CN114220455A - 一种车辆关门声品质评价方法及系统 - Google Patents

一种车辆关门声品质评价方法及系统 Download PDF

Info

Publication number
CN114220455A
CN114220455A CN202111536959.3A CN202111536959A CN114220455A CN 114220455 A CN114220455 A CN 114220455A CN 202111536959 A CN202111536959 A CN 202111536959A CN 114220455 A CN114220455 A CN 114220455A
Authority
CN
China
Prior art keywords
vehicle
closing sound
door
data
sound quality
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.)
Granted
Application number
CN202111536959.3A
Other languages
English (en)
Other versions
CN114220455B (zh
Inventor
高小清
张�浩
周副权
刘年
李星
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.)
Dongfeng Motor Group Co Ltd
Original Assignee
Dongfeng Motor Group 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 Dongfeng Motor Group Co Ltd filed Critical Dongfeng Motor Group Co Ltd
Priority to CN202111536959.3A priority Critical patent/CN114220455B/zh
Publication of CN114220455A publication Critical patent/CN114220455A/zh
Application granted granted Critical
Publication of CN114220455B publication Critical patent/CN114220455B/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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/24—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being the cepstrum
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/60—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for measuring the quality of voice signals

Landscapes

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

Abstract

本申请涉及一种车辆关门声品质评价方法及系统，涉及汽车测试技术领域，该方法包括以下步骤：采集获得待评价车辆的车辆关门声信号，截取获得车门开始旋转至车门完全关好过程中的第一关门声信号；对预处理后的第一关门声信号进行频谱分析，获得第一关门声信号对应的能量谱数据；对能量谱数据进行Mel滤波，计算获得待评价车辆的MFCC数据；基于预设的关门声品质标定数据以及待评价车辆的MFCC数据，计算获得待评价车辆对应的关门声品质评分值。本申请对车辆关门声信号进行数据处理，获得对应的MFCC数据，并结合关门声品质标定数据进行关门声品质评价，在保障准确性和可靠性的前提下，满足当前关门声品质评价需求。

