论文部分内容阅读
基于信号分析与机器学习方法，提出基于降维-支持向量回归（Dimension Reduction-Support Vector Regression,DRSVR）的声品质主观预测模型。以车内稳态声样本为研究对象，计算并分析了其基本物理参数、心理声学参数。运用成对比较法对声样本进行了主观偏好性实验，验证了烦恼度（Psychoacoustic Annoyance，PA）模型初步判断该类样本声品质好坏的可用性。通过因子分析、聚类分析与相关分析，完成了声样本的降维，提取出了主要影响参量，再以支持向量回归的方法建立了