CN117524255A - 一种发动机声品质确定方法和系统 - Google Patents
一种发动机声品质确定方法和系统 Download PDFInfo
- Publication number
- CN117524255A CN117524255A CN202311249654.3A CN202311249654A CN117524255A CN 117524255 A CN117524255 A CN 117524255A CN 202311249654 A CN202311249654 A CN 202311249654A CN 117524255 A CN117524255 A CN 117524255A
- Authority
- CN
- China
- Prior art keywords
- classification
- sound
- engine
- probability distribution
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000009826 distribution Methods 0.000 claims abstract description 84
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000005855 radiation Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000012074 hearing test Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013077 scoring method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
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
- 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
-
- 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
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (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)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请实施例公开了一种发动机声品质确定方法和系统,所述方法包括:通过采集被测发动机的声音数据确定若干组发动机声音样本;根据专业人员的分类参数计算声音特征的分类概率分布密度;根据所述声音特征的分类概率分布密度和一般人员的成对比较排布序列确定一般人员对于若干组发动机声音样本的分类参数;根据专业人员和一般人员的分类参数确定所述被测发动机声品质分类结果。通过大数据统计经验丰富听审者的打分结果,形成概率分布图,对于经验不足的听审者,通过成对比较法得到声音样本的排布序列,以等效概率密度的原理实现序列与分级的一一对应,得到数据分布符合预期的发动机声品质分类数据。
Description
技术领域
本申请实施例涉及发动机技术领域,具体涉及一种发动机声品质确定方法和系统。
背景技术
随着国家和行业法规对车辆噪声的要求越来越严格,消费者对车辆噪声水平和声音品质要求也越来越高。发动机噪声是整车噪声的主要来源,可以说发动机的噪声指标和动力性、可靠性以及经济性同等重要。传统的发动机噪声控制方法的研究是如何控制发动机的噪声大小,近年来,发动机噪声声品质方面的研究已经成为发动机NVH性能研究中的重点领域。
声品质客观评价参量经过长期的探索和发展,基本形成了以声压级、响度、尖锐度、粗糙度、抖动度等组成的客观评价体系,所以在以往的研究中,研究学者们普遍采用这些参量对声音样本进行客观评价。这些客观参量应用在稳态噪声的客观评价过程中,能够比较准确的建立起声品质预测模型,在声品质研究中起到了关键的作用。但是随着对声品质研究的逐渐深入,发动机加速声品质方面的研究日益增多,研究学者发现之前的声品质客观评价参量体系不足以准确地对发动机加速噪声样本进行客观评价,这是其不足之处。
在原来的声品质客观评价参量体系的基础上,需要提出一种更合理、更全面、更系统的声品质分类方法,为发动机声品质预测模型的建立提供更准确的支撑。
发明内容
为此,本申请实施例提供一种发动机声品质确定方法和系统,通过大数据统计经验丰富听审者的打分结果,形成概率分布图,对于经验不足的听审者,通过成对比较法得到声音样本的排布序列,以等效概率密度的原理实现序列与分级的一一对应,得到数据分布符合预期的发动机声品质分类数据。