Description

一种车辆关门声品质评价方法及系统
技术领域
本申请涉及汽车测试技术领域，具体涉及一种车辆关门声品质评价方法及系统。
背景技术
随着时代发展，人们的品质意识越来越强，在汽车消费领域，汽车关门声品质是评判汽车档次高低的重要指标之一。人们对关门声品质越来越关注，各大汽车生产厂商也不遗余力地提升关门声品质。
目前，关门声品质的评价是利用声品质的若干评价参数，如响度、尖锐度、粗糙度、抖晃度等进行综合评价。但是，传统的综合评价方式需要的评价参数较多，且各评价参数之间相互独立性欠佳，评价流程繁琐且需要较多数据样本，导致工作量较大，最终评价结果受主观判断和数据样本的影响较大，在准确性和可靠性方面存在一定缺陷。
因此，为满足使用需求，现提供一种车辆关门声品质评价技术。
发明内容
本申请提供一种车辆关门声品质评价方法及系统，所需数据样本较少，对车辆关门声信号进行数据处理，获得对应的MFCC数据，并结合关门声品质标定数据进行关门声品质评价，在保障准确性和可靠性的前提下，成本低廉，操作便利，能够满足当前关门声品质评价需求。
第一方面，本申请提供了一种车辆关门声品质评价方法，所述方法包括以下步骤：
采集获得待评价车辆的车辆关门声信号，并截取获得车门开始旋转至车门完全关好过程中的第一关门声信号；
对所述第一关门声信号进行预处理，并对预处理后的所述第一关门声信号进行频谱分析，获得所述第一关门声信号对应的能量谱数据；
对所述能量谱数据进行Mel滤波，并基于经过Mel滤波后的所述能量谱数据，计算获得所述待评价车辆的MFCC数据；
基于预设的关门声品质标定数据以及所述待评价车辆的MFCC数据，计算获得所述待评价车辆对应的关门声品质评分值。
具体的，所述对所述第一关门声信号进行预处理中，包括以下步骤：
对所述第一关门声信号进行分帧和加窗处理，获得所述预处理后的所述第一关门声信息。
具体的，所述对所述能量谱数据进行Mel滤波中，包括以下步骤：
计算获得预设的Mel三角滤波器对应的Mel三角滤波器组数据；
利用所述Mel三角滤波器对所述能量谱数据进行Mel滤波，基于所述Mel三角滤波器组数据以及所述能量谱数据，计算获得经过所述Mel三角滤波器滤波后的所述能量谱数据。
具体的，所述基于经过Mel滤波后的所述能量谱数据，计算获得所述待评价车辆的MFCC数据中，包括以下步骤：
对基于经过Mel滤波后的所述能量谱数据进行求对数处理，并进行离散余弦变换，获得所述待评价车辆的MFCC数据。
进一步的，所述基于预设的关门声品质标定数据以及所述待评价车辆的MFCC数据，计算获得所述待评价车辆对应的关门声品质评分值之前，所述方法包括以下步骤：
选定至少两个关门声品质存在优劣差异的用于标定车辆，并采集各用于标定车辆的车辆关门声信号，并向所述用于标定车辆的所述车辆关门声信号分配对应的关门声品质评分值；
基于所述用于标定车辆的所述车辆关门声信号，获得所述用于标定车辆的MFCC数据；
基于所述用于标定车辆的所述MFCC数据进行矩阵处理，获得对应的所述关门声品质标定数据。
具体的，所述基于预设的关门声品质标定数据以及所述待评价车辆的MFCC数据，计算获得所述待评价车辆对应的关门声品质评分值中，包括以下步骤：
基于所述关门声品质标定数据，计算用于表示不同所述用于标定车辆的MFCC数据之间的距离，获得对应的车辆关门声品质特征距离数据；
基于车辆关门声品质特征距离数据，运用DTW计算不同的所述用于标定车辆的所述车辆关门声品质特征匹配矩阵，获得所有所述用于标定车辆的车辆关门声品质总距离数据；
基于所述待评价车辆的MFCC数据以及所述用于标定车辆的MFCC数据，计算获得所述待评价车辆与不同的所述用于标定车辆之间的车辆关门声品质特征距离数据；
基于车辆关门声品质特征距离数据，运用DTW计算待评价车辆与不同的所述用于标定车辆之间的车辆关门声品质特征匹配矩阵，获得待评价车辆与所有所述用于标定车辆之间的车辆关门声品质总距离数据；
基于所述待评价车辆与所有所述用于标定车辆之间的车辆关门声品质总距离数据、所有所述用于标定车辆的车辆关门声品质总距离数据以及所述用于标定车辆的车辆对应的预设的关门声品质评分值，计算获得所述待评价车辆的关门声品质评分值。
优选的，在预设的消音室内进行所述车辆关门声信号的采集。
第二方面，本申请提供了一种车辆关门声品质评价系统，所述系统包括：
声音采集单元，其用于采集获得待评价车辆的车辆关门声信号，并截取获得车门开始旋转至车门完全关好过程中的第一关门声信号；
频谱分析单元，其用于对所述第一关门声信号进行预处理，并对预处理后的所述第一关门声信号进行频谱分析，获得所述第一关门声信号对应的能量谱数据；
第一数据处理单元，其用于对所述能量谱数据进行Mel滤波，并基于经过Mel滤波后的所述能量谱数据，计算获得所述待评价车辆的MFCC数据；
品质评价单元，其用于基于预设的关门声品质标定数据以及所述待评价车辆的MFCC数据，计算获得所述待评价车辆对应的关门声品质评分值。
进一步的，所述系统还包括：
评价标定单元，其用于选定至少两个关门声品质存在优劣差异的用于标定车辆，并采集各用于标定车辆的车辆关门声信号，并向所述用于标定车辆的所述车辆关门声信号分配对应的关门声品质评分值；
所述第一数据处理单元，还用于基于所述用于标定车辆的所述车辆关门声信号，获得所述用于标定车辆的MFCC数据；
所述系统还包括第二数据处理单元，其用于基于所述用于标定车辆的所述MFCC数据进行矩阵处理，获得对应的所述关门声品质标定数据。
进一步的，所述系统还包括：
特征距离处理单元，其用于基于所述关门声品质标定数据，计算用于表示不同所述用于标定车辆的MFCC数据之间的距离，获得对应的车辆关门声品质特征距离数据；
所述特征距离处理单元还用于基于车辆关门声品质特征距离数据，运用DTW计算不同的所述用于标定车辆的所述车辆关门声品质特征匹配矩阵，获得所有所述用于标定车辆的车辆关门声品质总距离数据；
所述特征距离处理单元还用于基于所述待评价车辆的MFCC数据以及所述用于标定车辆的MFCC数据，计算获得所述待评价车辆与不同的所述用于标定车辆之间的车辆关门声品质特征距离数据；
所述特征距离处理单元还用于基于车辆关门声品质特征距离数据，运用DTW计算待评价车辆与不同的所述用于标定车辆之间的车辆关门声品质特征匹配矩阵，获得待评价车辆与所有所述用于标定车辆之间的车辆关门声品质总距离数据；
所述品质评价单元还用于基于所述待评价车辆与所有所述用于标定车辆之间的车辆关门声品质总距离数据、所有所述用于标定车辆的车辆关门声品质总距离数据以及所述用于标定车辆的车辆对应的预设的关门声品质评分值，计算获得所述待评价车辆的关门声品质评分值。
