电动汽车声品质的评价分析及建模

胡腾陆益民（合肥工业大学，合肥230009）



电动汽车声品质的评价分析及建模

胡腾陆益民
（合肥工业大学，合肥230009）

【摘要】针对A计权声压级不能准确衡量人对电动汽车噪声感受的问题，通过采集两辆电动汽车不同工况下的噪声信号，在计算得到噪声客观参量后，结合成对比较法的主观评价试验，从多方面对电动汽车噪声进行了评价。根据主观评价结果与对各参量的分析结果，采用回归方法建立了电动汽车声品质评价结果与客观参量间的非线性预测模型，并验证了模型的有效性和准确性。

主题词:电动汽车声品质主观评价回归分析

1　前言

汽车声品质是汽车NVH问题研究的重要内容，而建立声音与人主观感受之间的数学模型是声品质研究的重点之一。随着声品质研究的深入，人们逐渐形成多维研究的共识，强调在多个维度对声品质进行建模。近年来，诸多学者将多元回归分析方法运用于声品质模型建立并取得很好效果[1～3]。但虽然通过传统回归方法建模简单方便，将客观参量进行线性组合即可对声品质进行预测，具有一定的实际应用价值，然而由于导致声品质主观感受差异的因素很多，且这些因素与主观感受往往成非线性关系[4]，因此应建立更精确的非线性模型。

本文通过测试再计算得到噪声的主观评价值和心理声学客观参量，采用回归方法建立电动汽车声品质评价结果与客观参量间的非线性预测模型，并对模型进行显著性检验以及模型间的比较，验证了模型的有效性和准确度。

2　车内噪声主观评价

2.1噪声信号的获取

针对两款纯电动汽车（A车和B车）进行试验，采用LMS公司的SCM05数据采集系统采集数据，采样频率为441 00 Hz，采样时间为20 s。利用B&K生产的4189A型传声器采集噪声信号，并利用Racelogic车速仪记录车速。

由于驾驶员耳旁声音具有代表性，故选择采集该处的噪声信号用于分析研究，测点位置如图1所示。试验时分别采集两款车以车速为0、20、40、60 km/h和80 km/h匀速行驶时驾驶员右耳处的噪声信号，分别用A1、A2、A3、A4、A5和B1、B2、B3、B4、B5表示。

2.2评价试验方法选择

声品质主观评价是一种通过听众对声音的主观感受，按照一定评价要求和测评规则对声音进行评价的方法[5]，常用方法包括评分法、成对比较法、语义细分法、排序法等。由于成对比较法在样本较少且测评者测评经验相对不足情况下具有明显优势[6]，因此根据此次试验目的和条件，选择成对比较法对声音样品进行主观评价。成对比较法即将声音样品进行两两对比，作出甲声音优于乙声音、劣于乙声音或两者难以分辨的判断，最后将对比结果进行加权得到数值化结果，从而根据数值结果直观评价声音的优劣。该数值越大，声品质主观感受越差。

图1　驾驶员耳旁测点位置

2.3测评者选择

根据本次试验要求以及国内外声品质主观评价试验经验[7、8]，选择22名听觉正常的健康成人作为测评者进行测评试验，其中男性16名，女性6名，年龄在22到50岁之间。

2.4主观评价

此次主观评价试验以测评者对声音的偏好性作为评价标准，测评者根据自己的理解使用成对比较法对声音进行判断。为了达到效果，10个噪声信号将组成45组比较对。在进行主观评价时，比较对将被随机播放，测评者可对比较对进行任意重复播放。

3　试验结果及分析

3.1测评数据有效性检验

对于成对比较法的有效性检验，首先要检验每个测评者测评结果的有效性，排除错误率较大的测评结果。测评者通常会出现的误判有相同事件比较误判、不同回放次序的误判和三角循环误判等3种。由于本文所做主观评价试验对声音样品进行随机单次比较，并且由于第3种误判是最常见的错误[9]，故仅考虑三角循环误判对试验数据正确性的影响。

设声事件为i、j、k，利用Pij、Pjk、Pik分别表示比较对i-j、j-k、i-k的比较结果，并将任意两个声事件（i，j）的比较结果i优于j、劣于j以及两者无差异的结果分别赋值Pij=1、Pij=-1以及Pij=0。对i、j、k 3个声事件做成对比较后，三角循环误判时可能出现的结果归纳为以下3种情况：

a.当Pij＞0及Pjk≥0时，却有Pik≤0；

b.当Pij=0时，却有Pik≠Pjk；

c.当Pik≤0时，却有Pik≥0。

采用计权一致性系数来判断主观评价数据的有效性[10]，计算式如下：

统计得到各测评者所得结果的计权一致性系数如表1所列。

表1各测评者所得结果的计权一致性系数

为了保证评价结果的可靠性，将排除错误率较大测评者的测评结果，数据剔除一般遵循两个原则:允许剔除10%～20%的测评结果；计权一致性系数尽量在0.7以上。由表1可知，测评结果中所有测评者计权一致性系数都在0.87以上，误判率极低，表明测评者很少出现误判现象，试验数据能正确反映出各测评者的真实感受。

在确定22组测评结果作为有效数据后，对各组数据进行加权计分，得到各测评者对各声音样品的评分结果。本文采用spss统计软件对评分结果进行分析，分别计算22组评分结果两两之间的相关系数，再取算数平均得到测评者平均相关性系数，如表2所列。

由表2可知，Test9、Test10两组测评结果与其它测评结果相关性较小，可认为是偶然事件，故将其排除。对剩余20组测评结果进行处理，取各组针对某一工况打分之和作为最终结果，该结果即代表大众对噪声作出的正确评价。

