CN112798102B - 一种声品质评价方法、装置、系统及介质 - Google Patents
一种声品质评价方法、装置、系统及介质 Download PDFInfo
- Publication number
- CN112798102B CN112798102B CN202110392004.9A CN202110392004A CN112798102B CN 112798102 B CN112798102 B CN 112798102B CN 202110392004 A CN202110392004 A CN 202110392004A CN 112798102 B CN112798102 B CN 112798102B
- Authority
- CN
- China
- Prior art keywords
- parameters
- model
- quality evaluation
- training
- objective
- 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
Links
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 265
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000011156 evaluation Methods 0.000 claims abstract description 228
- 238000012549 training Methods 0.000 claims abstract description 149
- 230000005540 biological transmission Effects 0.000 claims abstract description 91
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000012360 testing method Methods 0.000 claims description 83
- 238000012417 linear regression Methods 0.000 claims description 29
- 230000001419 dependent effect Effects 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 6
- 238000001303 quality assessment method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 2
- 238000001134 F-test Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本公开涉及一种声品质评价方法、装置、系统及介质。该方法包括:采集自动变速器的客观评价参数;确定所述客观评价参数对应的声品质评价模型,其中,所述声品质评价模型是基于自动变速器的训练客观参数和其对应的训练主观评价值训练得到,客观评价参数包括整车检测系统输出的声音客观参数和/或汽车下线检测系统输出的振动客观参数;将所述客观评价参数输入至所述声品质评价模型,得到自动变速器的主观评价值。通过上述技术方案,实现了基于自动变速器的客观评价参数进行声品质评价,提高了声品质评价的准确性。
Description
技术领域
本公开涉及声品质评价技术领域,尤其涉及一种声品质评价方法、装置、系统及介质。
背景技术
随着汽车行业的发展,驾乘人员对于车内的声音环境有越来越高的要求,声品质是车内声音环境的重要评价指标。声品质不仅包含人们熟知的分贝值,还包括与驾乘人员主观听感相关的响度、粗糙度等客观参数。
相关技术中分析了声音客观参数与声品质主观评价值之间的相关关系,这种相关关系可以很好的适应于基于常规的声音客观参数进行声品质评价。然而,自动驾驶车辆上的很多设备有特殊的声品质评价需求,上述相关关系无法适用于自动驾驶车辆上所有设备的声品质评价需求,例如自动变速器等设备,仅基于常规的声音客观参数与声品质主观评价值之间的相关关系对有特殊评价要求设备进行声品质评价时,声品质评价结果准确性较差,有待改进。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开提供了一种声品质评价方法、装置、系统及介质,以基于自动变速器的客观评价参数进行声品质评价,提高了声品质评价的准确性。
本公开提供了一种声品质评价方法,该方法包括:
采集自动变速器的客观评价参数,所述客观评价参数包括整车检测系统输出的声音客观参数和/或汽车下线检测系统输出的振动客观参数;
确定所述客观评价参数对应的声品质评价模型,其中,所述声品质评价模型是基于自动变速器的训练客观参数和其对应的训练主观评价值训练得到;
将所述客观评价参数输入至所述声品质评价模型,得到自动变速器的主观评价值。
本公开提供了一种声品质评价装置,该装置包括:
参数采集模块,用于采集自动变速器的客观评价参数,所述客观评价参数包括整车检测系统输出的声音客观参数和/或汽车下线检测系统输出的振动客观参数;
声品质评价模型确定模块,用于确定所述客观评价参数对应的声品质评价模型,其中,所述声品质评价模型是基于自动变速器的训练客观参数和其对应的训练主观评价值训练得到;
主观评价值确定模块,用于将所述客观评价参数输入至所述声品质评价模型,得到自动变速器的主观评价值。
