典型文献
利用卷积网络的高速列车主观声品质预测
文献摘要：
随着高速列车在中国的高速发展,乘客对舒适性的要求不断提高.因此高速列车内声学舒适性是一个需要研究和解决的问题.首先,该文基于声学人工头设备,获取了高速列车行驶在350 km/h速度下不同车厢、不同区域的双耳噪声样本,并对其分别开展了主观声学评价和基于响度、尖锐度、粗糙度和抖动度等参数的客观声品质分析.结果表明,350 km/h速度下高速列车车内噪声能量集中在3000 Hz以内,风挡区域是舒适性评价较差的位置,而响度是影响主观评价最大的因素.其次,利用卷积神经网络算法将主观评价结果与高速列车噪声样本相关联,建立了车内噪声主观声品质预测模型,并与基于BP神经网络的预测模型进行了对比.结果表明,基于卷积神经网络的主观声品质预测模型具有更高的预测精度,更适宜用于指导高速列车车内声学舒适性的优化设计.
文献关键词：
高速列车;车内噪声;声品质;卷积神经网络
中图分类号：
作者姓名：
贾尚帅;潘德阔;阮沛霖;郑旭
作者机构：
中车唐山机车车辆有限公司技术研究中心 唐山 063035;浙江大学能源工程学院 杭州 310027
文献出处：
引用格式：
[1]贾尚帅;潘德阔;阮沛霖;郑旭-.利用卷积网络的高速列车主观声品质预测)[J].应用声学,2022(04):646-653
A类：
B类：
卷积网络,高速列车,车主,声品质预测,乘客,声学,工头,车行,同车,车厢,双耳,响度,尖锐度,粗糙度,抖动度,品质分析,车车,车内噪声,声能量,风挡,舒适性评价,主观评价,神经网络算法,样本相关,相关联,更适宜,导高
AB值：
0.266046
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
