發(fā)動(dòng)機(jī)聲品質(zhì)預(yù)測(cè)模型分析概述目錄TOC\o"1-3"\h\u14668發(fā)動(dòng)機(jī)聲品質(zhì)預(yù)測(cè)模型分析概述 1248951.1回歸分析理論 1261291.2回歸模型求解 2發(fā)動(dòng)機(jī)聲品質(zhì)的好壞主要是以人對(duì)發(fā)動(dòng)機(jī)噪聲的感受來(lái)體現(xiàn)的?？陀^評(píng)價(jià)指標(biāo)雖然能夠反映出發(fā)動(dòng)機(jī)噪聲信號(hào)的物理或心理聲學(xué)特征，但這些評(píng)價(jià)指標(biāo)不足以用來(lái)描述人們對(duì)發(fā)動(dòng)機(jī)噪聲的實(shí)際感受。而聲品質(zhì)的主觀評(píng)價(jià)以發(fā)動(dòng)機(jī)的主觀偏好程度為其評(píng)價(jià)指標(biāo),得出的結(jié)果雖然能夠較好地反映和衡量出發(fā)動(dòng)機(jī)噪聲的主觀品質(zhì)好壞,但是這種評(píng)價(jià)方法的實(shí)際可操作性非常差,而且在評(píng)價(jià)的過(guò)程中影響因素復(fù)雜多樣,導(dǎo)致同一個(gè)樣本的主觀評(píng)價(jià)結(jié)果的一致性也很差,所以通過(guò)研究這些主客觀評(píng)價(jià)的指標(biāo)之間存在著內(nèi)在映射關(guān)系,并且可以通過(guò)主客觀評(píng)估指標(biāo)的這種內(nèi)在關(guān)系建立了噪聲品質(zhì)預(yù)測(cè)模型,是當(dāng)前正在進(jìn)行的噪聲品質(zhì)預(yù)測(cè)研究的主要方向。聲品質(zhì)預(yù)測(cè)模型可以大大降低聲品質(zhì)研究的成本和時(shí)間。聲品質(zhì)的預(yù)測(cè)模型在建立工作完成后,直接使用計(jì)算方法得到的主觀評(píng)估參量進(jìn)行對(duì)聲品質(zhì)的主觀評(píng)估和預(yù)測(cè),省略了主觀評(píng)價(jià)試驗(yàn)階段，這大大降低了聲品質(zhì)研究的時(shí)間和成本，對(duì)發(fā)動(dòng)機(jī)聲品質(zhì)的提高有著積極的推進(jìn)作用。本章將以多元線性回歸方法為基礎(chǔ)，建立聲品質(zhì)預(yù)測(cè)模型。1.1回歸分析理論回歸分析方法是一種應(yīng)用最廣泛的數(shù)據(jù)分析方法之一，通過(guò)回歸分析方法可以找出輸出和輸入之間的隱藏聯(lián)系。一元回歸分析，其本質(zhì)就是一元一次方程，可以通過(guò)解方程可以實(shí)現(xiàn)求解。但在實(shí)際問(wèn)題的解決過(guò)程中，影響結(jié)果的變量往往有很多種，這種情況下用解方程實(shí)現(xiàn)求解計(jì)算的難度就會(huì)變得很大，此時(shí)就可以通過(guò)多元回歸分析方法（MultipleRegressionAnalysisMethod，MRAM）編程找出自變量與因變量之間的近似函數(shù)關(guān)系，若得出的近似函數(shù)關(guān)系是線性關(guān)系時(shí)，那么這個(gè)多元回歸分析就是多元線性回歸。一般多元回歸分析有一個(gè)因變量和至少兩個(gè)自變量，求解后得到回歸模型，可以實(shí)現(xiàn)在陌生自變量下對(duì)因變量進(jìn)行預(yù)測(cè)的目的。多元線性回歸是一般有兩個(gè)或兩個(gè)以上的自變量，其典型的公式為：Y=b0其中，b0為常數(shù)，b1，b21.2回歸模型求解本文在前面的噪聲樣本研究結(jié)果中得到了22個(gè)訓(xùn)練噪聲樣本的4個(gè)客觀評(píng)價(jià)指標(biāo)和主觀偏好度，匯總以后如表5-1所示，其中X1分別代表了語(yǔ)義清晰度、響度、粗糙度、尖銳度。表5-1訓(xùn)練樣本的主客觀評(píng)價(jià)結(jié)果樣本類型編號(hào)語(yǔ)義清晰度（%）響度（sone)粗糙度(asper)尖銳度(acum)主觀評(píng)價(jià)訓(xùn)練樣本T11.3056.100.411.8731.8T23.0663.800.341.8122T30.0689.580.641.7713.2T40.4676.250.531.849……………T1921.4833.740.262.0038.6T201.9773.850.381.9328.2T210.00103.440.451.834.2T222.0173.580.391.9430.8預(yù)測(cè)樣本T232.6960.220.471.7912.8T241.1256.160.401.8731.4T253.1463.900.331.8120.