本公开实施例还提供了一种声品质评价系统,该系统包括客观参数输出系统和声品质评价设备;其中,所述客观参数输出系统输出客观评价参数,所述声品质评价设备基于所述客观评价参数实现如第一方面中任一所述的声品质评价方法。
本公开实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本发明任意实施例所提供的声品质评价方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点:
本公开实施例提供了一种声品质评价方法、装置、系统及介质。采集自动变速器的客观评价参数,确定客观评价参数对应的声品质评价模型,声品质评价模型是基于自动变速器的训练客观参数和其对应的训练主观评价值训练得到的,并将客观评价参数输入至声品质评价模型,得到自动变速器的主观评价值。由于声品质评价模型是基于多个训练客观参数和其对应的训练主观评价值训练得到,可以保证声品质评价模型的计算精度,在获取到自动变速器本身的客观评价参数后,基于声品质评价模型和客观评价参数,准确的确定自动变速器的主观评价值,提高了自动变速器的声品质评价的准确性,有利于推广应用。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中的一种自动变速器的声品质评价体系的结构示意图;
图2是本发明实施例提供的一种声品质评价方法的流程图;
图3是本发明实施例提供的另一种声品质评价方法的流程图;
图4是本发明实施例提供的一种声品质评价方法中测试过程的流程图;
图5是本发明实施例提供的一种声品质评价装置的结构示意图;
图6是本发明实施例提供的一种声品质评价系统的结构示意图;
图7是本发明实施例提供的一种声品质评价设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
在相关技术中,主要分析了常规的声音客观参数与声品质主观评价值之间的相关关系,未分析自动驾驶车辆本体的自动变速器的振动客观参数、声音客观参数与声品质主观评价值之间的相关关系,常规的声音客观参数包括响度、尖锐度、粗糙度、抖动值等。
然而,在自动变速器生产阶段,一般只使用自动变速器的振动客观参数进行声品质主观评价,且振动客观参数由自动变速器壳体直接测得,无需在基于整车检测系统输出的声音客观参数进行声品质主观评价。显然,基于常规的声音客观参数进行声品质主观评价的评价结果不适用于自动变速器的声品质评价,因此无法得到准确的声品质评价结果。
为了解决上述问题,本公开实施例提供了一种声品质评价方法、装置、系统及存储介质。图1示出了一种自动变速器的声品质评价体系的结构示意图。该声品质评价体系包括EOL(End of line,汽车下线检测系统)和整车检测系统。基于图1所示的声品质评价体系进行声品质评价时,自动驾驶车辆分别在EOL和整车检测系统中进行检测,基于EOL检测后,输出符合EOL检测标准的下线检测数据,下线检测数据包括自动变速器的振动客观参数;整车检测系统选取声音客观参数并计算声音客观参数,将计算得到的声音客观参数输出,并确定主观评价方法和进行主观评价试验,输出主观评价值;进一步的,基于振动客观参数、声音客观参数以及主观评价值并结合多元线性回归模型,建立声品质评价模型。进一步的,还可以基于EOL输出的其他下限检测数据和整车检测系统输出其他声音客观参数验证声品质评价模型,利用通过验证的声品质评价模型并结合自动变速器的声音客观参数和振动客观参数进行声品质评价。
为了解决相关技术中基于常规的声音客观参数进行声品质主观评价的评价结果不适用于自动变速器的声品质评价,例如不适用于自动变速器的声品质评价,因此无法得到准确的声品质评价结果的问题。采用图1所示的一种声品质评价体系生成自动变速器对应的声品质评价模型,并结合自动变速器的声音客观参数和振动客观参数,提高了声品质评价的准确性,得到准确的主观评价值。
下面,首先对本公开实施例提供的图像处理方法进行说明。
实施例一
本实施例提供的声品质评价方法可适用于对自动变速器进行声品质评价。该方法可以由声品质评价装置来执行,该装置可以由软件和/或硬件的方式实现,该装置可以集成在具有评价功能的设备中,例如台式电脑或服务器等,尤其可以适用于声品质评价设备中。参见图2,本实施例的方法具体包括如下步骤:
S110、采集自动变速器的客观评价参数。
本公开实施例中,自动变速器指的是自动驾驶车辆上需要进行主观评价的目标设备。客观评价参数指的是自动变速器生产完或者在自动驾驶车辆上上线后,用于进行声品质评价的评价参数。客观评价参数可以包括整车检测系统输出的声音客观参数和/或汽车下线检测系统输出的振动客观参数。可选的,声音客观参数至少包括:自动变速器的声压级、声压级差值、响度指、尖锐度、粗糙度、抖动值;振动客观参数至少包括:振动值、振动值二倍频以及振动值变频等。
S120、确定客观评价参数对应的声品质评价模型,声品质评价模型是基于自动变速器的训练客观参数和其对应的训练主观评价值训练得到。
本公开实施例中,训练客观参数包括多个训练声音参数和训练振动参数。例如,利用500台自动驾驶车辆的自动变速器的声音客观参数和振动客观参数作为训练客观参数,并采集训练客观参数分别对应的主观评价值作为训练主观评价值,基于自动变速器的训练客观参数和训练主观评价值训练声品质评价模型,得到训练完成的声品质评价模型。其中,声品质评价模型可以包括但不限于多元线性回归模型、人工神经网络、长短期记忆网络、支持向量机算法、全卷积网络、卷积神经网络、深度残差网络中的至少一种。
