基于Adaboost算法的车内噪声声品质预测
发布时间：2019-07-26 13:09
【摘要】：对匀速工况下车内噪声信号分别进行主观评价与客观参量计算,并对主、客观评价结果进行了相关分析。在此基础上,基于Adaboost算法并结合BP神经网络、极限学习机(ELM)和支持向量机(SVM)建立了声品质预测模型,并将其预测结果与经过遗传算法(GA)参数优化后的GA-BP,GA-ELM和GA-SVM预测模型进行了对比。结果表明:基于Adaboost算法的车内噪声声品质预测模型效果最优,提升了声品质预测的准确度。
【图文】：
对声品质预测具有重要意义。本文中对车内噪声声品质进行了主、客观评价，并通过相关分析找出影响主观评价的主要心理声学参数。在此基础上，引入Adaboost算法的概念，结合BP神经网络、极限学习机(ELM)与支持向量机构建了车内噪声品质预测模型，并将其与经过参数优化的上述各单一近似模型进行对比分析，结果表明，基于Adaboost算法的预测模型效果最佳。1车内噪声样本采集与处理为获取准确的车内噪声信号，试验参考了GB/T18697—2002标准，采用LMS-SCM-05噪声采集仪和G.Ｒ.A.S.46AE传声器采集驾驶员右耳噪声信号，如图1所示。噪声信号采集试验中，记录了6款不同车型的A级轿车在平直的柏油马路上以不同挡位和车速匀速行驶时的若干组车内噪声信号。图1驾驶员右耳噪声信号采集示意图由于噪声样本过多会导致后期的主观评价耗时剧增且影响评价准确率，而样本过少则会导致分析结果失去统计意义，因此这里选取常用挡位和常用发动机转速下的30组典型噪声信号作为分析样本，并通过CoolEdit软件分别将其截断成长度为6s的噪声样本。2主、客观评价与相关分析2.1主观评价常用的声品质主观评分方法有等级评分法、成对比较法、锚定评分法等［8］，这里选取等级评分法进行车内噪声评分，该方法的关键在于评分刻度的确定。根据经验选取国际上通用的10刻度等级评分法进行主观评价，其中评分越高表示越烦躁。主观评审团由22名听力正常的主观评价人员组成，其中男性17名，女性5名，年龄为20～40岁。对每个噪声样本的全部主观评分取平均值作为该样本的最终声品质得分，并计算其对应的主观评价误差棒［9］(errorbar)，如图2所示。由评价结果可知，评审人员的主观评分较为稳定，其Kendall协和系数达到0.812，因此，该主观评价试验有效，可
囟铣沙ざ任?s的噪声样本。2主、客观评价与相关分析2.1主观评价常用的声品质主观评分方法有等级评分法、成对比较法、锚定评分法等［8］，这里选取等级评分法进行车内噪声评分，该方法的关键在于评分刻度的确定。根据经验选取国际上通用的10刻度等级评分法进行主观评价，其中评分越高表示越烦躁。主观评审团由22名听力正常的主观评价人员组成，，其中男性17名，女性5名，年龄为20～40岁。对每个噪声样本的全部主观评分取平均值作为该样本的最终声品质得分，并计算其对应的主观评价误差棒［9］(errorbar)，如图2所示。由评价结果可知，评审人员的主观评分较为稳定，其Kendall协和系数达到0.812，因此，该主观评价试验有效，可作为后续分析的基矗图2主观评分汇总2.2客观参数计算心理声学参数能较好地描述人对声音的主观感受，这里选取响度、尖锐度、粗糙度、抖动度、语音清晰度、语音干扰度和A计权声压级作为客观评价指标，通过LMSTest.lab13A软件对整车路试筛选出的30个噪声信号样本进行声品质客观参数计算，结果如表1所示。2.3相关分析为了研究主、客观评价之间的关系，对等级评分法得到的主观评分与客观评价指标进行相关分析。利用Matlab2014a软件对主、客观参量分别计算pearson相关系数，结果如表2所示。为了更加直观地反映其相关关系，绘出对应的相关散点图，如图3所示。分析表2与图3可知，响度、尖锐度与主观评价的相关性相对最高，相关系数分别为0.8442和0.8136。粗糙度、语音清晰度、语音干扰度、A计权声压级与主观评价的相关系数绝对值相对较低，但都高于0.7，表明其与主观评价具有较强的相关性，其中语音干扰度与主观评价呈负相关。抖动度与主观评价的相关系数只有0.1883，几乎没有相关性，
【作者单位】： 西南交通大学机械工程学院;
【基金】：国家自然科学基金(51475387) 四川省教育厅自然科学重点项目(16ZA0010)资助
【分类号】：U467.493
