1、同济大学汽车学院Tongji Auto汽车振动与噪声分析技术第9章 汽车声品质主观评价试验技术靳 畅Tongji Auto9.1 声音的测量声品质问题不能光靠心理声学参数的客观评价来解决，主观评价的结果才是对声品质的真实反映。9.1.1 双耳效应双耳效应为了和人的双耳听觉特性相适应，真实地再现原始声场听音环境，在进行主观评价的声信号采集时，应尽可能地考虑双耳特性Tongji Auto9.1 声音的测量考虑了双耳效应以及头部、肩部等形状对声波产生滤波效应的声音采集设备。9.1.2 声学人工头声学人工头人工头测量具有双耳效应，能够体现出声源移动带来的声压变化Tongji Auto9.2 声样本的等
2、响度预处理如果某个特征属性特别突出，那么该特征会对对其他特征起到掩蔽作用，其中响度对于声音的评价结果具有非常强的主导作用，可能影响弱化对声音品质其它因素的感知，为确定响度是否对主观感受占主导作用，需要主观评价前进行预评价试验声样本编号原始响度值/sone等响处理后响度值/sone121.70 22.30 22.00 20.70 21.20 20.95225.80 27.40 26.60 20.30 21.60 20.95333.70 33.40 33.55 21.00 20.90 20.95442.60 38.90 40.75 21.90 20.00 20.95532.50 34.90 33.
3、70 20.30 21.60 20.95637.80 37.70 37.75 21.00 20.90 20.95742.10 38.80 40.45 21.90 20.00 20.95820.60 21.30 20.95 20.60 21.30 20.95LNRNMNLNRNMNTongji Auto9.3 声品质的主观评价方法主观评价方法是通过评价试验用统计分析的方法将模糊的主观感受量化或者具体化。常用的主观评价方法有：排序法、等级评分法、成对比较法、分组成对比较法和语义细分法等。Tongji Auto9.3 声品质的主观评价方法评价人员用一客观分值来表达自己对声音的听觉感受。简便快捷，可以
4、直接获得评分结果。9.3.1 排序法排序法最为简便的主观评价方法之一。缺点是：评价没有一个相对的衡量标准9.3.2 等级评分法等级评分法第一层等级第一层等级形容词形容词形容词说明形容词说明第二层等级第二层等级1一点不烦躁经验丰富评价者能注意到123有一点烦躁一般乘客都能注意到345令人烦躁乘客收到一定的干扰567比较烦躁乘客抱怨糟糕789非常烦躁无法承受910Tongji Auto9.3 声品质的主观评价方法适合那些无经验听者实验设计与分析相对简单，其缺点是当样本较多时，比较的次数较多，容易引起评价者的疲劳。9.3.3 成对比较法成对比较法评价过程中声音样本被成对播放，评价者听后做出相关的比较
5、评价打分评价结果评价结果样本样本A得分得分A好于好于B1A与与B差不多差不多0B好于好于A-19.3.4 分组成对比较法分组成对比较法将多个声样本按评价次数和所需时间分成合理的n个小组，每小组之间设立关联样本nnNRJ2/Tongji Auto9.3 声品质的主观评价方法(1)所选择的词汇项目与要评价的内容的相关性；(2)反义词的存在与否；(3)词汇项目是否能正确反映各种不同的噪声特征；(4)所选择的词汇与评价的噪声特征是否有足够高的灵敏度。9.3.5 语义细分法语义细分法运用一些形容词对声样本进行主观评价，这些形容词往往是一对意义相反的形容词多维度的属性进行评价程度描述词程度描述词异常异常很
6、很比较比较一样一样比较比较不不很不很不毫不毫不赋值赋值7654321Tongji Auto9.3 声品质的主观评价方法9.3.6 常用主观评价方法比较常用主观评价方法比较评价方法评价方法评价类型评价类型评价时间评价时间*评级精度评级精度评价难易评价难易结果应用性结果应用性特点特点排序法排序法绝对值J=RN-困难（取决于样本相似程度以及所评价的特征）绝对评价，可直接应用不适于细微不适于细微差别样本差别样本等级评分等级评分法法绝对值J=RN-困难（取决于样本相似程度以及所评价的特征）绝对评价，可直接应用不适于细微不适于细微差别样本差别样本成对比较成对比较法法相对值J=RN2*J=R（N、n）2*n
7、*+易行难于确定阈值，适于阈值受控情况尤其适于细尤其适于细微差别样本微差别样本分组成对分组成对比较法比较法语义细分语义细分法法绝对值或相对值J=RNJ=RN2+多种特性组合解析相关特性维度基础调研开基础调研开销大销大注注:J-评价次数；评价次数；R-重复次数；重复次数；N-样本数量；样本数量；*-完整的成对比较完整的成对比较Tongji Auto9.4 声品质主观评价数据处理9.4.1 主观评价结果的误判分析及可靠性检验主观评价结果的误判分析及可靠性检验对评价数据进行误差、可信度等检验，剔除评价结果中偏离较大的数据1相同声样本误判2逆序误判3三角循环误判4可靠性检验iiwiC ECE1wwC（
8、1）评价结果的一致性系数要在0.70.8 以上，结果的可靠性才比较高（2）约10%20%人员的评价结果应予以剔除。Tongji Auto9.4 声品质主观评价数据处理9.4.2 评价数据的统计分析评价数据的统计分析1排序法统计通过排序的分值来反映某一声事件在评价中的排位 评价人声样本12345678910111213平均值#100000000000000#222324322234342.77#466566634646655.31#532443326222222.85#668688658888777.15Tongji Auto9.4 声品质主观评价数据处理9.4.2 评价数据的统计分析评价数据的
