极限梯度提升声品质预测模型在车内噪声主动控制中的运用

摘要：

针对特种车车内噪声声品质提升问题,利用极限梯度提升(XGBoost)算法建立声品质预测模型,模型预测值与实际主观评价值的平均相对误差为2.43%,分析得到客观参数对主观分数的影响权重;针对车内噪声非线性、非平稳性的特点,提出一种基于经验模态分解(Empirical Mode Decomposition,EMD)和滤波-x最小均方(Filtered-x Least Mean Square,FxLMS)算法相结合的主动控制方法,预测模型结果表明,主观分数提升 2.11,提升幅度为26.6%.此方法对特种车内噪声非线性、非平稳性具有良好的控制效果,能有效改善车内声品质.

关键词：噪声控制、声品质预测、XGBoost算法、EMD分解、FxLMS算法

所属期刊栏目：36

分类号：TB535;U467.4+93(声学工程)

资助基金：重庆市基础与前沿研究计划项目;重庆市教委科学技术研究项目;重庆市自然科学基金资助项目;重庆理工大学研究生创新项目

在线出版日期：2023-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1349-1355