CN109671441B - 识别语言清晰度频带贡献量的方法 - Google Patents

识别语言清晰度频带贡献量的方法 Download PDF

Info

Publication number
CN109671441B
CN109671441B CN201811577736.XA CN201811577736A CN109671441B CN 109671441 B CN109671441 B CN 109671441B CN 201811577736 A CN201811577736 A CN 201811577736A CN 109671441 B CN109671441 B CN 109671441B
Authority
CN
China
Prior art keywords
frequency band
contribution
vehicle
octave
sound pressure
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811577736.XA
Other languages
English (en)
Other versions
CN109671441A (zh
Inventor
廖祥凝
庞剑
杨亮
靳红英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN201811577736.XA priority Critical patent/CN109671441B/zh
Publication of CN109671441A publication Critical patent/CN109671441A/zh
Application granted granted Critical
Publication of CN109671441B publication Critical patent/CN109671441B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种识别语言清晰度频带贡献量的方法，包括以下步骤：计算1/3倍频程内的声压级；求取1/3倍频程内的语言清晰度；提取对比车辆语言清晰度差异的主要贡献频带及其贡献量。本发明能够快速获取对比车辆语言清晰度差异的主要贡献频带及其贡献量，为整车声学包装弱点识别输入了精准有效的边界条件，有助于整车声学包装弱点识别试验效率的提升，避免了后续语言清晰度提升效果不明显以及吸声材料冗余等问题。