在一个可选的实施例中,客观评价参数中的振动客观参数和声音客观参数可以对应同一个声品质评价模型。那么,在训练声品质评价模型时,将训练客观参数中的训练声音参数和训练振动参数作为声品质评价模型的输入数据,将训练主观评价值作为声品质评价模型的输出数据,基于上述输入数据和上述输出数据训练声品质评价模型,得到训练好的声品质评价模型。
在另一个可选的实施例中,客观评价参数中的振动客观参数和声音客观参数可以对应不同的声品质评价模型,声品质评价模型包括所述声音客观参数对应的第一声品质评价模型和/或所述振动客观参数对应的第二声品质评价模型。那么,在训练声品质评价模型时,基于训练客观参数中的训练声音参数和其对应的主观评价值训练第一声品质评价模型,并基于训练客观参数中的训练振动参数和其对应的主观评价值训练第二声品质评价模型,得到训练完成的第一声品质评价模型和第二声品质评价模型,即客观评价参数对应的声品质评价模型包括声音客观参数对应的第一声品质评价模型和/或所述振动客观参数对应的第二声品质评价模型。
S130、将客观评价参数输入至声品质评价模型,得到自动变速器的主观评价值。
在一个可选的实施例中,如果客观评价参数中的振动客观参数和声音客观参数可以对应同一个声品质评价模型,将客观评价参数中的振动客观参数和声音客观参数输入至该声品质评价模型,将声品质评价模型输出的值作为自动变速器的主观评价值。
在另一个可选的实施例中,声音客观参数对应第一声品质评价模型,振动客观参数对应的第二声品质评价模型,则将客观评价参数中的声音客观参数输入至第一声品质评价模型,得到第一主观评价值,将振动客观参数输入至第二声品质评价模型,得到第二主观评价值,并根据第一主观评价值和第二主观评价值计算自动变速器的主观评价值。
本公开实施例中,根据第一主观评价值和第二主观评价值计算自动变速器的主观评价值,包括以下至少一种方式:
计算第一主观评价值和第二主观评价值的平均值,将平均值作为自动变速器的主观评价值;
将第一主观评价值和第二主观评价值分别与对应的预设权重相乘,将得到的乘积相加,得到自动变速器的主观评价值。其中,预设权重可以是根据经验设置的固定值,还可以是通过其他方式确定,本实施例不做具体限定。
本实施例的技术方案,采集自动变速器的客观评价参数,确定客观评价参数对应的声品质评价模型,声品质评价模型是基于自动变速器的训练客观参数和其对应的训练主观评价值训练得到的,并将客观评价参数输入至声品质评价模型,得到自动变速器的主观评价值。由于声品质评价模型是基于多个训练客观参数和其对应的训练主观评价值训练得到,可以保证声品质评价模型的计算精度,在获取到自动变速器本身的客观评价参数后,基于声品质评价模型和客观评价参数,准确的确定自动变速器的主观评价值,提高了自动变速器的声品质评价的准确性,有利于推广应用。
实施例二
本实施例在上述实施例一的基础上,增加了“训练所述声品质评价模型”的步骤。其中与上述各实施例相同或相应的术语的解释在此不再赘述。参见图3,本实施例提供的声品质评价方法包括:
S210、获取自动变速器的训练客观参数和训练主观评价值。
如前述实施例所述,训练客观参数包括多个训练声音参数和训练振动参数,训练主观评价值包括训练声音参数和训练振动参数分别对应的主观评价值。
S220、将训练客观参数和训练主观评价值作为多元线性回归模型的自变量和因变量,计算回归系数。
本公开实施例中,多元线性回归模型的表达式为:
其中,
基于公式2和公式3得到方程组:
......
公式7变形后得到
S230、根据回归系数生成自动变速器的声品质评价模型。
本公开实施例中,根据回归系数生成当前的回归模型。为了验证当前的回归模型的有效性,对当前的回归模型进行F检验(F-test),又称联合假设检验,其中,F检验的公式为:
在验证当前的回归模型有效性后,还需要对回归系数进行显著性验证,其中,显著性验证的公式为:
在验证当前的回归模型的回归系数进行显著性验证后,还可以对当前的回归模型进行模型拟合度验证。其中,模型拟合度验证的公式为:
如果当前的回归模型通过上述验证,可以将当前的回归模型作为声品质评价模型。
本公开实施例中,如果分别根据训练客观参数中的训练声音参数和训练振动参数训练第一声品质回归模型和第二声品质回归模型,上述S220具体可以包括:将训练客观参数中的训练声音参数和其对应的训练主观评价值作为多元线性回归模型的自变量和因变量,计算第一回归系数;将训练客观参数中的训练振动参数和其对应的训练主观评价值作为多元线性回归模型的自变量和因变量,计算第二回归系数。其中,第一回归系数和第二回归系数的确定方式可以参照前述描述,此处不再详细赘述。
本公开实施例中,如果确定第一回归系数和第二回归系数,则S230可以具体包括:将第一回归系数和第二回归系数分别作为多元线性回归模型的回归系数,得到第一声品质评价模型和第二声品质评价模型,由第一声品质评价模型和第二声品质评价模型构成声品质评价模型。
具体的,如前述描述,将第一回归系数和第二回归系数分别作为多元线性回归模型的回归系数,得到第一当前回归模型和第二当前回归模型,再分别对第一当前回归模型和第二当前回归模型进行F检验、显著性验证以及模型拟合度验证,如果第一当前回归模型和第二当前回归模型通过上述验证,将第一当前回归模型作为第一声品质评价模型,并将第二当前回归模型作为第二声品质评价模型。
S240、采集自动变速器的客观评价参数。
S250、确定客观评价参数对应的声品质评价模型,声品质评价模型是基于自动变速器的训练客观参数和其对应的训练主观评价值训练得到。
本公开实施例中,如果得到第一声品质评价模型和第二声品质评价模型,客观评价参数中的声音客观参数对应的声品质评价模型是第一声品质评价模型,客观评价参数中的振动客观参数对应的声品质评价模型是第二声品质评价模型。
S260、将客观评价参数输入至声品质评价模型,得到自动变速器的主观评价值。
