基于小波熵的非穩(wěn)態(tài)聲品質(zhì)評價(jià)參數(shù)研究

夏小均， 徐中明,2， 嚴(yán)　濤， 賴詩洋， 賀巖松,2

(1.重慶大學(xué) 機(jī)械傳動國家重點(diǎn)實(shí)驗(yàn)室,重慶　400030； 2.重慶大學(xué) 汽車工程學(xué)院,重慶　400030)

?

基于小波熵的非穩(wěn)態(tài)聲品質(zhì)評價(jià)參數(shù)研究

夏小均1， 徐中明1,2， 嚴(yán)濤1， 賴詩洋1， 賀巖松1,2

(1.重慶大學(xué) 機(jī)械傳動國家重點(diǎn)實(shí)驗(yàn)室,重慶400030； 2.重慶大學(xué) 汽車工程學(xué)院,重慶400030)

摘要：以非穩(wěn)態(tài)聲信號為對象，針對現(xiàn)有小波變換計(jì)算的小波熵在反映聲信號時(shí)-頻特征存在的不足，提出了改進(jìn)的冗余小波分解算法并構(gòu)造了零相位巴特沃斯小波濾波器。通過復(fù)合的時(shí)變和頻變信號，驗(yàn)證了基于該方法計(jì)算的小波熵能更加準(zhǔn)確的體現(xiàn)信號的時(shí)變和能量分布特性。提取了反映時(shí)頻能量大致特性的小波熵均值作為非穩(wěn)態(tài)聲品質(zhì)的客觀評價(jià)參數(shù),并應(yīng)用于汽車關(guān)門聲品質(zhì)的分析評價(jià)中，計(jì)算了該聲信號傳統(tǒng)心理聲學(xué)參數(shù)，完成了聲樣本的主觀評價(jià)試驗(yàn)并獲得到各聲樣本的偏好性評價(jià)績效值。通過主客觀相關(guān)性分析表明，小波熵均值與主觀評價(jià)有更高的相關(guān)性，比傳統(tǒng)的心理聲學(xué)能好的描述和預(yù)測主觀評價(jià)結(jié)果。

關(guān)鍵詞：非穩(wěn)態(tài)聲信號;小波變換;小波熵;聲品質(zhì)評價(jià)參數(shù)

作為NVH性能的一個(gè)綜合表現(xiàn)和消費(fèi)者對產(chǎn)品的直觀感受，聲品質(zhì)已經(jīng)成為相關(guān)廠商和研究者關(guān)注的熱點(diǎn)。對汽車車內(nèi)穩(wěn)態(tài)噪聲[1]，關(guān)門聲[2-4]，喇叭聲[5]，雨刮聲[6]，發(fā)動機(jī)啟動聲[7]等都進(jìn)行過聲品質(zhì)方面的研究。應(yīng)用最普遍的分析方法是主客觀結(jié)合的方法，即以現(xiàn)有的心理聲學(xué)參數(shù)為基礎(chǔ)，通過相關(guān)分析、主成份分析尋找與主觀評價(jià)最相近的參數(shù)，并通過如多元非線性回歸、神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)等方法建立聲品質(zhì)的預(yù)測模型。由于傳統(tǒng)心理聲學(xué)評價(jià)參數(shù)都只是基于頻域的計(jì)算方法得到，雖能充分體現(xiàn)人耳對聲信號的頻域特征感受，但對于非穩(wěn)態(tài)信號的時(shí)變特征卻不能較正確和全面的體現(xiàn)，導(dǎo)致對于該類信號的主客觀相關(guān)性較低。因此，尋找能反映非穩(wěn)態(tài)聲信號時(shí)-頻特征的客觀聲品質(zhì)評價(jià)參數(shù)，來準(zhǔn)確地描述瞬變聲音的主觀喜好，對于完善聲品質(zhì)研究的方法和手段就顯得十分必要。