Description

识别语言清晰度频带贡献量的方法
技术领域
本发明属于汽车NVH性能技术领域，具体涉及一种识别语言清晰度频带贡献量的方法。
背景技术
汽车行业中，语言清晰度(AI，Articulation Index)常用于衡量车内噪声存在时，驾乘者语音交流的清晰程度，主要关注200Hz～6300Hz频段内的噪声能量，是汽车高速行驶时评价车内NVH性能好坏的重要指标之一。AI值越大，驾乘者语音交流的清晰程度越高，车内NVH性能越好。
如图1所示，对比图1中A车和B车的AI值可看出，当车辆以120km/h巡航时，B车的语言清晰度比A车高5.2％。若期望A车在车速以120km/h巡航时的语言清晰度能达到B车的水准，目前整车开发过程中，常直接对A车的整车声学包装进行全频段(500-8000Hz)的弱点识别，未进行A、B两车语言清晰度差异的频带贡献量分析。
全频段内整车声学包装的弱点识别，费时费力。若不确定语言清晰度差异的主要贡献频带，而通过随机选取部分频带弱点识别的结果进行声学包装加强，可能导致整车语言清晰度提升效果不明显。若基于全频段弱点识别的结果进行声学包装加强，可能会导致大量吸声材料的浪费。
因此，有必要开发一种识别语言清晰度频带贡献量的方法。
发明内容
本发明的目的是提供一种识别语言清晰度频带贡献量的方法，能快速获取对比车辆语言清晰度差异的主要贡献频带及其贡献量，为整车声学包装弱点识别输入了精准有效的边界条件，有助于整车声学包装弱点识别试验效率的提升。
本发明所述的识别语言清晰度频带贡献量的方法，包括以下步骤：
计算1/3倍频程内的声压级；
求取1/3倍频程内的语言清晰度；
提取对比车辆语言清晰度差异的主要贡献频带及其贡献量。
进一步，计算1/3倍频程内的声压级，具体为：
基于1/3倍频程，对200Hz～6300Hz频段进行频带划分，划分为16个频带；
计算对比车巡航噪声各频带内的声压级：
SA＝[sAi]T,SB＝[sBi]T (1)
其中，SA为A车基于1/3倍频程，200Hz～6300Hz频段内的声压级向量；sAi为第i个频带内A车的声压级；SB为B车基于1/3倍频程，200Hz～6300Hz频段内的声压级向量；sBi为第i个频带内B车的声压级，i＝1,2,...,16。
进一步，求取1/3倍频程内的语言清晰度，具体为：
计算各频带的语言清晰度：
Figure GDA0003848615750000021
其中，QA为A车基于1/3倍频程，200Hz～6300Hz频段内的语言清晰度向量；qAi为第i个频带内A车的语言清晰度；QB为B车基于1/3倍频程，200Hz～6300Hz频段内的语言清晰度向量；qBi为第i个频带内B车的语言清晰度，i＝1,2,...,16；wi为第i个频带内语言清晰度的权重；fi(·)为第i个频带内声压级到语言清晰度的线性映射函数。
进一步，提取对比车辆语言清晰度差异的主要贡献频带及其贡献量，具体为：
计算各频带内语言清晰度差异对对比车辆语言清晰度总差异的贡献量：
Figure GDA0003848615750000022
其中，G为基于1/3倍频程，200Hz～6300Hz频段内的语言清晰度差异贡献量向量；gi为第i个频带内语言清晰度差异的贡献量；
将G按gi的数值从大到小排序，并获取gi从大到小排序对应的频带序号向量N：
N＝[nj]T,j＝1,2,...,16 (4)
其中：nj为gi对应的频带序号；
再依据设置的贡献量下阙值，提取对比车辆语言清晰度差异的主要贡献频带：
Figure GDA0003848615750000031
Figure GDA0003848615750000032
Figure GDA0003848615750000033
式中，Nz为对比车辆语言清晰度差异的主要贡献频带序号的向量，K为主要贡献频带的个数；σ为贡献量下阙值。
本发明具有以下优点：能够快速获取对比车辆语言清晰度差异的主要贡献频带及其贡献量，为整车声学包装弱点识别输入了精准有效的边界条件，有助于整车声学包装弱点识别试验效率的提升，避免了后续语言清晰度提升效果不明显以及吸声材料冗余等问题。
附图说明
图1为A、B两车的语言清晰度对比图；
图2为本发明中声压级到语言清晰度的线性映射函数图；
图3为本发明中120km/h巡航时，A、B两车各频带内的声压级；
图4为本发明中各频带对A、B两车语言清晰度差异的贡献量。
具体实施方式
下面结合附图对本发明作进一步说明。
本发明所述的识别语言清晰度频带贡献量的方法，包括以下步骤：
(一)计算1/3倍频程内的声压级
首先基于1/3倍频程，对200Hz～6300Hz频段进行频带划分，划分为16个频带，如表1所示。
表1 200Hz～6300Hz内1/3倍频程的频带划分表
Figure GDA0003848615750000034
Figure GDA0003848615750000041
然后计算对比车巡航噪声各频带内的声压级，如式1所示。
SA＝[sAi]T,SB＝[sBi]T (1)
式(1)中，SA为A车基于1/3倍频程，200Hz～6300Hz频段内的声压级向量；sAi为(表1中)第i个频带内A车的声压级；SB为B车基于1/3倍频程，200Hz～6300Hz频段内的声压级向量；sBi为(表1中)第i个频带内B车的声压级，i＝1,2,...,16。
(二)求取1/3倍频程内的语言清晰度
基于语言清晰度的计算方法，计算表1中各频带的语言清晰度，如式(2)所示。
Figure GDA0003848615750000051
式(2)中，QA为A车基于1/3倍频程，200Hz～6300Hz频段内的语言清晰度向量；qAi为(表1中)第i个频带内A车的语言清晰度；QB为B车基于1/3倍频程，200Hz～6300Hz频段内的语言清晰度向量；qBi为(表1中)第i个频带内B车的语言清晰度，i＝1,2,...,16；wi为第i个频带内语言清晰度的权重；fi(·)为第i个频带内声压级到语言清晰度的线性映射函数；wi和fi(·)均由图2可得。
(三)提取对比车辆语言清晰度差异的主要贡献频带及其贡献量
采用公式(3)计算各频带内语言清晰度差异对对比车辆语言清晰度总差异的贡献量。
Figure GDA0003848615750000052
式中，G为基于1/3倍频程，200Hz～6300Hz频段内的语言清晰度差异贡献量向量；gi为表1中第i个频带内语言清晰度差异的贡献量。
将G向量按gi的数值从大到小排序，并获取gi从大到小排序对应的频带序号向量N，如式(4)所示。再依据设置的贡献量下阙值，提取对比车辆语言清晰度差异的主要贡献频带，如式(5)所示。
N＝[nj]T,j＝1,2,...,16 (4)
Figure GDA0003848615750000061
Figure GDA0003848615750000062
Figure GDA0003848615750000063
式中，nj为gi对应的频带序号；Nz为对比车辆语言清晰度差异的主要贡献频带序号的向量，K为主要贡献频带的个数；σ为贡献量下阙值。
以下结合实例对本实施例进行说明：
如图1所示，以120km/h巡航时，A、B两车语言清晰度为例，采用上述识别语言清晰度频带贡献量的方法进行分析,以获取相比B车，A车语言清晰度较差的主要贡献频带，其具体实施过程如下。
(1)计算1/3倍频程内的声压级
基于表1划分的频带，算得120km/h巡航时A、B两车各频带内的声压级，如图3所示。
(2)求取1/3倍频程内的语言清晰度
采用式(2)和图2，计算120km/h巡航时A、B两车各频带内的语言清晰度，如表2所示。
表2 120km/h巡航时，A、B两车各频带内的语言清晰度
Figure GDA0003848615750000064
(3)提取对比车辆语言清晰度差异的主要贡献频带及其贡献量
采用公式(3)算得各频带内语言清晰度差异的贡献量，并从大到小排序，如图4所示。设置贡献量下阙值为90％，即σ＝90％，从图4可看出，A、B两车语言清晰度总差异5.2％中，中心频率为2000Hz、2500Hz、1000Hz和4000Hz的四个频带贡献了91％的语言清晰度差异。
依据上述结论，通过弱点识别方法，识别了A车中心频率为2000Hz、2500Hz、1000Hz和4000Hz四个频带内的整车声学包装弱点，得出四个频带内A车声学包装弱点主要出现在中控台及驾驶员座椅下方。对A车中控台及驾驶员座椅下方进行声学包装加强后，其120km/h巡航的语言清晰度提高了9.3％，上述四个频带内的语言清晰度总和提高了5％，如表2所示，使得高速巡航NVH性能得到了较大的改善。

