摘 "要:本文通過對(duì)心理聲學(xué)參數(shù)進(jìn)行主成分分析法,建立了主客觀關(guān)聯(lián)模型,并以此繪制煩惱度等值曲線,提出主成分計(jì)權(quán)的方法,在頻譜上直觀展示聲品質(zhì)的重點(diǎn)優(yōu)化頻率。本文提出的路噪聲品質(zhì)開發(fā)流程主要包括:獲取目標(biāo)客戶代表性人群的路噪主觀分值,基于心理聲學(xué)參數(shù)的主成分建立主客觀關(guān)聯(lián)模型,繪制煩惱度等值曲線,對(duì)噪聲頻譜進(jìn)行主成分計(jì)權(quán)得到路噪問題頻率。本流程具有工作量小敏捷性高可以直接指導(dǎo)工程開發(fā)的優(yōu)點(diǎn)。
關(guān)鍵詞:路噪;聲品質(zhì);頻譜;主成分計(jì)權(quán)
中圖分類號(hào):U461 " " "文獻(xiàn)標(biāo)志碼:A " " "文章編號(hào):1005-2550(2022)05-0002-05
Road Noise Quality Development Based on Principal Component Weighting
HUANG Jian-feng, XU Jing-chao
(GAC Automotive Research amp; Development Center, Guangzhou 511434, China)
Abstract: This paper establishes a subjective-objective correlation model through the principal component analysis method of psychoacoustic parameters, and draws the annoyance equivalent curve based on this method, and proposes a method of principal component weighting to visually display the key optimization frequencies of sound quality on the spectrum. The road noise quality development process proposed in this paper mainly includes: obtaining the subjective road noise scores of the representative population of the target customers, establishing a subjective and objective correlation model based on the principal components of psychoacoustic parameters, drawing an annoyance degree contour curve, and analyzing the principal components of the noise spectrum. Weighted to get the road noise problem frequency. This process has the advantages of small workload and high agility, which can directly guide engineering development.
Key Words: Road Noise; Sound Quality; Spectrum; Principal Component Weighting
隨著市場(chǎng)競(jìng)爭(zhēng)加劇以及消費(fèi)者趨于理性,舒適性受到越來越多的關(guān)注。NVH(噪聲、振動(dòng)及不平順性)作為舒適性的主要指標(biāo),成為消費(fèi)者選擇家庭用車時(shí)考量的重要因素之一。汽車行駛過程中,路噪是用戶反饋較多的NVH問題,亦是新能源汽車的主要NVH問題。