相較于其它的時(shí)頻分析方法，小波變換具有分析時(shí)窗可變的特性，并在工程中有著廣泛運(yùn)用?；谛〔ǚ治龇椒ǖ玫降男〔?，因其反映能量和信息的能力，在特征信號提取、故障損傷識別等方面有了較多應(yīng)用[8-12]。結(jié)合聲品質(zhì)分析的要求，本文以非穩(wěn)態(tài)聲信號為對象，以準(zhǔn)確體現(xiàn)聲樣本時(shí)頻特性為目標(biāo)，提出了基于改進(jìn)冗余算法的小波分解方法，構(gòu)建了零相位巴特沃斯小波濾波器，在此基礎(chǔ)上得到了更能表達(dá)非穩(wěn)態(tài)聲信號時(shí)頻特征的小波熵。提取了反映時(shí)頻能量大致分布的小波熵均值作為聲品質(zhì)的客觀評價(jià)參數(shù)，并應(yīng)用于汽車關(guān)門聲的聲品質(zhì)分析與評價(jià)中，驗(yàn)證了該方法的有效性。

1小波變換及小波熵

對于連續(xù)性信號f(t)的小波變換表達(dá)式為[13]

(1)

(2)

(3)

在工程應(yīng)用中，小波變換是通過Mallat算法實(shí)現(xiàn)，該算法是一種基于多分辨率分析的快速小波變換算法，其變換過程相當(dāng)于重復(fù)使用一組高通和低通濾波器對時(shí)間序列信號進(jìn)行逐步分解。由于算法包含抽樣環(huán)節(jié)，且小波濾波器組的頻率截止特性并非理想，造成了小波分解后存在頻率混淆和頻率重疊等缺陷[11]。另外，Mallat算法所具有的數(shù)據(jù)壓縮特性，即數(shù)據(jù)隨分解次數(shù)增多而逐漸減少。最終導(dǎo)致分解成分難以提供準(zhǔn)確的時(shí)域信息，不能反映非平穩(wěn)信號在時(shí)域上的特性，顯然不利于非平穩(wěn)聲信號聲品質(zhì)客觀參量的提取。針對以上兩方面的不足，本文相應(yīng)地構(gòu)造了零相位巴特沃斯小波濾波器，并提出了改進(jìn)的冗余小波分解算法來進(jìn)行小波熵的計(jì)算。

2零相位巴特沃斯小波濾波器構(gòu)造

相較于FIR濾波器組，巴特沃斯濾波器是一種常用的IIR濾波器，它擁有陡峭的頻率截止特性，并且階次越大頻率截止特性越好，同時(shí)還具有最大平坦幅頻特性[14]。構(gòu)成巴特沃斯正交小波的尺度函數(shù)φ(x)對應(yīng)的低通濾波器H(ω)和小波函數(shù)ψ(x)對應(yīng)的高通濾波器G(ω)構(gòu)造應(yīng)滿足以下條件：

(4)

(5)

巴特沃斯小波濾波器的非線性相位，導(dǎo)致在小波分解中出現(xiàn)了時(shí)移現(xiàn)象。對于穩(wěn)態(tài)信號因各個(gè)時(shí)間點(diǎn)處的統(tǒng)計(jì)特性相同，所以信號成分發(fā)生時(shí)移后并不會對該空間的信號特征產(chǎn)生影響。但對于非穩(wěn)態(tài)信號，各個(gè)頻率成分只在特定時(shí)間出現(xiàn)，故當(dāng)信號成分發(fā)生時(shí)移后，顯然與原信號產(chǎn)生差異，而這將影響后續(xù)開展的聲品質(zhì)預(yù)測分析的結(jié)果。故在巴特沃斯小波濾波器的基礎(chǔ)上構(gòu)造出零相位巴特沃斯小波濾波器，即可避免這種時(shí)移現(xiàn)象。通過濾波器H(ejω)所構(gòu)建的零相位濾波器的率響應(yīng)函數(shù)Hv(ejω)為：

(6)

與該系統(tǒng)即零相位數(shù)字濾波器的單位沖擊響應(yīng)hv(n)計(jì)算方法如下：

hv(n)=h(-n)h(n)

