯與評價(jià)的噪聲特征是否有足夠高的靈敏度。9.3.5 語義細(xì)分法運(yùn)用一些形容詞對聲樣本進(jìn)行主觀評價(jià)，這些形容詞往往是一對意義相反的形容詞多維度的屬性進(jìn)行評價(jià)程度描述詞異常很比較一樣比較不很不毫不賦值76543219.3 聲品質(zhì)的主觀評價(jià)方法9.3.6 常用主觀評價(jià)方法比較評價(jià)方法評價(jià)類型評價(jià)時(shí)間*評級精度評價(jià)難易結(jié)果應(yīng)用性特點(diǎn)排序法絕對值J = RN-困難（取決于樣本相似程度以及所評價(jià)的特征）絕對評價(jià)，可直接應(yīng)用不適于細(xì)微差別樣本等級評分法絕對值J = RN-困難（取決于樣本相似程度以及所評價(jià)的特征）絕對評價(jià)，可直接應(yīng)用不適于細(xì)微差別樣本

6、成對比較法相對值J = RN2*J = R（N、n）2*n *+易行難于確定閾值，適于閾值受控情況尤其適于細(xì)微差別樣本分組成對比較法語義細(xì)分法絕對值或相對值J = RNJ = RN2+多種特性組合解析相關(guān)特性維度基礎(chǔ)調(diào)研開銷大注:J-評價(jià)次數(shù)；R-重復(fù)次數(shù)；N-樣本數(shù)量；*-完整的成對比較9.4 聲品質(zhì)主觀評價(jià)數(shù)據(jù)處理9.4.1 主觀評價(jià)結(jié)果的誤判分析及可靠性檢驗(yàn)對評價(jià)數(shù)據(jù)進(jìn)行誤差、可信度等檢驗(yàn)，剔除評價(jià)結(jié)果中偏離較大的數(shù)據(jù)1相同聲樣本誤判2逆序誤判3三角循環(huán)誤判4可靠性檢驗(yàn)（1）評價(jià)結(jié)果的一致性系數(shù)要在0.70.8 以上，結(jié)果的可靠性才比較高（2）約10%20%人員的評價(jià)結(jié)果應(yīng)予以剔除。9.

7、4 聲品質(zhì)主觀評價(jià)數(shù)據(jù)處理9.4.2 評價(jià)數(shù)據(jù)的統(tǒng)計(jì)分析1排序法統(tǒng)計(jì)通過排序的分值來反映某一聲事件在評價(jià)中的排位 評價(jià)人聲樣本12345678910111213平均值#100000000000000#222324322234342.77#466566634646655.31#532443326222222.85#668688658888777.159.4 聲品質(zhì)主觀評價(jià)數(shù)據(jù)處理9.4.2 評價(jià)數(shù)據(jù)的統(tǒng)計(jì)分析2Bradley-Terry法統(tǒng)計(jì)廣泛的用于對比性評價(jià)結(jié)果的數(shù)據(jù)分析煩惱度聲樣本編號#1#2#3#4#5#1*0.070.040.04 0.04 #20.93*0.150.50 0.09 #

8、30.960.85 *0.76 0.10 #40.960.50 0.24 *0.10 #50.960.91 0.90 0.90 *9.4 聲品質(zhì)主觀評價(jià)數(shù)據(jù)處理9.4.2 評價(jià)數(shù)據(jù)的統(tǒng)計(jì)分析3幾何平均法與百分刻度變換法幾何平均法是將所有評價(jià)者對某一聲音樣本的評價(jià)分值的幾何平均數(shù)作為該聲音樣本的最終評分。百分刻度變換法是先將各評價(jià)者的評價(jià)分值轉(zhuǎn)化為百分制，即令某一評價(jià)者對所有聲音樣本評分的最大值為100%，最小值為0%，中間值按照比例分布于0100%之間。9.5 聲品質(zhì)的預(yù)測建模9.5.1多元線性回歸模型尋找主觀評價(jià)結(jié)果對心理聲學(xué)客觀參數(shù)的某種依賴關(guān)系，建立起主客觀之間的數(shù)學(xué)模型，以便通過客觀參

9、數(shù)來描述或預(yù)測主觀感受處理多個(gè)變量間相互依賴關(guān)系的一種有效數(shù)理統(tǒng)計(jì)方法為了減小回歸模型的復(fù)雜度，確定最顯著的自變量，在建立回歸模型之前要對所有可能的自變量進(jìn)行篩選9.5 聲品質(zhì)的預(yù)測建模9.5.1多元線性回歸模型1聚類分析認(rèn)為被研究的變量之間存在著程度不同的相似性，根據(jù)一批樣本的多個(gè)觀測指標(biāo)，具體找出一些能夠度量樣本或變量之間相似程度的統(tǒng)計(jì)量，以這些統(tǒng)計(jì)量為劃分類型的依據(jù)，把一些相似程度較大的樣本（或變量）聚合為一類（1）最短距離法（2）最長距離法（3）重心聚類法（4）離差平方和法（5）組間連接法以某車內(nèi)噪聲主觀“煩惱度”為例，對聲樣本的11個(gè)客觀參數(shù)進(jìn)行聚類分析，分析各參數(shù)之間的相似程度（親

10、疏關(guān)系），采用最遠(yuǎn)距離法進(jìn)行分層聚類9.5 聲品質(zhì)的預(yù)測建模9.5.1多元線性回歸模型2因子分析將一些具有錯(cuò)綜復(fù)雜關(guān)系的變量歸結(jié)為少數(shù)幾個(gè)綜合因子的一種多變量統(tǒng)計(jì)分析方法。Total Variance Explained（總方差分解）Component（主分量序號）Initial Eigenvalues（相關(guān)矩陣特征值）Extraction Sums of Squared Loadings（因子提取結(jié)果）Rotation Sums of Squared Loadings（旋轉(zhuǎn)后因子提取結(jié)果）Total（特征值）% of VarianceCumulative %Total（特征值）% of Va

11、rianceCumulative %Total（特征值）% of VarianceCumulative %17,61069,18169,1817,61069,18169,1815,34048,55048,55021,94017,63386,8141,94017,63386,8144,20938,26486,8143,7356,68293,4964,3252,95196,4465,1851,68098,1266,1111,00899,1347,054,49299,6268,025,22599,8519,010,09399,94410,005,04399,98711,001,013100,000% of Variance-各成分所解釋的方差占總方差的百分比Cumulative %-自上至下各因子方差占總方差百分比的累積9.5 聲品質(zhì)的預(yù)測建模9.5.1多元線性回歸模型3相關(guān)性分析研究變量間線性關(guān)系的強(qiáng)弱程度和方向9.5 聲品質(zhì)的預(yù)測建模9.5.1多元線性回歸模型4多元回歸模型的建立根據(jù)對自變量的選擇方式可有多種回歸方法，主要有全部選擇法、向前選擇法、向后剔除法和逐步法。向前選擇法、向后剔除法和逐步法具有篩選自變量的功能，可結(jié)合聚類分析、因子分析和相關(guān)性分析一起應(yīng)用。9.5 聲品質(zhì)的預(yù)測建模9.5.2 人工神經(jīng)網(wǎng)絡(luò)模型自變量與因變量具有復(fù)雜非線性關(guān)系的情