基于自适应Moore响度算法研究高速列车车内声品质（英文）

摘要

目的:高速列车的车内噪声以中低频为主,传统的线性和A计权声压级都无法客观描述人耳的听觉感受。本文旨在探索Moore响度应用于车内声品质分析的可行性。创新点:1.提出了一种自适应Moore响度算法（AMLA）,该算法可有效提升计算的精度和效率;2.采用AMLA分析了高速列车车内噪声在不同工况下的声品质特征。方法:1.基于信号的等矩形带宽（ERB）谱,提出AMLA方法的理论;2.参照ANSI标准中的仿真信号,评价AMLA的计算精度和效率;3.采用AMLA辨别有色噪声信号与车内噪声样本,验证声品质分析的有效性;4.结合在线搭载试验,运用AMLA分析稳态工况（不同行车速度和空间位置等）和瞬态工况（加速和减速等）下的车内声品质特征。结论:1.相比传统方法,AMLA方法的计算精度和效率相对较高,且适用范围更广;2.高速列车的车内噪声与深红噪声信号具有相似的特征响度分布;3.稳态工况下,车内噪声的响度成分集中在27.6 erbr以内,在300~350 km/h的速度区间内车内声品质较稳定,空间分布特征为"端部大、中间小";4.瞬态工况下,车内噪声在20~27 erbr内的响度成分与列车速度密切相关,而在12~15 erbr内的成分相对稳定。