基于噪声评价的噪声分析优化方法、终端及存储介质技术

本发明专利技术公开了一种基于噪声评价的噪声分析优化方法、终端及存储介质。基于噪声评价的噪声分析优化方法，包括：获取针对目标噪声的主观评价数据和客观评价数据；建立客观评价数据和主观评价数据的关联模型；根据关联模型计算主观评价数据在目标噪声频谱中的变化规律，以确定待优化的目标噪声频段。通过上述方式，本发明专利技术能根据客观评价数据得到主观噪声评价参数，并能得出目标噪声中的客户敏感频段，指明噪声优化方向。明噪声优化方向。明噪声优化方向。

【技术实现步骤摘要】
基于噪声评价的噪声分析优化方法、终端及存储介质


[0001]本专利技术涉及噪声控制
，特别是涉及一种基于噪声评价的噪声分析优化方法、终端及存储介质。

技术介绍

[0002]在现有技术中，单个的经典声品质参数(如粗糙度、突出比、有调度、清晰度、声压级等)无法全面反映噪声主观评价结果。而当前的综合声品质指标，如舒适度P、不愉悦度UP、声品质偏好性SQ等，也仅涉及少数几个声品质参数，不能完整表征噪声的特征。而且，单个声品质参数、综合声品质指标，都没有揭示噪声频谱特征与主观评价的关系，仅能粗略衡量噪声的优劣，但不能说明哪里需要改进，对工程开发不具备指导意义。

