汽车时变噪声的响度计算模型适用性分析

建立Zwicker瞬时响度、Moore瞬时响度、Moore时变响度计算方法,引入ArtemiS软件的Zwicker时变响度计算方法,并采用4种模型针对汽车发动机怠速噪声、汽车关门声和电机驱动汽车加速噪声3种典型的稳态、冲击与阶次扫频的信号进行响度计算,对比分析4种模型用于时变噪声响度计算的适用性.研究表明:噪声频率成分与幅值变化越剧烈,Zwicker与Moore时变响度计算偏差越大,瞬时响度模型的计算越精确;Moore时变响度时频分析有助于噪声来源和发生机理的分析与识别.     

响度特征量化的改进算法

为提取噪声信号的响度特征,研究Zwicker响度计算模型中安静状况下听阈对应的激励、被计算声音对应的激励和参考声强对应的激励3个参数参与运算的方式,引入等响曲线上24个临界频带中心频率对应的听阈声强级,提出了通过求取噪声信号的能量,计算噪声信号各临界频带的特性响度值的响度计算改进算法。利用这一算法可方便地计算噪声信号不同临界频带的响度值,这些特性响度值可组成一个24维响度特征矢量,以应用于信号分析、模式识别等。通过水声目标的模式识别实验,验证了这一信号响度特征量化改进算法的有效性和实用性。     

舰船辐射噪声的响度和音色特征模型

首先分析模拟舰船辐射噪声的归一化功率和Moore响度变化趋势,进一步用海试数据验证Moore响度的周期性变化特点,分析Moore响度周期性变化的原因,提取Moore响度均值作为一维特征.然后分析研究音色中有效的谱质心特征,根据谱质心的数学定义推导出谱质心带宽、谱质心斜度以及谱质心峰度的数学公式,举例分析其物理含义,并提出基于六分段频带的谱质心、谱质心带宽、谱质心斜度以及谱质心峰度共24维的音色特征模型.将Moore响度特征模型和音色特征模型相结合,从组合的25维特征的均值和方差分布可知特征具有一定的可区分性.最后设计3层BP神经网络分类器,海试数据表明基于Moore响度和音色的特征模型提取方法是有效的,且有利于提高分类识别率.     

基于主动噪声控制技术改善车内声品质

为达到改善某款SUV匀速工况下车内声品质的目的,以驾驶员右耳旁的稳态噪声为研究对象,建立GA-BP声品质预测模型,对声品质客观参量和主观烦恼度进行一元线性回归,选取与主观烦恼度显著相关的响度和粗糙度作为控制目标,利用Zwicker计算模型对响度进行分析,利用小波变换对粗糙度进行分析,根据分析结果确定最优控制频带,并设计基于FELMS算法的主动噪声控制系统对样本噪声进行主动控制。仿真结果表明,控制后噪声的响度、粗糙度分别降低了33.5%、23.1%,烦恼度等级下降了2.76个等级,车内声品质得到大幅改善。     

纯音信号双耳响度叠加与双耳声级差及频率的关系

现有关于响度的模型多基于双耳等响的假设之上, 但实际中, 人耳常处于双耳异响的听觉环境中. 在这种情况下, 双耳响度的算术平均值常用作总体响度感知的估计值, 即认为总体响度感知不受双耳间响度差异的影响. 我们通过主观评价实验, 对双耳异响条件下纯音信号的总体响度感知进行了初步探索. 实验结果显示, 总体响度感知在低频范围波动并不明显, 而在高频范围波动逐渐趋于显著;当双耳声级差增大时, 总体响度感知大于双耳间响度的算术平均值. 基于实验结果提出了双耳异响条件下总体响度感知的修正模型. 修正模型与实验结果具有很高的一致性.     

基于杰卡德相似性的推荐系统研究

协同过滤推荐系统的核心是用户的相似性度量.在杰卡德相似性度量基础上,提出一种修正的杰卡德相似性度量.该方法将用户评分差异的数目融入相似度计算,并综合杰卡德相似度建立神经网络学习模型,选取Movielens数据作为训练集,得到合适的权重.实验结果表明,与pearson相似性度量相比,该方法在用户评价较少时给出相对可靠的推荐,在推荐的精度、平均绝对误差等方面具有一定的优越性.     