(7)

式中:h(-n)表示零相位數(shù)字濾波器中使用的濾波器H(ejω)的單位沖擊響應(yīng)h(n)的序列反轉(zhuǎn)。通過該式即可由h(n)直接構(gòu)造零相位數(shù)字濾波器。

3改進(jìn)的冗余小波算法

為消除Mallat算法中的抽樣和插值，借鑒冗余小波包分析方法[11]，去除小波變換Mallat算法中的隔點(diǎn)抽樣環(huán)節(jié)，將之命名為冗余小波變換，即可解決因頻率折疊產(chǎn)生的虛假頻率成分的問題。考慮到濾波器的非理想截止特性造成的頻帶重疊不利于信號特征參量的提取，故在原有冗余小波變換基礎(chǔ)上添加算子S、T，分別用以消除了頻帶重疊的低頻和高頻成分。冗余小波的改進(jìn)算子S、T的計(jì)算公式分別如下：

(8)

(9)

圖1　改進(jìn)的冗余小波分解算法Fig.1 The algorithm of improved redundant wavelet decomposition

4方法驗(yàn)證及小波熵評價(jià)參數(shù)確定

為了對改進(jìn)的分析手段加以分析驗(yàn)證，在體現(xiàn)頻域和時(shí)域的瞬變的要求下，現(xiàn)任意設(shè)定某復(fù)合頻率信號如式(10)所示，在0～1 s內(nèi)仿真信號為10.25 Hz的單頻信號，在1～2 s內(nèi)為10.25 Hz與20.5 Hz兩種頻率的復(fù)合信號，而在2～4 s內(nèi)為10.25 Hz，20.5 Hz，50.5 Hz與101 Hz四種頻率的復(fù)合。

y(t)=

(10)

式中:取f1=10.25 Hz，f2=20.5 Hz，f3=50.5 Hz，f4=101 Hz。

為了對比分析零相位巴特沃斯小波和改進(jìn)冗余的小波分解算法在分析聲信號特征的特點(diǎn)，現(xiàn)采用控制變量的對比方法來查看兩種改進(jìn)對非穩(wěn)態(tài)聲信號時(shí)頻特征的表現(xiàn)情況，即采用相同濾波器對比不同分解方法和采用相同算法對比不同的濾波器組。

首先分別采用db40小波、巴特沃斯小波以及零相位巴特沃斯小波進(jìn)行5次改進(jìn)的冗余小波分解。時(shí)間窗寬度取為256，計(jì)算對應(yīng)的小波熵，結(jié)果如圖2所示。

根據(jù)小波熵的物理意義，小波熵值越大表明該段信號對應(yīng)的頻率成分越復(fù)雜。從對比圖觀察可知，采用db40小波和零相位巴特沃斯小波進(jìn)行計(jì)算得到的小波熵時(shí)域曲線，在0～1 s內(nèi)小波熵取值大致為零，與小波熵的計(jì)算公式在單頻情況下的取值相同。隨著信號頻率成分增多，信號復(fù)雜程度增加，相應(yīng)的小波熵值變大。小波熵的時(shí)域波形在0～1 s,1～2 s和2～4 s三個(gè)時(shí)間段內(nèi)信號的復(fù)雜程度依次增加，與仿真信號在三個(gè)時(shí)間段內(nèi)的特征分布相同。但相比db40小波，零相位巴特沃斯小波在各時(shí)間或能量段內(nèi)計(jì)算的小波熵值更為平坦和穩(wěn)定，證明了其具有更優(yōu)秀的分析能力。

而直接采用巴特沃斯小波的計(jì)算結(jié)果則與分析信號的特征完全不符，產(chǎn)生這種現(xiàn)象的原因是小波分解后各子空間內(nèi)的信號分量發(fā)生了時(shí)移，不能正確反映出仿真信號頻域上的能量分布隨時(shí)間的變化。