本申请提供的技术方案带来的有益效果包括：
本申请所需数据样本较少，对车辆关门声信号进行数据处理，获得对应的MFCC数据，并结合关门声品质标定数据进行关门声品质评价，在保障准确性和可靠性的前提下，成本低廉，操作便利，能够满足当前关门声品质评价需求。
附图说明
术语解释：
MFCC：Mel Frequency Cepstrum Coefficient，美尔频率倒谱系数；
DTW：Dynamic Time Warping，动态时间规整。
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例中提供的车辆关门声品质评价方法的步骤流程图；
图2为本申请实施例中提供的车辆关门声品质评价方法的一种示意图；
图3为本申请实施例中提供的车辆关门声品质评价方法的另一种示意图；
图4本申请实施例中提供的车辆关门声品质评价系统的结构框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图对本申请的实施例作进一步详细说明。
本申请实施例提供一种车辆关门声品质评价方法及系统，所需数据样本较少，对车辆关门声信号进行数据处理，获得对应的MFCC数据，并结合关门声品质标定数据进行关门声品质评价，在保障准确性和可靠性的前提下，成本低廉，操作便利，能够满足当前关门声品质评价需求。
为达到上述技术效果，本申请的总体思路如下：
一种车辆关门声品质评价方法，该方法包括以下步骤：
S1、采集获得待评价车辆的车辆关门声信号，并截取获得车门开始旋转至车门完全关好过程中的第一关门声信号；
S2、对第一关门声信号进行预处理，并对预处理后的第一关门声信号进行频谱分析，获得第一关门声信号对应的能量谱数据；
S3、对能量谱数据进行Mel滤波，并基于经过Mel滤波后的能量谱数据，计算获得待评价车辆的MFCC数据；
S4、基于预设的关门声品质标定数据以及待评价车辆的MFCC数据，计算获得待评价车辆对应的关门声品质评分值。
以下结合附图对本申请的实施例作进一步详细说明。
第一方面，参见图1～3所示，本申请实施例提供一种车辆关门声品质评价方法，该方法包括以下步骤：
S1、采集获得待评价车辆的车辆关门声信号，并截取获得车门开始旋转至车门完全关好过程中的第一关门声信号；
S2、对第一关门声信号进行预处理，并对预处理后的第一关门声信号进行频谱分析，获得第一关门声信号对应的能量谱数据；
S3、对能量谱数据进行Mel滤波，并基于经过Mel滤波后的能量谱数据，计算获得待评价车辆的MFCC数据；
S4、基于预设的关门声品质标定数据以及待评价车辆的MFCC数据，计算获得待评价车辆对应的关门声品质评分值。
本申请实施例的技术方案所需数据样本较少，对车辆关门声信号进行数据处理，获得对应的MFCC数据，并结合关门声品质标定数据进行关门声品质评价，在保障准确性和可靠性的前提下，成本低廉，操作便利，能够满足当前关门声品质评价需求。
该车辆关门声品质评价方法的步骤S1，在具体实施时，情况如下：
S101、采集整个车门关闭过程中的噪声信号，采样频率为20000Hz，假设采集到的信号为{S0(n0)}；
上述数据采集环境、条件应一致，须在安静的环境下进行采集，最好在消声室进行采集。
S102、对信号{S0(n0)}进行截取；
对信号{S0(n0)}进行截取，去掉关门过程之外的信号，得到{S1(n1)}，即{S1(n1)}中只包括车门开始旋转至车门完全关好的这个过程中的信号。
具体的，该车辆关门声品质评价方法的步骤S2，所述对所述第一关门声信号进行预处理中，包括以下步骤：
对所述第一关门声信号进行分帧和加窗处理，获得所述预处理后的所述第一关门声信息。
该车辆关门声品质评价方法的步骤S2，在具体实施时，情况如下：
S201、对信号{S1(n1)}进行预处理，预处理过程包括分帧和加窗。
(1)分帧的目的是保证噪声分析有足够高的时间分辨率：
将N个连续采样点集合成一个数据分析单位，称为帧，N即为帧长，N须为2的指数次幂，即N＝2z(z为一自然数)，以方便后续对数据进行频谱分析，本申请实施例中N取值为512，关门声信号的采样频率为20000Hz，则一帧对应的时间长度为512/20000×1000＝25.6ms；
分帧后，第i帧数据记为x0(i)。
(2)加窗(施加窗函数)的目的是减少频谱泄露：
本申请实施例中，窗函数为汉明窗，其表达式为：
w(p)＝0.54-0.46*coS(2*π*p/P)，0≤p≤P 式1
其中，p和P均为整数，p为自变量，w(p)为因变量，w(p)为窗函数的幅度，P为常数，
窗函数的总长度L＝P+1，L须等于帧长N。
对各帧数据进行加窗，公式如下：
x(i)＝x0(i).*w(p) 式2
其中，x0(i)为第i帧数据，x(i)为加窗后的第i帧数据，.*为数量乘积，即数列中各对应元素相乘。
S203、对信号进行频谱分析；
对各帧数据进行FFT变换，得到各帧的频谱：
X(i，k)＝fft[x(i)] 式3
其中，x(i)为加窗后的第i帧数据，X(i，k)表示第i帧频谱数据中第k条谱线的频谱。
频谱为复数，对其取模，得到幅值谱：
A(i，k)＝|X(i，k)| 式4
其中，A(i，k)表示第i帧频谱数据中第k条谱线的幅值。
对A(i，k)取平方，得到数据的能量谱：
E(i，k)＝|X(i，k)|2 式5
其中，E(i，k)表示第i帧频谱数据中第k条谱线的能量。
具体的，该车辆关门声品质评价方法的步骤S3，所述对所述能量谱数据进行Mel滤波中，包括以下步骤：
计算获得预设的Mel三角滤波器对应的Mel三角滤波器组数据；
利用所述Mel三角滤波器对所述能量谱数据进行Mel滤波，基于所述Mel三角滤波器组数据以及所述能量谱数据，计算获得经过所述Mel三角滤波器滤波后的所述能量谱数据。
具体的，该车辆关门声品质评价方法的步骤S3，所述基于经过Mel滤波后的所述能量谱数据，计算获得所述待评价车辆的MFCC数据中，包括以下步骤：
对基于经过Mel滤波后的所述能量谱数据进行求对数处理，并进行离散余弦变换，获得所述待评价车辆的MFCC数据。
该车辆关门声品质评价方法的步骤S3，在具体实施时，情况如下：
S301、对能量谱进行Mel滤波，这一步骤分为两小步：
第一小步：计算Mel三角滤波器组数据：
Mel(关尔)是主观音高的单位，而Hz(赫兹)则是客观音高的单位；人耳对声音的感知程度，与赫兹(Hz)频率不成线性关系，但在Mel频率上，人对音调的主观感知与Mel刻度则为线性关系；