3.2心理声学客观参量

心理声学是研究大脑如何处理进入人耳声音事件的学科，运用于噪声主观评价可定量反映听觉感受的差别，消除个体影响。常用的心理声学客观参量有Zwick⁃er响度、尖锐度、粗糙度、波动度及AI指数（语音清晰度）等[11]。

表2测评者平均相关性系数

Zwicker响度更适合描述强度相等、频率不同声音的主观感受；尖锐度是首次特征频带分布随指定响度级变化关系的加权，反映高频成分与低频成分的比率关系；波动度用来描述小于20 Hz的低频噪声周期性变化特征，粗糙度用来描述大于20 Hz的高频噪声周期性变化特征，两者都反映声音大小随时间的变化。而AI指数用来描述在噪声环境下说话的清晰程度，其中，0%表示说话受到很大的干扰，完全听不清；100%表示说话无干扰，完全能够听得清楚。SCM05数据采集系统能够采集声音信号并对以上心理声学客观参量进行计算，表3为根据声音样品计算的客观参量以及主观评分结果。

表3声音样品客观参量及主观评分结果

3.3试验结果分析

由表3可知，随车速的增加，两款车的AI指数值减小，响度值、A声压级、评价得分呈增长趋势，说明车速越高，测评者对车内噪声主观感受越差；在同一车速下，大多数情况下A车的A声压级、响度均大于B车，A车AI指数小于B车，B车主观评价值小于A车，即B车给人主观感受优于A车。

两车的尖锐度、粗糙度、波动度则随车速不同表现出不同的变化趋势。

4　声品质模型建立

虽然各心理声学参数可在不同方面描述声音特点，比较声音样本优劣，并可通过主观评价试验将主观感受数值化而直观地显示声音的优劣，但进行主观评价试验费时费力。为节省试验时间和成本，可通过各心理声学参数与主观感受之间的关系建立回归模型，在遇到同类事件时，通过模型对评价值进行预测。

回归分析方法是常用的建模方法。首先选取常用的客观参量作为解释变量，并采用逐步线性回归方法对声品质评价值作回归分析。F检验用于检验被解释变量与所有解释变量之间线性关系的显著性，在此通过F检验对不显著变量进行剔除，最终得到如下回归模型（模型1）：

式中，Y为电动汽车声品质主观评价值；A为AI指数值；D为噪声A计权声压值。

实际中客观参量与主观感受之间关系往往是非线性的。为了建立非线性模型，利用了一种改进的方法，是显著的、有意义的。即通过各客观参量对测评得分值进行曲线估计，探究与主观评价结果关系密切的客观参量以及其变化形式，采用的曲线类型包括一元线性、二次函数、三次函数、对数函数、指数函数等。部分曲线估计结果如图2所示。

由图2可看出，主观评价值可分别与AI指数、响度、声压级等构成多个一元多次方程。由于主观评价值与多重因素有关，因此判断模型与某些客观参量及其变化形式相关，故尝试将各客观参量取二次方、三次方、对数等变化后作为解释变量，将主观评价值作为被解释变量，再次通过逐步回归方法做回归分析，得到表4所列结果。表4中非标准化系数即所求的回归方程系数，由此得到以下两个模型（模型2和模型3）：

式中，L为噪声响度值；S为噪声尖锐度。

由表4可知，两个模型的拟合优度R2都大于0.969，说明两个模型都具有很好的拟合度；T检验置信概率（sig）都小于0.05，即被解释变量与每个解释变量之间线性关系都是显著的。因此，可认为两种模型在统计学上是显著的、有意义的。

图2　部分曲线估计结果

表4回归方程系数检验结果

同时，为了对比模型的精度，比较了各模型预测评价值与试验值的差异，如图3所示。由图3可看出，模型3误差不超过6.2%，而模型1和模型2最大误差达到30%以上，因此认为模型3建立的多元非线性模型比模型1和模型2精准度高。实际应用中，根据响度值、A声压级及尖锐度即可对主观评价值进行较为准确的估计，大大节省了主观评价试验可能花费的人力和物力。

图3　评价值与试验值相对误差对比结果

5　结束语

a.对两款电动汽车共10个工况下的车内噪声进行了测试，得到噪声客观参量，从多方面评价了汽车噪声特点。

b.通过成对比较法进行了主观评价试验，结果表明，数值化后的主观评价结果能够充分代表人的主观感受。

c.通过曲线估计和线性回归分析，对电动汽车声品质测评结果进行建模，建立了声品质非线性模型，模型显示主观感受量值与客观参量之间作非线性建模误差更小，主观感受主要受响度值、A计权声压级、尖锐度等影响。

参考文献

1陈双籍，陈瑞石.基于心理声学参数的车内声品质偏好性评价.噪声与振动控制，2005，3（13）：45～47．

2姜吉光,王登峰,苏丽俐,等.车内噪声品质偏好性主客观评价及相关性分析.汽车技术，2012（8）：6～10．

3孟祥德，张俊红，李立顺，等.基于回归分析的车用柴油机声品质预测技术.内燃机学报，2011，29（6）：524～527.

4徐中明，张芳，周小林.汽车喇叭声品质主观评价与分析.汽车工程，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.轿车声品质主观评价研究．噪声与振动控制，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毛东兴，俞悟周，王佐民.声品质成对比较主观评价的数

据检验及判据.声学学报，2005（9）：46～47.

11毛东兴.车内声品质主观评价与分析方法的研究：[学位论文].上海：同济大学，2003．

（责任编辑文楫）

修改稿收到日期为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

中图分类号:U467.7+93

文献标识码:A

文章编号:1000-3703（2016）03-0026-04