高速列车车内声品质评价研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外在该方向研究现状 | 第11-16页 |
| 1.2.1 车内噪声声场仿真预测研究现状 | 第11-13页 |
| 1.2.2 声品质研究现状 | 第13-14页 |
| 1.2.3 声品质评价模型的研究现状 | 第14-16页 |
| 1.3 本课题主要研究内容 | 第16-17页 |
| 第2章 高速列车车内声场仿真及声音信号采集 | 第17-29页 |
| 2.1 基于 SEA 的车内噪声声场建模 | 第17-22页 |
| 2.1.1 统计能量法基本原理分析 | 第17-18页 |
| 2.1.2 列车乘客室 SEA 建模 | 第18-21页 |
| 2.1.3 系统声场预测结果 | 第21-22页 |
| 2.2 车内噪声采集试验及样本制作 | 第22-25页 |
| 2.2.1 高速列车车内声音信号现场采集 | 第22-24页 |
| 2.2.2 声音信号样本的筛选与制作 | 第24-25页 |
| 2.3 采集试验结果分析 | 第25-28页 |
| 2.3.1 采集样本的物理声学属性分析 | 第25-27页 |
| 2.3.2 声场预测结果验证 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 车内噪声心理声学属性研究 | 第29-43页 |
| 3.1 响度的计算及分析 | 第29-34页 |
| 3.1.1 响度的计算模型 | 第29-33页 |
| 3.1.2 响度的计算结果分析 | 第33-34页 |
| 3.2 尖锐度的计算及分析 | 第34-37页 |
| 3.2.1 尖锐度的计算模型 | 第34-35页 |
| 3.2.2 尖锐度的计算结果分析 | 第35-37页 |
| 3.3 粗糙度的计算及分析 | 第37-39页 |
| 3.3.1 粗糙度的计算模型 | 第37-38页 |
| 3.3.2 粗糙度的计算方法分析 | 第38-39页 |
| 3.4 其它心理声学属性的计算及分析 | 第39-42页 |
| 3.4.1 音调 | 第39-40页 |
| 3.4.2 抖动强度 | 第40-41页 |
| 3.4.3 语言清晰度指数和语言可懂度 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 声品质的主观评价及相关性分析 | 第43-53页 |
| 4.1 主观评价实验 | 第43-46页 |
| 4.1.1 评价方法的选择 | 第43-45页 |
| 4.1.2 主观评价实验过程 | 第45-46页 |
| 4.2 主观评价实验数据处理 | 第46-50页 |
| 4.2.1 评价结果数据的相关性检验 | 第46-47页 |
| 4.2.2 主观评价结果误差分析 | 第47页 |
| 4.2.3 有效评价结果的聚类分析 | 第47-50页 |
| 4.3 主观评价和心理声学属性的相关性分析 | 第50-52页 |
| 4.3.1 选择主观评价类别 | 第51页 |
| 4.3.2 选择声音客观属性 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 声品质 BP 神经网络评价模型的建立 | 第53-63页 |
| 5.1 BP 神经网络的基本原理 | 第53-54页 |
| 5.2 网络的结构选择 | 第54-58页 |
| 5.2.1 传递函数的确定 | 第55页 |
| 5.2.2 网络训练函数的选择 | 第55-56页 |
| 5.2.3 隐含层及其神经元个数的确定 | 第56-58页 |
| 5.3 网络的具体参数确定 | 第58-61页 |
| 5.3.1 目标误差的确定 | 第58-59页 |
| 5.3.2 心理声学属性算法的选择 | 第59-61页 |
| 5.3.3 神经网络仿真结果分析 | 第61页 |
| 5.4 声音属性之间的关系分析 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读学位期间发表的学术论文 | 第69-71页 |
| 致谢 | 第71页 |