Claims (1)

1.一种识别语言清晰度频带贡献量的方法，其特征在于，包括以下步骤：
计算1/3倍频程内的声压级，具体为：
基于1/3倍频程，对200Hz～6300Hz频段进行频带划分，划分为16个频带；
计算对比车巡航噪声各频带内的声压级：
SA＝[sAi]T,SB＝[sBi]T
其中，SA为A车基于1/3倍频程，200Hz～6300Hz频段内的声压级向量；sAi为第i个频带内A车的声压级；SB为B车基于1/3倍频程，200Hz～6300Hz频段内的声压级向量；sBi为第i个频带内B车的声压级，i＝1,2,...,16；
求取1/3倍频程内的语言清晰度，具体为：
计算各频带的语言清晰度：
Figure FDA0003848615740000011
其中，QA为A车基于1/3倍频程，200Hz～6300Hz频段内的语言清晰度向量；QB为B车基于1/3倍频程，200Hz～6300Hz频段内的语言清晰度向量；wi为第i个频带内语言清晰度的权重；fi(·)为第i个频带内声压级到语言清晰度的线性映射函数；
提取对比车辆语言清晰度差异的主要贡献频带及其贡献量,具体为：
计算各频带内语言清晰度差异对对比车辆语言清晰度总差异的贡献量：
Figure FDA0003848615740000012
其中，G为基于1/3倍频程，200Hz～6300Hz频段内的语言清晰度差异贡献量向量；gi为第i个频带内语言清晰度差异的贡献量；qAi为第i个频带内A车的语言清晰度；qBi为第i个频带内B车的语言清晰度，i＝1,2,...,16；
将G按gi的数值从大到小排序，并获取gi从大到小排序对应的频带序号向量N：
N＝[nj]T,j＝1,2,...,16
其中：nj为gi对应的频带序号；
再依据设置的贡献量下阙值，提取对比车辆语言清晰度差异的主要贡献频带：
Figure FDA0003848615740000021
Figure FDA0003848615740000022
Figure FDA0003848615740000023
其中，Nz为对比车辆语言清晰度差异的主要贡献频带序号的向量，K为主要贡献频带的个数；σ为贡献量下阙值。
CN201811577736.XA 2018-12-20 2018-12-20 识别语言清晰度频带贡献量的方法 Active CN109671441B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811577736.XA CN109671441B (zh) 2018-12-20 2018-12-20 识别语言清晰度频带贡献量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811577736.XA CN109671441B (zh) 2018-12-20 2018-12-20 识别语言清晰度频带贡献量的方法

Publications (2)

Publication Number Publication Date
CN109671441A CN109671441A (zh) 2019-04-23
CN109671441B true CN109671441B (zh) 2022-11-04

Family

ID=66147072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811577736.XA Active CN109671441B (zh) 2018-12-20 2018-12-20 识别语言清晰度频带贡献量的方法

Country Status (1)

