| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11-12页 |
| ·汽车声品质研究的概况 | 第12-14页 |
| ·国外汽车声品质研究现状 | 第12-13页 |
| ·国内汽车声品质研究现状 | 第13-14页 |
| ·国内外声品质等效模型分析研究的概况 | 第14页 |
| ·主要研究内容和框架 | 第14-17页 |
| 第2章 驾驶室内噪声品质主客观评价 | 第17-27页 |
| ·声品质客观评价 | 第17页 |
| ·声品质主观评价 | 第17-19页 |
| ·噪声信号采集试验 | 第19-21页 |
| ·试验目的 | 第19页 |
| ·试验对象 | 第19页 |
| ·试验仪器准备 | 第19-20页 |
| ·试验地点 | 第20页 |
| ·试验项目 | 第20页 |
| ·试验方法 | 第20-21页 |
| ·主客观评价试验 | 第21-25页 |
| ·声音样本处理 | 第21-22页 |
| ·评价环境及评价主体 | 第22页 |
| ·评价方法 | 第22-23页 |
| ·主观评价数据检验 | 第23-24页 |
| ·主客观评价结果 | 第24-25页 |
| ·小结 | 第25-27页 |
| 第3章 基于神经网络的声品质评价模型 | 第27-37页 |
| ·神经网络简介 | 第27-30页 |
| ·神经元 | 第27-28页 |
| ·BP 神经网络 | 第28-30页 |
| ·匀速工况下声品质神经网络评价模型 | 第30-33页 |
| ·网络结构的确定 | 第30页 |
| ·训练样本选择 | 第30-31页 |
| ·训练参数的设定 | 第31页 |
| ·模型训练结果 | 第31-33页 |
| ·模型检验 | 第33页 |
| ·加速工况下声品质神经网络评价模型 | 第33-36页 |
| ·网络结构的确定 | 第33页 |
| ·训练样本 | 第33-34页 |
| ·训练参数的 | 第34页 |
| ·模型训练结果 | 第34-35页 |
| ·模型检验 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第4章 驾驶室内声品质合成等效模型的建立 | 第37-63页 |
| ·前言 | 第37页 |
| ·BTPA(双耳传输路径分析)/BTPS(双耳传递路径合成)原理介绍 | 第37-39页 |
| ·传递函数测量 | 第39-47页 |
| ·试验依据 | 第39页 |
| ·试验目的 | 第39-40页 |
| ·试验对象 | 第40页 |
| ·试验内容 | 第40-41页 |
| ·试验准备 | 第41页 |
| ·试验方法 | 第41-46页 |
| ·试验结果 | 第46-47页 |
| ·各工况下驾驶室内噪声以及各激励点采集测量 | 第47-52页 |
| ·试验目的 | 第47页 |
| ·试验对象 | 第47-48页 |
| ·试验内容 | 第48页 |
| ·试验准备 | 第48-49页 |
| ·试验方法 | 第49-52页 |
| ·各工况下虚拟驾驶室内噪声合成的声品质等效模型的建立 | 第52-63页 |
| ·怠速工况声合成等效模型 | 第54-57页 |
| ·匀速 80km/h 工况声合成等效模型 | 第57-60页 |
| ·加速工况声合成等效模型 | 第60-62页 |
| ·小结 | 第62-63页 |
| 第5章 各工况下驾驶室内声品质传递路径的贡献量分析 | 第63-77页 |
| ·匀速 80km/h 工况 | 第63-71页 |
| ·怠速和加速工况 | 第71-76页 |
| ·小结 | 第76-77页 |
| 第6章 驾驶室内声品质控制方案 | 第77-89页 |
| ·驾驶室内声品质控制策略分析 | 第77-78页 |
| ·驾驶室内声品质控制方案设计 | 第78-79页 |
| ·噪声控制材料 | 第78-79页 |
| ·驾驶室内降噪材料设计 | 第79页 |
| ·驾驶室声品质控制方案效果验证试验 | 第79-84页 |
| ·试验依据 | 第79-80页 |
| ·试验目的 | 第80页 |
| ·实验对象 | 第80页 |
| ·试验内容 | 第80页 |
| ·试验准备 | 第80-81页 |
| ·试验方法 | 第81-84页 |
| ·试验结果 | 第84-89页 |
| 第7章 总结和展望 | 第89-93页 |
| ·主要研究成果和结论 | 第89-90页 |
| ·主要创新点 | 第90-91页 |
| ·研究展望 | 第91-93页 |
| 参考文献 | 第93-99页 |
| 作者简介及在学期间所取得的科研成果 | 第99-101页 |
| 致谢 | 第101页 |