圖2　3種小波的小波熵計(jì)算結(jié)果Fig.2 The entropy for 3 kinds of wavelet

同樣，采用零相位巴特沃斯小波濾波器組并分別運(yùn)用Mallat算法和改進(jìn)的冗余小波算法對上述時(shí)變的復(fù)合頻率信號的小波熵進(jìn)行計(jì)算，結(jié)果對比如圖3所示。可以看出，在各子空間信號成分的基礎(chǔ)上，以Mallat分解重構(gòu)算法計(jì)算得到的小波熵在信號成分發(fā)生變換的時(shí)刻出現(xiàn)了很大的波動，這顯然不利于根據(jù)小波熵的計(jì)算結(jié)果對信號時(shí)頻特性的判斷，而采用改進(jìn)冗余小波分解算法的小波熵計(jì)算計(jì)算結(jié)果則要更加的平滑和穩(wěn)定，更加有利于聲信號特征的分析。

圖3　2種分解算法小波熵計(jì)算結(jié)果Fig.3 The entropy for 2 kinds of decomposition algorithms

而對于幅值能量變化很大的非穩(wěn)態(tài)聲信號如圖4，根據(jù)小波熵的物理含義，當(dāng)聲壓采集信號幅值發(fā)生變大時(shí)，對應(yīng)時(shí)間點(diǎn)處能量將集中到部分頻段內(nèi)，小波熵值對應(yīng)減小，而在其他時(shí)刻能量均勻分布在各個(gè)頻段內(nèi)，故小波熵取值較大，該特點(diǎn)能很好的反映瞬變信號的特征。

圖4　信號時(shí)域波形及其小波熵Fig.4 The time domain waveform and wavelet entropy of wave signal

從以上分析結(jié)果可以看出，本次為準(zhǔn)確體現(xiàn)聲信號時(shí)頻特征而提出的改進(jìn)方法是有效的，可以基于此方法進(jìn)行非穩(wěn)態(tài)聲信號的小波熵的計(jì)算，并據(jù)此提取出能反映時(shí)變聲信號品質(zhì)的客觀評價(jià)參數(shù)。

小波熵反映了信號各頻帶能量分布隨時(shí)間的變化情況，表征了信號的時(shí)頻特性。信號頻率成分越多、頻段能量分布越均勻，小波熵越大。但小波熵作為隨時(shí)間發(fā)生變化的參量，將會隨信號的長度發(fā)生變化，這種特性顯然不利于評價(jià)模型的建立。為此需選取不隨信號長度變化發(fā)生長度變化的標(biāo)量值作為表征小波熵的參數(shù)，進(jìn)而表征各聲樣本所具有的特性。此次分析選用反映了小波熵的大致特性的小波熵均值作為評價(jià)數(shù)進(jìn)行研究，后續(xù)可以深入地提取其它參數(shù)作為聲品質(zhì)的客觀評價(jià)參數(shù)。

5小波熵均值在汽車關(guān)門聲品質(zhì)的應(yīng)用

對于具有典型非穩(wěn)態(tài)特征的汽車關(guān)門聲，學(xué)者對其已經(jīng)有了大量研究，此次應(yīng)用分析也以該信號為對象，其分析結(jié)果將能很好的檢驗(yàn)基于小波熵的客觀參數(shù)對其主觀聲品質(zhì)的描述能力。

5.1關(guān)門聲樣本采集

試驗(yàn)參照GB/T18697車內(nèi)噪聲測量方法，對不同的家用乘用車的關(guān)門聲信號進(jìn)行采集。選取測試環(huán)境為開闊場地，與建筑物等大型物體之間的距離大于20 m，關(guān)閉樣車其它輔助裝置。使用B&K4100雙耳麥克風(fēng)以及B&K采集器對每輛車進(jìn)行數(shù)據(jù)采集，采樣頻率設(shè)置為66 356 Hz，采樣時(shí)間5 s。為模擬實(shí)際車門關(guān)閉情況的多樣化，采用不同力度進(jìn)行關(guān)門，對同一力度下的關(guān)門聲重復(fù)3次測量。為最后將所有采集到的關(guān)門聲信號逐一進(jìn)行回放，找出發(fā)聲效果最佳、記錄最完整的樣本。結(jié)合各信號的時(shí)頻分析結(jié)果如圖5所示和人耳的聽覺形成過程，每個(gè)聲樣本截取的時(shí)間長度為1 s，作為后續(xù)分析的樣本，一共獲得13組關(guān)門聲樣本。

