基于主成分計權的路噪聲品質開發

摘 "要：本文通過對心理聲學參數進行主成分分析法，建立了主客觀關聯模型，并以此繪制煩惱度等值曲線，提出主成分計權的方法，在頻譜上直觀展示聲品質的重點優化頻率。本文提出的路噪聲品質開發流程主要包括：獲取目標客戶代表性人群的路噪主觀分值，基于心理聲學參數的主成分建立主客觀關聯模型，繪制煩惱度等值曲線，對噪聲頻譜進行主成分計權得到路噪問題頻率。本流程具有工作量小敏捷性高可以直接指導工程開發的優點。

關鍵詞：路噪;聲品質;頻譜;主成分計權

中圖分類號：U461 " " "文獻標志碼：A " " "文章編號：1005-2550（2022）05-0002-05

Road Noise Quality Development Based on Principal Component Weighting

HUANG Jian-feng， XU Jing-chao

（GAC Automotive Research amp; Development Center， Guangzhou 511434， China）

Abstract： This paper establishes a subjective-objective correlation model through the principal component analysis method of psychoacoustic parameters， and draws the annoyance equivalent curve based on this method， and proposes a method of principal component weighting to visually display the key optimization frequencies of sound quality on the spectrum. The road noise quality development process proposed in this paper mainly includes： obtaining the subjective road noise scores of the representative population of the target customers， establishing a subjective and objective correlation model based on the principal components of psychoacoustic parameters， drawing an annoyance degree contour curve， and analyzing the principal components of the noise spectrum. Weighted to get the road noise problem frequency. This process has the advantages of small workload and high agility， which can directly guide engineering development.

Key Words： Road Noise; Sound Quality; Spectrum; Principal Component Weighting

隨著市場競爭加劇以及消費者趨于理性，舒適性受到越來越多的關注。NVH（噪聲、振動及不平順性）作為舒適性的主要指標，成為消費者選擇家庭用車時考量的重要因素之一。汽車行駛過程中，路噪是用戶反饋較多的NVH問題，亦是新能源汽車的主要NVH問題。

因此，近年來車內噪聲聲品質的相關研究也越來越多。如研究乘用車綜合商品性主觀評價體系[1]、結合視頻的聲品質主觀評價研究[2]、人工頭模型及人耳模型基礎上的聲品質評價技術研究[3]、研究如何研究主客觀關聯模型，然后建立綜合評價指標，以及進行聲品質優化[4-6]。以上的研究存在一些問題，建模過程中輸入的心理聲學參量較少，一般為3～5個，存在一定的信息損失。而且獲得的綜合指標往往僅是一個數值，沒有說明噪聲窄帶譜或倍頻程與主觀評價的關系，不具備工程指導意義。

本文為了解決以上兩個問題，在心理聲學參數分析中引入主成分分析法，在盡量保留車內噪聲信息的基礎上進行數據降維，然后建立主客觀評價的關聯模型，以此制定主觀評價等值曲線，指導路噪優化方向。

1 " "聲品質開發總體流程

為了掌握目標客戶的路噪痛點，建立煩惱度等值曲線，指導整車開發，本文聲品質目標制定主要分為四步：1.獲取路噪主客觀評價數據：邀請目標客戶進行主觀評價，測試路噪客觀數據。2.建立主客觀評價關聯模型：利用改進的標準差標準化方法對客觀數據進行預處理，利用主成分分析（PCA）抽取客觀數據的主成分參量，最后用主成分參量和主觀評價建立主客觀關聯模型。3.驗證主客觀關聯模型的準確性。4.制定煩惱度等值曲線，對車內噪聲進行主成分計權，確定各頻段的優化優先級。

2 " "主成分分析原理

聲品質評價擁有千人千面的主觀性和復雜行，前人從不同的角度研究建立了眾多的心理聲學參量。如果選擇其中一個或幾個參量，可能會遺漏某些對主觀評價有較大影響的信息。如果選擇的參量過多，又會影響后期計算分析的工作量和質量。主成分分析是把多個變量縮減為少數綜合因子的一種降維統計分析方法。其主要優點是：1.新的綜合因子間相關性低;2.保留大部分信息，具有更強的代表性;3.數據降維，對分析參量的數量沒有限制;4.可按照貢獻率排除，減少非關鍵因子對分析工作的干擾[7-8]。主成分分析法的關鍵數學原理為：對于擁有n個樣本，每個樣本有p個變量的n×p階數據矩陣X，尋找一個p×m轉化矩陣A，使得數據降維成為n×m階主成分因子矩陣Y。即樣本原變量x1，x2，…，xp降維成m個主成分因子y1，y2，…，ym。

（1）

轉化矩陣A由n×p階矩陣X的相關系數的前m個特征向量組成，或者其協方差陣的前m個特征向量組成。

3 " "基于主成分的主客觀關聯模型

本文通過量表條目篩選，初步將21個心理聲學參量篩選為以下13個：粗糙度、響度、音調度、突出比、Tonality、尖銳度、噪聲等級NR、NC、NCB、語音清晰度、語言干擾度、聲壓級、抖動度等。本文將以上述13個心理聲學參量為基礎進行主客觀關聯模型的建立。