因此,近年來車內(nèi)噪聲聲品質(zhì)的相關(guān)研究也越來越多。如研究乘用車綜合商品性主觀評(píng)價(jià)體系[1]、結(jié)合視頻的聲品質(zhì)主觀評(píng)價(jià)研究[2]、人工頭模型及人耳模型基礎(chǔ)上的聲品質(zhì)評(píng)價(jià)技術(shù)研究[3]、研究如何研究主客觀關(guān)聯(lián)模型,然后建立綜合評(píng)價(jià)指標(biāo),以及進(jìn)行聲品質(zhì)優(yōu)化[4-6]。以上的研究存在一些問題,建模過程中輸入的心理聲學(xué)參量較少,一般為3~5個(gè),存在一定的信息損失。而且獲得的綜合指標(biāo)往往僅是一個(gè)數(shù)值,沒有說明噪聲窄帶譜或倍頻程與主觀評(píng)價(jià)的關(guān)系,不具備工程指導(dǎo)意義。
本文為了解決以上兩個(gè)問題,在心理聲學(xué)參數(shù)分析中引入主成分分析法,在盡量保留車內(nèi)噪聲信息的基礎(chǔ)上進(jìn)行數(shù)據(jù)降維,然后建立主客觀評(píng)價(jià)的關(guān)聯(lián)模型,以此制定主觀評(píng)價(jià)等值曲線,指導(dǎo)路噪優(yōu)化方向。
1 " "聲品質(zhì)開發(fā)總體流程
為了掌握目標(biāo)客戶的路噪痛點(diǎn),建立煩惱度等值曲線,指導(dǎo)整車開發(fā),本文聲品質(zhì)目標(biāo)制定主要分為四步:1.獲取路噪主客觀評(píng)價(jià)數(shù)據(jù):邀請(qǐng)目標(biāo)客戶進(jìn)行主觀評(píng)價(jià),測(cè)試路噪客觀數(shù)據(jù)。2.建立主客觀評(píng)價(jià)關(guān)聯(lián)模型:利用改進(jìn)的標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化方法對(duì)客觀數(shù)據(jù)進(jìn)行預(yù)處理,利用主成分分析(PCA)抽取客觀數(shù)據(jù)的主成分參量,最后用主成分參量和主觀評(píng)價(jià)建立主客觀關(guān)聯(lián)模型。3.驗(yàn)證主客觀關(guān)聯(lián)模型的準(zhǔn)確性。4.制定煩惱度等值曲線,對(duì)車內(nèi)噪聲進(jìn)行主成分計(jì)權(quán),確定各頻段的優(yōu)化優(yōu)先級(jí)。
2 " "主成分分析原理
聲品質(zhì)評(píng)價(jià)擁有千人千面的主觀性和復(fù)雜行,前人從不同的角度研究建立了眾多的心理聲學(xué)參量。如果選擇其中一個(gè)或幾個(gè)參量,可能會(huì)遺漏某些對(duì)主觀評(píng)價(jià)有較大影響的信息。如果選擇的參量過多,又會(huì)影響后期計(jì)算分析的工作量和質(zhì)量。主成分分析是把多個(gè)變量縮減為少數(shù)綜合因子的一種降維統(tǒng)計(jì)分析方法。其主要優(yōu)點(diǎn)是:1.新的綜合因子間相關(guān)性低;2.保留大部分信息,具有更強(qiáng)的代表性;3.數(shù)據(jù)降維,對(duì)分析參量的數(shù)量沒有限制;4.可按照貢獻(xiàn)率排除,減少非關(guān)鍵因子對(duì)分析工作的干擾[7-8]。主成分分析法的關(guān)鍵數(shù)學(xué)原理為:對(duì)于擁有n個(gè)樣本,每個(gè)樣本有p個(gè)變量的n×p階數(shù)據(jù)矩陣X,尋找一個(gè)p×m轉(zhuǎn)化矩陣A,使得數(shù)據(jù)降維成為n×m階主成分因子矩陣Y。即樣本原變量x1,x2,…,xp降維成m個(gè)主成分因子y1,y2,…,ym。
(1)
轉(zhuǎn)化矩陣A由n×p階矩陣X的相關(guān)系數(shù)的前m個(gè)特征向量組成,或者其協(xié)方差陣的前m個(gè)特征向量組成。
3 " "基于主成分的主客觀關(guān)聯(lián)模型
本文通過量表?xiàng)l目篩選,初步將21個(gè)心理聲學(xué)參量篩選為以下13個(gè):粗糙度、響度、音調(diào)度、突出比、Tonality、尖銳度、噪聲等級(jí)NR、NC、NCB、語(yǔ)音清晰度、語(yǔ)言干擾度、聲壓級(jí)、抖動(dòng)度等。本文將以上述13個(gè)心理聲學(xué)參量為基礎(chǔ)進(jìn)行主客觀關(guān)聯(lián)模型的建立。
3.1 " 提取主成分
第一步,進(jìn)行主成分分析的適用性檢驗(yàn)。計(jì)算并標(biāo)準(zhǔn)化51個(gè)樣本的心理聲學(xué)參數(shù),檢查其相關(guān)性。由圖2的相關(guān)性矩陣可見,13個(gè)參數(shù)間具有較高的相關(guān)性,如聲壓級(jí)與NCB的相關(guān)系數(shù)高達(dá)0.979,粗糙度與響度的相關(guān)系數(shù)也有0.954,各個(gè)因素之間的相關(guān)性均較高,適合做主成分分析。