圖5　2號關(guān)門聲樣本時(shí)頻圖Fig.5 The time-frequency spectrum of the 2nd closed signal

5.2客觀參數(shù)計(jì)算

對采集到的13組關(guān)門聲以基于改進(jìn)的方法進(jìn)行小波熵的計(jì)算。選取2號聲樣本為例，其時(shí)域信號和對應(yīng)的小波熵結(jié)果分別如圖6 所示。

圖6　2號聲樣本小波熵計(jì)算結(jié)果Fig.6 The entropy for 2nd signal

各組關(guān)門聲樣本信號的小波熵變化趨勢與時(shí)域波形之間的關(guān)系大致相仿，當(dāng)采集的關(guān)門聲信號幅值變大時(shí)，對應(yīng)的小波熵值相應(yīng)減小。進(jìn)而計(jì)算得到的各聲樣本的小波熵均值如表1所示。

表1　小波熵的特征參數(shù)計(jì)算結(jié)果

為了對比小波熵均值與傳統(tǒng)的心理聲學(xué)參數(shù)在對此類非穩(wěn)態(tài)聲信號主觀感受的描述或預(yù)測上的能力，也對各聲樣本的幾個(gè)典型客觀評價(jià)參數(shù)進(jìn)行了計(jì)算，結(jié)果如表2所示。由于關(guān)門力度和車況的差異，各聲樣本的心理聲學(xué)客觀參數(shù)值波動也較大。

表2　傳統(tǒng)心理聲學(xué)客觀參數(shù)計(jì)算結(jié)果

5.3主觀評價(jià)試驗(yàn)及相關(guān)分析

作為聲品質(zhì)研究的最終標(biāo)準(zhǔn)，主觀評價(jià)才能真正的反映人們對各聲信號感覺。由于主觀評價(jià)試驗(yàn)需花費(fèi)大量的時(shí)間、人力和物力成本，因此，人們探尋一些能更好的描述主觀評價(jià)的客觀參數(shù)來預(yù)測同類的聲品質(zhì)來降低研究和分析的成本?？陀^參數(shù)與主觀評價(jià)結(jié)果的關(guān)聯(lián)強(qiáng)弱，也成為了評判該客觀參數(shù)對主觀評價(jià)結(jié)果描述能力的關(guān)鍵。

(1) 主觀評價(jià)試驗(yàn)。選用成對比較法作為本次的主觀評價(jià)方法。它是將聲音樣本成對播放，評價(jià)者據(jù)此做出相關(guān)評判。Hempel和Chouard對選取54名主體的測試結(jié)果和選取20名主體的評價(jià)結(jié)果進(jìn)行了分析，兩者得到的均值和標(biāo)準(zhǔn)偏差幾乎一致，因此，對于大多數(shù)心理聲學(xué)評價(jià)測試，20名主體就已經(jīng)足夠了[16]。本次試驗(yàn)選定了26位在校學(xué)生作為評價(jià)主體，年齡為21～27歲，其中男生22人，女生4人。通過兩兩聽審對比，評價(jià)者認(rèn)為較好聽的樣本記“1”,而較差的記“-1”,兩者相等記為“0”。最后以評價(jià)人員對某一聲樣本給出的偏好性選擇“1”的次數(shù)s，作為該聲樣本的主觀評價(jià)得分。而樣本的最終主觀評價(jià)績效值則為所有有效評價(jià)結(jié)果的均值。即各樣本的主觀評價(jià)績效值為

(11)

