一种基于人耳动力学特征的车辆瞬态噪声烦躁度评价方法

本发明涉及车辆噪声声品质评价与nvh性能分析，特别是涉及一种基于人耳动力学特征的车辆瞬态噪声烦躁度评价方法。

背景技术：

1、车辆通过减速带等不平整路面时，会在车内产生瞬态冲击噪声。该类噪声具有突发性强、时变性明显、频谱不平稳、主观烦躁感突出的特点，极易引发驾乘人员的听觉烦躁感，严重影响了车内声学环境的舒适性与整车品质感。

2、现有车内噪声评价方法主要包括声压级评价、频谱分析以及响度、尖锐度、粗糙度、波动强度等心理声学参数评价方法。上述方法虽然能够在一定程度上表征噪声的物理强度及部分听觉感知特征，但大多针对稳态或准稳态噪声，而对于车辆冲击噪声这类强瞬态信号，往往难以刻画其在听觉系统中的动态响应过程，也难以反映由瞬态刺激引起的烦躁感变化。尤其是现有指标更多停留在声信号外部物理表征层面，缺乏对人耳响应机制的考虑，因此在描述瞬态噪声引起的主观烦躁度方面仍存在不足。

3、另一方面，主观评价虽然能够直接反映乘员的烦躁感受，但存在评价成本高、受试者状态波动大、重复性和一致性较差等问题，难以直接用于大规模、高效率的工程应用。因此，如何从车内瞬态噪声中提取能够反映人耳瞬态响应的关键特征，并进一步建立与烦躁度之间的映射关系，是当前车辆瞬态噪声评价中的关键问题。

4、此外，车辆通过减速带时，车内瞬态冲击噪声通常包含前轮冲击、车身结构响应和后轮冲击等多个阶段，不同车速下前后冲击之间的时间间隔存在明显差异。传统固定窗、硬截断或普通加窗方法难以同时兼顾冲击主体保留和背景段平滑过渡，容易造成瞬态冲击信息丢失、窗口边界突变或频谱泄漏，进而影响后续人耳模型响应计算和烦躁度特征提取的稳定性。因此，针对车内瞬态噪声构建一种能够自适应识别冲击中心并保持信号连续性的预处理方法，具有重要意义。

5、综上，现有车内瞬态噪声评价方法主要依赖传统声学参数或主观评价结果，普遍存在对瞬态冲击响应刻画不足、对人耳非线性听觉机制考虑不充分、评价结果稳定性和工程应用效率不高的问题；同时，现有方法尚未有效建立人耳动力学特征与主观烦躁度之间的映射关系，缺乏兼顾生理解释性、预测准确性与工程适用性的统一评价框架。因此，如何提取能够表征车辆瞬态噪声瞬态听觉负荷与压缩失真效应的关键特征，并建立其与主观烦躁度之间的关联模型，成为亟需突破的关键技术问题。

技术实现思路

1、现有车内瞬态噪声评价方法中，传统声学参数和心理声学参数因其计算方便、应用广泛而被普遍采用，但该类方法主要从声压级、响度、尖锐度、粗糙度等物理或心理声学角度描述噪声特征，难以充分反映减速带等瞬态冲击噪声作用下人耳听觉系统的动态响应过程。另一方面，车内瞬态噪声具有持续时间短、能量变化快、冲击感强和听觉感知突变明显等特点，传统稳态或准稳态声品质评价方法难以准确表征其引起的烦躁感。同时，现有客观评价方法大多缺乏外耳、中耳、耳蜗以及外毛细胞非线性换能机制的参与，导致评价结果与真实主观烦躁感之间仍存在偏差。因此，亟需一种能够结合人耳生理听觉响应机制，并建立车内瞬态噪声客观特征与主观烦躁度之间映射关系的新方法。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于人耳动力学特征的车辆瞬态噪声烦躁度评价方法，包括：

4、采集车辆在瞬态工况下的车内噪声信号，构建车内瞬态噪声样本数据库；

5、对车内瞬态噪声信号进行主观烦躁度评价，基于车内瞬态噪声信号和主观烦躁度评价结果，构建车辆瞬态噪声烦躁度预测模型；

6、获取车辆瞬态噪声样本对应的jerk-pcd融合特征向量，将jerk-pcd融合特征向量输入训练后的车辆瞬态噪声烦躁度预测模型，输出车辆瞬态噪声烦躁度预测值。

7、可选地，所述瞬态工况包括减速带工况，减速带工况用于表征车辆通过局部凸起障碍物时产生的短时冲击噪声；

8、构建所述车内瞬态噪声样本数据库包括：

9、对采集到的原始信号进行编号、工况标记和样本归档，记录每个样本对应的车速、采样频率、测点位置和工况类型，最终形成车内瞬态噪声样本数据库。

10、可选地，对车内瞬态噪声信号进行主观烦躁度评价包括：

11、组织评价人员对车内瞬态噪声样本进行主观烦躁度评价，设定评价标尺等级；

12、对评价人员的重复评价结果进行一致性检验，剔除一致性低于预设阈值的评价人员数据；

13、对通过一致性检验后的有效评价结果进行平均处理，得到每个车辆瞬态噪声样本对应的主观烦躁度标签。

14、可选地，基于车内瞬态噪声信号和主观烦躁度评价结果，构建车辆瞬态噪声烦躁度预测模型包括：

15、对所述车内瞬态噪声信号进行筛选与裁剪，保留包含主要瞬态冲击事件的有效噪声片段；

16、对裁剪后的车内瞬态噪声信号进行瞬态冲击检测，选取冲击中心，并基于所述冲击中心构建自适应双峰平滑窗函数，获得自适应加窗后的车内瞬态噪声信号；

17、将所述自适应加窗后的车内瞬态噪声信号输入预设的人耳动力学模型，分别求解非线性耳蜗响应和线性参考耳蜗响应；

18、基于所述非线性耳蜗响应计算生理急动度jerk响应曲线，并提取jerk特征；

19、基于所述非线性耳蜗响应与所述线性参考耳蜗响应计算生理压缩失真度pcd响应曲线，并提取pcd特征；

20、将所述jerk特征和pcd特征进行融合，构建jerk-pcd融合特征向量；

21、以所述jerk-pcd融合特征向量作为输入，以主观烦躁度评价结果作为标签，建立所述车辆瞬态噪声烦躁度预测模型。

22、可选地，对裁剪后的车内瞬态噪声信号进行瞬态冲击检测，选取冲击中心包括：

23、采用teager-kaiser能量算子对裁剪后的车内瞬态噪声信号进行瞬态增强处理，得到瞬态能量序列；

24、对所述瞬态能量序列进行负值截断、滑动平均平滑和归一化处理，得到归一化瞬态能量曲线；

25、基于所述归一化瞬态能量曲线进行峰值检测，按照峰值幅值大小选取主要的冲击中心。

26、可选地，基于所述冲击中心构建自适应双峰平滑窗函数，获得自适应加窗后的车内瞬态噪声信号包括：

27、针对每一个冲击中心构建局部增益窗函数；

28、在冲击中心附近的冲击保留区间内保持完整增益；

29、在非冲击背景区域保留预设比例的背景增益；

30、在冲击保留区间前后分别设置余弦淡入段和余弦淡出段；

31、对于多个冲击中心对应的局部增益窗，采用极大值合成方式得到全局自适应增益窗，并对所述全局自适应增益窗进行二次平滑处理；

32、将二次平滑后的窗函数作用于原始信号，得到自适应加窗后的车内瞬态噪声信号。

33、可选地，所述冲击保留区间根据冲击中心位置、冲击前保留长度、冲击后保留长度和淡入淡出长度确定；

34、对于双峰瞬态冲击噪声中的第一个冲击事件，根据两个主要冲击中心之间的时间间隔自适应调整第一个冲击事件的冲击后保留长度，以避免前轮冲击对应窗口与后轮冲击对应窗口发生过度重叠。

35、可选地，所述人耳动力学模型包括外耳传输部分、中耳传输部分和耳蜗动力学响应部分；

36、所述外耳传输部分用于模拟车内瞬态噪声经外耳道传递至鼓膜的声学传递过程，将车内瞬态噪声信号转换为鼓膜处声压信号；

37、所述中耳传输部分用于模拟鼓膜、听小骨链和镫骨之间的机械传递过程，将所述鼓膜处声压信号转换为镫骨运动响应，并根据所述镫骨运动响应获得耳蜗输入信号；

38、所述耳蜗动力学响应部分包括非线性耳蜗模型和线性参考耳蜗模型，将经所述外耳传输部分和中耳传输部分获得的同一耳蜗输入信号分别输入所述非线性耳蜗模型和所述线性参考耳蜗模型，以获得非线性耳蜗响应和线性参考耳蜗响应；

39、所述非线性耳蜗模型包括外毛细胞非线性机电换能机制，根据网状板的位移和速度，通过非线性机电换能关系获得外毛细胞受体电流，并由所述外毛细胞受体电流引起外毛细胞膜电位及收缩响应变化，将外毛细胞产生的主动作用力反馈至耳蜗动力学方程，从而获得非线性耳蜗响应；

40、所述线性参考耳蜗模型通过关闭或线性化外毛细胞非线性反馈项获得，用于在相同输入条件下获得线性参考耳蜗响应，并与非线性耳蜗响应进行对比。

41、可选地，所述jerk特征通过对所述非线性耳蜗响应沿时间方向进行高阶变化率计算并在耳蜗空间位置上进行综合处理获得，用于表征瞬态噪声引起的耳蜗响应突变强度；

42、所述jerk特征包括jerk最大值、jerk均方根值、jerk 95分位值、jerk曲线面积、jerk最大值出现时间和jerk高响应持续时间中的至少一种；

43、所述pcd特征通过比较所述非线性耳蜗响应与所述线性参考耳蜗响应之间的差异获得，用于表征耳蜗非线性压缩失真程度；

44、所述pcd特征包括pcd最大值、pcd均方根值、pcd 95分位值、pcd曲线面积、pcd最大值出现时间和pcd高响应持续时间中的至少一种；

45、所述jerk-pcd融合特征向量包括jerk特征、pcd特征以及jerk特征与pcd特征之间的交互特征；所述交互特征包括jerk累积响应与pcd累积响应之间的比值特征、jerk最大值与pcd最大值之间的乘积特征、jerk 95分位值与pcd 95分位值之间的乘积特征、jerk均方根值与pcd均方根值之间的乘积特征中的至少一种。

46、可选地，所述车辆瞬态噪声烦躁度预测模型采用机器学习回归模型，用于建立jerk-pcd融合特征向量与主观烦躁度标签之间的非线性映射关系；

47、所述机器学习回归模型包括xgboost回归模型，所述机器学习回归模型通过训练集和测试集划分以及k折交叉验证方式进行模型参数优化；

48、所述机器学习回归模型采用样本加权训练方式，根据训练样本的jerk-pcd融合特征分布、主观烦躁度标签分布或关键交互特征取值为不同训练样本分配权重；

49、所述车辆瞬态噪声烦躁度预测值采用不同等级的连续数值形式输出，并用于车辆瞬态噪声声品质分析和nvh性能优化。

50、本发明的有益效果为：

51、通过引入人耳动力学模型，将车内瞬态噪声由传统声压信号分析提升至听觉生理响应分析层面，使评价过程更接近人体真实听觉感知机制；通过引入外毛细胞met非线性换能和耳蜗主动压缩机制，能够表征瞬态噪声在耳蜗内产生的非线性动态响应；通过构建jerk特征，能够有效描述减速带、接缝路面等瞬态冲击噪声引起的听觉响应突变强度；通过构建pcd特征，能够表征耳蜗非线性压缩失真对烦躁感知的影响；通过融合jerk特征、pcd特征及其交互特征，并结合机器学习模型建立与主观烦躁度之间的映射关系，能够提高车内瞬态噪声烦躁度预测的准确性和稳定性。由此，本发明形成了一种具有听觉生理依据、客观特征支撑和工程应用价值的车内瞬态噪声烦躁度评价方法，可为车辆nvh性能优化、车内声品质改进以及瞬态冲击噪声控制提供科学依据和技术支撑。