具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种车窗升降系统声音评价指标确定方法的流程图，本实施例可适用于对车辆车窗升降系统进行声音性能评价前确定用以进行声音性能评价的指标的情况，该方法可以由车窗升降系统声音评价指标确定装置来执行，该车窗升降系统声音评价指标确定装置可以由软件和/或硬件来实现，该车窗升降系统声音评价指标确定装置可以配置在计算机设备上，该计算机设备可以是两个或多个物理实体构成，也可以是一个物理实体构成。

如图1所示，本实施例一提供的一种车窗升降系统声音评价指标确定方法，具体包括如下步骤：

S101、确定车窗升降系统进行升降操作时的声音数据，并获取与各声音数据对应的用户评价分数。

在本实施例中，车窗升降系统可理解为用以控制车窗玻璃进行升降操作的系统，其中可包括升降器、车窗玻璃及导槽等。声音数据可理解为车窗升降系统在控制车窗进行升降操作时所产生的声音信息。用户评价分数可理解为用户对车窗升降操作时发出的声音进行舒适度评价，用以表征在对应声音数据情况下驾乘舒适程度的评价分数。可以理解的是，车窗升降系统在控制车窗进行升降时，是由升降器电机控制车窗玻璃沿车窗下部及两侧的导槽上下运动，在到达顶部或底部时与导槽发生撞击并停止，也即在车窗升降系统进行升降操作时会产生升降机的电机声、车窗玻璃与导槽的摩擦声以及车窗玻璃与导槽的撞击声，可根据上述电机声、摩擦声以及撞击声对车窗升降系统的声音性能进行评价，也即可根据上述各声音确定用于进行声音性能评价的评价参量，上述各声音即可理解为车窗升降系统进行升降操作时的声音数据，用户针对上述声音进行舒适度评价所得到的分数即可理解为与声音数据对应的用户评价分数。

具体的，根据获取到的车窗升降系统操控车窗进行升降操作时的全部声音信息，由其中确定出升降机的电机声、车窗玻璃与导槽的摩擦声以及车窗玻璃与导槽相撞时的撞击声，将上述声音信息确定为车窗升降系统进行升降操作时的声音数据，并获取驾乘人员对上述各声音数据对驾乘舒适度影响的评分，将上述评分作为与声音数据所对应的用户评价分数。

S102、确定各声音数据对应的至少两个心理声学参量，根据各心理声学参量与用户评价分数确定至少一个目标评价参量。

在本实施例中，心理声学(Psychoacoustics)可理解为一种研究人对声音感知的学科，也即研究人对声音的生理和心理反应的科学。心理声学参量可理解为考虑人作为声音接受者的心理属性的用于进行声学分析的参数，也可理解为具有心理属性的一种声音特性。可选的，心理声学参量至少包括响度、特征响度、粗糙度、波动度、音调度、尖锐度、频域分析和小波分析中的一种。

在本实施例中，目标评价参量可理解为各心理声学参量中与所对应声音数据关联度较高的，更能体现声音数据中声音特性的，可用以作为评价标准参与车窗升降系统声音性能进行评价的心理声学参量。

具体的，由多个心理声学参量中初步确定与车窗升降系统声音特性评价相关的至少两个心理声学参量，确定选出的各心理声学参量与用户评价分数间的相关性，若相关性高则可认为该心理声学参量将会在较大程度上影响用户对车窗升降系统声音性能的评分，若相关性低则可认为虽然该心理声学参量可在某种程度上反映车窗升降系统的声音性能，但该心理声学参量并不会影响用户对车窗升降系统声音性能的评分，也即针对该心理声学参量的改进难以被用户察觉，故可根据各心理声学参量与用户评价分数间的相关性，将相关性较高的心理声学参量确定为目标评价参量，以根据确定出的目标评价参量确定车窗升降系统声音评价的指标。

在本发明实施例中，采用心理声学参量作为用以评价车窗升降系统声音性能的目标评价参量，同时参考各心理声学参量与用户评价分数间的相关性对目标评价参量进行选择，充分考虑了人作为声音接受者的心理属性对车窗升降系统声音性能评价的影响，使得确定出的目标评价参量更加具有参考价值。

