详情

原文传递基于小波包变换的汽车关门声声品质评价研究

论文题名：	基于小波包变换的汽车关门声声品质评价研究
关键词：	汽车关门声;声品质评价;小波包变换;GA-BP神经网络;非平稳信号
摘要：	随着汽车动力性能等基本性能的提升，人们对汽车其他品质如汽车声品质等有了更高的要求，因此汽车声品质已经成为了研究热点。其中，平稳声信号声品质的研究起步较早，该领域的各方面研究及其评价流程也比较完善。但是汽车声信号多种多样，且多为非平稳声信号。适用于平稳声信号的心理声学参数难以准确描述非平稳声信号和反映人对声音的主观感受，因此应用时频分析等方法构建非平稳声信号的客观评价参数和建立评价模型已经成为研究重点。而汽车关门声作为接触频繁的汽车非平稳声信号，应用时频分析方法研究汽车关门声品质具有理论意义和工程价值。　　本课题以汽车关门声为研究对象，采用时频分析方法对汽车关门声进行处理并基于信号频域能量分布提取其信号特征，以时频分析提取的声信号特征构建声品质评价模型用于声品质评价。　　首先，试验采集汽车关门声样本，进行主观评价和传统客观参数特征分析。采集了25辆不同品牌乘用车在(1.0m/s±0.02m/s)速度工况下的关门声样本，对处理前后的声样本进行一致性检验；主观评价采用成对比较法，对24位听音人员的评价数据进行误判分析并获得最终主观评价值。考虑到关门声的非平稳性，对比分析了平稳声信号与非平稳声信号的心理声学客观参数特征,结果表明相比于平稳声信号，非平稳声信号因频率衰减导致心理声学客观参数幅值波动较大。说明应用传统心理声学客观参数对关门声进行客观评价存在表征复杂的问题，有必要寻求声信号能量特征等变量。　　然后，对符合一致性要求的声样本进行时频分析，以研究其能量特征。使用小波包变换对声样本进行处理，获得关门声样本特征向量。基于小波函数性质，选择db35小波作为基函数，对关门声样本进行小波包分析。按临界频带的划分方式对小波包进行设计，构造一个小波包滤波器组，关门声信号经小波包分解为24个分量，引入能量概念对24个分量量化构造能量特征向量。　　最后，应用GA-BP神经网络方法，分别构建以能量特征向量和以传统心理声学客观参数为变量的关门声声品质评价模型，并比较不同变量模型的优劣。采用遗传算法优化了BP神经网络起始权值、起始阈值。分别以经小波包变换提取的能量特征向量和数值化处理后的心理声学参数为输入、主观评价结果为输出构建评价模型。以能量特征向量为输入的声品质评价模型，其训练样本与测试样本的拟合系数分别为0.9953、0.9993，均方误差分别为0.1062、0.4715；基于传统心理声学客观参数的声品质评价模型，其训练样本与测试样本的拟合系数分别为0.8563、0.9806，均方误差分别为2.8325、2.8886。结果表明：基于小波包变换以能量特征向量为输入的声品质评价模型优于基于以传统心理声学客观参数为输入的声品质评价模型。经相关性分析发现，基于小波包变换的声能量特征向量与主观评价值的相关性均高于传统心理声学参数与主观评价值的相关性。用同一工况下的四个新声样本验证基于小波包变换的声品质评价模型的稳定性，用该模型对四个新声样本进行预测评价，其评价结果与实际主观评价结果一致，均方误差仅为0.4349；说明基于小波包变换提取信号特征所建立的评价模型更适用于诸如关门声这类非平稳声信号的声品质评价。　　本课题的研究结果表明，针对非平稳声信号的特性，更合适采用时频分析方法提取声信号特征对其进行研究。
作者：	金龙娥
专业：	车辆工程
导师：	黄泽好
授予学位：	硕士
授予学位单位：	重庆理工大学
学位年度：	2022