Mel频率基于人耳听觉特性提出来，它与Hz(赫兹)频率是非线性关系，如下式所示：
mel＝2595*log10(1+f0/700) 式6
其中，f0为频率变量(Hz)，mel为Mel频率。
Mel刻度在低频(Hz)部分的分辨率高，在高频(Hz)的分辨率低，与人耳的听觉特性是相符的；
同时，结合人耳的掩蔽效应，人们设计了Mel三角滤波器组。
第m个三角滤波器的传递函数为：
Figure BDA0003412858800000111
其中，1≤m≤M，M为三角滤波器个数；
Hm(k)为第m个三角滤波器第k条谱线的幅值；
f(m)为第m个滤波器的中心频率所对应的谱线序号，f(m-1)为第m-1个滤波器的中心频率所对应的谱线序号，f(m+1)为第m+1个滤波器的中心频率所对应的谱线序号，k表示谱线序号。
Mel三角滤波器组各滤波器的端点频率及中心频率所对应的谱线序号f(m)依照如下方式计算：
关门声数据采集，采样频率为20000Hz，依据香农采样定理，其分析频率上限为20000/2＝10000Hz，依据式6，求出其mel值，记为mel_max。
选定所关注噪声的频率下限，如20Hz，依据式6，求出其mel值，记为mel_min。
在Mel刻度上，将区间[mel_min,mel_max]均匀分成M+1段，段长mel_step为：
mel_step＝(mel_max-mel_min)/(M+1) 式8
m1(j)＝mel_min+j*mel_step 0≤j≤(M+1) 式9
m1(j)为Mel刻度上Mel三角滤波器组的第j个端点频率。
Hz频率f0与Mel频率mel的函数为：
Figure BDA0003412858800000112
将ml(j)(0≤j≤(M+1))代入式10中的mel值，得到f1(j)，0≤j≤(M+1)。
将f1(j)乘以N/fs，得f(j)，即：
Figure BDA0003412858800000121
其中，N为数据帧的长度，fs为数据的采样频率；
本申请实施例中，N＝512，fs＝20000Hz。
则第j个滤波器的中心频率所对应的谱线序号为f(j)，左端点频率所对应的谱线序号为f(j-1)，右端点频率所对应的谱线序号为f(j+1)。
第二小步：对能量谱进行Mel滤波处理：
每一帧频谱数据通过Mel滤波器后的频谱能量为数据能量谱E(i，k)与Mel三角滤波器组传递函数Hm(k)的乘积和：
F(i，m)＝∑kE(i，k)*Hm(k)，1≤m≤M 式12
其中，M为滤波器个数，典型值为24；
k表示谱线序号，i为数据的帧序号。
S302、对滤波后的数据求对数，进行离散余弦变换：
Figure BDA0003412858800000122
其中，t＝1，2......M，
Figure BDA0003412858800000123
其中，M为滤波器个数。
C即为MFCC(美尔频率倒谱系数)，C(i，t)为第i帧MFCC的第t个系数(t为整数，为离散余弦变换变量，作用如同FFT中的谱线数k)，m为三角滤波器序号，即第m个三角滤波器。
进一步的，该车辆关门声品质评价方法的步骤S4，所述基于预设的关门声品质标定数据以及所述待评价车辆的MFCC数据，计算获得所述待评价车辆对应的关门声品质评分值之前，所述方法包括以下步骤：
选定至少两个关门声品质存在优劣差异的用于标定车辆，并采集各用于标定车辆的车辆关门声信号，并向所述用于标定车辆的所述车辆关门声信号分配对应的关门声品质评分值；
基于所述用于标定车辆的所述车辆关门声信号，获得所述用于标定车辆的MFCC数据；
基于所述用于标定车辆的所述MFCC数据进行矩阵处理，获得对应的所述关门声品质标定数据。
具体的，该车辆关门声品质评价方法的步骤S4，所述基于预设的关门声品质标定数据以及所述待评价车辆的MFCC数据，计算获得所述待评价车辆对应的关门声品质评分值中，包括以下步骤：
基于所述关门声品质标定数据，计算用于表示不同所述用于标定车辆的MFCC数据之间的距离，获得对应的车辆关门声品质特征距离数据；
基于车辆关门声品质特征距离数据，运用DTW计算不同的所述用于标定车辆的所述车辆关门声品质特征匹配矩阵，获得所有所述用于标定车辆的车辆关门声品质总距离数据；
基于所述待评价车辆的MFCC数据以及所述用于标定车辆的MFCC数据，计算获得所述待评价车辆与不同的所述用于标定车辆之间的车辆关门声品质特征距离数据；
基于车辆关门声品质特征距离数据，运用DTW计算待评价车辆与不同的所述用于标定车辆之间的车辆关门声品质特征匹配矩阵，获得待评价车辆与所有所述用于标定车辆之间的车辆关门声品质总距离数据；
基于所述待评价车辆与所有所述用于标定车辆之间的车辆关门声品质总距离数据、所有所述用于标定车辆的车辆关门声品质总距离数据以及所述用于标定车辆的车辆对应的预设的关门声品质评分值，计算获得所述待评价车辆的关门声品质评分值。
该车辆关门声品质评价方法的步骤S4，在具体实施时，情况如下：
S401、生成关门声品质标定数据：
在市场上挑选两台车辆，一台为关门声品质优异的车辆A，一台为关门声品质恶劣的车辆B，按照步骤1的操作内容，采集A、B两台车的关门声信号；
针对A、B两台车的关门声品质，基于一定的评价规则，进行品质评判，获得对应的评分值point_A、point_B；
point_A的典型值为8.0、8.5，point_B的典型值为5.0、5.5。
另外，还可以在市场上挑选三台车辆，一台为关门声品质优异的车辆A，一台为关门声品质恶劣的车辆B，一台为关门声品质中等的车辆C，按照步骤1的操作内容，采集A、B以及C三台车的关门声信号。
对上述A、B以及C三台车的关门声品质基于一定的评价规则，进行品质评判，得到其评分值point_A、point_B以及point_C；
必要时，也可直接获取外部设备设定的评分值；
point_A的典型值为8.0、8.5，point_B的典型值为5.0、5.5，point_C的典型值为6.0、6.5、7.0。
类似的，还可以在市场上挑选四台车辆、五台车辆；
一台为关门声品质优异的车辆A，一台为关门声品质恶劣的车辆B，其余为关门声品质中等的车辆；
按照步骤1的操作内容，采集所有车辆的关门声信号；
基于一定的评价规则，对所有车辆的关门声品质进行品质评判，得到其评分值，或接收外部设备发送的评分值；
需要注意的是，各车辆的评分值要尽量分散开，不要太接近。
对所采集车辆进行编号，按照步骤S2至S3的操作内容，对其关门声信号分别提取MFCC特征值；
设共采集了R台车辆的关门声信号，则可得到R个矩阵；