本公开实施例中,将客观评价参数中的声音客观参数输入至第一声品质评价模型,得到第一主观评价值;将客观评价参数中的振动客观参数输入至第二声品质评价模型,得到第二主观评价值,并对第一主观评价值和第一主观评价值求平均或者求加权平均,得到自动变速器的主观评价值。
本实施例提供的技术方案,获取训练客观参数和训练主观评价值,将训练客观参数和训练主观评价值作为多元线性回归模型的自变量和因变量,计算回归系数,根据回归系数生成自动变速器的声品质评价模型。具体还可以计算训练声音参数对应的第一回归参数和训练振动参数对应的第一回归参数,并对多元线性回归模型进行检验,以充分验证模型的性能,提高了声品质评价模型的模型精度,因此,基于声品质评价模型和自动变速器的客观评价参数,可以准确的预测出自动变速器的主观评价值,具有很好的推广应用价值。
实施例三
本实施例在上述实施例的基础上,对“在将所述第一回归系数和所述第二回归系数分别作为所述多元线性回归模型的回归系数,得到第一声品质评价模型和第二声品质评价模型之后”,添加了测试步骤,以测试第一声品质评价模型和第二声品质评价模型的性能。其中与上述各实施例相同或相应的术语的解释在此不再赘述。参见图4,本实施例提供的声品质评价方法中的测试方法包括:
S310、获取自动变速器的测试声音参数和测试振动参数。
本公开实施例中,自动变速器优选为自动驾驶车辆的自动变速器,测试声音参数是将自动驾驶车辆在EOL振动测试台架上进行测试,EOL输出测试振动参数,测试声音数据主要包括自动变速器的齿轮振动值,包括振动值、振动值二倍频和振动值变频;测试声音参数是将自动驾驶测量在整车检测系统上进行测试,整车检测系统输出噪音数据,根据噪音数据计算出升压至、声压级差、响度、尖锐度、抖动值和粗糙度等振动数据。
S320、分别将测试声音参数和测试振动参数输入至第一回归系数和第二回归系数对应的多元线性回归模型,得到第一主观评价值和第二主观评价值。
本公开实施例中,测试声音参数输入至第一回归系数对应的第一声品质评价模型,得到第一主观评价值;将测试振动参数输入至第二回归系数对应的第二声品质评价模型,得到第二主观评价值。
S330、计算第一主观评价值和第二主观评价值的主观评价均值。
S340、根据第一主观评价值和测试声音参数,确定第一目标回归系数,并根据第二主观评价值和测试振动参数,确定第二目标回归系数。
本公开实施例中,第一目标回归系数和第二目标回归系数的确定方法,包括:
步骤1、根据主观评价均值和测试声音参数计算第一相关数据,并根据主观评价均值和测试振动参数计算第二相关数据;
步骤2、根据第一相关数据从测试声音参数筛选出目标声音参数,并根据第二相关数据从测试振动参数筛选出目标振动参数;
步骤3、将目标声音参数对应的回归系数作为第一目标回归系数,将目标振动参数对应的回归系数作为第二目标回归系数。
具体的,可以基于各测试声音参数、测试振动参数与主观评价均值,根据相关性计
算公式,计算各测试声音参数与主观评价均值之间的第一相关数据和各测试振动参数与主
观评价均值之间的第二相关数据。如果存在一个或多个测试声音参数对应的第一相关数据
较小,则将对应的测试声音参数删除,保留数值较大的第一相关数据对应的测试声音参数;
同理,如果存在一个或多个测试振动参数对应的第二相关数据较小,则将对应的测试振动
参数删除,保留数值较大的第二相关数据对应的测试声音参数。进一步的,将目标声音参数
对应的回归系数作为第一目标回归系数,将目标振动参数对应的回归系数作为第二目标回
归系数。其中,相关性计算公式为:,是测试声音参数或测试
振动参数,是主观评价均值。
示例性的,表1所示是50组自动变速器的测试数据,表2所示为各测试振动参数和各测试声音参数对应的相关数据。
表1:自动变速器的测试数据
表2:各测试振动参数和各测试声音参数对应的相关数据
结合表1和表2可知,测试声音参数中的粗糙度和抖动度与主观评价均值之间的第一相关数据均较低,则将粗糙度和抖动度删除,保留数值较大的声压级、声压级差值、响度和尖锐度,并将声压级、声压级差值、响度和尖锐度分别对应的回归系数作为第一目标回归系数。然而,各测试振动参数与主观评价均值之间的第二相关数据均较高,说明各测试振动参数与主观评价均值之间的相关性均较高,可以将上述测试声音参数中的振动值、振动值二倍频均作为目标振动参数,将振动值、振动值二倍频分别对应的回归系数作为第二目标回归系数。
S350、基于第一目标回归系数更新第一声品质评价模型,并基于第二目标回归系数更新第二声品质评价模型。
通过S350得到第一目标回归系数和第二目标回归系数,则可以基于第一目标回归系数更新第一声品质评价模型,并基于第二目标回归系数更新第二声品质评价模型。
为了进一步对第一声品质评价模型和第二声品质评价模型进行评价验证,以得到性能较好的第一声品质评价模型和第二声品质评价模型。
本公开实施例中,在基于第一目标回归系数更新第一声品质评价模型,并基于第二目标回归系数更新所述第二声品质评价模型之后,还包括:
S1、将测试声音参数和测试振动参数分别输入至更新后的第一当前回归模型和更新后的第二当前回归模型,计算对应的模型评估值;
S2、如果更新后的第一声品质评价模型对应的模型评估值大于或等于预设评估值,将更新后的第一当前回归模型作为第一声品质评价模型;
S3、如果更新后的第二声品质评价模型对应的模型评估值大于或等于预设评估值,将更新后的第二当前回归模型作为第二声品质评价模型。具体的,分别将测试声音参数和测试振动参数与对应的回归系数相乘,并计算乘积之和,得到模型评估值。
示例性的,表3所示是第二声品质评价模型的模型参数
则第二声品质评价模型对应的模型评估值为:
SQ =34.085-0.237*m1+0.024*m2-0.001*m3