本文编号：2519569
【图文】：
对声品质预测具有重要意义。本文中对车内噪声声品质进行了主、客观评价，并通过相关分析找出影响主观评价的主要心理声学参数。在此基础上，引入Adaboost算法的概念，结合BP神经网络、极限学习机(ELM)与支持向量机构建了车内噪声品质预测模型，并将其与经过参数优化的上述各单一近似模型进行对比分析，结果表明，基于Adaboost算法的预测模型效果最佳。1车内噪声样本采集与处理为获取准确的车内噪声信号，试验参考了GB/T18697—2002标准，采用LMS-SCM-05噪声采集仪和G.Ｒ.A.S.46AE传声器采集驾驶员右耳噪声信号，如图1所示。噪声信号采集试验中，记录了6款不同车型的A级轿车在平直的柏油马路上以不同挡位和车速匀速行驶时的若干组车内噪声信号。图1驾驶员右耳噪声信号采集示意图由于噪声样本过多会导致后期的主观评价耗时剧增且影响评价准确率，而样本过少则会导致分析结果失去统计意义，因此这里选取常用挡位和常用发动机转速下的30组典型噪声信号作为分析样本，并通过CoolEdit软件分别将其截断成长度为6s的噪声样本。2主、客观评价与相关分析2.1主观评价常用的声品质主观评分方法有等级评分法、成对比较法、锚定评分法等［8］，这里选取等级评分法进行车内噪声评分，该方法的关键在于评分刻度的确定。根据经验选取国际上通用的10刻度等级评分法进行主观评价，其中评分越高表示越烦躁。主观评审团由22名听力正常的主观评价人员组成，其中男性17名，女性5名，年龄为20～40岁。对每个噪声样本的全部主观评分取平均值作为该样本的最终声品质得分，并计算其对应的主观评价误差棒［9］(errorbar)，如图2所示。由评价结果可知，评审人员的主观评分较为稳定，其Kendall协和系数达到0.812，因此，该主观评价试验有效，可
囟铣沙ざ任?s的噪声样本。2主、客观评价与相关分析2.1主观评价常用的声品质主观评分方法有等级评分法、成对比较法、锚定评分法等［8］，这里选取等级评分法进行车内噪声评分，该方法的关键在于评分刻度的确定。根据经验选取国际上通用的10刻度等级评分法进行主观评价，其中评分越高表示越烦躁。主观评审团由22名听力正常的主观评价人员组成，，其中男性17名，女性5名，年龄为20～40岁。对每个噪声样本的全部主观评分取平均值作为该样本的最终声品质得分，并计算其对应的主观评价误差棒［9］(errorbar)，如图2所示。由评价结果可知，评审人员的主观评分较为稳定，其Kendall协和系数达到0.812，因此，该主观评价试验有效，可作为后续分析的基矗图2主观评分汇总2.2客观参数计算心理声学参数能较好地描述人对声音的主观感受，这里选取响度、尖锐度、粗糙度、抖动度、语音清晰度、语音干扰度和A计权声压级作为客观评价指标，通过LMSTest.lab13A软件对整车路试筛选出的30个噪声信号样本进行声品质客观参数计算，结果如表1所示。2.3相关分析为了研究主、客观评价之间的关系，对等级评分法得到的主观评分与客观评价指标进行相关分析。利用Matlab2014a软件对主、客观参量分别计算pearson相关系数，结果如表2所示。为了更加直观地反映其相关关系，绘出对应的相关散点图，如图3所示。分析表2与图3可知，响度、尖锐度与主观评价的相关性相对最高，相关系数分别为0.8442和0.8136。粗糙度、语音清晰度、语音干扰度、A计权声压级与主观评价的相关系数绝对值相对较低，但都高于0.7，表明其与主观评价具有较强的相关性，其中语音干扰度与主观评价呈负相关。抖动度与主观评价的相关系数只有0.1883，几乎没有相关性，
【作者单位】： 西南交通大学机械工程学院;
【基金】：国家自然科学基金(51475387) 四川省教育厅自然科学重点项目(16ZA0010)资助
【分类号】：U467.493
【相似文献】
相关硕士学位论文 前4条
1 韦洪喜;司机防疲劳驾驶系统研究[D];安徽理工大学;2016年
2 张旭东;基于Adaboost和主动性状模型相结合的驾驶员疲劳检测算法研究[D];河北工业大学;2015年
3 邵佳;基于眼部特征的疲劳驾驶实时检测算法研究[D];湖南大学;2013年
4 姚瑶;基于视觉的疲劳驾驶预警系统[D];合肥工业大学;2015年
本文编号：2519569
本文链接：https://www.wllwen.com/kejilunwen/qiche/2519569.html