每个矩阵的每一列代表相应车辆关门声信号某帧数据的M个Mel倒谱系数，即每个矩阵的行数均是M；
每个矩阵的列数不尽相同，列数即相应车辆关门声信号的帧数，记为col_num，col_num(n2)表示编号为n2车辆关门声信号MFCC特征值矩阵的列数；
将这R个矩阵组合成一个三维矩阵，记为M_cal，
M_cal(n2,i2,j2)表示编号为n2车辆关门声信号MFCC特征值矩阵中的第i2行，第j2列元素，
M_cal即为关门声品质标定数据。
S402、生成关门声品质特征距离数据：
本申请实施例的技术方案运用DTW(动态时间规整)进行车辆关门声信号之间的距离计算；
DTW是Dynamic Time Warping的缩写，用来计算两个时间序列之间的相似性；
在时间序列分析中，有时两段时间序列的长度可能并不相等，传统的欧几里得距离无法计算两个时间序列之间的距离(或相似性)，而DTW通过把时间序列进行延伸和缩短，能有效地衡量两个时间序列性之间的相似性。
运用DTW算法前，须先确定两帧MFCC数据间的距离；
余弦相似度是描述向量间靠近程度的参数，本申请实施例中采用余弦相似度来表征两帧MFCC数据间的距离度量参数，即两帧MFCC数据的贴近程度，即两帧音色(MFCC数据可理解为音色)的贴近程度，计算公式如下：
Figure BDA0003412858800000161
其中，similarity_0为一四维矩阵，1≤n3＜n4≤R,1≤i2≤col_num(n3)，1≤j2≤col_num(n4)，similarity_0(n3,n4,i2,j2)表示编号为n3的车辆的第i2帧MFCC参数与编号为n4的车辆的第j2帧MFCC参数间的余弦相似度，其值范围为[-1,1]，其值越大，表示两向量越贴近；其值越小，表示两向量越不相似。
当n3＝n4时，similarity_0(n3,n4,i2,j2)表示编号为n3(n4)的车辆各帧MFCC之间的余弦相似度，这个数据是不需要的；
由于similarity_0(n3,n4,i2,j2)与similarity_0(n4,n3,j2,i2)取值相同，对于后续步骤，计算其中之一就可以；
因此，本申请实施例中，对n3,n4有限制：n3＜n4。
由于运用DTW(动态时间规整)进行匹配计算时，其算法要求两向量越贴近，其距离越小，这个要求与变量similarity_0不一致(变量similarity_0越大，表示两向量越贴近)；
因此，需要对变量similarity_0进行变换，变换公式如下。
similarity＝-similarity_0+1.1 式16
上式中，负号的作用改变similarity_0的趋势(使similarity越小，两向量越贴近)，加1.1的作用是使similarity的取值大于0；
similarity可称为车辆关门声品质特征距离数据。
S403、生成车辆关门声品质总距离数据：
运用DTW(动态时间规整)进行车辆关门声品质数据之间的距离计算；
根据编号为n3车辆与编号为n4车辆的关门声品质特征距离数据，记为similarity(n3,n4,:,:)，计算其特征匹配矩阵，记为M_match(n3,n4,:,:)，计算方法如下：
首先，进行初始化，令M_match(n3,n4,1,1)＝similarity(n3,n4,1,1)；
然后，按式17进行迭代计算：
M_match(n3,n4,i2,j2)＝min{M_match(n3,n4,i2-1,j2)+
similarity(n3,n4,i2,j2)，M_match(n3,n4,i2-1,j2-1)+similarity(n3,n4,i2,j2)，M_match(n3,n4,i2,j2-1)+similarity(n3,n4,i2,j2)}式17
式17中M_match(n3,n4,i2,j2)的计算方法是有顺序的，可依次计算其第一列、第二列、……第col_num(n4)列，也可依次计算其第一行、第二行、……第col_num(n3)行。
式17中，只对i2-1≥1，j2-1≥1的数值进行取小计算；
如求M_match(n3,n4,1,2)时，因i2＝1，j2＝2，i2-1＝0，故只需取M_match(n3,n4,1,2)＝min{M_match(n3,n4,i2,j2-1)}＝min{M_match(n3,n4,1,1)}；
因为M_match(n3,n4,i2-1,j2)，M_match(n3,n4,i2-1,j2-1)这两个元素不存在。
另外，式17的含义是编号为n3车辆的某帧MFCC数据MFCC_A可能与编号为n4车辆的某帧MFCC数据MFCC_B一一对应，也可能MFCC_A对应编号为n4车辆的多帧MFCC数据，也可能MFCC_B对应编号为n3车辆的多帧MFCC数据；
需要说明的是，帧之间的匹配必须保持连续，不能出现跨帧匹配的情况。
遍历n3，n4，1≤n3＜n4≤R，R为车辆台数；
依据式17，即得到特征匹配矩阵M_match。
取出编号为n3车辆与编号为n4车辆的关门声品质特征匹配矩阵M_match(n3,n4,:,:)中的右下角元素，即元素M_match(n3,n4,col_num(n3),col_num(n4))，1≤n3＜n4≤R；
此元素即为n3车辆与编号为n4车辆的关门声品质总匹配距离，称为关门声品质总距离；
若R＝2，即标定车辆为两台车A、B，则A、B两台车之间的关门声品质总距离记为D_AB；若R＝3，即标定车辆为两台车A、B、C，则A、B两台车之间的关门声品质总距离记为D_AB，A、C两台车之间的关门声品质总距离记为D_AC，B、C两台车之间的关门声品质总距离记为D_BC，R等于其它数值的情况依此类推。
S404、建立待评价车辆关门声品质总距离：
按照步骤S1至S3的操作内容，得到待评价车辆的MFCC数据，记为MFCC_T。
按照步骤S402至S403的操作内容，生成待评价车辆与标定车辆的关门声品质总距离；
若标定车辆为两台车A、B，则待评价车辆与标定车辆的关门声品质总距离分别记为D_AT、D_BT；
若标定车辆为三台车A、B、C，则待评价车辆与标定车辆的关门声品质总距离分别记为D_AT、D_BT、D_CT；
标定车辆为四台车、五台车时，依次类推。
S405、预测待评价车辆关门声品质评分值：
若标定车辆为两台车A、B，参照图2，画出A、B两点及其之间的线段AB；
A、B两点表示A、B两台车的关门声品质评分值Point_A、Point_B；
设定比例尺，用线段AB的长度表示两台车的特征距离参数D_AB；
Point_A、Point_B、D_AB均已知，车辆A与待评价车辆T的特征距离参数D_AT已知。