如果SQ大于预设评估值,说明可以将第二当前回归模型作为第二声品质评价模型。其中,预设评估值可以是6~10之间的任意数。
本实施例提供的技术方案,通过计算测试声音参数、测试振动参数与主观评价均值之间的相关数据,可以筛选出对主观评价值影响较大的测试声音参数和测试振动参数,作为目标声音参数和目标振动参数,并基于目标声音参数和目标振动参数分别对应的回归系数更新第一目标回归系数和第二目标回归系数,以得到精度更高的回归模型。并且,通过分别计算第一声品质评价模型和第二声品质评价模型的模型评估值,可以进一步对第一声品质评价模型和第二声品质评价模型进行评价验证,进一步的保证声品质评价模型的模型精度,有利于提高声品质评价的准确度。
以下是本发明实施例提供的声品质评价装置的实施例,该装置与上述各实施例的声品质评价方法属于同一个发明构思,在声品质评价装置的实施例中未详尽描述的细节内容,可以参考上述声品质评价方法的实施例。
实施例四
本实施例提供一种声品质评价装置,参见图5,该装置具体包括:参数采集模块410、声品质评价模型确定模块420和主观评价值确定模块430。
其中,参数采集模块410,用于采集自动变速器的客观评价参数,所述客观评价参数包括整车检测系统输出的声音客观参数和/或汽车下线检测系统输出的振动客观参数;
声品质评价模型确定模块420,用于确定所述客观评价参数对应的声品质评价模型,其中,所述声品质评价模型是基于自动变速器的训练客观参数和其对应的训练主观评价值构建;
主观评价值确定模块430,用于将所述客观评价参数输入至所述声品质评价模型,得到自动变速器的主观评价值。
可选的,该装置还包括:声品质评价模型训练模块;其中,声品质评价模型训练模块,用于训练所述声品质评价模型,所述声品质评价模型包括所述声音客观参数对应的第一声品质评价模型和/或所述振动客观参数对应的第二声品质评价模型。
可选的,声品质评价模型训练模块具体用于,获取自动变速器的所述训练客观参数和所述训练主观评价值;
将所述训练客观参数和所述训练主观评价值作为多元线性回归模型的自变量和因变量,计算回归系数;
根据所述回归系数生成所述自动变速器的声品质评价模型。
可选的,声品质评价模型训练模块具体用于,将所述训练客观参数中的训练声音参数和其对应的训练主观评价值作为多元线性回归模型的自变量和因变量,计算第一回归系数;
将所述训练客观参数中的训练振动参数和其对应的训练主观评价值作为多元线性回归模型的自变量和因变量,计算第二回归系数;
相应的,声品质评价模型训练模块具体用于,将所述第一回归系数和所述第二回归系数分别作为所述多元线性回归模型的回归系数,得到第一声品质评价模型和第二声品质评价模型,由所述第一声品质评价模型和所述第二声品质评价模型构成所述声品质评价模型。
可选的,可选的,该装置还包括:测试模块;其中,测试模块,用于获取所述自动变速器的测试声音参数和测试振动参数;
分别将所述测试声音参数和所述测试振动参数输入至所述第一回归系数和所述第二回归系数对应的多元线性回归模型,得到第一主观评价值和第二主观评价值;
计算第一主观评价值和第二主观评价值的主观评价均值;
根据所述主观评价均值和所述测试声音参数,确定第一目标回归系数,并根据所述主观评价均值和所述测试振动参数,确定第二目标回归系数;
基于所述第一目标回归系数更新所述第一声品质评价模型,并基于所述第二目标回归系数更新所述第二声品质评价模型。
可选的,测试模块具体用于,根据所述主观评价均值和所述测试声音参数计算第一相关数据,并根据所述主观评价均值和所述测试振动参数计算第二相关数据;
根据所述第一相关数据从所述测试声音参数筛选出目标声音参数,并根据所述第二相关数据从所述测试振动参数筛选出目标振动参数;
将所述目标声音参数对应的回归系数作为所述第一目标回归系数,将所述目标振动参数对应的回归系数作为所述第二目标回归系数。
可选的,测试模块还具体用于,将所述测试声音参数和所述测试振动参数分别输入至更新后的第一当前回归模型和更新后的第二当前回归模型,计算对应的模型评估值;
如果所述更新后的第一声品质评价模型对应的模型评估值大于或等于预设评估值,将所述更新后的第一当前回归模型作为所述第一声品质评价模型;
如果所述更新后的第二声品质评价模型对应的模型评估值大于或等于预设评估值,将所述更新后的第二当前回归模型作为所述第二声品质评价模型。
通过本发明实施例四的一种声品质评价装置,实现了基于自动变速器的客观评价参数进行声品质评价,提高了声品质评价的准确性。
本发明实施例所提供的声品质评价装置可执行本发明任意实施例所提供的声品质评价方法,具备执行方法相应的功能模块和有益效果。
实施例五
参见图6,本实施例提供了一种声品质评价系统,该声品质评价系统包括客观参数输出系统100和声品质评价设备200。其中,客观参数输出系统100输出客观评价参数。客观参数输出系统100包括EOL和整车检测系统。如图7所示为声品质评价设备200的结构示意图。声品质评价设备200包括:一个或多个处理器220;存储装置210,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器220执行,使得一个或多个处理器220实现本发明实施例所提供的声品质评价方法,包括:
采集自动变速器的客观评价参数,所述客观评价参数包括整车检测系统输出的声音客观参数和/或汽车下线检测系统输出的振动客观参数;
确定所述客观评价参数对应的声品质评价模型,其中,所述声品质评价模型是基于自动变速器的训练客观参数和其对应的训练主观评价值训练得到;
将所述客观评价参数输入至所述声品质评价模型,得到自动变速器的主观评价值。