基于Zwicker模型的声响级计算

本文主要就声品质的核心评价因子——响度的基于图形和数值计算方法上做了相关的讨论,并且就其计算过程中的一些计算细节如1/3倍频程的计算问题进行了展开探讨,并基于此结合A.hasting[1]的响度级程序进行了分析。     

基于时变多元Copula-VaR的商业银行汇率风险度量

构建了一个时变多元Copula模型,并运用Monte Carlo模拟技术计算VaR,以期更准确地度量人民币兑美元、欧元、日元和港元4种汇率可能给商业银行带来的风险.然后将其度量效果与静态多元Copula-VaR的度量效果进行比较分析.实证结果表明:人民币兑各主要货币汇率之间的相关结构以时变方式变动,基于时变多元Copula-VaR的商业银行汇率风险的度量效果更好.     

约束阻尼结构油底壳的辐射噪声响度研究

建立含机油的约束阻尼结构油底壳的耦合模型及其辐射声场无限元模型,测取螺栓的振动加速度,将其加载于油底壳螺栓孔处计算油底壳辐射声场.提取距油底壳底面中心垂向10 cm处的声压仿真值,在500~3 000 Hz内的声压仿真值与测试值十分吻合,验证了油底壳声学计算的准确性.分别以油底壳辐射噪声A计权声压级总值及响度值为目标进行优化计算,对比分析可得:A计权声压级总值较低的噪声可能使人感觉噪声强度较大,以响度等声品质指标为目标才能最直接地改善部件的NVH性能.以辐射噪声响度为目标函数,采用自适应模拟退火算法对油底壳各层厚度进行优化,优化后响度值较原机降低40.0sone,降幅达27.3%,且改进后的总质量降低21.2%,NVH性能明显改善.     

一种基于噪声动态检测的语音端点检测算法

HMM技术在语音识别中得到较为成功的应用,本文基于HMM的孤立词语音识别系统的识别策略,提出了两个改进的算法.第一种算法是对背景噪声进行动态估计的汉语语音端点检测算法,较一些常规的端点检测方法如基于能量的端点检测方法,具有更高精度和鲁棒性.第二种算法针对分裂法进行码本设计时,可能出现除数为零的计算错误,提出了避免出现计算错误的改进算法.通过进行汉语孤立词语音识别实验,表明这两种算法是有效的,得到较高的识别率.     

基于改进ARMA模型的时用水量预测

针对时用水量存在周期性的特点,引入季节因子,采用时变ARMA季节模型对非线性非平稳系统的时用水量进行模拟.以杭州市实测用水量为例,分别采用时不变ARMA季节模型和时变ARMA季节模型进行时用水量预测,结果表明时变ARMA季节模型预测精度相对较高,且预测误差相对稳定,较时不变模型更具有实用性.     

行为学方法测试听觉响度感知的时间积分效应

针对音长对语音响度感知的影响即时间积分效应,采用行为学测试方法,包括量值估计法、自适应迫选法、多模态匹配法,并对多模态匹配法进行了改进,将颜色感知应用于响度评估中。为了定量分析响度感知的时间积分效应,采用指数函数对响度感知随音长的变化趋势进行了数学建模。作为参考,将1kHz纯音也用于响度感知时间积分效应的实验中,以便与复音的实验结果进行对照比较。另外,不同的测试方法间也进行了比较分析,评价参数包括单个被试内的重复测试方差、被试间的个体差异和实验时间。实验结果显示:元音的响度感知时间积分效应与纯音的结果相似,即响度随音长有先逐渐增大、后趋于饱和的趋势,且建模分析得到的时间常数均在200ms左右。改进的跨模态匹配方法在实验稳定性和高效性上均具有优势。     

基于NKL和K-means聚类的协同过滤推荐算法

针对传统协同过滤推荐算法(CF)存在用户-项目矩阵稀疏以及推荐准确率较低等问题,提出了一种基于NKL和K-means聚类的协同过滤推荐算法(NKL-KM).首先,NKL-KM算法定义了一种新的相似性度量方法,该方法在进行相似性度量时考虑了各项目评分的分布以及评分值差异.其次,NKL-KM算法将K-means算法与CF算法结合,提高了推荐算法精度.最后,在MovieLens和Netflix数据集上进行算法对比实验,实验结果表明NKL-KM算法有较高的推荐精度.     