为了实现上述目的,本申请实施例提供如下技术方案:
根据本申请实施例的第一方面,提供了一种发动机声品质确定方法,所述方法包括:
通过采集被测发动机的声音数据确定若干组发动机声音样本;
分别获取专业人员对于若干组发动机声音样本的分类参数和一般人员的成对比较排布序列;
根据专业人员的分类参数计算声音特征的分类概率分布密度;
根据所述声音特征的分类概率分布密度和一般人员的成对比较排布序列确定一般人员对于若干组发动机声音样本的分类参数;
根据专业人员和一般人员的分类参数确定所述被测发动机声品质分类结果。
可选地,根据专业人员的分类参数计算声音特征的分类概率分布密度,包括:
在发动机声品质分布数据库中根据专业人员的分类参数统计每个分类在总数据中的比例,以计算声音特征的分类概率分布密度。
可选地,根据所述声音特征的分类概率分布密度和一般人员的成对比较排布序列确定一般人员对于若干组发动机声音样本的分类参数,包括:
根据所述声音特征的分类概率分布密度的概率分布相等的规则将一般人员对于若干组发动机声音样本的成对比较排布序列转化为分类参数。
可选地,根据所述声音特征的分类概率分布密度的概率分布相等的规则将一般人员对于若干组发动机声音样本的成对比较排布序列转化为分类参数,包括:
根据专业人员的排布序列和分类参数的映射关系确定一般人员的排布序列的起始分类参数与截止分类参数;所述起始分类参数为声品质最差的样本对应的分类参数;所述截止分类参数为声品质最优的样本对应的分类参数。
可选地,在根据专业人员的分类参数计算声音特征的分类概率分布密度之后,所述方法还包括:
根据声音特征的分类概率分布密度更新发动机声品质分布数据库。
可选地,通过采集被测发动机的声音数据确定若干组发动机声音样本,包括:
采集被测发动机的辐射噪声双耳数据,进行A/D转化后储存为若干组发动机声音样本。
根据本申请实施例的第二方面,提供了一种发动机声品质确定系统,所述系统包括:
发动机声音样本确定模块,用于通过采集被测发动机的声音数据确定若干组发动机声音样本;
参数获取模块,用于分别获取专业人员对于若干组发动机声音样本的分类参数和一般人员的成对比较排布序列;
专业人员概率分布计算模块,用于根据专业人员的分类参数计算声音特征的分类概率分布密度;
一般人员分类参数确定模块,用于根据所述声音特征的分类概率分布密度和一般人员的成对比较排布序列确定一般人员对于若干组发动机声音样本的分类参数;
发动机声品质确定模块,用于根据专业人员和一般人员的分类参数确定所述被测发动机声品质分类结果。
可选地,所述一般人员分类参数确定模块,具体用于:
根据所述声音特征的分类概率分布密度的概率分布相等的规则将一般人员对于若干组发动机声音样本的成对比较排布序列转化为分类参数。
根据本申请实施例的第三方面,提供了一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行以实现上述第一方面所述的方法。
根据本申请实施例的第四方面,提供了一种计算机可读存储介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现上述第一方面所述的方法。
综上所述,本申请实施例提供了一种发动机声品质确定方法和系统,通过采集被测发动机的声音数据确定若干组发动机声音样本;分别获取专业人员对于若干组发动机声音样本的分类参数和一般人员的成对比较排布序列;根据专业人员的分类参数计算声音特征的分类概率分布密度;根据所述声音特征的分类概率分布密度和一般人员的成对比较排布序列确定一般人员对于若干组发动机声音样本的分类参数;根据专业人员和一般人员的分类参数确定所述被测发动机声品质分类结果。通过大数据统计经验丰富听审者的打分结果,形成概率分布图,对于经验不足的听审者,通过成对比较法得到声音样本的排布序列,以等效概率密度的原理实现序列与分级的一一对应,得到数据分布符合预期的发动机声品质分类数据。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式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,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本申请实施例提供的一种发动机声品质确定方法流程示意图;
图2为本申请实施例提供的系统架构示意图;
图3为本申请实施例提供的发动机声品质分类流程;
图4为本申请实施例提供的数据库辅助评价示意图;
图5为本申请实施例提供的一种发动机声品质确定系统框图;
图6示出了本申请实施例提供的一种电子设备的结构示意图;
图7示出了本申请实施例提供的一种计算机可读存储介质的示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1示出了本申请实施例提供的一种发动机声品质确定方法,所述方法包括:
步骤101:通过采集被测发动机的声音数据确定若干组发动机声音样本;
步骤102:分别获取专业人员对于若干组发动机声音样本的分类参数和一般人员的成对比较排布序列;
步骤103:根据专业人员的分类参数计算声音特征的分类概率分布密度;
步骤104:根据所述声音特征的分类概率分布密度和一般人员的成对比较排布序列确定一般人员对于若干组发动机声音样本的分类参数;
步骤105:根据专业人员和一般人员的分类参数确定所述被测发动机声品质分类结果。
在一种可能的实施方式中,在步骤103中,根据专业人员的分类参数计算声音特征的分类概率分布密度,包括:
在发动机声品质分布数据库中根据专业人员的分类参数统计每个分类在总数据中的比例,以计算声音特征的分类概率分布密度。
在一种可能的实施方式中,在步骤104中,根据所述声音特征的分类概率分布密度和一般人员的成对比较排布序列确定一般人员对于若干组发动机声音样本的分类参数,包括:
根据所述声音特征的分类概率分布密度的概率分布相等的规则将一般人员对于若干组发动机声音样本的成对比较排布序列转化为分类参数。
在一种可能的实施方式中,根据所述声音特征的分类概率分布密度的概率分布相等的规则将一般人员对于若干组发动机声音样本的成对比较排布序列转化为分类参数,包括:
根据专业人员的排布序列和分类参数的映射关系确定一般人员的排布序列的起始分类参数与截止分类参数;所述起始分类参数为声品质最差的样本对应的分类参数;所述截止分类参数为声品质最优的样本对应的分类参数。
在一种可能的实施方式中,在步骤103根据专业人员的分类参数计算声音特征的分类概率分布密度之后,所述方法还包括:
根据声音特征的分类概率分布密度更新发动机声品质分布数据库。
在一种可能的实施方式中,在步骤101中,通过采集被测发动机的声音数据确定若干组发动机声音样本,包括:
采集被测发动机的辐射噪声双耳数据,进行A/D转化后储存为若干组发动机声音样本。
通过大数据统计经验丰富听审者的打分结果,形成概率分布图,对于经验不足的听审者,通过成对比较法得到声音样本的排布序列,以等效概率密度的原理实现序列与分级的一一对应,得到数据分布符合预期的主观听审结果。
当分类参数为打分时,下面结合附图对本申请实施例提供的方法进行详细描述。
主观听审是通过声音回放,让听审者以打分或排序的方式给出不同声音的主观感受。但由于听审结果受听审者预期与心情等影响,需要制定合理的方法消除干扰,以防得到错误的结论。主观听审测试是最常用的发动机声品质主观评价方法,但由于主观听审需要覆盖开发者、司机、顾客等多样化人群加之听审者的不同预期与不同心情导致打分结果往往参差不齐。
主观听审由于部分听审者经验不足,必然会带来结果数据分布不合理的问题,现有技术通过给出更精确的评价维度,可以一定程度上降低这种影响,但不能解决该问题。通过声音样本分组与听审人员聚类来解决,但对于经验不足的聚类群体没有提出有效的处理方法。经验不足的听审者主观打分结果,过于离散或者过度集中的问题未见有公开专利提出有效解决方案。
图2示出了本申请实施例提供的发动机声品质确定方法适用的系统架构,包括:样本采集模块1,样本回放模块2,发动机声品质分布数据库3和计算分析平台4。
样本采集模块1用于采集被测发动机的声音数据,进行A/D转化后储存。在精密级、半自由声场噪声实验室内进行发动机噪声取样测试,将发动机进排气噪声引出室外,风扇拆除,进行声音传感器的测点布置,采集发动机多工况,多测点噪声样本。为全面的反映不同发动机的声品质水平,测试声音样本包含多种转速,多个负荷的稳态和加速工况样本研究表明设定的声音样本时间长度进行主观评价效果最佳,基于MATLAB软件将上述采集样本剪辑成相应设定时间长度的声音样本。
样本回放模块2在听审室中将样本声音回放,听审者根据主观评价做出判断。
基于声音样本进行分组,采用分组成对比较法分别进行每组的主观评价。每一组被试人员进行主观听审试验,并对听审结果进行一致性筛选,剔除偏差较大的数据。
发动机声品质分布数据库3是将专业听审人员针对发动机声品质长期积累的数据进行统计,计算概率分布密度,得到的数据及特征总和。专业听审组包括声品质开发人员和NVH开发人员,代表具备更高的专业度。
计算分析平台4将听审人员输出的结果与发动机声品质分布数据库3中的数据结合,以概率分布密度均等为原则,计算得到发动机声品质主观评价结果。一般听审组包括客户、司机等其他参与者。
图3为本申请实施例适用的发动机声品质主观打分方法,包括:
步骤1:通过样本采集模块1记录发动机辐射噪声双耳数据,经过A/D转化后,进行存储。
步骤2:将参与听审的人员按照专业背景,及对发动机声品质的熟悉程度分成两个听审组,分别为专业听审组和一般听审组。所述的专业听审组一般包括声品质开发人员、NVH开发人员等长期从事噪声测试评价方面工作的人员;所属的一般听审组包括客户、司机、项目经理等其他人员。