式中:n為評價(jià)主體人數(shù)，si為樣本i的偏好性得分。

由于各評價(jià)主體在試驗(yàn)過程中，受環(huán)境和情緒的干擾會產(chǎn)生一些誤判，通過對各聽審者的評價(jià)數(shù)據(jù)一致性分析，得出主觀評價(jià)結(jié)果的可靠性。如表3所示為本次26位聽審者的計(jì)權(quán)一致性系數(shù)。通常在所有的評價(jià)結(jié)果中約有10%～20%的評價(jià)者的不可信數(shù)據(jù)[17],即一致性差的評價(jià)數(shù)據(jù)。本次將一致性系數(shù)低于0.8的TP8、TP18和TP23評價(jià)去掉，最后根據(jù)剩下的有效評審數(shù)據(jù)得到各聲樣本的主觀評價(jià)績效值如表4所示。

表3　評價(jià)者的計(jì)權(quán)一致性系數(shù)

表4　各聲樣本主觀評價(jià)績效值

根據(jù)定義，主觀評價(jià)績效值越高的樣本聲品質(zhì)越好，小波熵均值越高的樣本主觀評價(jià)越差?？梢钥闯?，得到的主觀評價(jià)結(jié)果與表1各樣本的小波熵均值反映出來的聲品質(zhì)情況相符。

(2) 相關(guān)性分析。相關(guān)性分析作為分析兩變量間相互關(guān)聯(lián)和影響的基本手段，能很直觀的體現(xiàn)傳統(tǒng)心理聲學(xué)參量、小波熵均值與主觀評價(jià)結(jié)果之間的聯(lián)系以及以客觀參量來表征和預(yù)測主觀評價(jià)的能力。

相關(guān)性系數(shù)定義為：

(12)

將主觀評價(jià)結(jié)果與響度、尖銳度和小波熵均值分別作散點(diǎn)圖對比如圖7～9所示，可以看出小波熵均值與主觀評價(jià)績效值的相關(guān)散點(diǎn)更加接近直線，相關(guān)性更高。

圖7　響度與主觀評價(jià)散點(diǎn)圖Fig.7 Scatterplot of loudness and subjective evaluation

圖8　尖銳度與主觀評價(jià)散點(diǎn)圖Fig.8 Scatterplot of sharpness and subjective evaluation

圖9　小波熵均值與主觀評價(jià)散點(diǎn)圖Fig.9 Scatterplot of mean of wavelet entropy and subjective evaluation

表5為聲品質(zhì)客觀參主觀評價(jià)績效的相關(guān)性系數(shù)，從中可以看出，小波熵均值與主觀評價(jià)結(jié)果的相關(guān)性高達(dá)0.924，明顯比傳統(tǒng)的心理聲學(xué)評價(jià)參數(shù)要高。說明相較于傳統(tǒng)的心理聲學(xué)參數(shù)，小波熵均值能很好的描述和預(yù)測這類非穩(wěn)態(tài)聲信號的主觀主觀評價(jià)。同時(shí)，小波熵均值越高，該聲樣本的聲品質(zhì)越差。

表5　客觀參量與主觀評價(jià)績效值的相關(guān)性

注：**表示99%置信區(qū)間內(nèi)顯著相關(guān)

6結(jié)論

針對非穩(wěn)態(tài)信號的時(shí)變、頻變等特點(diǎn)，以Mallat算法為基礎(chǔ)提出了改進(jìn)冗余小波的分解方法，構(gòu)建了零相位巴特沃斯小波濾波器。通過對復(fù)合信號的小波熵的計(jì)算，驗(yàn)證了基于改進(jìn)方法的小波熵能更加準(zhǔn)確有效地表征非穩(wěn)態(tài)聲信號的時(shí)頻特性。

提取小波熵均值作為聲品質(zhì)的客觀評價(jià)參數(shù)，應(yīng)用于汽車關(guān)門聲的聲品質(zhì)分析，通過主客觀相關(guān)性分析，體現(xiàn)了小波熵均值比傳統(tǒng)的心理聲學(xué)參數(shù)，有更強(qiáng)的相關(guān)性，能更好的描述和預(yù)測主觀評價(jià)。后續(xù)將進(jìn)一步探索基于該評價(jià)參數(shù)的主觀評價(jià)預(yù)測模型。

參 考 文 獻(xiàn)

[1] 申秀敏,左曙光,韓樂, 等. 基于支持向量機(jī)的車內(nèi)噪聲聲品質(zhì)預(yù)測[J]. 振動、測試與診斷, 2011, 31(1): 55-58.