6T260.3876.450.531.8412.8T271.4651.750.401.8730.8以主觀偏好度的值為Y，客觀評(píng)價(jià)指標(biāo)包括響度、尖銳度、粗糙度、語(yǔ)義清晰度為X1～Xm-1，建立多元線性回歸模型，關(guān)系式如下：Y=β0其中，β0，β1，β2…βm?1為回歸系數(shù)，Y=其中，b1，b2，…，bm?1為回歸系數(shù)；m=5為了對(duì)客觀評(píng)價(jià)指標(biāo)進(jìn)行影響度大小的研究，需要對(duì)偏回歸系數(shù)進(jìn)行標(biāo)準(zhǔn)化處理得到標(biāo)準(zhǔn)化系數(shù)：PjLjj=LYY=i=1根據(jù)標(biāo)準(zhǔn)化回歸系數(shù)Pj的大小，可以判斷出各個(gè)客觀評(píng)價(jià)指標(biāo)對(duì)主觀偏好度的貢獻(xiàn)程度，P本文通過(guò)MATLAB軟件編程，以樣本客觀評(píng)價(jià)結(jié)果為輸入，主觀偏好度為輸出，對(duì)線性回歸模型進(jìn)行求解[26]。求解結(jié)果如表5-2所示。表5-2線性回歸模型進(jìn)行求解結(jié)果客觀評(píng)價(jià)指標(biāo)非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)相關(guān)系數(shù)常量-80.320.93語(yǔ)義清晰度-0.050.07響度-0.261.24粗糙度-8.880.21尖銳度66.451.13由表5-2可知，回歸方程的相關(guān)系數(shù)R≈0.93，說(shuō)明回歸模型擬合程度較高。表5-3為回歸模型訓(xùn)練誤差表，其中相對(duì)誤差E的計(jì)算公式為：E=y?其中，y為樣本的主觀評(píng)價(jià)值；yT為樣本的訓(xùn)練值；Q為偏好度值域大小，Q=43表5-3回歸模型訓(xùn)練誤差表樣本編號(hào)主觀評(píng)價(jià)值訓(xùn)練值相對(duì)誤差%樣本編號(hào)主觀評(píng)價(jià)值訓(xùn)練值相對(duì)誤差%T131.8021.2010.00T1221.2019.722.25T222.0019.653.56T1329.6032.424.28T313.207.688.36T1411.4018.033.99T49.0017.0412.19T1514.4018.386.03T56.209.334.74T1628.6031.774.81T629.8021.516.50T1711.6016.517.44T76.809.393.92T1813.207.828.16T812.608.016.96T1938.6040.012.13T942.2040.432.68T2028.2024.974.90T1041.2040.251.44T214.209.828.52T1129.0032.184.82T2230.8021.488.06從表5-3中我們可以發(fā)現(xiàn)，我們將聲音樣本的客觀數(shù)據(jù)帶入回歸模型，得到由回歸模型預(yù)測(cè)出的主觀偏好度，與我們前面用成對(duì)比較法進(jìn)行主觀評(píng)價(jià)實(shí)驗(yàn)得出的主觀偏好度進(jìn)行對(duì)比，發(fā)現(xiàn)其最大相對(duì)誤差為12.19%，最小相對(duì)誤差值為1.44%，平均誤差為1.71%。由此可以認(rèn)為多元線性回歸模型訓(xùn)練結(jié)果可以接受。得到的主客觀評(píng)價(jià)結(jié)果之間的聲品質(zhì)預(yù)測(cè)模型為：Y=?80.32+?0.047×X其中X1~X1.3模型的準(zhǔn)確性驗(yàn)證表5-4預(yù)測(cè)樣本的主客觀評(píng)價(jià)結(jié)果樣本類型編號(hào)語(yǔ)義清晰度（%）響度（sone)粗糙度(asper)尖銳度(acum)主觀預(yù)測(cè)樣本T232.6960.220.471.7912.8T241.1256.160.401.8731.4T253.1463.900.331.8120.6T260.3876.450.531.8412.8T271.4651.750.401.8730.8表5-5模型預(yù)測(cè)結(jié)果分析樣本編號(hào)主觀偏好度預(yù)測(cè)結(jié)果偏差絕對(duì)值平均絕對(duì)偏差值平均偏差率F112.818.631.834.410.10F231.424.956.45F320.620.050.55F412.816.793.99F530.821.591.21由表5-5中的預(yù)測(cè)評(píng)價(jià)結(jié)果圖所得,這5個(gè)模型的預(yù)測(cè)評(píng)價(jià)結(jié)果均有偏差