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）