其次進(jìn)行數(shù)據(jù)結(jié)構(gòu)效度檢驗(yàn)。如圖3所示,計(jì)算得到KMO值為0.813,巴特利特球形度檢驗(yàn)的近似卡方為1293.250,而且顯著性概率為0.000小于0.001,為高度顯著,以上數(shù)據(jù)說明心理聲學(xué)參數(shù)適合進(jìn)行主成分分析。
第二步,選取主成分。主要原則有:特征值gt;1,累計(jì)貢獻(xiàn)率gt;80%。由總方差解釋可知,前三個(gè)總成分的累計(jì)貢獻(xiàn)率已達(dá)到89%,因此本文選取前三個(gè)主成分進(jìn)行分析。前三個(gè)主成分的成分矩陣如圖5所示。三個(gè)主成分向量分別除以對(duì)應(yīng)的特征值的開方,即可得到主成分載荷矩陣。
第三步,用主成分載荷矩陣右乘心理聲學(xué)參數(shù)矩陣,即可得到心理聲學(xué)參數(shù)的主成分因子矩陣。主成分因子矩陣及主觀得分如圖6所示。
3.2 " 建立回歸模型
本方法可以采用各種模型來描述主成分和主觀得分的關(guān)系,如神經(jīng)網(wǎng)絡(luò)等非線性模型。本文中選擇較為熟悉易操作的多元線性回歸分析。將上述主成分因子和主觀得分代入到多元線性回歸模型中,所得模型結(jié)果如圖7所示。德賓沃森數(shù)接近2,顯著性系數(shù)0.006lt;0.05,主成分回歸分析的效果良好。
因此,主客觀關(guān)聯(lián)的線性回歸模型為:主觀分=5.509-0.517×F1-0.480×F2-1.095×F3。
為了驗(yàn)證線性回歸模型的預(yù)測(cè)能力。計(jì)算其余6個(gè)噪聲樣本的模型得分,與實(shí)際主觀得分對(duì)比如圖8所示,R2為0.94,一致性很好,因此該回歸模型可以作為預(yù)測(cè)路噪主觀得分的有力工具。
4 " "路噪聲品質(zhì)的重點(diǎn)頻率
將勻速車內(nèi)噪聲按照三分之一倍頻程進(jìn)行劃分,如圖9所示,然后逐一分析40Hz~2000Hz范圍內(nèi)每個(gè)頻段對(duì)主觀評(píng)分的影響。如40Hz,每增加6dB主觀評(píng)分下降0.2。然后根據(jù)上述結(jié)果,繪制煩惱度等值曲線如圖10所示。利用上述煩惱度等值曲線對(duì)噪聲頻譜進(jìn)行計(jì)權(quán),即可確定對(duì)主觀評(píng)價(jià)影響較高的頻譜,為路噪優(yōu)化指明方向。煩惱度等值曲線由心理聲學(xué)參數(shù)的主成分模型得出,因此本文將上述計(jì)權(quán)稱為主成分計(jì)權(quán)。
將某車型勻速噪聲分別進(jìn)行A計(jì)權(quán)和主成分計(jì)權(quán),其結(jié)果如圖11所示。從A計(jì)權(quán)來看,噪聲主要問題點(diǎn)是80Hz,300Hz到500Hz的影響差不多。主成分計(jì)權(quán)揭示的主要問題點(diǎn)是100Hz,其次是200Hz,300Hz以上對(duì)主觀評(píng)價(jià)的影響可以忽略。按照兩種計(jì)權(quán)揭示的問題,分別對(duì)原噪聲進(jìn)行了削弱,形成新的噪聲文件A和B。組織評(píng)價(jià)A、B兩種聲音,B聲音的打分比A聲音高0.25分。本文的主成分計(jì)權(quán)在路噪領(lǐng)域更能反應(yīng)出主觀評(píng)價(jià)所對(duì)應(yīng)的問題頻率。
5 " "總結(jié)
本文建立了指導(dǎo)路噪開發(fā)工作的聲品質(zhì)開發(fā)流程,具備工作量低敏捷性高的優(yōu)點(diǎn),易于針對(duì)目標(biāo)客戶進(jìn)行聲品質(zhì)開發(fā)?;谥骺陀^回歸模型,本文繪制了煩惱度等值曲線,進(jìn)而進(jìn)行了噪聲的主成分計(jì)權(quán),直觀展示主觀評(píng)價(jià)的重點(diǎn)優(yōu)化頻率。
本文在樣車數(shù)量和評(píng)價(jià)人員數(shù)量方面有所不足,線性回歸模型也可能忽略了聲品質(zhì)評(píng)價(jià)的非線性特性。下一步將繼續(xù)這兩方面的工作,進(jìn)一步完善路噪的主成分計(jì)權(quán)頻譜。
參考文獻(xiàn):
[1]鄭建明.乘用車綜合商品性主觀評(píng)價(jià)體系研究[D].吉林大學(xué),2015.
