本发明涉及系统摩擦噪声声品质评价，尤其涉及一种用于摩擦噪声声品质评价的方法。
背景技术：
1、随着现代科技和生活的进步，机械设备在生产生活中发挥着不可或缺的作用。而这些设备运行过程中产生的摩擦噪声，主要可分为频率在200-500hz的低声强级噪声以及频率在1-15khz的高声强级噪声及高频尖啸声，两者都对人的听觉以及周边环境产生了一定干扰，影响了人们的生活品质和工作环境。因此，对于摩擦噪声的研究和控制成为了当前备受关注的热点，而为了有效地控制摩擦噪声，首先需要对其进行准确的声品质评价。
2、目前，摩擦噪声声品质评价方法主要分为主观评价方法和客观评价方法。主观评价法虽然直接反映了人的听觉感受，但存在耗时耗力、一致性和可重复性差等缺点。客观评价法采用的心理声学参数具有可重复性和易于标准化的优点，但目前的研究表明，这些参数并不足以完全反映人对声品质的主观感知。近几年来，一些研究通过建立主客观参量之间的映射关系来构建摩擦噪声声品质评价模型来进行综合评价，而这种评价方法还存在如下问题：摩擦噪声属于非稳态噪声，其声压级以及频率都呈现不规则变化，并且由于人耳的非线性感知特征，单独从时域或频域提取得到的心理声学参数无法反映噪声信号的所有信息，存在局限性；评价参数较多，计算耗时耗力；评价参数之间具有相关性，互相影响，拟合精度有待提高。
3、综上所述，尽管现有的声品质评价方法取得了一定的成果，但在提取摩擦噪声有效特征和处理人耳非线性感知特征方面仍存在不足。
技术实现思路
1、为解决上述技术问题，本发明提出了一种用于摩擦噪声声品质评价的方法，解决了评价参数较多的问题以及较好地模拟人耳感知特征的摩擦噪声声品质评价方法，
2、为实现上述目的，本发明提供了一种用于摩擦噪声声品质评价的方法，包括：
3、构建摩擦噪声样本数据集，并对所述数据集进行主观评价实验，获取噪声信号主观评价结果；
4、基于所述摩擦噪声样本数据集，计算梅尔频率倒谱系数矩阵mfcc，利用随机森林降维rfrd方法对所述梅尔频率倒谱系数mfcc进行处理，获得降维后的mfcc声特征图；
5、将所述降维后的mfcc声特征图作为小波散射网络wsn的输入，所述主观评价结果作为输出，建立基于改进mfcc-wsn的摩擦噪声声品质评价模型，修正所述基于改进mfcc-wsn的摩擦噪声声品质评价模型的参数并进行优化，对优化后的模型进行验证，获得评价结果。
6、优选地，构建摩擦噪声样本数据集，包括：
7、采集不同工况下的摩擦噪声信号，并对所述摩擦噪声信号进行挑选和剪切操作，选择稳定信号作为有效音频，构建所述摩擦噪声样本数据集。
8、优选地，获取所述噪声信号主观评价结果，包括：
9、通过等级评分法进行综合烦躁度声品质主观评价实验，获得有效音频的噪声信号主观评价结果。
10、优选地，所述等级评分法为：
11、利用pearson相关系数确定每位评价人员给出的同一个噪声样本的评分是否遵循相同标准，并利用kendall一致性系数判断每位所述评价人员和所有评价人员之间评价标准的一致性，若平均结果不小于预设阈值，则说明该评价人员评价的数据有效，反之则无效，并对无效数据进行剔除，取余下评价人员的评价数据的平均值作为所述主观评价结果。
12、优选地，获得所述降维后的mfcc声特征图，包括：
13、将所述摩擦噪声样本数据集在时域上划分为若干段不重复的长度相同的噪声信号，计算每段所述噪声信号的梅尔频率倒谱系数矩阵mfcc，然后利用所述随机森林降维rfdr方法对所述系数矩阵进行降维处理，获得所述降维后的mfcc声特征图。
14、优选地，所述小波散射网络包括：
15、输入层：用于输入所述降维后的mfcc声特征图；
16、卷积层：用于通过复数小波变换进行卷积运算，将信号能量分为高频和低频部分；
17、激活层：用于通过模量运算得到信号的包络信息，即模系数；
18、池化层：用于通过尺度函数进行卷积平均用于数据降维，并提取信号特征，获得小波散射特征系数；
19、输出层：用于输出噪声信号的主观评价结果。
20、优选地，所述输出层为支持向量机svm，用于对特征样本进行分类训练；所述小波散射网络用于进一步提取噪声信号特征，并根据所述小波散射特征系数建立特征样本集。
21、优选地，基于鲸鱼优化算法修正所述模型的参数，基于k-折交叉损失函数对所述模型进行优化，其中，所述k-折交叉损失函数为随机将已给数据切分为k个互不相交且大小相同的子集，利用k-1个子集的数据训练模型，并利用余下的子集测试模型，将这一过程对可能的k种选择重复进行，最后选出k次评测中平均测试误差最小的模型。
22、与现有技术相比，本发明具有如下优点和技术效果：
23、(1)本发明提出的方法通过改进mfcc声特征图，使其减少了特征维度又同时保留了信号在时域和频域的特征。并与小波散射网络相结合，实现了信号特征与主观评价结果之间的非线性映射关系，较好的拟合了人耳的听觉感知；
24、(2)本发明方法通过数学建模以及仿真实验进行验证，能够对不同工况下的摩擦噪声信号进行声品质评价；
25、(3)与现有技术相比，本发明具有对于非稳态摩擦噪声信号具有较高的声品质评价准确度，且对比主观评价方法具有客观、全面、鲁棒性以及效率高等优点。
1.一种用于摩擦噪声声品质评价的方法，其特征在于，包括：
2.根据权利要求1所述的用于摩擦噪声声品质评价的方法，其特征在于，构建摩擦噪声样本数据集，包括：
3.根据权利要求1所述的用于摩擦噪声声品质评价的方法，其特征在于，获取所述噪声信号主观评价结果，包括：
4.根据权利要求3所述的用于摩擦噪声声品质评价的方法，其特征在于，所述等级评分法为：
5.根据权利要求1所述的用于摩擦噪声声品质评价的方法，其特征在于，获得所述降维后的mfcc声特征图，包括：
6.根据权利要求1所述的用于摩擦噪声声品质评价的方法，其特征在于，所述小波散射网络包括：
7.根据权利要求6所述的用于摩擦噪声声品质评价的方法，其特征在于，所述输出层为支持向量机svm，用于对特征样本进行分类训练；所述小波散射网络用于进一步提取噪声信号特征，并根据所述小波散射特征系数建立特征样本集。
8.根据权利要求1所述的用于摩擦噪声声品质评价的方法，其特征在于，基于鲸鱼优化算法修正所述模型的参数，基于k-折交叉损失函数对所述模型进行优化，其中，所述k-折交叉损失函数为随机将已给数据切分为k个互不相交且大小相同的子集，利用k-1个子集的数据训练模型，并利用余下的子集测试模型，将这一过程对可能的k种选择重复进行，最后选出k次评测中平均测试误差最小的模型。
