CN113313397A - 一种声品质满意度分级以及限值确定方法 - Google Patents

一种声品质满意度分级以及限值确定方法 Download PDF

Info

Publication number
CN113313397A
CN113313397A CN202110634471.8A CN202110634471A CN113313397A CN 113313397 A CN113313397 A CN 113313397A CN 202110634471 A CN202110634471 A CN 202110634471A CN 113313397 A CN113313397 A CN 113313397A
Authority
CN
China
Prior art keywords
sound quality
satisfaction
grade
sound
product
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.)
Pending
Application number
CN202110634471.8A
Other languages
English (en)
Inventor
陈克安
党博
张珺
邓云云
李豪
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202110634471.8A priority Critical patent/CN113313397A/zh
Publication of CN113313397A publication Critical patent/CN113313397A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/01—Customer relationship services
    • G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
    • G06Q30/016—After-sales
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明提出一种声品质满意度分级以及限值确定方法，基于声品质指数与累计级别容量比的关系曲线，并结合声品质调查满意度，从而确定基于声品质指数的分级方法并确定出各级的声品质指数限值。本发明为消费者提供类似于能效指标一般简明易懂的噪声评价等级指标代替声压级，这种指标建立在声品质基础上更加贴合人的主观感受，提升用户对产品声音性能的考量，促进对于产品的全面了解，有利于消费者对于适宜产品的选择以及提升用户体验。