[2]趙林風(fēng).汽車聲品質(zhì)主觀評(píng)價(jià)研究及應(yīng)用[D].清華大學(xué),2012.
[3]謝軍.汽車聲品質(zhì)評(píng)價(jià)技術(shù)及方法研究[D].吉林大學(xué),2009.
[4]錢堃.電動(dòng)汽車聲品質(zhì)評(píng)價(jià)分析與控制技術(shù)研究[D].吉林大學(xué),2016.
[5]蘇麗俐.車內(nèi)聲品質(zhì)主客觀評(píng)價(jià)與控制方法研究[D].吉林大學(xué),2012.
[6]林鶴婷.經(jīng)濟(jì)型轎車車內(nèi)聲品質(zhì)評(píng)價(jià)研究[D].哈爾濱工業(yè)大學(xué),2018.
[7]彭玉石.基于主成分分析的建設(shè)工程項(xiàng)目延期影響因素研究[D].重慶大學(xué),2014.
[8]姜揚(yáng).聚類和主成分回歸在經(jīng)濟(jì)指標(biāo)數(shù)據(jù)中的應(yīng)用研究[D].吉林大學(xué),2010.
黃劍鋒
畢業(yè)于吉林大學(xué)車輛工程學(xué)院,碩士學(xué)歷?,F(xiàn)就職于廣汽研究院,任NVH工程師,主要研究方向:路噪路振。已發(fā)表論文數(shù)篇。
專家推薦語(yǔ)
康潤(rùn)程
襄陽(yáng)達(dá)安汽車檢測(cè)中心有限公司
NVH專業(yè)副總師 "研究員級(jí)高級(jí)工程師
本文針對(duì)客戶關(guān)注的電動(dòng)車路噪問題提出了路噪聲品質(zhì)開發(fā)流程,通過實(shí)際案例驗(yàn)證應(yīng)用如下:獲取目標(biāo)客戶代表性人群的路噪主觀分值和客觀測(cè)量值,經(jīng)過數(shù)據(jù)降維后,基于心理聲學(xué)參數(shù)的主成分建立主客觀關(guān)聯(lián)模型,并對(duì)關(guān)聯(lián)模型進(jìn)行了適宜性、有效性、線性回歸效果驗(yàn)證 ,繪制煩惱度等值曲線,對(duì)噪聲頻譜進(jìn)行主成分計(jì)權(quán)得到路噪問題頻率以確定優(yōu)化方向,最后通過主觀評(píng)價(jià)驗(yàn)證了優(yōu)化方向的準(zhǔn)確性。
全文結(jié)構(gòu)完整,論點(diǎn)明確、理論正確、論據(jù)有效、邏輯性強(qiáng)、可讀性強(qiáng)。有創(chuàng)新和較好的學(xué)術(shù)水平,有較好的實(shí)際應(yīng)用價(jià)值。