基于心理声学模型的高性能语音质量评价算法

提出了一种高效心理声学模型语音质量评价（EPM-SQE）算法．该算法采用12阶美尔倒谱参数（MFCC）作为语音信号特征向量，其空间复杂度小于巴克谱．对MFCC进行相对谱（RASTA）滤波，可以突出快变信号对听觉感知的影响．将滤波后的参数映射为响度，由此模拟人的感知过程．计算原始语音和受损语音响度之问的感知扰动，并依次在频域和时域进行聚合，从而获得单一的扰动值，该值再经认知模型计算，可以得到最终的客观评分．实验表明，所提算法的平均运行时间比国际电信联盟提出的语音质量感知评价算法减少了41％，内存占用降低了51％，而仅比主观评价的相关度下降6．8％．     

听觉临界频带及其在声频信号处理中的应用

本文首先从临界频带概念的提出、临界频带带宽的测评和临界频带率度量等几个方面详细分析阐述了临界频带这一听觉的十分重要的概念,然后以响度模型和音频压缩编码中的感知编码为实例,说明了临界频带在声频信号处理中的应用.     

不同响度下晚潜伏期响应的锁相值研究

目的:研究听觉诱发电位(AEP)的晚潜伏期响应(LLR)锁相值(PLV)在不同响度下是否表现有差异.方法:对19位听觉正常的成年受试者在响度"most comfortable"和"loud"的脑电信号(EEG)进行扫层分段等预处理后,对各扫层进行6阶复高斯小波变换,选取所有扫层PLV均值最大值对应的时间t和频率f,提取每个扫层在该时刻、频率的相位值并观察2种响度下随扫层数增长的PLV变化差异.结果:频率为2、4、…、30 Hz对应的PLV均值在t约为100 ms时取得最大值,在LLR的N100-P200复合波范围内.在该时刻频率为5 Hz时,50～410扫层"loud"的PLV始终要高于"most comfortable".取第410扫层的2种响度PLV,检验存在显著性差异(单因素方差分析,P0.05).结论:LLR在"most comfortable"和"loud"的PLV存在显著差异,可为响度相关的AEP研究提供参考.LLR的PLV有望成为响度客观检测的潜在指标.     

一种多说话人角色聚类方法

为有效找出会议语音中的说话人角色个数及各角色的说话人语音,提出了一种多说话人角色聚类方法.首先定义说话人角色聚类的特征,然后采用测地距离度量特征的相似度,进而提出了一种利用类内距离来控制类间合并的多说话人角色聚类方法,最后采用4种不同类型的会议语音对该方法进行测试.结果表明:对手工分割和自动分割后的会议语音进行说话人角色聚类时,如果采用相同的聚类方法,则使用测地距离的性能优于使用传统距离的性能;如果采用相同的距离度量方法,则文中方法的性能优于传统层次聚类方法.     

UML类图的度量分析与评价

运用CK度量方法和MOOD度量方法分别从类和系统两个角度对UML类图实例实施定量计算,对度量结果进行分析、评价,并提出改进措施.以此衡量UML类图模型质量的好坏,可以及时有效地对有缺陷的类进行调整.     

一种基于噪声动态检测的语音端点检测算法

HMM技术在语音识别中得到较为成功的应用．本文基于HMM的孤立词语音识别系统的识别策略，提出了两个改进的算法．第一种算法是对背景噪声进行动态估计的汉语语音端点检测算法，较一些常规的端点检测方法如基于能量的端点检测方法，具有更高精度和鲁棒性，第二种算法针对分裂法进行码本设计时，可能出现除数为零的计算错误，提出了避免出现计算错误的改进算法．通过进行汉语孤立词语音识别实验，表明这两种算法是有效的，得到较高的识别率．     

基于k均值和基于归一化类内方差的语音识别自适应聚类特征提取算法

语音识别模型中帧间独立假设在给模型计算带来简洁的同时,不可避免地降低了模型精度,增加了识别错误。该文旨在寻找一种既能满足帧间独立假设又能保持语音信息的特征。分别提出了基于k均值和基于归一化类内方差的语音识别自适应聚类特征提取算法,可以自适应地实现聚类特征流的提取。将该自适应特征分别应用在Gauss混合模型-隐Markov模型、基于段长分布的隐Markov模型和上下文相关的深度神经网络模型这3种语音识别模型中,与基线系统进行了实验对比。结果表明:采用基于归一化类内方差的自适应特征可以使得3种语言模型的识别错误率分别相对下降10.53%、5.17%和2.65%,展示了语音自适应聚类特征的良好性能。