技术实现思路

[0003]本专利技术的目的在于提供一种基于噪声评价的噪声分析优化方法、终端及存储介质，能根据客观评价数据得到主观噪声评价参数，并能得出目标噪声中的客户敏感频段，指明噪声优化方向。
[0004]为解决上述技术问题，本申请提供一种基于噪声评价的噪声分析优化方法，包括：
[0005]获取针对目标噪声的主观评价数据和客观评价数据；
[0006]建立所述客观评价数据和所述主观评价数据的关联模型；
[0007]根据所述关联模型计算所述主观评价数据在所述目标噪声频谱中的变化规律，以确定待优化的目标噪声频段。
[0008]其中，所述建立所述客观评价数据和所述主观评价数据的关联模型，包括：
[0009]对所述客观评价数据进行预处理；
[0010]提取所述客观评价数据的主成分参量；
[0011]建立所述主成分参量与所述主观评价数据的关联模型。
[0012]其中，所述客观评价数据包括多项声品质参数，所述对所述客观评价数据进行预处理，包括：
[0013]根据主观评价数据和客观评价数据计算所述声品质参数的基础均值和基础标准差；
[0014]根据所述基础均值和所述基础标准差调整所述声品质参数的标准差标准化公式；
[0015]根据调整后的标准差标准化公式对所述声品质参数进行标准化。
[0016]其中，所述调整后的标准差标准化公式为：
[0017][0018]式中，i为目标噪声序号；j为声品质参数序号；Z
i
为第i个目标噪声的第j个声品质参数的标准化数值；x
i
为第i个目标噪声的第j个声品质参数的数值；AX为第j个声品质参数的基础均值；AS为第j个声品质参数的基础标准差。
[0019]其中，所述提取客观数据中的主成分参量，包括：
[0020]建立所述声品质参数的标准化变量矩阵
[0021]计算所述标准化变量矩阵Z的相关系数矩阵
[0022]计算相关系数矩阵R的特征方程|R
‑
λI
j
|＝0，I
j
为单位矩阵，得到特征根λ
j
以及对应的特征向量u
j
；
[0023]对所述特征根按照大小排序，计算前m个特征根之和占所述特征根总和的比率
[0024]若所述比率r大于预设比率，则提取前m个特征向量组成矩阵如下：
[0025][0026]根据标准化变量矩阵Z和特征向量矩阵U计算得到主成分矩阵Y如下：
[0027][0028]式中，主成分矩阵Y中包含m个主成分参量。
[0029]其中，所述建立所述主成分参量与所述主观评价数据的关联模型，包括：
[0030]将所述主成分参量和所述主观评价数据输入神经网络模型，其中，所述主成分参量为自变量，所述主观评价数据为因变量；
[0031]输出得到所述主成分参量与所述主观评价数据的关联模型。
[0032]其中，所述根据所述关联模型计算所述主观评价数据在所述目标噪声频谱中的变化规律，以确定待优化的目标噪声频段，包括：
[0033]获取目标噪声的频谱数据；
[0034]划分所述频谱数据为多个噪声频段；
[0035]调整所述噪声频段对应的客观评价数据，并根据所述关联模型计算出对应的主观评价数据的变化规律；
[0036]根据所述主观评价数据在各个频段的变化规律确定所述待优化的目标噪声频段。
[0037]其中，所述调整所述噪声频段对应的客观评价数据，包括：
[0038]对各个噪声频段的噪声进行缩放；
[0039]根据缩放参数计算出对应的客观评价数据。
[0040]本申请还提供一种终端，包括至少一个处理器和至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理器并且存储用于由所述至少一个处理器执行的指令，所述指令当由所述至少一个处理器执行时，使得所述终端执行如上所述的基于噪声评价的噪声分析优化方法。
[0041]本申请还提供一种存储介质，所述存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现如上所述的基于噪声评价的噪声分析优化方法。
[0042]本申请的基于噪声评价的噪声分析优化方法、终端及存储介质，基于噪声评价的噪声分析优化方法，包括：获取针对目标噪声的主观评价数据和客观评价数据；建立客观评价数据和主观评价数据的关联模型；根据关联模型计算主观评价数据在目标噪声频谱中的变化规律，以确定待优化的目标噪声频段。通过上述方式，本专利技术能根据客观评价数据得到主观噪声评价参数，并能得出目标噪声中的客户敏感频段，指明噪声优化方向。
[0043]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图,详细说明如下。
附图说明
[0044]图1为本专利技术实施例示出的基于噪声评价的噪声分析优化方法的流程示意图；
[0045]图2为本专利技术实施例示出的实际主观评价数据与预测主观评价数据的对照图；
[0046]图3为本专利技术实施例示出的根据样车1采集的路噪频谱中主观评价数据的变化规律折线图；
[0047]图4为本专利技术实施例示出的根据样车2采集的路噪频谱中主观评价数据的变化规律折线图；
[0048]图5为本专利技术实施例示出的布朗随机噪声频谱中主观评价数据的变化规律折线图；
[0049]图6为本专利技术实施例示出的基于噪声评价的噪声分析优化方法的具体流程示意图。
具体实施方式
[0050]以下由特定的具体实施例说明本申请的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。
[0051]在下述描述中，参考附图，附图描述了本申请的若干实施例。应当理解，还可使用其他实施例，并且可以在不背离本申请的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的，并且本申请的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例，而并非旨在限制本申请。
[0052]虽然在一些实例中术语第一、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于噪声评价的噪声分析优化方法，其特征在于，包括：获取针对目标噪声的主观评价数据和客观评价数据；建立所述客观评价数据和所述主观评价数据的关联模型；根据所述关联模型计算所述主观评价数据在所述目标噪声频谱中的变化规律，以确定待优化的目标噪声频段。2.根据权利要求1所述的基于噪声评价的噪声分析优化方法，其特征在于，所述建立所述客观评价数据和所述主观评价数据的关联模型，包括：对所述客观评价数据进行预处理；提取所述客观评价数据的主成分参量；建立所述主成分参量与所述主观评价数据的关联模型。3.根据权利要求2所述的基于噪声评价的噪声分析优化方法，其特征在于，所述客观评价数据包括多项声品质参数，所述对所述客观评价数据进行预处理，包括：根据主观评价数据和客观评价数据计算所述声品质参数的基础均值和基础标准差；根据所述基础均值和所述基础标准差调整所述声品质参数的标准差标准化公式；根据调整后的标准差标准化公式对所述声品质参数进行标准化。4.根据权利要求3所述的基于噪声评价的噪声分析优化方法，其特征在于，所述调整后的标准差标准化公式为：式中，i为目标噪声序号；j为声品质参数序号；Z
i
为第i个目标噪声的第j个声品质参数的标准化数值；x
i
为第i个目标噪声的第j个声品质参数的数值；AX为第j个声品质参数的基础均值；AS为第j个声品质参数的基础标准差。5.根据权利要求4所述的基于噪声评价的噪声分析优化方法，其特征在于，所述提取客观数据中的主成分参量，包括：建立所述声品质参数的标准化变量矩阵计算所述标准化变量矩阵Z的相关系数矩阵计算相关系数矩阵R的特征方程|R
‑
λI
j
|＝0，I
j
为单位矩阵，得到特征根λ
j
以及对应的特征向量u

【专利技术属性】
技术研发人员：黄剑锋，王常伟，张志达，许静超，
申请(专利权)人：广州汽车集团股份有限公司，
类型：发明
国别省市：