Description

一种声品质满意度分级以及限值确定方法
技术领域
本发明属于心理声学中声品质领域，具体涉及一种基于声品质进行产品噪声分级和限值确定方法，尤其用于家用电器产品。
背景技术
长期以来，评价家用电器噪声的客观参量A计权声级(A-weighted SoundPressure Level，简称A声级)为主，这些单一参量一方面不能完全表征人耳对于噪声的感知特性，需要引入更加完备的指标，另一方面对于绝大多数顾客而言过于专业，非相关专业的人员并不清楚分贝的概念以及所表达的能量关系。
传统评价噪声的客观参量包括A声级、C声级、累计百分A声级、噪度、噪声污染级等等。A声级和C声级是声压级的频域加权形式，它大致模拟了人耳对声音响度的感受。然而，人对声音的主观感觉与声信号的时域、频域特性密切相关，不仅仅取决于响度。现实中的各种声音，尤其是噪声，其时域特性和频域特性千差万别，因此，传统的以反映声音响度为主的计权声级不能完全表征人对噪声的主观感觉，这一点已成为绝大数噪声控制专家的共识，也被国内外近百篇相关学术论文所证实。
研究表明，人对声音的主观感觉受响度、音调、音色及持续时间等4种因素的影响，适于采用声品质(Sound Quality)来描述。声品质中的“声”并不是指声波这样一个物理事件，而是指人耳的听觉感知，“品质”是指人耳对声音事件的听觉感知过程，以及最终做出的主观判断。因此，对任一个发声体或声事件产生的声音，基于声品质的描述，可以较好地反映人的主观感知，对产品声学设计及噪声控制都有实际的指导意义。
发明内容
针对现有评价家用电器噪声的客观参量分级所存在的不能完全表征人对噪声的主观感觉的问题，本发明提出一种声品质满意度分级以及限值确定方法，基于声品质指数与累计级别容量比的关系曲线，并结合声品质调查满意度，从而确定基于声品质指数的分级方法并确定出各级的声品质指数限值。
本发明的技术方案为：
所述一种声品质满意度分级以及限值确定方法，包括以下步骤：
步骤1：获取市场上同一功能不同型号家用电器产品的声品质指数的分布情况，绘制累计级别容量比CCVR与产品声品质指数SQI的响应曲线：CCVRM曲线；
步骤2：调查公众对当前市场上销售的该功能产品的声品质现状的感受和认知，得到各满意度等级与对应级别容量比CVR关系的CVRC曲线；
步骤3：以步骤2中各个满意度等级的容量作为声品质分级的容量，并通过容量查询步骤1中的CCVRM曲线，利用声品质分布情况获取各个满意度等级对应的声品质指数限值，得到规范满意度SS。
进一步的，步骤1具体包括：
步骤1.1：对市场上具有该功能的不同型号家用电器产品的噪声进行采集；
步骤1.2：对采集得到的噪声声样本进行预处理，按照心理声学规范进行主观评价试验，数据处理后对该产品噪声进行建模，并得到该功能产品的声品质指数SQI；
步骤1.3：根据该功能产品的声品质指数SQI以及统计时所得到的累计级别容量比CCVR，绘制得到CCVR与SQI的响应曲线：CCVRM曲线。
进一步的，步骤1.1中，采集过程按照相关声采集标准进行；且为了能够反映目前技术水平下该功能产品噪声的声品质状况，要尽可能多的获取不同型号产品噪声。
进一步的，步骤1.2中，建模后，利用模型得到更多该功能产品的声品质指数。
进一步的，步骤2的具体过程为：
步骤2.1：确定产品声品质满意度的分级数，并确定各等级名称；
步骤2.2：按照划分的等级以及各等级名称，扩大被试范围，通过问卷形式进行听音实验，调查公众对于市场上该功能产品噪声的满意程度；
步骤2.3：根据步骤2.2得到的各等级容量情况绘制表征各等级与对应级别容量比CVR关系的CVRC曲线。
进一步的，步骤2.1中，将产品的声品质满意度分为3个等级或者5个等级，并确定各等级名称。
进一步的，步骤2.2中，被试职业以及人数的增加能够使得调查更具有广泛性，通过数据处理后的满意状况可以代表目前大众的感知以及预期。
进一步的，将步骤3得到的规范满意度SS作为初值；综合考虑行业当前生产水平，承受能力以及消费者利益因素，由行业专家评审团对步骤3得到的SS初值再进行人为调整设计得到SS终值。
有益效果
1.为消费者提供类似于能效指标一般简明易懂的噪声评价等级指标代替声压级，这种指标建立在声品质基础上更加贴合人的主观感受，提升用户对产品声音性能的考量，促进对于产品的全面了解，有利于消费者对于适宜产品的选择以及提升用户体验。
2.推动行业降噪技术进步。声品质技术应用于噪声控制已被行业广泛接受，本方法提供了声品质等级的评价方法以及限值确定方法，进一步规范化声品质技术在行业内的应用，并且等级的划分有利于为产品明确目标，提供方向，促进产品的创新发展。
3.为行业监管者提供依据。目前市场产品对于噪声的衡量使用声压级作为指标，但已有研究表明声压级并不能完全代表人耳对于噪声的主观感受。从声品质层面进行产品噪声等级划分，有利于行业监管者进一步把控市场现状，明确发展方向，制定有效政策。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1本发明流程图；
图2测量满意度结果；
图3调查满意度结果。
具体实施方式
为了对本方法及流程表述明确，先阐述相关术语以及解释：
(1)声品质指数(Sound Quality Index,SQI)：用来评价家用电器声品质的一种综合参量，用它来表述该电器在声品质层面上的得分；
(2)声品质满意度：声品质满意度是用户对特定类型产品辐射噪声的满意程度的一种评判指标，其类别和相应的限值也称为声品质分级。在声品质分级研究和运用中，会使用到如下三种满意度，分别是：1)测量满意度(SM)，它是针对现有产品进行声品质测试，通过主观评价实验获得的一种满意度；2)调查满意度(SC)，通过问卷调查进行统计计算获得；3)规范满意度(SS)，是结合前两种满意度的结果由某种标准或规范确定的声品质满意度；