当然,本领域技术人员可以理解,处理器220还可以实现本发明任意实施例所提供的声品质评价方法的技术方案。
图7显示的声品质评价设备200仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,该声品质评价设备200包括处理器220、存储装置210、输入装置230和输出装置240;设备中处理器220的数量可以是一个或多个,图7中以一个处理器220为例;设备中的处理器220、存储装置210、输入装置230和输出装置240可以通过总线或其他方式连接,图7中以通过总线250连接为例。
存储装置210作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的声品质评价方法对应的程序指令/模块(例如,声品质评价装置中的参数采集模块410、声品质评价模型确定模块420和主观评价值确定模块430)。
存储装置210可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储装置210可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置210可进一步包括相对于处理器220远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置230可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入,例如可以包括鼠标、键盘和触摸屏中的至少一个。输出装置240可包括显示屏等显示设备。
实施例六
本实施例提供一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行一种声品质评价方法,该方法包括:
采集自动变速器的客观评价参数,所述客观评价参数包括整车检测系统输出的声音客观参数和/或汽车下线检测系统输出的振动客观参数;
确定所述客观评价参数对应的声品质评价模型,其中,所述声品质评价模型是基于自动变速器的训练客观参数和其对应的训练主观评价值训练得到;
将所述客观评价参数输入至所述声品质评价模型,得到自动变速器的主观评价值。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的声品质评价方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory, ROM)、随机存取存储器(RandomAccess Memory, RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所提供的声品质评价方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种声品质评价方法,其特征在于,包括:
训练声品质评价模型,所述声品质评价模型包括声音客观参数对应的第一声品质评价模型和/或振动客观参数对应的第二声品质评价模型;
所述训练声品质评价模型,包括:
获取自动变速器的训练客观参数和训练主观评价值;
将所述训练客观参数和所述训练主观评价值作为多元线性回归模型的自变量和因变量,计算回归系数;
根据所述回归系数生成所述自动变速器的声品质评价模型;
所述将所述训练客观参数和所述训练主观评价值作为多元线性回归模型的自变量和因变量,计算回归系数,包括:
将所述训练客观参数中的训练声音参数和其对应的训练主观评价值作为多元线性回归模型的自变量和因变量,计算第一回归系数;
将所述训练客观参数中的训练振动参数和其对应的训练主观评价值作为多元线性回归模型的自变量和因变量,计算第二回归系数;
相应的,所述根据所述回归系数生成所述自动变速器的声品质评价模型,包括:
将所述第一回归系数和所述第二回归系数分别作为所述多元线性回归模型的回归系数,得到第一声品质评价模型和第二声品质评价模型,由所述第一声品质评价模型和所述第二声品质评价模型构成所述声品质评价模型;
采集自动变速器的客观评价参数,所述客观评价参数包括整车检测系统输出的声音客观参数和/或汽车下线检测系统输出的振动客观参数,所述声音客观参数至少包括:自动变速器的声压级、声压级差值、响度指、尖锐度、粗糙度、抖动值,所述振动客观参数至少包括:振动值、振动值二倍频以及振动值变频;
确定所述客观评价参数对应的声品质评价模型,其中,所述声品质评价模型是基于自动变速器的训练客观参数和其对应的训练主观评价值训练得到;
将所述客观评价参数输入至所述声品质评价模型,得到自动变速器的主观评价值。
2.根据权利要求1所述的方法,其特征在于,在所述得到第一声品质评价模型和第二声品质评价模型之后,所述方法还包括:
获取所述自动变速器的测试声音参数和测试振动参数;
分别将所述测试声音参数和所述测试振动参数输入至所述第一回归系数和所述第二回归系数对应的多元线性回归模型,得到第一主观评价值和第二主观评价值;
计算第一主观评价值和第二主观评价值的主观评价均值;
根据所述主观评价均值和所述测试声音参数,确定第一目标回归系数,并根据所述主观评价均值和所述测试振动参数,确定第二目标回归系数;
基于所述第一目标回归系数更新所述第一声品质评价模型,并基于所述第二目标回归系数更新所述第二声品质评价模型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述主观评价均值和所述测试声音参数,确定第一目标回归系数,并根据所述主观评价均值和所述测试振动参数,确定第二目标回归系数,包括:
根据所述主观评价均值和所述测试声音参数计算第一相关数据,并根据所述主观评价均值和所述测试振动参数计算第二相关数据;