步骤3:在样本回放模块2中,将步骤1中存录的样本声音进行回放。
步骤4:专业听审组首先完成样本声音的成对比较,对得到序列后的样本进行主观打分分级。
步骤5:一般听审组通过成对比较法得出样本声音的排布序列。
步骤6:将步骤4中得到的发动机主观打分分级结果加入发动机声品质分布数据库3,更新该数据库。在所述的发动机声品质分布数据库3中统计了各个发动机声品质打分分级在总数据中所占的比例,例如4分-6分为出现最多的分级,对应的概率密度峰值可达0.4,而2分-3分声品质极差的样本与8分-9分声品质极好的样本概率密度很低,小于0.05。
步骤7:计算分析平台4结合更新后的发动机声品质分布数据库3,依照概率相等的原则,将一般听审组成对比较结果转化为主观打分分级。
图4示出了数据库辅助评价示意图。设概率分布密度曲线x(s)是一条随主观评分s变化的曲线,每个样本所出现的概率步骤5中的一般听审组输出的各个样本所占概率相等,Subi-1=Subi=Subi+1,通过步骤4中序列与打分之间的关系锚定一般听审组序列的起始与截止位置。所述的起使位置为声品质最差的样本对应的打分分级;所述的截止位置为声品质最优的样本对应的打分分级。
步骤8:重复步骤1-步骤7,输出所有样本的主观评价结果。
主观听审由于一般听审者经验不足,必然会带来结果数据分布不合理的问题,经验不足的听审者主观打分结果,往往过于离散或者过度集中,该问题未见有公开专利提出有效解决方案。本申请实施例提供了一种大数据统计辅助的发动机声品质主观打分方法,通过大数据统计经验丰富听审者的打分结果,形成概率分布图,对于经验不足的听审者,通过成对比较法得到声音样本的排布序列,以等效概率密度的原理实现序列与分级的一一对应,得到数据分布符合预期的主观听审结果。
综上所述,本申请实施例提供了一种发动机声品质确定方法,通过采集被测发动机的声音数据确定若干组发动机声音样本;分别获取专业人员对于若干组发动机声音样本的分类参数和一般人员的成对比较排布序列;根据专业人员的分类参数计算声音特征的分类概率分布密度;根据所述声音特征的分类概率分布密度和一般人员的成对比较排布序列确定一般人员对于若干组发动机声音样本的分类参数;根据专业人员和一般人员的分类参数确定所述被测发动机声品质分类结果。通过大数据统计经验丰富听审者的打分结果,形成概率分布图,对于经验不足的听审者,通过成对比较法得到声音样本的排布序列,以等效概率密度的原理实现序列与分级的一一对应,得到数据分布符合预期的发动机声品质分类数据。
基于相同的技术构思,本申请实施例还提供了一种发动机声品质确定系统,如图5所示,所述系统包括:
发动机声音样本确定模块501,用于通过采集被测发动机的声音数据确定若干组发动机声音样本;
参数获取模块502,用于分别获取专业人员对于若干组发动机声音样本的分类参数和一般人员的成对比较排布序列;
专业人员概率分布计算模块503,用于根据专业人员的分类参数计算声音特征的分类概率分布密度;
一般人员分类参数确定模块504,用于根据所述声音特征的分类概率分布密度和一般人员的成对比较排布序列确定一般人员对于若干组发动机声音样本的分类参数;
发动机声品质确定模块505,用于根据专业人员和一般人员的分类参数确定所述被测发动机声品质分类结果。
在一种可能的实施方式中,所述一般人员分类参数确定模块504,具体用于:
根据所述声音特征的分类概率分布密度的概率分布相等的规则将一般人员对于若干组发动机声音样本的成对比较排布序列转化为分类参数。
本申请实施方式还提供一种与前述实施方式所提供的方法对应的电子设备。请参考图6,其示出了本申请的一些实施方式所提供的一种电子设备的示意图。所述电子设备20可以包括:处理器200,存储器201,总线202和通信接口203,所述处理器200、通信接口203和存储器201通过总线202连接;所述存储器201中存储有可在所述处理器200上运行的计算机程序,所述处理器200运行所述计算机程序时执行本申请前述任一实施方式所提供的方法。
其中,存储器201可能包含高速随机存取存储器(RAM:Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个物理端口203(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网、广域网、本地网、城域网等。
总线202可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中,存储器201用于存储程序,所述处理器200在接收到执行指令后,执行所述程序,前述本申请实施例任一实施方式揭示的所述方法可以应用于处理器200中,或者由处理器200实现。