(3)级别容量比(Categorized Volume Ratio,CVR)为某一满意度级别的产品个数占全体产品个数之比。累计级别容量比(Cumulative Categorized Volume Ratio，CCVR)为不超过某一满意度级别的产品占全体产品个数之比。
与满意度相对应，CVR为三种：1)测量级别容量比(CVRM)，由主观评价实验获得；2)调查级别容量比(CVRC)，由问卷调查获得；3)设计级别容量比(CVRS)，参考CVRC情况下人为设定的级别容量比。
本发明中所指的声品质分级是指确定规范满意度的级别及其限值，SQI的分布范围为1-100，因此声品质分级就是要确定声品质满意度级别(3级或5级)与SQI的对应关系。
那么确定声品质满意度分级的具体步骤如下：
步骤1：获取市场上同一功能不同型号家用电器产品的声品质指数的分布情况，即获取测量满意度。
步骤1.1：对市场上具有该功能的不同型号家用电器产品的噪声进行采集，采集过程按照相关声采集标准进行；为了能够反映目前技术水平下该功能产品噪声的声品质状况，要尽可能多的获取不同型号产品噪声。
步骤1.2：对采集得到的噪声声样本进行预处理，按照心理声学规范进行主观评价试验，数据处理后对该产品噪声进行建模，验证后的模型可以代表目前技术水平下该产品噪声的声品质状况；利用模型能够快速得到更多该功能产品的声品质指数；
步骤1.3：根据该功能产品的声品质指数SQI以及测量统计时所得到的累计级别容量比CCVR，绘制得到CCVR与SQI的响应曲线：CCVRM曲线，作为获取限值的依据。
步骤2：调查公众对当前市场上销售的该功能产品的声品质现状的感受和认知，即获取调查满意度。
步骤2.1：通过文献、相关标准以及专家座谈等形式确定分级数，一般将产品的声品质满意度分为3个等级或者5个等级；
步骤2.2：按照划分的等级以及各等级名称(例如5级：优秀、良好、中等、合格、不合格；3级：优、中、差)，扩大被试范围，通过问卷形式进行听音实验，调查被试对于市场上该功能产品噪声的满意程度。被试职业以及人数的增加能够使得调查更具有广泛性，通过数据处理后的满意状况可以代表目前大众的感知以及预期；
步骤2.3：根据步骤2.2得到的各等级容量情况绘制表征各等级与对应级别容量比CVR关系的CVRC曲线；
步骤3：以步骤2中各个满意度等级的容量作为声品质分级的容量，并通过容量查询步骤1中的CCVRM曲线，利用声品质分布情况获取各个满意度等级对应的声品质指数限值，即以CVR作为桥梁，用调查满意度SC中的各等级CVR数值查询测量满意度SM的CCVRM曲线，得到规范满意度SS。
当然，也可以将步骤3得到的规范满意度SS可以作为初值。综合考虑行业当前生产水平，承受能力以及消费者利益多方面因素，本着为消费者提供简明易懂的噪声评价指标和推动行业进步的目的，由行业专家评审团对步骤3得到的SS初值再进行人为调整设计得到SS终值。
下面结合具体实施例描述本发明：
在GB 19606-2004《家用和类似用途电器噪声限值》中，对生活中常用电器的噪声值进行了规定，例如吸油烟机噪声限值是71～73dB(A)，但这种以反映声音响度为主的计权声级不能完全表征人对噪声的主观感觉，因此，本实施例针对吸油烟机，以声品质作为分级参数，提出一种声品质满意度分级以及限值确定方法，基于声品质指数与累计级别容量比的关系曲线，并结合声品质调查满意度，从而确定基于声品质指数的分级方法并确定出各级的声品质指数限值。
步骤1：获取市场上不同厂家生产的不同型号吸油烟机产品的声品质指数的分布情况，即获取测量满意度。
步骤1.1：对市场上不同厂家生产的不同型号吸油烟机产品噪声进行采集，采集过程按照相关声采集标准进行；
步骤1.2：对采集得到的噪声声样本进行预处理，按照心理声学规范进行主观评价试验：
评价指标：烦恼度；
被试：年龄18岁～50岁，听力测试表明所有被试在125Hz～8000Hz频率范围内的听阈级都低于15dB；
采用9级烦恼度评价尺度，如表1所示：
表1 9级烦恼度评价尺度
Figure BDA0003104903370000061
按照以下规则进行数据的剔除：
误判分析：判断同一被试对同一声样本的多次评价结果的一致性；
相关分析：判断同一被试对不同声样本的多次评价结果之间的相关性；
聚类分析：判断不同被试评价结果的一致性。
经过数据处理后，建立心理声学参量的烦恼度模型，通常选取响度L、粗糙度R、尖锐度S和波动强度F这4个参量作为自变量。将声样本的烦恼度作为因变量，进行多元回归分析，建立基于心理声学参量的目标声烦恼度模型。模型中粗糙度R对烦恼度的影响较小，排除粗糙度R后将系数归一化，得到目标声的烦恼度(A)模型为：
A＝0.391L-0.035S-0.646F+6.39
通过该模型能够预测吸油烟机的声品质指数。
步骤1.3：根据得到的吸油烟机的声品质指数SQI以及测量统计时所得到的累计级别容量比CCVR，绘制得到CCVR与SQI的响应曲线：CCVRM曲线，如图2所示，该曲线作为确定各等级上下限值的依据。
步骤2：调查公众对当前市场上销售的吸油烟机的声品质现状的感受和认知，即获取调查满意度。
步骤2.1：通过文献、相关标准以及专家座谈等形式确定分级数，一般将产品的声品质满意度分为3个等级或者5个等级；本实例中以5级尺度(见表2)进行满意度调查，实验数据在此基础上也可向3级转化。
表2 5级评价尺度
Figure BDA0003104903370000071
步骤2.2：按照划分的等级以及各等级名称，扩大被试范围，通过问卷形式进行听音实验，调查被试对于市场上该功能产品噪声的满意程度：
