汽车车窗升降声品质分析与评价！
摘要：以乘用车车窗升、降时的驾驶员处双耳声信号为对象，引入综合评价指标心理声学烦躁度，综合相关性分析和主成分分析方法，提取出影响声品质的关键客观参量。采用参考语义法进行主观评价试验，完成了数据有效性分析，结果表明：主观评价试验结果与客观评价结果一致，影响车窗玻璃升降声主观感受的主要因素为抖动度、双耳响度和尖锐度。研究结果验证了基于心理声学烦躁度进行声品质客观评价与分析方法的正确性。
主题词：车窗升降系统 声品质 心理声学烦躁度 主成分 参考语义细分法 电动车窗是现代轿车车门系统的标准部件，汽车玻璃升降系统是电动车窗的必备结构，可使汽车具备良好的密封性和防盗性，但其周围存在大量零件，运动复杂，使用过程中常产生噪声，甚至出现异响，对车内人员主观听觉感受影响较大。随着人们对NVH性能要求的提升，消费者对于汽车的使用性能和质量好坏的评判方式除通过驾驶体验以外，车内声品质也已成为测评指标之一，不仅要求车内噪声满足相关法规要求，还需要具有较好的车内听觉舒适性。因此，对汽车玻璃升降系统进行研究十分必要。目前，国内外对车窗升降系统的研究主要在结构优化以及改进车窗升档降过程中的异响和某部件的声品质，而对该系统运行时的车内声品质的研究较少。探索该类声信号对乘员的主观感受起关键作用的特性，进而有针对性地对结构加以改进来提高声品质有重要意义。 本文对车窗升降过程中声品质进行整体测评和分析，旨在找出车窗升降系统声品质的影响因素。利用试验采集6款汽车分别在2种工况下车窗玻璃升降的声样本数据，计算各声样本的客观参量，通过差异性分析得出造成听觉差异的主要客观参量，通过主成分分析得到其主成分综合模型。引用综合评价指标心理声学烦躁度对声样本进行客观评价分析，得出影响车窗玻璃升降烦躁度的主要客观参量。最后采用参考语义细分法进行了主观试验，验证了客观评价分析的结果和思路。 试验采用双耳麦克风（Binaural Microphone Type 4101）、6通道数据采集器和数据处理软件，如图1所示。设置传感器精度为20mV/Pa，采样频率为65536Hz。 参照GB/T 18697—2002《声学汽车车内噪声测量方法》，试验在安静的开阔场地进行，分别采集6辆不同品牌的家用轿车前窗玻璃升降声信号。在每辆车的试验中，驾驶员戴上双耳麦克风，关闭所有车窗玻璃后，分别测量前、后车窗玻璃下降和上升的声信号，每个工况的测试操作连续重复2次。 截取效果连续完整、外界噪声少的玻璃车窗升降声信号，每个信号时长为3.6s，得到6辆车前、后车窗在下降、上升工况下的声样本24个，每个声样本包含左、右耳通道的声信号。通过频谱分析得到声样本的能量分布如图2所示，可以看出，车窗玻璃升降过程的声能量较为集中地分布在3 kHz以下频段，汽车车窗玻璃上升、下降的声信号均为非稳态类信号。 对客观参量的计算和分析可以消除个体听觉感受间的差别，对声信号造成的主观感受差别进行定量体现。结合各声样本的双耳通道测试结果，计算各声样本的A计权声压级、双耳响度、粗糙度、尖锐度和抖动度等5个声品质客观参量，如表1、表2所示。 各声样本带给人们的听觉感受存在差异，为研究导致这种差异的参量，运用多变量差异比较法进行探讨。由于各客观参量间的量度范围和数值差异较大，为便于不同参数间的分析和比较，对其进行归一化处理： 将归一化处理后的数据进行方差分析，结果见表3、表4。 从表3、表4可以看出，在车窗玻璃下降和上升过程中，双耳响度、抖动度的差异性最大，粗糙度其次，A计权声压级、尖锐度的差异性最小。即双耳响度、抖动度和粗糙度是影响车窗玻璃下降、上升过程给人听觉差异的主要客观参量。对比表3、表4可以看出，与上升过程相比，车窗玻璃下降过程中抖动度差异性更大，说明该阶段低频部分的声音能量抖动更加明显。 心理声学烦躁度（Psychoacoustic Annoyance，PA）是一个综合评价指标，通常与客观参量一起评价声品质，在不进行成本较高的主观评价试验时，心理声学烦躁度模型可以对人们对于声样本的主观偏好性进行简单预测，其定义为： 式中，N为响度；S为尖锐度；R为粗糙度；F为抖动度。 PA值越高，说明该声样本的偏好性越低。计算出各个声样本的PA值度如表5所示。 由表5可以看出，每辆汽车车窗玻璃升降的声品质均有差别，同一辆车的前、后车窗玻璃声品质差别较小。从心理声学烦躁度来看，B车的车窗玻璃升降的声品质相对最差，D车相对最好，另外，车窗玻璃上升、下降过程中的声信号引起的烦躁度大致相同。 对以上5个客观参量进行相关性分析，以研究各声品质参量之间的相关密切程度，结果如表6、表7所示。 注：*表示95%置信区间内显著相关；**表示99%置信区间内显著相关。 注：*表示95%置信区间内显著相关；**表示99%置信区间内显著相关。 可以看出，车窗玻璃上升、下降过程中：双耳响度、抖动度与综合评判指标PA显著相关，是主要影响参量。 