[发明专利]一种融合声品质评价的声品质自整形设计方法和系统

权利要求书

1.一种融合声品质评价的声品质自整形设计方法，其特征在于包括：

步骤S1：在底盘各噪声传递结构处布置振动加速度传感器；对多工况车内噪声声音信号进行噪声样本采集；获取声音信号的声学客观评价参量：响度、粗糙度、抖动度和尖锐度；

步骤S2：对步骤S1所述的多工况车内噪声声音信号，按照设定的噪声等级进行主观评价并确定对应的主观评价值；同时，采集主观评价过程中人体的脑电信号并通过动态脑电图分析以获取脑电输出信号；

步骤S3：利用广义回归神经网络对所述主观评价值与脑电输出信号θ波和α波的功率谱有效值形成的样本点数值进行趋势拟合，获取相关度系数；将大于相关度系数设定值的主观评价值作为心理声学评价值；

步骤S4：利用支持向量机的方法，按照步骤S2主观评价值与声学客观评价参量之间的对应关系构建车内噪声品质评价及预测模型；以步骤S1中的所述客观评价参数作为输入，以主观预测评价值作为输出对模型进行训练；

步骤S5：将多工况采集的噪声样本中，每种工况主观预测评价值的均值在设定分数以下的声音信号，输入车内噪声品质评价及预测模型，通过C-FXLMS算法进行声品质自整形设计；将多工况采集的噪声样本中，每种工况心理声学评价值的均值在设定分数以上的声音信号，作为车内噪声品质评价及预测模型的控制指令信号；控制误差噪声收敛于特定幅值的控制指令信号，直至主观预测评价值在设定分数以上符合声品质要求为止。

2.根据权利要求1所述的融合声品质评价的声品质自整形设计方法，其特征在于步骤S1中利用LMS Test.Lab数据采集模块对多工况车内噪声声音信号进行噪声频谱采集，通过LMS Test.Lab声品质心理声学模块分析出响度、粗糙度、抖动度和尖锐度值。

3.根据权利要求1所述的融合声品质评价的声品质自整形设计方法，其特征在于步骤S2中，多工况车内噪声声音信号按照国家声学标准的测试间内播放品质，依照“烦躁性-舒适性”的依次变化设置10个不同等级。

4.根据权利要求1所述的融合声品质评价的声品质自整形设计方法，其特征在于步骤S3中，在同实验室环境下，主观评价人员佩戴对人体无害无损伤的电极帽，利用电极帽中安装的电极传感器采集人脑电信号；选取左右脑半球上对称的区域安放脑电极传感器，包括：电极传感器安放位置：Fp1：左额部；Fp2：右额部；C3：左顶部；C4：右顶部；O1：左枕部；O2：右枕部；T3：左颞部；T4：右颞部。

5.根据权利要求1所述的融合声品质评价的声品质自整形设计方法，其特征在于步骤S3中，将脑电图仪实时记录的数据导入动态脑电图系统,分别取刺激前、刺激中以及刺激后三个单位时间段数据作脑电功率谱分析,利用脑电系统自带分析软件读取并分析大脑各部位θ波、α波的功率谱均方根值；其中，θ波频率取4～8Hz、α波频率取8～13Hz。

6.根据权利要求1所述的融合声品质评价的声品质自整形设计方法，其特征在于步骤S3中，广义回归神经网络的参数设置如下：

以脑电输出信号θ波、α波功率谱均方根值形成的样本点数值为目标集，以其中一部分主观评价值作为训练样本集，进行训练，以剩余主观评价值数据值作为验证集，获得神经网络的最佳权重，以输入层神经元的数目等于学习样本中输入向量的维数，各神经元是简单的分布单元，直接将输入变量传递给模式层。

7.根据权利要求1所述的融合声品质评价的声品质自整形设计方法，其特征在于步骤S4调用Matlab软件中SVM工具箱建立基于SVM的车内噪声品质评价及预测模型并对模型进行训练和测试。

8.根据权利要求1所述的融合声品质评价的声品质自整形设计方法，其特征在于步骤S4对模型进行训练和测试过程如下：随机选取噪声样本中的一分部作为训练集，另一部分作为测试集，对训练集和测试集进行归一化预处理，之后交叉验证选择回归的最佳参数惩罚参数和核函数参数；利用最佳参数训练SVM；拟合预测，并输出拟合预测指标均方误差及相关系数；输出拟合预测指标均方误差及相关系数；把待预测样本中自变量因子数输入到已经构建好的预测模型中。