评价指标：满意度；
声样本、听音环境、回放设备、以及数据处理同步骤1.2；
评价人员依据个人的真实感受，采用不同的等级描述词，对特定声样本进行主观感知的量值判断。实验前有实验员讲解实验目的及流程，对被试进行适当训练。实验过程中，被试每次听到一段声音，按照个人感受在问卷上进行打分，每段声音时长为5s，打分时间为5s。
步骤2.3：根据步骤2.2得到的各等级容量情况绘制表征各等级与对应级别容量比CVR关系的CVRC曲线；
对5级评价尺度下的实验结果按照四舍五入原则直接转化为5级满意度结果，如经过数据处理后，多名被试对某个声样本的打分均值为3.59，则该产品得分为4，对应等级为合格。5级CVRC曲线见图3(a)。
对于调查满意度实验评价值区间[1,5]进行重新划分可以得到三级满意度，均值为[1,2.5]的产品为1级，(2.5,4]为2级产品评价值区间，(4，5]为3级产品评价值区间。3级CVRC曲线见图3(b)。
步骤3：以步骤2中各个满意度等级的容量作为声品质分级的容量，并通过容量查询步骤1中的CCVRM曲线，利用声品质分布情况获取各个满意度等级对应的声品质指数限值，即以CVR作为桥梁，用调查满意度SC中的各等级CVR数值查询测量满意度SM的CCVRM曲线，得到规范满意度SS。
例如五级满意度时，2级产品CVR为13％(图3(a))，即SQI由高到低排序前13％的产品为2级(无1级产品)，查询CCVRM曲线(图2)，87％所对应的SQI为70.25，则2级产品的SQI下限为70.25。各等级产品的声品质指数如表3所示。
表3某产品声品质规范满意度初值
Figure BDA0003104903370000081
当然，也可以将步骤3得到的规范满意度SS可以作为初值。从推动技术进步、促进行业创新与发展、保护消费者利益及兼顾制造商承受能力的角度，平衡制造商、消费者、政府产业政策及导向的不同诉求对声品质限值进行调整。由行业专家举行座谈会对SS初值进行讨论优化得到SS终值，即满意度限值。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种声品质满意度分级以及限值确定方法，其特征在于：包括以下步骤：
步骤1：获取市场上同一功能不同型号家用电器产品的声品质指数的分布情况，绘制累计级别容量比CCVR与产品声品质指数SQI的响应曲线：CCVRM曲线；
步骤2：调查公众对当前市场上销售的该功能产品的声品质现状的感受和认知，得到各满意度等级与对应级别容量比CVR关系的CVRC曲线；
步骤3：以步骤2中各个满意度等级的容量作为声品质分级的容量，并通过容量查询步骤1中的CCVRM曲线，利用声品质分布情况获取各个满意度等级对应的声品质指数限值，得到规范满意度SS。
2.根据权利要求1所述一种声品质满意度分级以及限值确定方法，其特征在于：步骤1具体包括：
步骤1.1：对市场上具有该功能的不同型号家用电器产品的噪声进行采集；
步骤1.2：对采集得到的噪声声样本进行预处理，按照心理声学规范进行主观评价试验，数据处理后对该产品噪声进行建模，并得到该功能产品的声品质指数SQI；
步骤1.3：根据该功能产品的声品质指数SQI以及统计时所得到的累计级别容量比CCVR，绘制得到CCVR与SQI的响应曲线：CCVRM曲线。
3.根据权利要求2所述一种声品质满意度分级以及限值确定方法，其特征在于：步骤1.1中，采集过程按照相关声采集标准进行；且为了能够反映目前技术水平下该功能产品噪声的声品质状况，要尽可能多的获取不同型号产品噪声。
4.根据权利要求2所述一种声品质满意度分级以及限值确定方法，其特征在于：步骤1.2中，建模后，利用模型得到更多该功能产品的声品质指数。
5.根据权利要求1或2所述一种声品质满意度分级以及限值确定方法，其特征在于：步骤2的具体过程为：
步骤2.1：确定产品声品质满意度的分级数，并确定各等级名称；
步骤2.2：按照划分的等级以及各等级名称，扩大被试范围，通过问卷形式进行听音实验，调查公众对于市场上该功能产品噪声的满意程度；
步骤2.3：根据步骤2.2得到的各等级容量情况绘制表征各等级与对应级别容量比CVR关系的CVRC曲线。
6.根据权利要求5所述一种声品质满意度分级以及限值确定方法，其特征在于：步骤2.1中，将产品的声品质满意度分为3个等级或者5个等级，并确定各等级名称。
7.根据权利要求5所述一种声品质满意度分级以及限值确定方法，其特征在于：步骤2.2中，被试职业以及人数的增加能够使得调查更具有广泛性，通过数据处理后的满意状况可以代表目前大众的感知以及预期。
8.根据权利要求1所述一种声品质满意度分级以及限值确定方法，其特征在于：将步骤3得到的规范满意度SS作为初值；综合考虑行业当前生产水平，承受能力以及消费者利益因素，由行业专家评审团对步骤3得到的SS初值再进行人为调整设计得到SS终值。
CN202110634471.8A 2021-06-08 2021-06-08 一种声品质满意度分级以及限值确定方法 Pending CN113313397A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110634471.8A CN113313397A (zh) 2021-06-08 2021-06-08 一种声品质满意度分级以及限值确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110634471.8A CN113313397A (zh) 2021-06-08 2021-06-08 一种声品质满意度分级以及限值确定方法

