利用卷积网络的高速列车主观声品质预测

随着高速列车在中国的高速发展,乘客对舒适性的要求不断提高.因此高速列车内声学舒适性是一个需要研究和解决的问题.首先,该文基于声学人工头设备,获取了高速列车行驶在350 km/h速度下不同车厢、不同区域的双耳噪声样本,并对其分别开展了主观声学评价和基于响度、尖锐度、粗糙度和抖动度等参数的客观声品质分析.结果表明,350 km/h速度下高速列车车内噪声能量集中在3000 Hz以内,风挡区域是舒适性评价较差的位置,而响度是影响主观评价最大的因素.其次,利用卷积神经网络算法将主观评价结果与高速列车噪声样本相关联,建立了车内噪声主观声品质预测模型,并与基于BP神经网络的预测模型进行了对比.结果表明,基于卷积神经网络的主观声品质预测模型具有更高的预测精度,更适宜用于指导高速列车车内声学舒适性的优化设计.