一、声品质理论

1、声品质定义

     声品质是用心理声学方法研究噪声特性，更强调评价主体对声特性判断的主观性，能全面反映人对车内噪声的总体主观感受。

2、声品质心理声学参数

    包括粗糙度、响度、音调度、突出比、Tonality、尖锐度、噪声等级NR、NC、NCB、语音清晰度、语言干扰度、声压级、抖动度等。

ØAI 指数用来表示人在特定噪声下的语言理解程度，主要取决于背景噪声的声压级和频率， AI 指数的计算主要反映200 Hz～6 300 Hz倍频程范围的能量大小，正好对应了中频的能量，便于以此判断噪声在各频段的不同分布。

Ø响度用来表示声音的强弱程度，一个声音响度越大即声强值越大，对人耳的 刺 激越大，人体感受也越容易烦躁。

Ø尖锐度可对噪声中的高频成分所占比例进行量化描述，能够量化表述尖锐刺耳程度。频谱包络和中心频率是影响噪声尖锐度的最主要因素。

Ø粗糙度能够反映调制幅度的大小、分布和程度，对200 Hz的调制频率以下的声音都能保证声音评价的准确性，特别对70 Hz调制频率附近的声音具有显著的评价效果

二、路噪声品质评价方法

1、声品质评价方法

在声品质的客观评价中利用测试得到噪声信号客观参量，并做量化分析。然而现阶段声品质评价研究中获取数据的主要途径还是靠主观评价实验。

2、路噪声品质评价方法

1)声品质主观评价

声品质主观评价方法有排序法、等级打分法、成对比较法、语义细分法、参考语义细分法。

2）声品质的客观参数统计方法

Ø线性回归

Ø主贡献量分析

ØKPCA（核主成分分析方法）

3）声品质预测模型

ØBP神经网络

ØGA-BP神经网络

3、路噪声品质评价流程

三、路噪声品质案例分析

1、路噪声品质案例分析

1）匀速60Km/h路噪测试数据处理及样本数据收集

2）匀速60Km/h路噪主观评价

3）路噪数据KPCA分析（降维度）

Ø高斯核函数中的gamma（γ）参数：高斯核函数定义为 ，其中，γ是高斯核函数的一个超参数。它控制了数据点在高维空间中的分布情况。当γ越大时，高斯核函数会使得数据点在高维空间中的分布更加集中，因此，降维后的数据将更容易区分。常见的取值范围为10^-3到 10^3。

4）建立路噪声品质主客观关联模型

（1）样本训练：

  选用一个5层神经网络来构建声品质的评价模型。输入层为5个客观参量,节点数为3;输出层为主观声品质值,节点数为1。结合隐含层选择规律,并通过试验,选定隐含层结点数为14。最终构建的网络拓扑结构为3-14-1。网络隐含层采用logsig函数,输出层采用purlin线性函数。

GA-BP主客观关联模型

（2）模型预测：选取四款车型匀速60Km/h声品质实测数据，带入模型计算，结果如下：

（3）经主观评价与BP神经网络、GA-BP神经网络预测值进行对比。

结果表明预测模型与实际评价结果差值0.5分。