電動汽車聲品質的評價分析及建模

胡騰陸益民（合肥工業大學，合肥230009）

?

電動汽車聲品質的評價分析及建模

胡騰陸益民
（合肥工業大學，合肥230009）

【摘要】針對A計權聲壓級不能準確衡量人對電動汽車噪聲感受的問題，通過采集兩輛電動汽車不同工況下的噪聲信號，在計算得到噪聲客觀參量后，結合成對比較法的主觀評價試驗，從多方面對電動汽車噪聲進行了評價。根據主觀評價結果與對各參量的分析結果，采用回歸方法建立了電動汽車聲品質評價結果與客觀參量間的非線性預測模型，并驗證了模型的有效性和準確性。

主題詞:電動汽車聲品質主觀評價回歸分析

1　前言

汽車聲品質是汽車NVH問題研究的重要內容，而建立聲音與人主觀感受之間的數學模型是聲品質研究的重點之一。隨著聲品質研究的深入，人們逐漸形成多維研究的共識，強調在多個維度對聲品質進行建模。近年來，諸多學者將多元回歸分析方法運用于聲品質模型建立并取得很好效果[1～3]。但雖然通過傳統回歸方法建模簡單方便，將客觀參量進行線性組合即可對聲品質進行預測，具有一定的實際應用價值，然而由于導致聲品質主觀感受差異的因素很多，且這些因素與主觀感受往往成非線性關系[4]，因此應建立更精確的非線性模型。

本文通過測試再計算得到噪聲的主觀評價值和心理聲學客觀參量，采用回歸方法建立電動汽車聲品質評價結果與客觀參量間的非線性預測模型，并對模型進行顯著性檢驗以及模型間的比較，驗證了模型的有效性和準確度。

2　車內噪聲主觀評價

2.1噪聲信號的獲取

針對兩款純電動汽車（A車和B車）進行試驗，采用LMS公司的SCM05數據采集系統采集數據，采樣頻率為441 00 Hz，采樣時間為20 s。利用B&K生產的4189A型傳聲器采集噪聲信號，并利用Racelogic車速儀記錄車速。

由于駕駛員耳旁聲音具有代表性，故選擇采集該處的噪聲信號用于分析研究，測點位置如圖1所示。試驗時分別采集兩款車以車速為0、20、40、60 km/h和80 km/h勻速行駛時駕駛員右耳處的噪聲信號，分別用A1、A2、A3、A4、A5和B1、B2、B3、B4、B5表示。

2.2評價試驗方法選擇

聲品質主觀評價是一種通過聽眾對聲音的主觀感受，按照一定評價要求和測評規則對聲音進行評價的方法[5]，常用方法包括評分法、成對比較法、語義細分法、排序法等。由于成對比較法在樣本較少且測評者測評經驗相對不足情況下具有明顯優勢[6]，因此根據此次試驗目的和條件，選擇成對比較法對聲音樣品進行主觀評價。成對比較法即將聲音樣品進行兩兩對比，作出甲聲音優于乙聲音、劣于乙聲音或兩者難以分辨的判斷，最后將對比結果進行加權得到數值化結果，從而根據數值結果直觀評價聲音的優劣。該數值越大，聲品質主觀感受越差。

圖1　駕駛員耳旁測點位置

2.3測評者選擇

根據本次試驗要求以及國內外聲品質主觀評價試驗經驗[7、8]，選擇22名聽覺正常的健康成人作為測評者進行測評試驗，其中男性16名，女性6名，年齡在22到50歲之間。

2.4主觀評價

此次主觀評價試驗以測評者對聲音的偏好性作為評價標準，測評者根據自己的理解使用成對比較法對聲音進行判斷。為了達到效果，10個噪聲信號將組成45組比較對。在進行主觀評價時，比較對將被隨機播放，測評者可對比較對進行任意重復播放。

3　試驗結果及分析

3.1測評數據有效性檢驗

對于成對比較法的有效性檢驗，首先要檢驗每個測評者測評結果的有效性，排除錯誤率較大的測評結果。測評者通常會出現的誤判有相同事件比較誤判、不同回放次序的誤判和三角循環誤判等3種。由于本文所做主觀評價試驗對聲音樣品進行隨機單次比較，并且由于第3種誤判是最常見的錯誤[9]，故僅考慮三角循環誤判對試驗數據正確性的影響。