SHEN Xiu-min, ZUO Shu-guang,HAN Le, et al. Interior vehicle noise quality prediction using support vector machines[J].Journal of Vibration Measurement & Diagnosis, 2011, 31(1): 55-58，128.

[2] Parizet E,Guyader E,Nosulenko V. Analysis of car door closing sound quality [J]. Applied Acoustics,2008,69(1):12-22.

[3] 楊川, 于德介. 基于偽Wigner-Ville分布的汽車關(guān)門聲品質(zhì)評價(jià)參數(shù)研究[J]. 機(jī)械工程學(xué)報(bào), 2011,47(24):91-96.

YANG Chuan,YU De-jie.Research on the sound metric of door slamming sound based on pseudo Wigner-Ville distribution [J]. Journal of Mechanical Engineering, 2011,47(24):91-96.

[4] 王長山，張立軍.汽車關(guān)門聲聲品質(zhì)評價(jià)方法的研究[J].汽車工程,2011,33(10): 902-906.

WANG Chang-shan,ZHANG Li-jun. A study on the method of evaluating the sound quality of vehicle door closing noise [J]. Automotive Engineering, 2011,33(10): 902-906.

[5] 徐中明,張芳,周小林,等.汽車?yán)嚷暺焚|(zhì)主觀評價(jià)與分析[J]. 汽車工程, 2013, 35(2): 188-192.

XU Zhong-ming, ZHANG Fang, ZHOU Xiao-lin, et al. Subjective evaluation and analysis on car horn sound quality [J]. Automotive Engineering, 2013, 35(2): 188-192.

[6] 徐中明,張瑜,劉建利,等.汽車雨刮系統(tǒng)噪聲品質(zhì)分析[J].汽車工程,2014(8): 1009-1013.

XU Zhong-ming, ZHANG Yu, LIU Jian-li, et al. Sound quality analysis of wiper system noise in cars [J]. Automotive Engineering,2014(8): 1009-1013.

[7] 徐中明,夏小均,賀巖松,等.汽車發(fā)動機(jī)啟動聲品質(zhì)評價(jià)與分析[J]. 振動與沖擊, 2014, 33(11): 142-147.

XU Zhong-ming, XIA Xiao-jun, HE Yan-song, et al. Analysis and evaluation of car engine starting sound quality [J]. Journal of Vibration and Shock, 2014, 33(11): 142-147.

[8] Scholl D, Yang B. Wavelet-based visualization, separation, and synthesis tools for sound quality of impulsive noises[R].SAE Technical Paper, 2003.

[9] 張寧寧,王宏,付榮榮. 基于小波熵的駕駛疲勞腦電信號特征提取[J]. 汽車工程,2013, 35(12):1139-1142.

ZHANG Ning-ning, WANG Hong, FU Rong-rong.Feature extraction of fatigued driver’s electroencephalogram signals based on wavelet entropy [J]. Automotive Engineering, 2013, 35(12):1139-1142.

[10] 羅榮, 田福慶, 馮昌林, 等. 冗余小波包改進(jìn)及其在齒輪箱故障診斷中應(yīng)用[J]. 機(jī)械工程學(xué)報(bào), 2014,50(15):82-88.

LUO Rong,TIAN Fu-qing,FENG Chang-lin, et al.Improved redundant wavelet packet decomposition and its application in gearbox fault diagnosis[J].Journal of Mechanical Engineering, 2014, 50(15):82-88.

[11] 孫增壽,范科舉. 基于提升小波熵指標(biāo)的梁板組合橋損傷識別研究[J]. 振動與沖擊,2012,31(12):114-117.