根据参量间的相关分析结果可以看出，部分变量之间直接相关性较强，存在信息上的重叠，与PA值的相关受到相互影响，因此需要进行降维处理，使其中每个主成分都能够反映原始变量的大部分信息，且所含信息互不重复，以得出各参量对样本信息的表现能力。 下降和上升信号的主成分分析结果如表8、表9所示，主成分个数提取原则为主成分对应的特征值大于1的前m个主成分，因此，两过程均提取前2个主成分。 初始因子载荷矩阵如表10所示。从表10可以看出，车窗玻璃下降和上升过程中，第1主成分都反映了A计权声压级、双耳响度、尖锐度和抖动度这4个指标，而粗糙度都在第2主成分中得以表达。 式中，Ai为各主成分的特征向量矩阵；Ci为各指标在对应主成分上的载荷矩阵；λi为各主成分对应的特征值；Fi为各主成分；i=1,2；Zx为指标标准化矩阵。 式中，ZdB、ZN、ZS、ZR、ZF分别为A计权声压级、双耳响度、尖锐度、粗糙度、抖动度等指标标准化后的值。 从模型可以看出，A计权声压级和粗糙度对车窗玻璃升降过程声信号主成分的贡献量最低；在相关性分析的基础上进一步得出尖锐度对声样本的信息反映也有重要作用。 选用参考语义细分法，对6辆车的前、后车窗玻璃下降和上升工况的24个声样本进行主观评测。参考语义细分法的参考样本选择有两种方法：通过样本的物理特性参量值，选出各参量处于全体样本中间位置的声样本作为参考样本；粗评样本，从全体样本中选择处于中间区域的声样本作为参考样本。由于已经计算出各参量值，因此采用第1种方法。分别计算出升、降时各12个声样本各参量的平均值，依据客观参量结果，下降过程选择A车，上升过程选择F车，分别作为下降和上升过程中的参考样本。 对110人进行了题为“您认为下题中的哪个词汇更能描述车窗玻璃升降过程的声音”的线上问卷调查[9]。针对响度的描述，设置了“喧嚣的”“响亮的”“吵闹的”3个词汇；尖锐度描述设置了“揪心的”“尖锐的”“刺耳的”；抖动度描述设置了“抖晃的”“震颤的”“波动的”；主观烦恼度则设置了“讨厌的”“烦人的”“烦恼的”等词汇。对统计结果去除无效问卷后随机选用了100份调查结果，分别确定了“吵闹的”“刺耳的”“波动的”“烦恼的”4个词汇描述响度、尖锐度、抖动度、以及综合评价烦恼度。每一项形容词在评测时都包括“异常”“很”“比较”“一样”“比较不”“很不”“毫不”等共 7 种程度，分别赋予7～1分。 选取26名试验人员，分2次分别对汽车车窗玻璃上升、下降过程的声样本进行评价。试验者均为在校学生，其中女生8名，从事振动噪声方向研究的学生12名。试验前对参与者进行了听音培训和试验过程解释，培训中考察参与者对评价参量的理解准确度，以保证数据的有效性。 在主观评价试验中，评价时周边环境的变化、评价者的心理波动及声样本的相似性干扰等都会对主观评价的结果造成影响而导致错误，所以，在完成主观评价试验后，以统计方法对评价的结果进行有效性的检验十分必要[7]。在参考语义细分法中，有效性高的评价结果之间应该存在较好的相关性。本文采用几何平均相关方法进行数据有效性的判定，相关系数分析结果如表11所示。其中相关系数很低的数据应剔除，下降、上升过程中整体剔除率分别为12.31%和13.08%。满足在一般评价中，数据剔除10%～20%的经验要求。说明“吵闹的”“刺耳的”“波动的”“烦恼的”4个描述词汇能够较为准确地描述对应的客观参量，试验结果可信度高。无效数据剔除后，重新得到每个参量的评价数据，从而得到参考语义细分法的最终得分，如表12、表13所示。 主要客观参数与主观烦恼度的对比如图3所示，可以看出，所分析3个客观参量与主观感受有着紧密联系，是声信息特性的主要表现参数。主、客相关性分析结果如表14所示，主观评价结果中，车窗玻璃下降、上升过程中，除抖动度、响度对主观烦恼度有显著影响外，尖锐度对主观烦恼度的影响也很明显，也印证了主成分析的结果，说明本文采用的客观评价分析方法 正确。 注：*表示95%置信区间内显著相关；△表示99%置信区间内显著相关。 本文以汽车车窗升、降时车内声信号为研究对象，综合差异性分析、相关性分析和主成分分析手段，提出了基于心理声学烦躁度指标的声品质客观评价与分析方法，通过基于语义细分法的主观评价试验对客观分析方法进行了验证，并得出此类声信号对人主观感受起关键作用的客观参量：抖动度、响度、尖锐度。与传统的主观评审试验相比，基于信号本身的客观声品质评价可大幅降低时间与物力成本，可为前期声品质设计与优化提供参考。 【免责声明】本文来自汽车技术，作者 赖诗洋等，版权归原作者所有，仅用于学习等，对文中观点判断均保持中立，若您认为文中来源标注与事实不符，若有涉及版权等请告知，将及时修订删除，谢谢大家的关注！著作权归作者所有，欢迎分享，未经许可，不得转载
首次发布时间：2023-04-15
最近编辑：2年前
作者推荐
