孙 瑞，左言言，吴传刚

（江苏大学 振动噪声研究所，江苏 镇江212013）

声品质主观评价需要消耗大量的人力和时间，学者提出建立基于主观评价预测模型的客观评价法。目前声品质客观评价参数主要有基于物理声学和心理声学的评价参数[1-2]。文献[3]应用支持向量机建立基于心理声学参数的声品质预测模型，并将预测结果与多元线性回归模型进行对比，得出应用基于支持向量机的预测模型预测精度更高；文献[4]提出一种基于Adaboost算法的车内噪声声品质预测模型，以心理声学参数作为输入，主观评价值作为输出，经试验验证，该预测模型的预测精度较理想；文献[5]提出基于小波变换的冲击噪声声品质客观评价参数，并构建多元线性回归预测模型，结果表明该客观参数可以很好地反映冲击信号的特征。文献[6]建立基于心理声学参数的粒子群-广义回归神经元网络预测模型，用于变速箱壳体激励噪声声品质的预测；文献[7]利用集总经验模式分解技术提取传动系噪声声信号特征，建立经遗传算法优化的小波神经网络预测模型。由此可知，声品质的客观评价主要停留在基于心理声学参数构建预测模型上，仅考虑信号在时域或频域上的特征，声信号对人的影响反映不足，因而基于此参数建立的声品质预测模型的精度有待提高。

文中在时频和频域上对声信号进行分析，提取出新的客观参量，建立声品质评价模型。利用互补集成经验模式分解法（CEEMD）对声信号进行分解，再进行Hilbert变换（HT），并引入临界频带值对各信号的瞬时频率进行计权，计算各信号的计权能量值；……