| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 汽车声品质研究概况 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 人工神经网络在汽车声品质研究的应用 | 第14-15页 |
| 1.4 本文研究内容及结构安排 | 第15-17页 |
| 第2章 车内噪声来源及心理声学参数模型 | 第17-24页 |
| 2.1 引言 | 第17页 |
| 2.2 车内的噪声来源分析 | 第17-18页 |
| 2.3 听觉系统分析 | 第18-20页 |
| 2.4 声品质心理声学客观参数及计算模型 | 第20-23页 |
| 2.4.1 响度 | 第20-21页 |
| 2.4.2 尖锐度 | 第21页 |
| 2.4.3 粗糙度和抖动度 | 第21-22页 |
| 2.4.4 语音清晰度 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 声品质主观评价及客观参数的核主成分分析 | 第24-34页 |
| 3.1 引言 | 第24页 |
| 3.2 声品质主观评价 | 第24-26页 |
| 3.2.1 声学评价者选取 | 第25页 |
| 3.2.2 声品质主观评价的方法 | 第25-26页 |
| 3.2.3 车内噪声信号采集和处理 | 第26页 |
| 3.3 实测声音样本分析 | 第26-29页 |
| 3.3.1 评分结果分析 | 第26-28页 |
| 3.3.2 心理声学参数分析 | 第28-29页 |
| 3.4 核主成分分析 | 第29-33页 |
| 3.4.1 KPCA原理 | 第29-30页 |
| 3.4.2 处理结果分析 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于改进PSO-GA的BP神经网络 | 第34-50页 |
| 4.1 引言 | 第34页 |
| 4.2 BP神经网络概述 | 第34-37页 |
| 4.2.1 BP神经网络模型的结构 | 第34页 |
| 4.2.2 BP学习算法 | 第34-37页 |
| 4.3 遗传算法及其简介 | 第37-44页 |
| 4.3.1 遗传算法的基本概念 | 第37-38页 |
| 4.3.2 遗传算法的工作流程 | 第38-39页 |
| 4.3.3 遗传算法的设计与实现 | 第39-42页 |
| 4.3.4 遗传算法优化神经网络 | 第42-43页 |
| 4.3.5 基于遗传算法的BP模型的建立 | 第43-44页 |
| 4.4 粒子群算法 | 第44-49页 |
| 4.4.1 PSO概述 | 第44页 |
| 4.4.2 PSO算法的原理和流程 | 第44-45页 |
| 4.4.3 改进PSO算法 | 第45-48页 |
| 4.4.4 改进PSO-GA算法流程 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于改进PSO-GA的BP神经网络的仿真分析 | 第50-59页 |
| 5.1 引言 | 第50-52页 |
| 5.1.1 数据预处理 | 第50-51页 |
| 5.1.2 预测模型的建立 | 第51-52页 |
| 5.2 仿真分析 | 第52-58页 |
| 5.2.1 BP神经网络预测模型 | 第52-54页 |
| 5.2.2 GA-BP神经网络预测模型 | 第54-55页 |
| 5.2.3 改进PSO-GA-BP神经网络预测模型 | 第55-56页 |
| 5.2.4 不同预测模型性能分析 | 第56-58页 |
| 5.3 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第65-66页 |
| 致谢 | 第66页 |