3.1 " 提取主成分

第一步，進行主成分分析的適用性檢驗。計算并標準化51個樣本的心理聲學參數，檢查其相關性。由圖2的相關性矩陣可見，13個參數間具有較高的相關性，如聲壓級與NCB的相關系數高達0.979，粗糙度與響度的相關系數也有0.954，各個因素之間的相關性均較高，適合做主成分分析。

其次進行數據結構效度檢驗。如圖3所示，計算得到KMO值為0.813，巴特利特球形度檢驗的近似卡方為1293.250，而且顯著性概率為0.000小于0.001，為高度顯著，以上數據說明心理聲學參數適合進行主成分分析。

第二步，選取主成分。主要原則有：特征值gt;1，累計貢獻率gt;80%。由總方差解釋可知，前三個總成分的累計貢獻率已達到89%，因此本文選取前三個主成分進行分析。前三個主成分的成分矩陣如圖5所示。三個主成分向量分別除以對應的特征值的開方，即可得到主成分載荷矩陣。

第三步，用主成分載荷矩陣右乘心理聲學參數矩陣，即可得到心理聲學參數的主成分因子矩陣。主成分因子矩陣及主觀得分如圖6所示。

3.2 " 建立回歸模型

本方法可以采用各種模型來描述主成分和主觀得分的關系，如神經網絡等非線性模型。本文中選擇較為熟悉易操作的多元線性回歸分析。將上述主成分因子和主觀得分代入到多元線性回歸模型中，所得模型結果如圖7所示。德賓沃森數接近2，顯著性系數0.006lt;0.05，主成分回歸分析的效果良好。

因此，主客觀關聯的線性回歸模型為：主觀分=5.509-0.517×F1-0.480×F2-1.095×F3。

為了驗證線性回歸模型的預測能力。計算其余6個噪聲樣本的模型得分，與實際主觀得分對比如圖8所示，R2為0.94，一致性很好，因此該回歸模型可以作為預測路噪主觀得分的有力工具。

4 " "路噪聲品質的重點頻率

將勻速車內噪聲按照三分之一倍頻程進行劃分，如圖9所示，然后逐一分析40Hz～2000Hz范圍內每個頻段對主觀評分的影響。如40Hz，每增加6dB主觀評分下降0.2。然后根據上述結果，繪制煩惱度等值曲線如圖10所示。利用上述煩惱度等值曲線對噪聲頻譜進行計權，即可確定對主觀評價影響較高的頻譜，為路噪優化指明方向。煩惱度等值曲線由心理聲學參數的主成分模型得出，因此本文將上述計權稱為主成分計權。

將某車型勻速噪聲分別進行A計權和主成分計權，其結果如圖11所示。從A計權來看，噪聲主要問題點是80Hz，300Hz到500Hz的影響差不多。主成分計權揭示的主要問題點是100Hz，其次是200Hz，300Hz以上對主觀評價的影響可以忽略。按照兩種計權揭示的問題，分別對原噪聲進行了削弱，形成新的噪聲文件A和B。組織評價A、B兩種聲音，B聲音的打分比A聲音高0.25分。本文的主成分計權在路噪領域更能反應出主觀評價所對應的問題頻率。

5 " "總結

本文建立了指導路噪開發工作的聲品質開發流程，具備工作量低敏捷性高的優點，易于針對目標客戶進行聲品質開發。基于主客觀回歸模型，本文繪制了煩惱度等值曲線，進而進行了噪聲的主成分計權，直觀展示主觀評價的重點優化頻率。

本文在樣車數量和評價人員數量方面有所不足，線性回歸模型也可能忽略了聲品質評價的非線性特性。下一步將繼續這兩方面的工作，進一步完善路噪的主成分計權頻譜。

參考文獻：

[1]鄭建明.乘用車綜合商品性主觀評價體系研究[D].吉林大學，2015.

[2]趙林風.汽車聲品質主觀評價研究及應用[D].清華大學，2012.

[3]謝軍.汽車聲品質評價技術及方法研究[D].吉林大學，2009.

[4]錢堃.電動汽車聲品質評價分析與控制技術研究[D].吉林大學，2016.

[5]蘇麗俐.車內聲品質主客觀評價與控制方法研究[D].吉林大學，2012.

[6]林鶴婷.經濟型轎車車內聲品質評價研究[D].哈爾濱工業大學，2018.

[7]彭玉石.基于主成分分析的建設工程項目延期影響因素研究[D].重慶大學，2014.

[8]姜揚.聚類和主成分回歸在經濟指標數據中的應用研究[D].吉林大學，2010.

黃劍鋒

畢業于吉林大學車輛工程學院，碩士學歷。現就職于廣汽研究院，任NVH工程師，主要研究方向：路噪路振。已發表論文數篇。

專家推薦語

康潤程

襄陽達安汽車檢測中心有限公司

NVH專業副總師 "研究員級高級工程師

本文針對客戶關注的電動車路噪問題提出了路噪聲品質開發流程，通過實際案例驗證應用如下：獲取目標客戶代表性人群的路噪主觀分值和客觀測量值，經過數據降維后，基于心理聲學參數的主成分建立主客觀關聯模型，并對關聯模型進行了適宜性、有效性、線性回歸效果驗證 ，繪制煩惱度等值曲線，對噪聲頻譜進行主成分計權得到路噪問題頻率以確定優化方向，最后通過主觀評價驗證了優化方向的準確性。

全文結構完整，論點明確、理論正確、論據有效、邏輯性強、可讀性強。有創新和較好的學術水平，有較好的實際應用價值。