SUN Zeng-shou,FAN Ke-ju.Damage detection for a grid-slab combined bridge based on lifting wavelet entropy indexes[J]. Journal of Vibration and Shock, 2012,31(12):114-117.

[12] Nguyen N,Vo A,Choi I, et al. Stationary wavelet entropy-based clustering approach accurately predicts gene expression[J].Journal of Computational Biology,2015,22(15):236-249.

[13] 程正興．小波分析算法與應(yīng)用[M]．西安：西安電子科技大學(xué)出版社，1998.

[14] 羅榮, 田福慶, 周菲, 等. 巴特沃斯小波構(gòu)造及其在故障診斷中的應(yīng)用[J]. 華中科技大學(xué)學(xué)報(bào):自然科學(xué)版, 2013,41(10):68-73.

LUO Rong,TIAN Fu-qing,ZHOU Fei, et al.Construction of Butterworth wavelet and its application in fault diagnosis [J]. Journal of Huazhong University of Science and Technology:Nature Science Edition, 2013,41(10):68-73.

[15] 傅勤毅, 章易程, 應(yīng)力軍, 等. 滾動軸承故障特征的小波提取方法[J]. 機(jī)械工程學(xué)報(bào), 2001,37(2):30-32.

FU Qin-yi,ZHANG Yi-cheng,YING Li-jun, et al.Extraction of failure character signal of rolling element bearings by wavelet[J]. Chinese Journal of Mechanical Engineering,2001,37(2):30-32.

[16] Chouard B,Hempel T.A semantic differential design especially developed for the evaluation of interior car sounds[C]//ASA-EAA-DAGA Joint Meeting. Berlin,Germany,1999.

[17] 毛東興, 俞悟周, 王佐民. 聲品質(zhì)成對比較主觀評價(jià)的數(shù)據(jù)檢驗(yàn)及判據(jù)[J]. 聲學(xué)學(xué)報(bào),2005,30(5):468-472.

MAO Dong-xing,YU Wu-zhou,WANG Zuo-min.Statistical validation and criterion for paired comparison data in sound quality evaluation[J].Acta Acustica,2005,30(5):468-472.

基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目(51275540);重慶市研究生科研創(chuàng)新項(xiàng)目(CYB14036)

收稿日期：2015-06-25修改稿收到日期：2015-08-24

通信作者徐中明 男，博士，教授，博士生導(dǎo)師，1963年生

中圖分類號:U461.4

文獻(xiàn)標(biāo)志碼：A

DOI:10.13465/j.cnki.jvs.2016.14.013

Sound metric of unsteady acoustic signal based on wavelet entropy

XIA Xiao-jun1, XU Zhong-ming1,2, YAN Tao1, LAI Shi-yang1, HE Yan-song1,2

(1. State Key Laboratory of Mechanical Transmission, Chongqing University, Chongqing 400030, China;2. College of Automotive Engineering, Chongqing University, Chongqing 400030, China)

Abstract:Taking unsteady signal as an object, an improved redundant wavelet algorithm was presented and a zero-phase Butterworth wavelet filter was constructed in view of the deficiencies of existing wavelet transform when calculating the wavelet entropy. The characteristic of the wavelet entropy calculated by the method, which can accurately reflect the time varying and energy distribution properties of a time and frequency varying signal, was verified. The mean value of wavelet entropy that can roughly reflect the time-frequency energy features was extracted as an objective evaluation of unsteady sound quality parameters and was applied to the quality analysis and evaluation of the sound of car door closing. The traditional psychoacoustic parameters of the acoustic signal were calculated. The subjective evaluation tests of these sound samples were completed and the preferential evaluation value of each sound sample was obtained. The analysis on the correlation between subjective preference evaluations and objective parameters shows that the sound metric defined by the mean value of wavelet entropy has higher correlation with the subjective evaluation, and can describe and forecast the subjective evaluation results more accurately.

Key words:unstable acoustic signal; wavelet transform; wavelet entropy; sound metric

第一作者 夏小均 男，博士生，1988年生

E-mail:xuzm@cqu.edu.cn