根据所述第一相关数据从所述测试声音参数筛选出目标声音参数,并根据所述第二相关数据从所述测试振动参数筛选出目标振动参数;
将所述目标声音参数对应的回归系数作为所述第一目标回归系数,将所述目标振动参数对应的回归系数作为所述第二目标回归系数。
4.根据权利要求2所述的方法,其特征在于,在所述基于所述第一目标回归系数更新所述第一声品质评价模型,并基于所述第二目标回归系数更新所述第二声品质评价模型之后,所述方法还包括:
将所述测试声音参数和所述测试振动参数分别输入至更新后的第一当前回归模型和更新后的第二当前回归模型,计算对应的模型评估值;
如果所述更新后的第一声品质评价模型对应的模型评估值大于或等于预设评估值,将所述更新后的第一当前回归模型作为所述第一声品质评价模型;
如果所述更新后的第二声品质评价模型对应的模型评估值大于或等于预设评估值,将所述更新后的第二当前回归模型作为所述第二声品质评价模型。
5.一种声品质评价装置,其特征在于,包括:
声品质评价模型训练模块,用于训练声品质评价模型,所述声品质评价模型包括声音客观参数对应的第一声品质评价模型和/或振动客观参数对应的第二声品质评价模型;
所述声品质评价模型训练模块具体用于,获取自动变速器的训练客观参数和训练主观评价值;
将训练客观参数和训练主观评价值作为多元线性回归模型的自变量和因变量,计算回归系数;
根据所述回归系数生成所述自动变速器的声品质评价模型;
所述声品质评价模型训练模块具体用于,将所述训练客观参数中的训练声音参数和其对应的训练主观评价值作为多元线性回归模型的自变量和因变量,计算第一回归系数;
将所述训练客观参数中的训练振动参数和其对应的训练主观评价值作为多元线性回归模型的自变量和因变量,计算第二回归系数;
相应的,声品质评价模型训练模块具体用于,将所述第一回归系数和所述第二回归系数分别作为所述多元线性回归模型的回归系数,得到第一声品质评价模型和第二声品质评价模型,由所述第一声品质评价模型和所述第二声品质评价模型构成所述声品质评价模型;
参数采集模块,用于采集自动变速器的客观评价参数,所述客观评价参数包括整车检测系统输出的声音客观参数和/或汽车下线检测系统输出的振动客观参数,所述声音客观参数至少包括:自动变速器的声压级、声压级差值、响度指、尖锐度、粗糙度、抖动值,所述振动客观参数至少包括:振动值、振动值二倍频以及振动值变频;
声品质评价模型确定模块,用于确定所述客观评价参数对应的声品质评价模型,其中,所述声品质评价模型是基于自动变速器的训练客观参数和其对应的训练主观评价值训练得到;
主观评价值确定模块,用于将所述客观评价参数输入至所述声品质评价模型,得到自动变速器的主观评价值。
6.一种声品质评价系统,其特征在于,包括客观参数输出系统和声品质评价设备;
其中,所述客观参数输出系统输出客观评价参数,所述声品质评价设备基于所述客观评价参数实现如权利要求1-4中任一所述的声品质评价方法。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-4中任一所述的声品质评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110392004.9A CN112798102B (zh) | 2021-04-13 | 2021-04-13 | 一种声品质评价方法、装置、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110392004.9A CN112798102B (zh) | 2021-04-13 | 2021-04-13 | 一种声品质评价方法、装置、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112798102A CN112798102A (zh) | 2021-05-14 |
CN112798102B true CN112798102B (zh) | 2021-08-03 |
Family
ID=75816911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110392004.9A Active CN112798102B (zh) | 2021-04-13 | 2021-04-13 | 一种声品质评价方法、装置、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112798102B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113654637B (zh) * | 2021-09-08 | 2024-06-07 | 上海汽车变速器有限公司 | 一种电机轴齿轮噪声评价方法、装置、设备及存储介质 |
CN113776652B (zh) * | 2021-09-10 | 2024-03-08 | 上海汽车变速器有限公司 | 整车传动系统噪音评价方法、装置、设备及存储介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0634430A (ja) * | 1992-07-18 | 1994-02-08 | Toyoda Gosei Co Ltd | 音質評価装置 |
US5540590A (en) * | 1995-04-06 | 1996-07-30 | Ford Motor Company | Method for predicting human evaluation of latching and unlatching sounds |
