為何要開發聲品質函式(Sound quality metrics)?
作為人體真實聽覺感受的度量指標,聲品質將直接影響顧客對車輛的整體評價。要想開發出聲品質較好的車輛,就要進行Sound quality metrics的開發。雖其流程稍複雜,但重要性不言而喻,故必將逐步成為NVH領域的一大熱門分支
聲品質的評價方法有聽審測試(Jury Testing)和心理聲學引數(Psychoacoustics Parameters)計算兩種。聽審測試讓評估者直接聆聽並評估採集到的高保真雙耳聲學訊號,是最可靠的聲品質評估方式。但聽審測試對人員、時間等有一定的要求,費事費力,且可重複性差。心理聲學引數作為連線物理學和心理學的橋樑,用一系列引數對聲音進行人體感觀的分析描述,如響度(Loudness)、尖銳度(Sharpness)、粗糙度(Roughness),以及海德聲科的專利演算法聽覺相關性分析(Relative approach)等,但給出的曲線或數值,並不能直接反應人體對聲音的評價,如極好、好、滿意、差、很差等。
為此,將聽審測試結果與心理聲學引數建立起對應關係,用心理聲學引數替代聽審測試就顯得很有必要。此過程即為Sound quality metrics的開發。
總體開發流程介紹
Sound quality metrics的開發流程如下圖。
聲音採集
:對關注的聲音進行採集,因要考慮肩部、頭部和耳廓等對聲音的濾波作用,一般使用人工頭對聲音進行採集。
聽審測試
:組織人員透過主觀評價系統,如SQuare,對人工頭採集的聲音進行回放並評分。
心理聲學引數計算
:選擇合適的引數進行計算,如Loudness、Sharpness或Relative approach,並根據聲音特徵(Sound patterns)形成單值(Single value)來反應該聲音特徵,如Loudness ratios。
建模分析
:選用合適演算法,如多元迴歸分析,將心理聲學引數的單值結果和主觀評價的評分結果,建立起對應關係。
魯棒分析
:用更多車輛聲品質的資料對建好的模型進行魯棒分析,驗證模型的準確性。
經過驗證的Sound quality metrics即可用作後期的聲品質評估,如評估對標車型、瞭解自己車型各方面聲品質的強弱等。
Sound quality metrics 開發詳細流程
1
定義研究的問題
Sound quality metrics的開發是針對某個聲學問題(Issue)進行的,可以是抽象的特徵,如車輛的運動性(Sportiness)、舒適性(Comfort)等,也可是具體的特徵,如柴油機的knocking、齒輪的rattle、開/關門聲等。
2
聲音測試
根據具體的issue,進行聲音訊號的採集。
若研究關門聲的聲品質,則需對多款車輛(含對標車、競爭車型)進行測試,如下圖所示,用人工頭將開門和關門的雙耳聲音資訊精準的採集下來。
若研究的issue可能出現在多種工況時,如柴油機的燃燒噪聲、齒輪的rattle等在怠速、加速、滑行等工況時都會發生,則需先探索哪些工況會出現該issue,即形成駕駛工況雲圖(Driving condition map)。
駕駛工況雲圖需要選擇目標客戶,進行大量的路試。駕駛者按自己習慣駕駛,過程中給出自己的評語,同時採集車輛的行駛狀況。形成的駕駛工況雲圖如下圖所示,橫座標為車速,縱座標為車輛加速度,顏色代表該工況使用的頻次,方格為駕駛者做出評價的工況,叉號為對評價的工況進行歸納總結,找出典型的工況。
下圖為歸納出的典型工況的使用頻率,對於幾乎不用的工況,則無需進行評估。
對最終篩選出的工況,選擇多款類似車型(含對標車型、競爭車型)在臺架上進行復現,並用人工頭採集雙耳聲學訊號。
3
聽審測試(Jury Testing)
對所測的資料,到聽音室進行主觀評價。
SQuare可提供四種方法進行主觀評價:
A/B比較法(Paired comparison)
排名法(Ranking)
分類測試法(Category test (with/without sorting))
語言細分(Semantic differential)
最終根據評審結果,形成評分表,即獲得各工況下該issue的主觀評價得分。下圖為46位聽審者對12輛車某效能(如關門聲品質)的評價,方格縱座標代表評分值,虛線代表置信度。
若您對測試極致嚴謹,考慮到主觀評價可能會受到身處的環境影響,如駕駛時的心態、交通擁堵情況、外界風景等等的影響,實際感受可能與坐在聽音室不一致。為此海德聲科的Sound seat和Sound car,可以為您真實模擬駕駛時的情景,實現更完美的主觀評價。
4
心理聲學引數計算
心理聲學的引數有很多,針對每個issue,需要選擇不同的心理聲學引數。海德聲科的Artemis suite除了可提供常規的心理聲學引數外,還可提供HEAD acoustics的專利聲學演算法,如聽覺相關性分析(Relative approach),為您心理聲學引數計算提供強大的支撐。
心理聲學引數的選擇需要依具體聲學型別而定,也需一定的經驗。例如:針對柴油機燃燒噪聲,可以用Loudness和Relative approach方法一起來評估。
下圖為3個車型tip-in時燃燒噪聲的響度曲線,此時,可以用N5(一個數值,曲線中只有5%的資料點大於該值)、N5/N95等作為單值(Single value description)來描述其聽覺特徵。
下圖為3個車型tip-in時的聽覺相關性分析,並算出單值作為聽覺特徵,以便後期與主觀評價的得分做建模分析。
5
建模分析
將主觀評價的得分和心理聲學引數的單值結果,進行建模分析,建立對應關係,如進行多元迴歸分析。
分析結果如下:
到此步,實際已經建立了主觀評價和心理聲學引數的對應關係,即可在評估某車型的某issue的聲品質時,無需做費時費力的主觀評價,而直接用心理聲學引數即可表徵其聲品質。但模型是否準確,還需做模型驗證。
6
模型驗證
對建好的模型,進行魯棒分析,以驗證其準確性。選擇一些資料,進行交叉驗證(Cross validation),驗證好後即可形成Sound quality metrics供後期使用。
Sound quality metrics的使用
利用開發好Sound quality metrics,即可進行聲品質的評定工作。
如評價某新車型的某個問題(如rattle或knocking)在各工況下(如idle、tip-in等)的聲品質,即可得到如下結果。圖中餅狀圖的每一個扇形代表一個工況,扇形的角度大小代表該工況出現的頻次,顏色和直徑代表該工況聲品質的評分。
又如兩款車型進行聲品質對比,結果如下。可以直觀的看出各工況的使用頻次和聲品質對比情況。
Sound quality metrics的開發是一項較大的工程,費時費力,但逐步將成為NVH行業的熱門領域。作為聲品質解決方案的領航者,海德聲科(HEAD acoustics中國子公司)誠摯的邀您“聲”臨其境地感知聲學的美妙,助您攻克聲品質開發壁壘,搶佔NVH領域制高點。
關於海德聲科
HEAD acoustics China(海德聲科)是全球領先的聲學解決方案及聲音與振動分析領域供應商HEAD acoustics GmbH在中國設立的子公司。HEAD acoustics憑藉其在電信行業的專業性和軟硬體研發的先驅地位,在語音和音訊質量的測量、分析和最佳化領域廣受讚譽。其產品和服務也同樣適用於汽車行業、IT裝置、辦公室用品和家電行業的製造商,以及在聲音環保領域的企業與機構等。
欲瞭解更多產品資訊,請訪問
www.head-acoustics.com
或傳送郵件至:
NVH@ head-acoustics。cn (NVH部門)
Telecom@head-acoustics。cn (電信部門)