汽车内饰音质预测基于反向传播神经网络
谭刚平，王登峰，Qian Li
吉林大学汽车仿真与控制国家重点实验室
吉林省长春市，130022，中国，tgpfreemail @ 126.com&caewdf@jlu.edu.cn
吉林大学管理学院，吉林长春130022
Qianli10@mails.jlu.edu.cn
摘要：内部车辆声品质进行评估,以提高汽车的舒适是非常重要的意义。本文介绍了BP神经网络应用在车辆声品质预测,建立健全质量预测模型与BP网络。网络训练使用可变学习速率反向传播算法。内部车辆声音质量分析和预测通过训练神经网络模型,然后预测结果进行了分析。仿真结果表明,神经网络的预测结果接近主观评价得分,和没有错误和良好的预测或预测的泛化能力声音质量。
关键词：车辆；音质；反向传播神经网络；预测；模型
目录
汽车内饰音质预测基于反向传播神经网络
吉林大学汽车仿真与控制国家重点实验室
1、引言
2、音质
3、BP神经网络
4、基于车内音质的BP神经网络模型
4.1车内声音的神经网络模型
数据规范化和数据分类
4.2神经网络训练
5.神经网络预测模型和多维回归模型
6、结论
感谢
参考文献
1、引言
音质的主观评价是运用心理学方法研究音质问题，涉及的内容很多，如测试前的准备，测试方法的选择以及测试结果的分析。对音质的主观评价需要较高的成本和很多的时间，其一致性和可重复性较差。主观评估测试数据的结果不能直接描述其他类似情况下的音质好坏。建立一套客观的音质模型，利用设备测量和计算声音的客观参数，基于心理声学参数，是目前研究的热点之一。使用音质模型进行客观评价可以显着提高评价效率，降低评价成本，对主动噪声控制有积极影响。
2、音质
在2006年，王登峰等[1]在稳态条件下从不同的乘用车中获得了十六个噪音样本。采用评分法和配对比较法进行主观评价测试，计算响度，粗糙度和清晰度等客观参数。表1显示了主观评价的结果。采用SPSS软件进行统计分析和多维回归分析，得到了车内声音质量主观评价结果与心理声学参数之间的相关关系，如表2所示。最后，给出了与输入的两个输入心理声学参数响度和清晰度相关的汽车内部音质的多维线性回归模型
