声品质评价作为一种新的评价手段，由于其评价结果和人的主观评价结果更加符合，所以已经被用于车辆噪声评价过程。但目前声品质评价理论尚不成熟，仍处于广泛的探讨中。由于技术和商业保密的原因，一些声品质方面的研究成果尚未完全公开。因此，开展基于人体听觉感知的非平稳车辆噪声评价方法研究具有重要的理论和现实意义。本文在前人研究的基础上，考虑人耳的听觉特征，提出了一种基于声音能量特征的神经网络声品质评价模型。首先对声品质的概念和相关的心理声学评价参数进行了研究，分析确定了影响响度、尖锐度和粗糙度等参数的特征因素。针对车辆低频加速噪声信号，对短时傅里叶变换（STFT）、维格纳-威尔分布（WVD）、小波变换（WT）和希尔伯特黄变换（HHT）等时频分析方法进行了比较研究。结果表明小波包分析所得的信号分量特征频带和人耳听觉特征吻合，因此更适合非平稳车辆噪声的时频特征提取。参考人耳特征频带划分规律，选用db35小波将信号划分为21个特征频带，以50ms为时间间隔划分时域，分别提取各时频区域能量及其滤波后低频包络信号的能量特征。以两种能量特征为输入，以传统算法计算得到的心理声学评价参数结果为输出，采用BP神经网络分别建立非平稳车辆噪声响度、尖锐度和粗糙度智能评价模型。最后通过调整神经网络的拓扑结构和参数来优化网络性能，对所建模型的有效性进行分析验证。验证结果表明：对非平稳车辆噪声信号而言，采用本文所提出的声品质智能评价模型得出的响度、尖锐度和粗糙度误差均在10%以下，响度和尖锐度误差甚至可以达到5%，说明所建立的基于能量特征的神经网络模型具有较高的精度，可直接用于汽车车内噪声的声品质评价。本文所提出的建模方法可拓展到声学相关其他领域，用于其他产品声品质的建模、分析和评价。