KR100593416B1 (ko) * | 2003-07-31 | 2006-06-28 | 김승한 | 동적 승차감 분석 방법 및 동적 승차감 분석장치 |
CN101552939B (zh) * | 2009-05-13 | 2012-09-05 | 吉林大学 | 车内声品质自适应主动控制系统和方法 |
CN102393246B (zh) * | 2011-10-22 | 2013-01-30 | 重庆长安汽车股份有限公司 | 一种整车状态下车用发电机噪声的评价方法 |
DE102015217485A1 (de) * | 2015-09-14 | 2017-03-16 | Volkswagen Ag | Vorrichtung und Verfahren zum automatisierten Fahren eines Kraftfahrzeugs |
CN106017665A (zh) * | 2016-06-27 | 2016-10-12 | 洛阳理工学院 | 乘客座位声品质听觉感知测试装置 |
CN108630228A (zh) * | 2017-03-20 | 2018-10-09 | 比亚迪股份有限公司 | 声品质识别方法、装置、系统、以及车辆 |
CN106959159A (zh) * | 2017-05-31 | 2017-07-18 | 重庆长安汽车股份有限公司 | 基于阶次突峰量定量评价at变速器齿轮啸叫噪声的方法 |
CN110688712A (zh) * | 2019-10-11 | 2020-01-14 | 湖南文理学院 | 汽车风振噪声声品质客观烦恼度评价指标及其计算方法 |
CN110827980B (zh) * | 2019-11-08 | 2022-08-26 | 广州科慧健远医疗科技有限公司 | 一种基于声学指标的构音障碍分级评估方法 |
CN111985788A (zh) * | 2020-07-29 | 2020-11-24 | 中国第一汽车股份有限公司 | 汽车电器件声品质测试评价方法 |
CN112353391A (zh) * | 2020-10-22 | 2021-02-12 | 武汉理工大学 | 一种基于脑电信号的汽车车内声音品质识别方法及装置 |
-
2021
- 2021-04-13 CN CN202110392004.9A patent/CN112798102B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112798102A (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112798102B (zh) | 一种声品质评价方法、装置、系统及介质 | |
CN112699504B (zh) | 装配体物理数字孪生建模方法、装置、电子设备及介质 | |
CN109815988B (zh) | 模型生成方法、分类方法、装置及计算机可读存储介质 | |
CN113115195B (zh) | 主动降噪耳机自动生产测试方法及装置 | |
CN112990330B (zh) | 用户用能异常数据检测方法及设备 | |
CN116242443B (zh) | 一种超声波计量仪表的动态计量方法 | |
CN112492497B (zh) | 扬声器的t/s参数测量方法、测量装置和电子设备 | |
CN112729859A (zh) | 一种电子驻车噪声品质评价系统及方法 | |
CN115577325A (zh) | 一种电驱动总成声品质评价及限值确定方法 | |
CN112098756A (zh) | 电磁兼容问题定位方法、装置、设备及存储介质 | |
CN114817034A (zh) | 一种测试质量的分析方法、装置及电子设备 | |
CN108470194A (zh) | 一种特征筛选方法及装置 | |
WO2019176988A1 (ja) | 検査システム、識別システム、及び識別器評価装置 | |
CN117041847B (zh) | 用于助听器中自适应传声器匹配方法及系统 | |
CN111613242A (zh) | 一种设备音频线路的测试方法、装置及电子设备 | |
CN111737277B (zh) | 样本数据处理方法、装置、计算机设备及存储介质 | |
CN112326239A (zh) | 一种整车状态变速器油泵振动噪声测试及评价方法 | |
CN115307721A (zh) | 汽车加速声品质评价方法、装置、设备及存储介质 | |
US20230204549A1 (en) | Apparatus and automated method for evaluating sensor measured values, and use of the apparatus | |
CN113654637A (zh) | 一种电机轴齿轮噪声评价方法、装置、设备及存储介质 | |
JP3698310B2 (ja) | 客観品質測定装置を使用した主観品質推定方法およびこの方法を実施する装置 | |
CN116505972B (zh) | 一种线缆信号传输的智能检测方法及系统 | |
JP2003076976A (ja) | パターンマッチング方法 | |
CN118138749B (zh) | 一种多维度信息系统性能测试与分析工具及方法 | |
CN116592816B (zh) | 基于旋转机构的数据获取方法、装置、设备及存储介质 |
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 |