Country Link
CN (1) CN109671441B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110956979B8 (zh) * 2019-10-22 2024-06-07 合众新能源汽车股份有限公司 一种基于matlab的车内语言清晰度自动计算方法
CN113823302A (zh) * 2020-06-19 2021-12-21 北京新能源汽车股份有限公司 一种语言清晰度的优化方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102494754A (zh) * 2011-12-20 2012-06-13 重庆长安汽车股份有限公司 一种基于阶次离散的车内噪声源贡献量快速识别方法
CN102589680A (zh) * 2012-02-29 2012-07-18 重庆长安汽车股份有限公司 一种用语言清晰度定量评价传动系统敲击噪声的方法
CN107123427A (zh) * 2016-02-21 2017-09-01 珠海格力电器股份有限公司 一种确定噪声声品质的方法及装置
CN108132159A (zh) * 2017-12-23 2018-06-08 奇瑞汽车股份有限公司 汽车车身钣金对车内驾乘位置的噪音贡献识别系统及方法
CN108267321A (zh) * 2016-12-30 2018-07-10 华晨汽车集团控股有限公司 一种汽车声学包装吸隔声性能的测试与评价方法
CN108846147A (zh) * 2018-04-16 2018-11-20 清华大学苏州汽车研究院（相城） 一种车辆工作时各振动激励系统贡献量计算分析方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102494754A (zh) * 2011-12-20 2012-06-13 重庆长安汽车股份有限公司 一种基于阶次离散的车内噪声源贡献量快速识别方法
CN102589680A (zh) * 2012-02-29 2012-07-18 重庆长安汽车股份有限公司 一种用语言清晰度定量评价传动系统敲击噪声的方法
CN107123427A (zh) * 2016-02-21 2017-09-01 珠海格力电器股份有限公司 一种确定噪声声品质的方法及装置
CN108267321A (zh) * 2016-12-30 2018-07-10 华晨汽车集团控股有限公司 一种汽车声学包装吸隔声性能的测试与评价方法
CN108132159A (zh) * 2017-12-23 2018-06-08 奇瑞汽车股份有限公司 汽车车身钣金对车内驾乘位置的噪音贡献识别系统及方法
CN108846147A (zh) * 2018-04-16 2018-11-20 清华大学苏州汽车研究院（相城） 一种车辆工作时各振动激励系统贡献量计算分析方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
主观评价声品质参数的计算;孔传旭等;《汽车工程师》;20100125(第01期);全文 *
扩声系统对小学教室汉语语言清晰度的影响;彭健新等;《华南理工大学学报(自然科学版)》;20170615(第06期);全文 *
车身板件振动声学贡献分析与优化;赵静等;《机械工程学报》;20101220(第24期);全文 *

Also Published As

Publication number Publication date
CN109671441A (zh) 2019-04-23

Similar Documents

Publication Publication Date Title
CN109671441B (zh) 识别语言清晰度频带贡献量的方法
KR101239318B1 (ko) 음질 향상 장치와 음성 인식 시스템 및 방법
CN109141623B (zh) 一种列车车内声品质的评价方法及装置
DE102017116528A1 (de) Audiosignal-Qualitätsverbesserung basierend auf quantitativer SNR-Analyse und adaptiver Wiener-Filterung
US20060031067A1 (en) Sound input device
CN109443792A (zh) 一种汽车匀速行驶声品质的评价方法
CN101672690A (zh) 基于听觉模型的车内噪声烦躁度客观量化评价方法
DE102014118450A1 (de) Audiobasiertes System und Verfahren zur Klassifikation von fahrzeuginternem Kontext
CN110186556B (zh) 一种新能源汽车电机台架试验噪声评价方法
CN110688956A (zh) 一种用于汽车道路噪声主动控制的参考信号选择方法
CN113091875A (zh) 一种车内异响检测与评价系统及检测方法
CN112131662A (zh) 一种乘用车风噪主观评价客观量化方法
JP2017166995A (ja) タイヤの騒音性能の評価方法
CN112097891B (zh) 风振噪音评价方法、系统及车辆
CN111047142B (zh) 一种基于层次分析法的汽车评分方法及系统
CN1183511C (zh) 用于识别语音的方法
CN109492302B (zh) 一种基于VAone二次开发的噪声传递路径快速识别方法
DE102011114058B4 (de) Verfahren und Vorrichtung zur akustischen Beurteilung eines Bauteils
JP2007079389A (ja) 音声分析方法および音声分析装置
JP4649905B2 (ja) 音声入力装置
Schumann et al. Separation, allocation and psychoacoustic evaluation of vehicle interior noise
CN110956979B (zh) 一种基于matlab的车内语言清晰度自动计算方法
CN1605507A (zh) 为隐形气囊设计pab门的方法
CN114544194B (zh) 一种基于频谱分析的车辆路噪评价方法
US7050952B2 (en) Method of designing rubber composite

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant