一种对汽车提示音警示性主观评价的客观量化方法与流程

1.本发明属于整车信息与娱乐系统技术领域，涉及一种对汽车提示音警示性主观评价的客观量化方法。


背景技术：

2.汽车提示音主要功能是反馈车辆状态，对驾驶员进行提示和警示(如未系安全带提示、胎压报警提示、倒车雷达提示等)。因此在汽车提示音设计中要对其警示性进行充分考虑和评价，使其警示性足以引起驾驶员及车内人员的注意，起到警示作用。
3.目前对车辆提示音的评价大多是采用主观评价方法。评价过程在实车内进行，先使车辆达到待评价工况发出对应的提示音，然后车内评价人员通过感觉对提示音进行打分或者排序，最后统计出主观评价结果。对评价人员要求高，评价工作效率低，评价结果离散性大，评价结果权威性差。
4.现有方法存在以下的缺点和不足：
5.评价在实车内进行，在进行多台车评价，切换车辆时，由于人耳的短时记忆效应，不能同时记住几台车提示音的感觉，影响评价结果的准确性。
6.主观评价人员数量较多，在实车上评价需要进行多车、多人、多轮评价，工作效率很低。
7.主观评价中的打分法或排序法对评价对象的区分不够精确，导致结果离散性大。
8.人对于声音的主观感受是及其复杂的，因此完全依靠主观评价，人为影响因素大。
9.cn 108491999 a一种对电动汽车稳态噪声主观评价的客观量化方法，本发明公开了一种对电动汽车稳态噪声主观评价的客观量化方法，本发明采用心理声学参数作为电动汽车怠速噪声的客观评价参数，解决了声压级不能从根本上表征噪声信号的问题。本发明中对电动汽车怠速噪声的主观评价人员采用不同性别、不同年龄段、不同驾龄、不同专业程度的人员，有效解决了主观评价人员不能表征市场消费者的问题。本发明中对电动汽车怠速噪声的主观评价方式采用实车状态下主观打分，解决了以往以回放声音样本的方式打分时不能完全模拟实车环境的问题。本发明可以解决电动汽车在研发过程中遇到的车内噪声主客观评价不一致的情况，为电动汽车开发中的nvh目标分解与制定提供参考，为电动汽车的声品质提升提供评价思路。
10.cn 110530653 a一种声品质主观评价及其数据量化的方法，本发明公开了一种声品质主观评价及其数据量化的方法，将声音样本分为若干组，组内的声音样本基于等级评分法，通过相互比较后，获得对应的主观评价等级分数，然后通过各组内评价人员的聚类、获取各组内用于线性转换模型的聚类子集合、计算各组内声音样本的等级分数以及建立线性转换模型，得到主观评价结果。适用于声音样本数量多且评价人员的评价经验不丰富的主观评价试验，能够在较短的时间内获得较准确的主观评价结果，为后续声品质分析提供合理有效的数据支撑。
11.cn 112131662 a一种乘用车风噪主观评价客观量化方法，本发明公开了一种乘用
车风噪主观评价客观量化方法，包括以下步骤：获取风噪数据，风噪数据包括恒定风速和缓慢升速风速；对风噪数据进行回放主观评价，并剔除不合理数据，生成最终主观评价分数，主观评价包括评价人员结果自相关分析和评价人员结果互相关分析；对风噪数据进行客观计算，获取客观量化数据，客观量化数据包括恒定风速客观量、缓慢升速变化率和缓慢升速突变值；对最终主观评价分数和客观量化数据进行统计学回归分析，建立风噪主观评价客观量化模型；根据风噪主观评价客观量化模型，计算得出抱怨因子α和β,其中α β＝1。本发明减少了车辆的反复试错评价，省时省力，还可用于风噪数据库建设，快速计算排序多车型的风噪主观感受水平。
12.本技术与上述专利的不同点：
13.本技术使用成对比较法，使用bradley-terry模型，将主观评价结果矩阵转化为绩效值作为评价分数，与直接打分法或者排序法相比，更能代表样本的真实水平。
14.本技术对于间断发声的提示音，从时域上只截取发声部分进行客观参数计算，解决了非稳态声音的客观参数计算问题。
15.模型除了采用响度、尖锐度等心理声学参数作为自变量，还采用了非心理声学参数(间隔发声频率)作为自变量，充分涵盖了各个影响因素。


技术实现要素：

16.本发明所要解决的技术问题是克服了现有技术存在的无法保证主观评价结果的重复性、稳定性问题，提供了一种对汽车提示音警示性主观评价的客观量化方法。
17.需要说明的是，在本文中，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。
18.为解决上述技术问题，本发明是采用如下技术方案实现的：
19.一种对汽车提示音警示性主观评价的客观量化方法，包括：
20.(1)建立多元线性回归模型：
21.取主观评价绩效值作为因变量，声学参数值作为自变量，建立多元线性回归模型如下：
22.α＝a
·
l b
·
sh c
·
f d
23.式中：α为主观评价绩效值，是因变量；
24.l为响度，sh为尖锐度，f为发声间隔的频率；
25.a、b、c、d为待定系数；
26.(2)采用逐步法进行回归分析：
27.按照f检验p值≤0.050变量进入，p值≥0.100变量移出的规则进行自变量选择；
28.将声学参数值输入到公式进行主观评价绩效值计算，当主观评价绩效值预测误差在10％以内时，可以认为该多元线性回归模型具有使用汽车提示音客观测试数据预测主观评价结果的作用，多元线性回归模型建立完成。
29.进一步地，所述主观评价绩效值预测误差＝(由多元线性回归模型计算出的主观评价绩效值-实际绩效值)/实际绩效值
×
100％，取计算结果的绝对值。
30.进一步地，所述主观评价绩效值，是主观评价结果通过使用bradley-terry模型转化而来。
31.所述bradley-terry模型如下：
32.p(i＞j)＝αi/αi αj33.其中，p(i＞j)表示i和j两个样本相比，i样本的警示性强于j样本的警示性的概率；αi＝exp(λi)，λi表示样本i的警示性水平；αi表示样本i的主观评价绩效值，αj表示样本j的主观评价绩效值，αi和αj是每个声音样本的隐函数，需要由主观评价结果矩阵根据最大似然估计方法得出；
34.对于全部的n＝σ
ijnij
次比较评价，对数似然函数满足
35.lnl＝σ
ijnij
lnp(i＞j)
36.n表示全部评价的次数，n
ij
表示样本i与样本j相比，警示性i大于j的次数；
37.将其中一个样本的绩效值作为一个基准，最大化实际n次评价结果的似然函数l的对数值，即得到其他声音样本的α值，即主观评价绩效值，用来表示声音样本的主观评价偏好排名。
38.进一步地，所述主观评价结果，是将提示音样本按照2个一组的方式进行随机组合，采用成对比较法进行提示音主观评价，评价系统每次显示一组提示音，分别记为样本a和样本b，若认为a声音的警示性强于b声音，则记录a＞b；若认为a声音的警示性弱于b声音，则记录a＜b；若认为a声音的警示性与b声音的警示性相当，则记录a＝b；直到所有评价人员对所有声音组完成评价，提交主观评价结果。
39.进一步地，所述主观评价结果，需要进行三角误判统计和数据一致性检验；
40.(1)对主观评价结果进行三角误判统计：
41.三个声音样本i、j、k，如果成对比较的结果为i＞j,j＞k，i＞k，则说明主观评价结果是合理的，反之则出现了三角误判；
42.三角循环误差统计模型：
[0043][0044]
式中：pi j、pjk、pik分别表示样本i和j，j和k，i和k的成对比较结果；
[0045]
若pij＞0，表示i优于j，若pij＜0，表示j优于i，若pij＝0，表示i、j无差异；
[0046]
在统计出每个评价者的误判次数后，采用计权一致性系数来判断数据的有效性，如下式：
[0047]
ζw＝1-a/b
[0048]
式中，ζw为计权一致性系数，b为可能产生的误判次数，a为实际产生的误判次数；
[0049]
(2)数据一致性检验：
[0050]
每个对比对中的ij两个声音，若pij＞0则给i记2分，j记0分；若pij＜0则与之相反；若pij＝0则各记1分；按照以上方法对各个声音样本进行打分；对各个评价者的打分结
果进行pearson相关分析。
[0051]
为正确反应群体特征，计权一致性系数优选0.7以上，对于计权一致性系数较低的评价者，即出现较多误判的评价者，其数据需要剔除。
[0052]
对各个评价者的打分结果进行pearson相关分析，相关系数优选0.8以上。
[0053]
利用信号处理软件对所有声音样本进行分析，采用成熟的信号分析软件，如head-artemis和lms-test.lab，对于周期性间断发出的提示声，如倒车雷达声，在时域上只截取有声音的片段进行参数计算，除了需要计算心理声学参数值响度l、尖锐度sh外，还需要计算发声间隔的频率f。
[0054]
进一步地，所述多元线性回归模型除了采用响度、尖锐度心理声学参数作为自变量，还采用了间隔发声频率作为自变量。
[0055]
根据实际需要选择待评价汽车，汽车数量控制在7-10台；
[0056]
将带双耳传声器的数字人工头放置在汽车驾驶员位置，连接好数据采集装置，完成人工头校准；驾驶车辆到对应工况，使其发出待测提示音，将数据采集装置设置到合适的量程，保持车内安静，采集车辆提示音数据；每种提示音采集10秒；将采集到的提示音存储为.wav格式；