以A点为圆心，按设定的比例尺，将D_AT转化为长度，并以此长度为半径画弧；
同样的，车辆B与待评价车辆T的特征距离参数D_BT已知，以B点为圆心，按设定的比例尺，将D_BT转化为长度，并以此长度为半径画弧；
两条弧线相交于点T，连接A、T两点，连接B、T两点，A、B、T三点形成△ABT，从T点做线段AB的垂线，交AB于Z点；
Z点对应的评分值Point_T即为待评价车辆的关门声品质评分值。
按照如下方法求取Point_T的值。
设线段AT与AB的夹角θ，根据三角形余弦定理有：
Figure BDA0003412858800000191
其中，||表示相应线段的长度。
Figure BDA0003412858800000192
参照图2，有如下比例关系：
Figure BDA0003412858800000193
由式19，式20可得：
Figure BDA0003412858800000201
由式21即可求取待评价车辆关门声品质评分值Point_T。
图2为T点在线段AB上的情形，当T点在线段AB的延长线上时，式18-21仍然成立。
若标定车辆为三台车，可参照图3，将△ABC划分为3个小三角形(分别为△ABT、△ACT、△BCT)。对每个小三角形，按照式18-21(标定车辆为两台车的情形)，分别计算出Point_T1、Point_T2、Point_T3，取其均值，作为待评价车辆的关门声品质评分值，公式如下：
Figure BDA0003412858800000202
图3为T点在△ABC内的情形，当T点在△ABC外部时，式18-22仍适用。
当标定车辆为四台车、五台车时，处理方法与三台车的情况类似。
增加标定车辆的目的是提高关门声品质评分值的预测精度；
一般来说，标定车辆越多，预测精度越高，但采集数据工作量增大，数据处理时间增加；
多数情况下，标定车辆数量可设定为三台车。
优选的，该车辆关门声品质评价方法中，在预设的消音室内进行所述车辆关门声信号的采集。
需要说明的是，
MFCC，即Mel频率倒谱系数，其全称是Mel Frequency Cepstrum Coefficient；
Mel(美尔)是主观音高的单位，而Hz(赫兹)则是客观音高的单位；
Mel频率是基于人耳听觉特性提出来的概念，它与Hz(赫兹)频率是非线性关系；
Mel频率倒谱系数(MFCC)是利用它们之间的这种关系，计算得到的倒谱特征。
DTW，即动态时间规整，是Dynamic Time Warping的缩写，用来计算两个时间序列之间的相似性；
在时间序列分析中，有时两段时间序列的长度可能并不相等，传统的欧几里得距离无法计算两个时间序列之间的距离(或相似性)，而DTW通过把时间序列进行延伸和缩短，能有效地衡量两个时间序列性之间的相似性。
综上所述，本申请实施例提出一种基于MFCC和DTW算法的车辆关门声品质评价方法；
相比传统的汽车关门声品质评价方法，该车辆关门声品质评价方法由于考虑了人耳的听觉特性，同时对关门声信号进行了细致深入的分析，得到其MFCC数据，更加深刻地描述其音色特征；
运用DTW算法确定了各车辆间的关门声品质总距离，结合总距离及标定车辆的关门声品质评分值，即可预测待评价车辆关门声品质评分值，评价方法简便；
该车辆关门声品质评价方法所需标定车辆数量少，只需2-5台车，节约时间及费用；
该车辆关门声品质评价方法无须对关门声品质进行实地评价，获取某车辆关门声信号，即可预测该车辆关门声品质评分值，且评分值准确性高，大大方便了关门声品质的评价工作。
第二方面，参见图4所示，本申请实施例提供一种车辆关门声品质评价系统，该系统包括：
声音采集单元，其用于采集获得待评价车辆的车辆关门声信号，并截取获得车门开始旋转至车门完全关好过程中的第一关门声信号；
频谱分析单元，其用于对所述第一关门声信号进行预处理，并对预处理后的所述第一关门声信号进行频谱分析，获得所述第一关门声信号对应的能量谱数据；
第一数据处理单元，其用于对所述能量谱数据进行Mel滤波，并基于经过Mel滤波后的所述能量谱数据，计算获得所述待评价车辆的MFCC数据；
品质评价单元，其用于基于预设的关门声品质标定数据以及所述待评价车辆的MFCC数据，计算获得所述待评价车辆对应的关门声品质评分值。
本申请实施例的技术方案所需数据样本较少，对车辆关门声信号进行数据处理，获得对应的MFCC数据，并结合关门声品质标定数据进行关门声品质评价，在保障准确性和可靠性的前提下，成本低廉，操作便利，能够满足当前关门声品质评价需求。
进一步的，该车辆关门声品质评价系统还包括：
评价标定单元，其用于选定至少两个关门声品质存在优劣差异的用于标定车辆，并采集各用于标定车辆的车辆关门声信号，并向所述用于标定车辆的所述车辆关门声信号分配对应的关门声品质评分值；
所述第一数据处理单元，还用于基于所述用于标定车辆的所述车辆关门声信号，获得所述用于标定车辆的MFCC数据；
所述系统还包括第二数据处理单元，其用于基于所述用于标定车辆的所述MFCC数据进行矩阵处理，获得对应的所述关门声品质标定数据。
进一步的，该车辆关门声品质评价系统还包括：
特征距离处理单元，其用于基于所述关门声品质标定数据，计算用于表示不同所述用于标定车辆的MFCC数据之间的距离，获得对应的车辆关门声品质特征距离数据；
所述特征距离处理单元还用于基于车辆关门声品质特征距离数据，运用DTW计算不同的所述用于标定车辆的所述车辆关门声品质特征匹配矩阵，获得所有所述用于标定车辆的车辆关门声品质总距离数据；
所述特征距离处理单元还用于基于所述待评价车辆的MFCC数据以及所述用于标定车辆的MFCC数据，计算获得所述待评价车辆与不同的所述用于标定车辆之间的车辆关门声品质特征距离数据；
所述特征距离处理单元还用于基于车辆关门声品质特征距离数据，运用DTW计算待评价车辆与不同的所述用于标定车辆之间的车辆关门声品质特征匹配矩阵，获得待评价车辆与所有所述用于标定车辆之间的车辆关门声品质总距离数据；
所述品质评价单元还用于基于所述待评价车辆与所有所述用于标定车辆之间的车辆关门声品质总距离数据、所有所述用于标定车辆的车辆关门声品质总距离数据以及所述用于标定车辆的车辆对应的预设的关门声品质评分值，计算获得所述待评价车辆的关门声品质评分值。
需要说明的是，在本申请中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种车辆关门声品质评价方法，其特征在于，所述方法包括以下步骤：
采集获得待评价车辆的车辆关门声信号，并截取获得车门开始旋转至车门完全关好过程中的第一关门声信号；