处理器200可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器200中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器200可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器201,处理器200读取存储器201中的信息,结合其硬件完成上述方法的步骤。
本申请实施例提供的电子设备与本申请实施例提供的方法出于相同的发明构思,具有与其采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的方法对应的计算机可读存储介质,请参考图7,其示出的计算机可读存储介质为光盘30,其上存储有计算机程序(即程序产品),所述计算机程序在被处理器运行时,会执行前述任意实施方式所提供的方法。
需要说明的是,所述计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
需要说明的是:
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备有固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述,构造这类装置所要求的结构是显而易见的。此外,本申请也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本申请的内容,并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本申请并帮助理解各个发明方面中的一个或多个,在上面对本申请的示例性实施例的描述中,本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的虚拟机的创建装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种发动机声品质确定方法,其特征在于,所述方法包括:
通过采集被测发动机的声音数据确定若干组发动机声音样本;
分别获取专业人员对于若干组发动机声音样本的分类参数和一般人员的成对比较排布序列;
根据专业人员的分类参数计算声音特征的分类概率分布密度;
根据所述声音特征的分类概率分布密度和一般人员的成对比较排布序列确定一般人员对于若干组发动机声音样本的分类参数;
根据专业人员和一般人员的分类参数确定所述被测发动机声品质分类结果。
2.如权利要求1所述的方法,其特征在于,根据专业人员的分类参数计算声音特征的分类概率分布密度,包括:
在发动机声品质分布数据库中根据专业人员的分类参数统计每个分类在总数据中的比例,以计算声音特征的分类概率分布密度。
3.如权利要求1所述的方法,其特征在于,根据所述声音特征的分类概率分布密度和一般人员的成对比较排布序列确定一般人员对于若干组发动机声音样本的分类参数,包括:
根据所述声音特征的分类概率分布密度的概率分布相等的规则将一般人员对于若干组发动机声音样本的成对比较排布序列转化为分类参数。
4.如权利要求3所述的方法,其特征在于,根据所述声音特征的分类概率分布密度的概率分布相等的规则将一般人员对于若干组发动机声音样本的成对比较排布序列转化为分类参数,包括:
根据专业人员的排布序列和分类参数的映射关系确定一般人员的排布序列的起始分类参数与截止分类参数;所述起始分类参数为声品质最差的样本对应的分类参数;所述截止分类参数为声品质最优的样本对应的分类参数。
5.如权利要求1所述的方法,其特征在于,在根据专业人员的分类参数计算声音特征的分类概率分布密度之后,所述方法还包括:
根据声音特征的分类概率分布密度更新发动机声品质分布数据库。
6.如权利要求1所述的方法,其特征在于,通过采集被测发动机的声音数据确定若干组发动机声音样本,包括:
采集被测发动机的辐射噪声双耳数据,进行A/D转化后储存为若干组发动机声音样本。
7.一种发动机声品质确定系统,其特征在于,所述系统包括:
发动机声音样本确定模块,用于通过采集被测发动机的声音数据确定若干组发动机声音样本;
参数获取模块,用于分别获取专业人员对于若干组发动机声音样本的分类参数和一般人员的成对比较排布序列;
专业人员概率分布计算模块,用于根据专业人员的分类参数计算声音特征的分类概率分布密度;
一般人员分类参数确定模块,用于根据所述声音特征的分类概率分布密度和一般人员的成对比较排布序列确定一般人员对于若干组发动机声音样本的分类参数;
发动机声品质确定模块,用于根据专业人员和一般人员的分类参数确定所述被测发动机声品质分类结果。
8.如权利要求7所述的系统,其特征在于,所述一般人员分类参数确定模块,具体用于:
根据所述声音特征的分类概率分布密度的概率分布相等的规则将一般人员对于若干组发动机声音样本的成对比较排布序列转化为分类参数。