Publications (1)

Publication Number Publication Date
CN113313397A true CN113313397A (zh) 2021-08-27

Family

ID=77378017

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110634471.8A Pending CN113313397A (zh) 2021-06-08 2021-06-08 一种声品质满意度分级以及限值确定方法

Country Status (1)

Country Link
CN (1) CN113313397A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113739907A (zh) * 2021-09-04 2021-12-03 天津大学 一种脑力劳动工作状态下的声环境质量判定方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113739907A (zh) * 2021-09-04 2021-12-03 天津大学 一种脑力劳动工作状态下的声环境质量判定方法
CN113739907B (zh) * 2021-09-04 2024-02-20 天津大学 一种脑力劳动工作状态下的声环境质量判定方法

Similar Documents

Publication Publication Date Title
Di et al. Improvement of Zwicker’s psychoacoustic annoyance model aiming at tonal noises
US9058816B2 (en) Emotional and/or psychiatric state detection
Anand et al. Objective indices of perceived vocal strain
Susini et al. Psychological 11 measurement for sound description and evaluation
Klein et al. Spectral and modulation indices for annoyance-relevant features of urban road single-vehicle pass-by noises
Wolfe et al. Acoustic correlates of pathologic voice types
Kaczmarek et al. Annoyance of time-varying road-traffic noise
Jafari et al. Effects of noise on mental performance and annoyance considering task difficulty level and tone components of noise
CN113313397A (zh) 一种声品质满意度分级以及限值确定方法
Ih et al. Experimental design and assessment of product sound quality: application to a vacuum cleaner
Horvat et al. Sound quality evaluation of hand-held power tools
Sung et al. Descriptors of sound from HVAC&R equipment
Hülsmeier et al. Perception of sound quality of product sounds a subjective study using a semantic differential
Fenton et al. Objective profiling of perceived punch and clarity in produced music
Susini et al. The effect of loudness on the perceptual representation of sounds with similar timbre
Song et al. Research on the sound quality evaluation method based on artificial neural network
Park et al. Predicting perceived vocal roughness using a bio-inspired computational model of auditory temporal envelope processing
Ayr et al. Further investigations of a new parameter to assess noise annoyance in air-conditioned buildings
CN113567146A (zh) 一种基于掩蔽效应评价路噪的方法
Schaeffler et al. Towards ordinal classification of voice quality features with acoustic parameters
CN113436647A (zh) 一种车窗升降系统声音评价指标确定方法及装置
Bayani et al. Analysis of sound characteristics to design an annoyance metric for rattle sounds in the automotive industry
Shu et al. RNN based noise annoyance measurement for urban noise evaluation
Zhou et al. Using machine learning to predict noise-induced annoyance
Wang et al. Subjective Evaluation of Vehicle Sound Quality

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