9、统计分析2Bradley-Terry法统计广泛的用于对比性评价结果的数据分析exp()|,exp()exp()iijp i i j(|,)ln(|,)ijp i i jp j i j烦恼度声样本编号#1#2#3#4#5#1*0.070.040.04 0.04#20.93*0.150.50 0.09#30.960.85*0.76 0.10#40.960.50 0.24*0.10#50.960.91 0.90 0.90*Tongji Auto9.4 声品质主观评价数据处理9.4.2 评价数据的统计分析评价数据的统计分析3几何平均法与百分刻度变换法几何平均法是将所有评价者对某一声音样本的评价分值的几
10、何平均数作为该声音样本的最终评分。百分刻度变换法是先将各评价者的评价分值转化为百分制，即令某一评价者对所有声音样本评分的最大值为100%，最小值为0%，中间值按照比例分布于0100%之间。Tongji Auto9.5 声品质的预测建模9.5.1多元线性回归模型多元线性回归模型寻找主观评价结果对心理声学客观参数的某种依赖关系，建立起主客观之间的数学模型，以便通过客观参数来描述或预测主观感受处理多个变量间相互依赖关系的一种有效数理统计方法11,2,pijjiijyab xin1X XX Y为了减小回归模型的复杂度，确定最显著的自变量，在建立回归模型之前要对所有可能的自变量进行筛选Tongji Au
11、to9.5 声品质的预测建模9.5.1多元线性回归模型多元线性回归模型1聚类分析认为被研究的变量之间存在着程度不同的相似性，根据一批样本的多个观测指标，具体找出一些能够度量样本或变量之间相似程度的统计量，以这些统计量为划分类型的依据，把一些相似程度较大的样本（或变量）聚合为一类（1）最短距离法（2）最长距离法（3）重心聚类法（4）离差平方和法（5）组间连接法以某车内噪声主观“烦恼度”为例，对声样本的11个客观参数进行聚类分析，分析各参数之间的相似程度（亲疏关系），采用最远距离法进行分层聚类Tongji Auto9.5 声品质的预测建模9.5.1多元线性回归模型多元线性回归模型2因子分析将一些具
12、有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。1111122112211222221122mmmmppppmmpxFFFxFFFxFFF1122,(1,2,)iiiippFb Xb Xb XimTotal Variance Explained（总方差分解）Component（主分量序号）Initial Eigenvalues（相关矩阵特征值）Extraction Sums of Squared Loadings（因子提取结果）Rotation Sums of Squared Loadings（旋转后因子提取结果）Total（特征值）%of VarianceCumulati
13、ve%Total（特征值）%of VarianceCumulative%Total（特征值）%of VarianceCumulative%17,61069,18169,1817,61069,18169,1815,34048,55048,55021,94017,63386,8141,94017,63386,8144,20938,26486,8143,7356,68293,496 4,3252,95196,4465,1851,68098,1266,1111,00899,1347,054,49299,6268,025,22599,8519,010,09399,94410,005,04399,9871
14、1,001,013100,000%of Variance-各成分所解释的方差占总方差的百分比Cumulative%-自上至下各因子方差占总方差百分比的累积Tongji Auto9.5 声品质的预测建模9.5.1多元线性回归模型多元线性回归模型3相关性分析研究变量间线性关系的强弱程度和方向12211niiixynniiiixxyyrxxyyTongji Auto9.5 声品质的预测建模9.5.1多元线性回归模型多元线性回归模型4多元回归模型的建立根据对自变量的选择方式可有多种回归方法，主要有全部选择法、向前选择法、向后剔除法和逐步法。向前选择法、向后剔除法和逐步法具有筛选自变量的功能，可结合聚类
15、分析、因子分析和相关性分析一起应用。=24.68-0.39(A)+0.13()烦恼度计权声压级尖锐度Tongji Auto9.5 声品质的预测建模9.5.2 人工神经网络模型人工神经网络模型自变量与因变量具有复杂非线性关系的情况，采用人工神经网络建立模型有着独特的优势。训练集。初始化后各神经元节点的权值和阈值为随机值，采用训练集的数据可以对其进行调整，一半用于训练集的数据在50%以上。测试集。在训练集将网络训练好后，将测试集的数据代入，检验网络预测的准确度。验证集。主要作用是防止网络的过拟合现象。1人工神经网络基本原理21()loglnlmnalnTongji Auto9.5 声品质的预测建模9.5.2 人工神经网络模型人工神经网络模型2声品质的神经网络预测模型