[0057]
主观评价人员人数应在20人以上，主观评价人员应涵盖不同的性别、年龄段、驾龄以及是否为汽车专业相关工作人员；优选1:1的男女比例，年龄段以中年、青年为主，3年以上驾龄的评价人员占50％以上，汽车专业相关工作人员比例不高于50％。
[0058]
与现有技术相比本发明的有益效果是：
[0059]
本发明公开了一种对车内提示音警示性主观评价的客观量化方法。将主观评价结果与客观参数建立起对应模型，以达到输入客观参数即可预测主观评价结果的效果。此方法能够减小人为因素对评价结果的影响，减小评价结果离散性，提高评价效率，增加评价的权威性。
附图说明
[0060]
下面结合附图对本发明作进一步的说明：
[0061]
图1是多元线性回归模型建立流程图；
[0062]
图2是多元线性回归模型使用流程图。
具体实施方式
[0063]
为使本发明实施的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。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。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有作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。下面结合附图对本发明的实施例进行详细说明。
[0064]
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所
示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。
[0065]
下面结合附图对本发明作详细的描述：
[0066]
(1)评价车辆选择
[0067]
根据实际需要选择待评价车辆，建议车辆数量控制在7-10台。(样本数量太少评价结果不具代表性，样本数量太多容易引起评价疲劳，影响评价结果)
[0068]
(2)采集提示音
[0069]
将带双耳传声器的数字人工头放置在驾驶员位置，连接好数据采集装置，完成人工头校准。驾驶车辆到对应工况，使其发出待测提示音，将数据采集装置设置到合适的量程，保持车内安静，采集车辆提示音数据。每种提示音采集10秒。将采集到的提示音存储为.wav格式。数字人工头的优点是能够模拟人头、肩部、耳廓的几何形状和人耳滤波特性，能够保证双耳听觉记录的准确性。
[0070]
(3)样本分组
[0071]
将提示音样本按照2个一组的方式进行随机组合。例如有a、b、c、d、e、f、g七个样本，则共有21对组合，具体组合方式如表1所示：
[0072]
表1
[0073][0074]
表1：提示音样本组合情况(以a、b、c、d、e、f、g七个样本为例)
[0075]
(4)主观评价人员选择
[0076]
主观评价人员人数应在20人以上，主观评价人员应涵盖不同的性别、年龄段、驾龄以及是否为汽车专业相关工作人员。优选1:1的男女比例，年龄段以中年、青年为主，3年以上驾龄的评价人员占50％以上，汽车专业相关工作人员比例不高于50％。
[0077]
(5)主观评价
[0078]
在评价前对参加主观评价的人员进行培训，使其熟悉主观评价关注点和工作流程。使用高精度声音回放系统，采用成对比较法进行提示音主观评价。评价系统每次显示一组(2个)提示音，分别记为样本a和样本b，评价者可以自行操作回放系统反复听辨。若认为a声音的警示性强于b声音，则记录a＞b；若认为a声音的警示性弱于b声音，则记录a＜b；若认
为a声音的警示性与b声音的警示性相当，则记录a＝b；直到所有评价人员对所有声音组完成评价，提交评价结果。
[0079]
使用声音回放系统配合成对比较法进行评价的优点是能够克服人耳短时记忆效应的影响，同时评价过程是通过比较判断选出结果，可以提高评价精度，尤其适用于具有细微差别的样本评价。
[0080]
(6)评价结果处理
[0081]
①
数据有效性判断与一致性检验
[0082]
首先对评价结果进行三角误判统计。
[0083]
例如三个声音样本i、j、k，如果成对比较的结果为i＞j,j＞k，i＞k，则说明主观评价结果是合理的。反之则出现了三角误判。
[0084]
三角循环误差统计模型：
[0085][0086]
式中：pij＞0表示i优于j，pij＜0表示j优于i，pij＝0表示ij无差异。