对所述第一关门声信号进行预处理，并对预处理后的所述第一关门声信号进行频谱分析，获得所述第一关门声信号对应的能量谱数据；
对所述能量谱数据进行Mel滤波，并基于经过Mel滤波后的所述能量谱数据，计算获得所述待评价车辆的MFCC数据；
基于预设的关门声品质标定数据以及所述待评价车辆的MFCC数据，计算获得所述待评价车辆对应的关门声品质评分值。
2.如权利要求1所述的车辆关门声品质评价方法，其特征在于，所述对所述第一关门声信号进行预处理中，包括以下步骤：
对所述第一关门声信号进行分帧和加窗处理，获得所述预处理后的所述第一关门声信息。
3.如权利要求1所述的车辆关门声品质评价方法，其特征在于，所述对所述能量谱数据进行Mel滤波中，包括以下步骤：
计算获得预设的Mel三角滤波器对应的Mel三角滤波器组数据；
利用所述Mel三角滤波器对所述能量谱数据进行Mel滤波，基于所述Mel三角滤波器组数据以及所述能量谱数据，计算获得经过所述Mel三角滤波器滤波后的所述能量谱数据。
4.如权利要求1所述的车辆关门声品质评价方法，其特征在于，所述基于经过Mel滤波后的所述能量谱数据，计算获得所述待评价车辆的MFCC数据中，包括以下步骤：
对基于经过Mel滤波后的所述能量谱数据进行求对数处理，并进行离散余弦变换，获得所述待评价车辆的MFCC数据。
5.如权利要求1所述的车辆关门声品质评价方法，其特征在于，所述基于预设的关门声品质标定数据以及所述待评价车辆的MFCC数据，计算获得所述待评价车辆对应的关门声品质评分值之前，所述方法包括以下步骤：
选定至少两个关门声品质存在优劣差异的用于标定车辆，并采集各用于标定车辆的车辆关门声信号，并向所述用于标定车辆的所述车辆关门声信号分配对应的关门声品质评分值；
基于所述用于标定车辆的所述车辆关门声信号，获得所述用于标定车辆的MFCC数据；
基于所述用于标定车辆的所述MFCC数据进行矩阵处理，获得对应的所述关门声品质标定数据。
6.如权利要求5所述的车辆关门声品质评价方法，其特征在于，所述基于预设的关门声品质标定数据以及所述待评价车辆的MFCC数据，计算获得所述待评价车辆对应的关门声品质评分值中，包括以下步骤：
基于所述关门声品质标定数据，计算用于表示不同所述用于标定车辆的MFCC数据之间的距离，获得对应的车辆关门声品质特征距离数据；
基于车辆关门声品质特征距离数据，运用DTW计算不同的所述用于标定车辆的所述车辆关门声品质特征匹配矩阵，获得所有所述用于标定车辆的车辆关门声品质总距离数据；
基于所述待评价车辆的MFCC数据以及所述用于标定车辆的MFCC数据，计算获得所述待评价车辆与不同的所述用于标定车辆之间的车辆关门声品质特征距离数据；
基于车辆关门声品质特征距离数据，运用DTW计算待评价车辆与不同的所述用于标定车辆之间的车辆关门声品质特征匹配矩阵，获得待评价车辆与所有所述用于标定车辆之间的车辆关门声品质总距离数据；
基于所述待评价车辆与所有所述用于标定车辆之间的车辆关门声品质总距离数据、所有所述用于标定车辆的车辆关门声品质总距离数据以及所述用于标定车辆的车辆对应的预设的关门声品质评分值，计算获得所述待评价车辆的关门声品质评分值。
7.如权利要求1所述的车辆关门声品质评价方法，其特征在于：
在预设的消音室内进行所述车辆关门声信号的采集。
8.一种车辆关门声品质评价系统，其特征在于，所述系统包括：
声音采集单元，其用于采集获得待评价车辆的车辆关门声信号，并截取获得车门开始旋转至车门完全关好过程中的第一关门声信号；
频谱分析单元，其用于对所述第一关门声信号进行预处理，并对预处理后的所述第一关门声信号进行频谱分析，获得所述第一关门声信号对应的能量谱数据；
第一数据处理单元，其用于对所述能量谱数据进行Mel滤波，并基于经过Mel滤波后的所述能量谱数据，计算获得所述待评价车辆的MFCC数据；
品质评价单元，其用于基于预设的关门声品质标定数据以及所述待评价车辆的MFCC数据，计算获得所述待评价车辆对应的关门声品质评分值。
9.如权利要求8所述的车辆关门声品质评价系统，其特征在于，所述系统还包括：
评价标定单元，其用于选定至少两个关门声品质存在优劣差异的用于标定车辆，并采集各用于标定车辆的车辆关门声信号，并向所述用于标定车辆的所述车辆关门声信号分配对应的关门声品质评分值；
所述第一数据处理单元，还用于基于所述用于标定车辆的所述车辆关门声信号，获得所述用于标定车辆的MFCC数据；
所述系统还包括第二数据处理单元，其用于基于所述用于标定车辆的所述MFCC数据进行矩阵处理，获得对应的所述关门声品质标定数据。
10.如权利要求8所述的车辆关门声品质评价系统，其特征在于，所述系统还包括：
特征距离处理单元，其用于基于所述关门声品质标定数据，计算用于表示不同所述用于标定车辆的MFCC数据之间的距离，获得对应的车辆关门声品质特征距离数据；
所述特征距离处理单元还用于基于车辆关门声品质特征距离数据，运用DTW计算不同的所述用于标定车辆的所述车辆关门声品质特征匹配矩阵，获得所有所述用于标定车辆的车辆关门声品质总距离数据；
所述特征距离处理单元还用于基于所述待评价车辆的MFCC数据以及所述用于标定车辆的MFCC数据，计算获得所述待评价车辆与不同的所述用于标定车辆之间的车辆关门声品质特征距离数据；
所述特征距离处理单元还用于基于车辆关门声品质特征距离数据，运用DTW计算待评价车辆与不同的所述用于标定车辆之间的车辆关门声品质特征匹配矩阵，获得待评价车辆与所有所述用于标定车辆之间的车辆关门声品质总距离数据；
所述品质评价单元还用于基于所述待评价车辆与所有所述用于标定车辆之间的车辆关门声品质总距离数据、所有所述用于标定车辆的车辆关门声品质总距离数据以及所述用于标定车辆的车辆对应的预设的关门声品质评分值，计算获得所述待评价车辆的关门声品质评分值。
CN202111536959.3A 2021-12-15 2021-12-15 一种车辆关门声品质评价方法及系统 Active CN114220455B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111536959.3A CN114220455B (zh) 2021-12-15 2021-12-15 一种车辆关门声品质评价方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111536959.3A CN114220455B (zh) 2021-12-15 2021-12-15 一种车辆关门声品质评价方法及系统