設聲事件為i、j、k，利用Pij、Pjk、Pik分別表示比較對i-j、j-k、i-k的比較結果，并將任意兩個聲事件（i，j）的比較結果i優于j、劣于j以及兩者無差異的結果分別賦值Pij=1、Pij=-1以及Pij=0。對i、j、k 3個聲事件做成對比較后，三角循環誤判時可能出現的結果歸納為以下3種情況：

a.當Pij＞0及Pjk≥0時，卻有Pik≤0；

b.當Pij=0時，卻有Pik≠Pjk；

c.當Pik≤0時，卻有Pik≥0。

采用計權一致性系數來判斷主觀評價數據的有效性[10]，計算式如下：

統計得到各測評者所得結果的計權一致性系數如表1所列。

表1各測評者所得結果的計權一致性系數

為了保證評價結果的可靠性，將排除錯誤率較大測評者的測評結果，數據剔除一般遵循兩個原則:允許剔除10%～20%的測評結果；計權一致性系數盡量在0.7以上。由表1可知，測評結果中所有測評者計權一致性系數都在0.87以上，誤判率極低，表明測評者很少出現誤判現象，試驗數據能正確反映出各測評者的真實感受。

在確定22組測評結果作為有效數據后，對各組數據進行加權計分，得到各測評者對各聲音樣品的評分結果。本文采用spss統計軟件對評分結果進行分析，分別計算22組評分結果兩兩之間的相關系數，再取算數平均得到測評者平均相關性系數，如表2所列。

由表2可知，Test9、Test10兩組測評結果與其它測評結果相關性較小，可認為是偶然事件，故將其排除。對剩余20組測評結果進行處理，取各組針對某一工況打分之和作為最終結果，該結果即代表大眾對噪聲作出的正確評價。

3.2心理聲學客觀參量

心理聲學是研究大腦如何處理進入人耳聲音事件的學科，運用于噪聲主觀評價可定量反映聽覺感受的差別，消除個體影響。常用的心理聲學客觀參量有Zwick?er響度、尖銳度、粗糙度、波動度及AI指數（語音清晰度）等[11]。

表2測評者平均相關性系數

Zwicker響度更適合描述強度相等、頻率不同聲音的主觀感受；尖銳度是首次特征頻帶分布隨指定響度級變化關系的加權，反映高頻成分與低頻成分的比率關系；波動度用來描述小于20 Hz的低頻噪聲周期性變化特征，粗糙度用來描述大于20 Hz的高頻噪聲周期性變化特征，兩者都反映聲音大小隨時間的變化。而AI指數用來描述在噪聲環境下說話的清晰程度，其中，0%表示說話受到很大的干擾，完全聽不清；100%表示說話無干擾，完全能夠聽得清楚。SCM05數據采集系統能夠采集聲音信號并對以上心理聲學客觀參量進行計算，表3為根據聲音樣品計算的客觀參量以及主觀評分結果。

表3聲音樣品客觀參量及主觀評分結果

3.3試驗結果分析

由表3可知，隨車速的增加，兩款車的AI指數值減小，響度值、A聲壓級、評價得分呈增長趨勢，說明車速越高，測評者對車內噪聲主觀感受越差；在同一車速下，大多數情況下A車的A聲壓級、響度均大于B車，A車AI指數小于B車，B車主觀評價值小于A車，即B車給人主觀感受優于A車。

兩車的尖銳度、粗糙度、波動度則隨車速不同表現出不同的變化趨勢。

4　聲品質模型建立

雖然各心理聲學參數可在不同方面描述聲音特點，比較聲音樣本優劣，并可通過主觀評價試驗將主觀感受數值化而直觀地顯示聲音的優劣，但進行主觀評價試驗費時費力。為節省試驗時間和成本，可通過各心理聲學參數與主觀感受之間的關系建立回歸模型，在遇到同類事件時，通過模型對評價值進行預測。

回歸分析方法是常用的建模方法。首先選取常用的客觀參量作為解釋變量，并采用逐步線性回歸方法對聲品質評價值作回歸分析。F檢驗用于檢驗被解釋變量與所有解釋變量之間線性關系的顯著性，在此通過F檢驗對不顯著變量進行剔除，最終得到如下回歸模型（模型1）：

式中，Y為電動汽車聲品質主觀評價值；A為AI指數值；D為噪聲A計權聲壓值。

實際中客觀參量與主觀感受之間關系往往是非線性的。為了建立非線性模型，利用了一種改進的方法，是顯著的、有意義的。即通過各客觀參量對測評得分值進行曲線估計，探究與主觀評價結果關系密切的客觀參量以及其變化形式，采用的曲線類型包括一元線性、二次函數、三次函數、對數函數、指數函數等。部分曲線估計結果如圖2所示。