[0087]
在统计出每个评价者的误判次数后，采用计权一致性系数来判断数据的有效性，如下式：
[0088]
ζw＝1-a/b
[0089]
式中，b为可能产生的误判次数，a为实际产生的误判次数。
[0090]
为正确反应群体特征，计权一致性系数最好在0.7以上，对于计权一致性系数较低的评价者(即出现较多误判的评价者)，其数据需要剔除。
[0091]
②
数据一致性检验
[0092]
每个对比对中的ij两个声音，若pij＞0则给i记2分，j记0分；若pij＜0则与之相反；若pij＝0则各记1分。按照以上方法对各个声音样本进行打分。对各个评价者的打分结果进行pearson相关分析，相关系数最好在0.8以上。相关系数是指“pearson相关系数”是统计学的一个名词，是一个介于-1和1之间的值，用来描述两组线性的数据一同变化移动的趋势。
[0093]
当两个变量的线性关系增强时，相关系数趋于1或-1；
[0094]
当一个变量增大，另一个变量也增大时，表明它们之间是正相关的，相关系数大于0；
[0095]
如果一个变量增大，另一个变量却减小，表明它们之间是负相关的，相关系数小于0；
[0096]
如果相关系数等于0，表明它们之间不存在线性相关关系。
[0097]
③
声音样本绩效值计算
[0098]
根据bradley-terry模型，根据主观评价偏好矩阵计算各声音样本的绩效值(bt值)，样本的bt值越大，则代表该样本的主观偏好性越强。
[0099]
bradley-terry模型如下：
[0100]
p(i＞j)＝αi/αi αj[0101]
其中，αi＝exp(λi)称作样本i的绩效值，是每个声音样本的隐函数，需要由评价结果矩阵根据最大似然估计方法得出。对于全部的n＝σ
ijnij
次比较评价，对数似然函数满足
[0102]
lnl＝σ
ijnij
lnp(i＞j)
[0103]
将其中一个样本的绩效值作为一个基准(例如令α1＝1)，最大化实际n次评价结果的似然函数l的对数值，即得到其他声音样本的α值(绩效值)，用来表示声音样本的主观评价偏好排名。
[0104]
(7)提示音客观声学参数计算
[0105]
利用信号处理软件对所有声音样本进行分析。可采用成熟的信号分析软件，如head-artemis和lms-test.lab。
[0106]
对于周期性间断发出的提示声(例如倒车雷达声)，在时域上只截取有声音的片段进行参数计算。除了需要计算心理声学参数值(响度l、尖锐度sh)外，还需要计算发声间隔的频率f。
[0107]
(8)声学参数与主观评价绩效值的线性回归分析与检验
[0108]
建立多元线性回归模型，取主观评价绩效值作为因变量，声学参数值(响度、尖锐度、发声间隔频率)作为自变量，回归模型如下：
[0109]
α＝a
·
l b
·
sh c
·
f d
[0110]
式中，α为绩效值，l为响度，sh为尖锐度，f为发声间隔的频率，a、b、c、d为待定系数。
[0111]
采用逐步法进行回归分析，按照f检验p值≤0.050变量进入，p值≥0.100变量移出的规则进行自变量选择。
[0112]
(9)模型建立
[0113]
通过步骤(8)，确定a、b、c、d 4个待定系数的值，建立起多元线性回归模型。再分别将客观声学参数输入到公式进行绩效值计算。当绩效值预测误差在10％以内时，可以认为该模型具有使用汽车提示音客观测试数据预测主观评价结果的作用，模型建立完成。当绩效值预测误差大于10％时，则重复步骤(1)到(8)，重新取样、计算、回归分析、建模，直到绩效值预测误差满足要求。
[0114]
绩效值预测误差＝(由模型计算出的绩效值-实际绩效值)/实际绩效值
×
100％，计算结果取正数。
[0115]
多元线性回归模型建立流程见图1；
[0116]
多元线性回归模型使用流程见图2；
[0117]
本发明使用成对比较法，使用bradley-terry模型，将主观评价结果矩阵转化为绩效值作为评价分数，与直接打分法或者排序法相比，更能代表样本的真实水平。
[0118]
对于间断发声的提示音，从时域上只截取发声部分进行客观参数计算，解决了非稳态声音的客观参数计算问题。
[0119]
模型除了采用响度、尖锐度等心理声学参数作为自变量，还采用了间隔发声频率作为自变量。
[0120]
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。同时本说明书中未
作详细描述的内容均属于本领域技术人员公知的现有技术。