Publications (2)

Publication Number Publication Date
CN114220455A true CN114220455A (zh) 2022-03-22
CN114220455B CN114220455B (zh) 2024-10-01

Family

ID=80702466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111536959.3A Active CN114220455B (zh) 2021-12-15 2021-12-15 一种车辆关门声品质评价方法及系统

Country Status (1)

Country Link
CN (1) CN114220455B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090063581A (ko) * 2007-12-14 2009-06-18 현대자동차주식회사 차량 음향의 음질에 대한 정량적 도출방법 및 그 장치
JP2013020033A (ja) * 2011-07-11 2013-01-31 Suzuki Motor Corp 車室内の音の官能評価装置
JP2016217901A (ja) * 2015-05-21 2016-12-22 Ｊｆｅスチール株式会社 自動車用開閉部品の閉まり音の評価試験方法および評価試験装置
JP2017173195A (ja) * 2016-03-25 2017-09-28 Ｊｆｅスチール株式会社 自動車用開閉部品の閉まり音の評価試験方法および評価試験装置
CN110579273A (zh) * 2019-09-02 2019-12-17 中国第一汽车股份有限公司 一种汽车关门声的设计方法
JP6684339B1 (ja) * 2018-12-11 2020-04-22 株式会社小野測器 音評価ａｉシステム、および、音評価ａｉプログラム
CN112530455A (zh) * 2020-11-24 2021-03-19 东风汽车集团有限公司 基于mfcc的汽车关门声品质评价方法及评价系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090063581A (ko) * 2007-12-14 2009-06-18 현대자동차주식회사 차량 음향의 음질에 대한 정량적 도출방법 및 그 장치
JP2013020033A (ja) * 2011-07-11 2013-01-31 Suzuki Motor Corp 車室内の音の官能評価装置
JP2016217901A (ja) * 2015-05-21 2016-12-22 Ｊｆｅスチール株式会社 自動車用開閉部品の閉まり音の評価試験方法および評価試験装置
JP2017173195A (ja) * 2016-03-25 2017-09-28 Ｊｆｅスチール株式会社 自動車用開閉部品の閉まり音の評価試験方法および評価試験装置
JP6684339B1 (ja) * 2018-12-11 2020-04-22 株式会社小野測器 音評価ａｉシステム、および、音評価ａｉプログラム
CN110579273A (zh) * 2019-09-02 2019-12-17 中国第一汽车股份有限公司 一种汽车关门声的设计方法
CN112530455A (zh) * 2020-11-24 2021-03-19 东风汽车集团有限公司 基于mfcc的汽车关门声品质评价方法及评价系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YU-MING CHANG: "The Kansei Image research on the door closing sound of passerger\'s car", IEEE, 25 August 2011 (2011-08-25) *
刘邦雄等: "关门声品质的评价体系研究", 汽车实用技术, vol. 45, no. 23, 15 December 2020 (2020-12-15) *
赵丽路;于德介;陈关宝;: "汽车关门声品质评价参数的建立", 噪声与振动控制, no. 03, 18 June 2013 (2013-06-18) *

Also Published As

Publication number Publication date
CN114220455B (zh) 2024-10-01

Similar Documents

Publication Publication Date Title
CN107610715B (zh) 一种基于多种声音特征的相似度计算方法
EP2549475B1 (en) Segmenting audio signals into auditory events
US10134409B2 (en) Segmenting audio signals into auditory events
EP1393300B1 (en) Segmenting audio signals into auditory events
Winholtz et al. Vocal tremor analysis with the vocal demodulator
CN111653289B (zh) 一种回放语音检测方法
Kumar et al. Design of an automatic speaker recognition system using MFCC, vector quantization and LBG algorithm
CN108417228A (zh) 乐器音色迁移下的人声音色相似性度量方法
Terasawa et al. Perceptual distance in timbre space
CN106997765B (zh) 人声音色的定量表征方法
CN112530455A (zh) 基于mfcc的汽车关门声品质评价方法及评价系统
Al-Kaltakchi et al. Thorough evaluation of TIMIT database speaker identification performance under noise with and without the G. 712 type handset
Fernandes et al. Parameters for vocal acoustic analysis-cured database
CN112397074A (zh) 基于mfcc和向量元学习的声纹识别方法
EP1693826A1 (en) Vocal tract resonance tracking using a nonlinear predictor and a target-guided temporal constraint
US20150348536A1 (en) Method and device for recognizing speech
CN114220455A (zh) 一种车辆关门声品质评价方法及系统
CN112863517A (zh) 基于感知谱收敛率的语音识别方法
Alku et al. Effects of bandwidth on glottal airflow waveforms estimated by inverse filtering
Warule et al. Hilbert-Huang Transform-Based Time-Frequency Analysis of Speech Signals for the Identification of Common Cold
CN112233693B (zh) 一种音质评估方法、装置和设备
Upadhya et al. Multitaper perceptual linear prediction features of voice samples to discriminate healthy persons from early stage Parkinson diseased persons
Alku et al. Parameterization of the voice source by combining spectral decay and amplitude features of the glottal flow
Sahu et al. Analysis of short-time magnitude spectra for improving intelligibility assessment of dysarthric speech
Saxena et al. Extricate Features Utilizing Mel Frequency Cepstral Coefficient in Automatic Speech Recognition System

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