由圖2可看出，主觀評價值可分別與AI指數、響度、聲壓級等構成多個一元多次方程。由于主觀評價值與多重因素有關，因此判斷模型與某些客觀參量及其變化形式相關，故嘗試將各客觀參量取二次方、三次方、對數等變化后作為解釋變量，將主觀評價值作為被解釋變量，再次通過逐步回歸方法做回歸分析，得到表4所列結果。表4中非標準化系數即所求的回歸方程系數，由此得到以下兩個模型（模型2和模型3）：

式中，L為噪聲響度值；S為噪聲尖銳度。

由表4可知，兩個模型的擬合優度R2都大于0.969，說明兩個模型都具有很好的擬合度；T檢驗置信概率（sig）都小于0.05，即被解釋變量與每個解釋變量之間線性關系都是顯著的。因此，可認為兩種模型在統計學上是顯著的、有意義的。

圖2　部分曲線估計結果

表4回歸方程系數檢驗結果

同時，為了對比模型的精度，比較了各模型預測評價值與試驗值的差異，如圖3所示。由圖3可看出，模型3誤差不超過6.2%，而模型1和模型2最大誤差達到30%以上，因此認為模型3建立的多元非線性模型比模型1和模型2精準度高。實際應用中，根據響度值、A聲壓級及尖銳度即可對主觀評價值進行較為準確的估計，大大節省了主觀評價試驗可能花費的人力和物力。

圖3　評價值與試驗值相對誤差對比結果

5　結束語

a.對兩款電動汽車共10個工況下的車內噪聲進行了測試，得到噪聲客觀參量，從多方面評價了汽車噪聲特點。

b.通過成對比較法進行了主觀評價試驗，結果表明，數值化后的主觀評價結果能夠充分代表人的主觀感受。

c.通過曲線估計和線性回歸分析，對電動汽車聲品質測評結果進行建模，建立了聲品質非線性模型，模型顯示主觀感受量值與客觀參量之間作非線性建模誤差更小，主觀感受主要受響度值、A計權聲壓級、尖銳度等影響。

參考文獻

1陳雙籍，陳瑞石.基于心理聲學參數的車內聲品質偏好性評價.噪聲與振動控制，2005，3（13）：45～47．

2姜吉光,王登峰,蘇麗俐,等.車內噪聲品質偏好性主客觀評價及相關性分析.汽車技術，2012（8）：6～10．

3孟祥德，張俊紅，李立順，等.基于回歸分析的車用柴油機聲品質預測技術.內燃機學報，2011，29（6）：524～527.

4徐中明，張芳，周小林.汽車喇叭聲品質主觀評價與分析.汽車工程，2013；35（2）：188～192．

5Otto N,Amman S,Eaton C,et al.Guidelines for jury evalua?tions of automotive sounds.SAE 1999-01-1822,1999.

6Fry J,Jennings P.Jury evaluation of sound quality using neural networks.RASC,2002:301～306.

7Hempel T，Chouard N.Evaluation of interior car sound with a new specific semantic differential design.J.Acous?tic.Am.1999;105（2）:1280～1285.

8申秀敏，左曙光，王勇，等.轎車聲品質主觀評價研究．噪聲與振動控制，2013（1）：96～101．

9Stephen Baker,Paul Jennings,Garry Dunne,Roger Wil?liams,Improving the effectiveness of paired comparison tests for automotive sound quality.11thInternational Con?gress and Sound and Vibration,2004.3029～3036.

10毛東興，俞悟周，王佐民.聲品質成對比較主觀評價的數

據檢驗及判據.聲學學報，2005（9）：46～47.

11毛東興.車內聲品質主觀評價與分析方法的研究：[學位論文].上海：同濟大學，2003．

（責任編輯文楫）

修改稿收到日期為2015年12月1日。

Evaluation and Modeling of Sound Quality for Electric Vehicle

Hu Teng,Lu Yimin
（Hefei university of technology,Hefei 230009）

【Abstract】Using A-weighted SPL cannot measure the feel of human being on electric vehicle noise accurately.To eliminate this shortcoming,noise signals of two EVs under different conditions are collected.After the noise objective parameters are calculated,and combined with subjective evaluation test of paired comparison method,noise evaluation of EV is made from many aspects.Based on results of the subjective evaluation and analysis of various parameters,a nonlinear forecast model between the evaluation results and the objective parameters of the sound quality is established with regression analysis,and effectiveness and accuracy of this model are verified.

Key words:EV,Sound quality,Subjective evaluation,Regression analysis

中圖分類號:U467.7+93

文獻標識碼:A

文章編號:1000-3703（2016）03-0026-04