9.一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序时执行以实现如权利要求1-6任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311249654.3A CN117524255A (zh) | 2023-09-25 | 2023-09-25 | 一种发动机声品质确定方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311249654.3A CN117524255A (zh) | 2023-09-25 | 2023-09-25 | 一种发动机声品质确定方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117524255A true CN117524255A (zh) | 2024-02-06 |
Family
ID=89765208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311249654.3A Pending CN117524255A (zh) | 2023-09-25 | 2023-09-25 | 一种发动机声品质确定方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117524255A (zh) |
-
2023
- 2023-09-25 CN CN202311249654.3A patent/CN117524255A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110610723B (zh) | 车内声品质的评价方法、装置、设备及存储介质 | |
CN108280179B (zh) | 音频广告检测的方法及系统、终端以及计算机可读存储介质 | |
CN114091443A (zh) | 基于深度学习的网络信息传播指标体系构建及量化评估方法及系统 | |
CN108363902A (zh) | 一种致病遗传变异的精确预测方法 | |
CN109712608A (zh) | 多音区唤醒测试方法、装置及存储介质 | |
CN115577325A (zh) | 一种电驱动总成声品质评价及限值确定方法 | |
CN112651354A (zh) | 噪声源的确定方法和装置 | |
CN117524255A (zh) | 一种发动机声品质确定方法和系统 | |
CN108766460B (zh) | 基于语音的交互方法及系统 | |
CN114387987A (zh) | 生态噪声源的测量方法、装置、终端及存储介质 | |
CN115796705A (zh) | 新能源汽车电驱动总成nvh分级评价方法 | |
CN115683318A (zh) | 一种驱动电机系统声品质评价及限值确定方法 | |
CN110619177B (zh) | 一种结构运行模态参数的自动识别方法、装置及存储介质 | |
CN115510970A (zh) | 一种基于公共卫生数据数据获取的特征转化提取系统 | |
CN114550865A (zh) | 一种影响学生体测的多维度数据分析方法及装置 | |
CN113221438A (zh) | 一种永磁同步电机声品质评价方法 | |
CN113155271B (zh) | 声振检测方法、系统、终端及介质 | |
Suhanek et al. | Urban Acoustic Environments–An Acoustic Model for Total Distraction Coefficient | |
Tan et al. | Evaluation method of vehicle sound quality | |
CN110569475A (zh) | 一种网民影响力的评估方法、装置、设备和存储介质 | |
CN117238319A (zh) | 一种汽车加速行驶车内噪声声品质量化处理方法 | |
CN112434839B (zh) | 一种配电变压器重过载风险的预测方法及电子设备 | |
CN116151113A (zh) | 基于卷积神经网络的排气声品质评价方法、装置及存储介质 | |
CN117393171B (zh) | 直肠癌术后lars发展轨迹预测模型构建方法及系统 | |
Maula et al. | Spectrum identification of peking as a part of traditional instrument of gamelan |
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 |