张广秀 李文广 李维肖 李旭伟 刘海

（1.中国汽车技术研究中心有限公司，天津 300300；2.天津市新能源汽车动力传动与安全技术重点实验室，天津 300130）

主题词：车内声品质 特征提取 核主成分分析 客观评价特征

1 前言

乘用车运行过程中产生的噪声给乘员听觉系统带来不适，对其描述时需综合考虑人耳听觉差异导致的多类型噪声客观评价特征，并引入物理声学特征与心理声学特征，包括波动度、峭度、偏度、响度、尖锐度、粗糙度等，可以较完整地描述人耳对乘用车车内噪声的主观感受。从物理声学和心理声学角度出发，开展乘用车车内声品质客观评价特征提取研究，寻找声品质的主要影响因素，可以极大地简化声品质客观评价模型，实现乘用车车内声品质的快速准确预测。

特征提取是将高维度、大尺寸的原始数据通过非线性映射等方法转换为低维度的数据，即以原始数据作为输入空间，在特征空间进行映射。核主成分分析（Kernel Principal Component Analysis，KPCA）充分利用了核函数对原始数据进行降维的原理，主要用于数据维数的缩减、机械故障检测等领域。J.Mita 等对比分析了主成分分析（Principal Component Analysis，PCA）、KPCA、局部线性嵌入（Locally Linear Embedding，LLE）的降维效果，结果表明，KPCA 方法可以降低计算的复杂度。Zhang等提出了一种大数据主成分分析的解决方法，为大数据的降维研究提供了重要思路。王昱皓等提出将核主成分分析用于高压断路器机械故障诊断，使得诊断的精确度提高了6.63%。

本文通过对国内典型乘用车进行噪声测……