S103、根据目标评价分值，以及根据目标评价参量与用户评价分数构建的目标线性回归方程，确定目标评价参量对应的目标评价指标。

在本实施例中，目标线性回归方程可理解为根据目标评价参量与用户评价分数间相互依赖的定量关系确定出的一种回归分析方程。目标评价分值可理解为根据实际生产活动中的需求，或根据实际车窗升降系统所要面向对象确定的，满足用户驾乘舒适度需求情况下须达到的用户评价分数值。目标评价指标可理解为根据目标评价分值确定的满足用户驾乘需求情况下，用以评价车窗升降系统声音特性中目标评价参量所应具有的量化条件值。

具体的，根据确定出的目标评价参量以及获取到的与该目标评价参量对应的用户评价分数构建目标线性回归方程，也即目标评价参量所对应值与用户评价分数间存在一定的对应关系，根据实际生产活动中或实际车窗升降系统所要面向对象，确定满足用户驾乘舒适度需求情况下最低应达到的用户评价分数值，将该用户评价分数值确定为目标评价分值，根据目标评价分值与目标线性回归方程间的对应关系，将与目标评价分值对应的目标评价参量的值确定为目标评价指标。

S104、根据各目标评价指标与各声音数据的对应关系，确定车窗升降系统的声音评价指标。

具体的，由于车窗升降系统进行升降操作时存在多种声音数据，且各声音数据有其自身对应的至少一个目标评价参量，同时不同声音数据中的目标评价参量可能是相同的，但同样目标评价参量所对应的目标评价指标是完全不同的，故可根据声音数据与目标评价参量间的对应关系，确定一种声音数据所对应的至少一个目标评价指标，进而可将所有声音数据，以及各声音数据与目标评价指标间的对应关系相结合，将其确定为车窗升降系统的声音评价指标。

本发明实施例通过确定车窗升降系统进行升降操作时的声音数据，并获取与各声音数据对应的用户评价分数；确定各声音数据对应的至少两个心理声学参量，根据各心理声学参量与用户评价分数确定至少一个目标评价参量；根据目标评价分值，以及根据目标评价参量与用户评价分数构建的目标线性回归方程，确定目标评价参量对应的目标评价指标；根据各目标评价指标与各声音数据的对应关系，确定车窗升降系统的声音评价指标。通过采用上述技术方案，在进行车窗升降系统声音评价指标确定时采用基于心理声学的心理声学参量作为基础，并考虑用户针对车窗升降系统升降过程中声音的主观评价，根据主观评价与各心理声学参量间的相关关系，由多个心理声学参量中筛选出与车窗升降系统关联较为紧密的心理声学参量作为目标评价参量，进而根据对车窗升降系统声音品质的需求确定目标评价分值，以根据目标评价分值确定目标评价参量对应的目标评价指标，并最终根据目标评价指标与声音数据间的对应关系确定出车窗升降系统的声音评价指标，解决了现有针对车窗升降系统声音性能评价时评价标准单一，未考虑用户心理属性需求的问题，确定出的声音评价指标符合用户心理声学需求，提升了对车辆的车窗升降系统进行声音性能评价时的系统性和专业性，使得评价结果可体现用户的驾乘舒适度，具有更高的研发参考价值。

实施例二

图2为本发明实施例二提供的一种车窗升降系统声音评价指标确定方法的流程图，本发明实施例的技术方案在上述各可选技术方案的基础上进一步优化，根据获取的车窗升降系统进行升降操作时的全程声音数据，将车窗上升时间段和车窗下降时间段所对应声音数据中截取部分作为摩擦声音数据，将全程声音数据中包含导槽撞击时间点的数据截取部分作为撞击声音数据，进而针对两种不同声音数据对应的用户评价分数，针对其中任意一个声音数据，根据用户评价分数与心理声学参量构建的回归方程，确定各个心理声学参量相对于用户评价分数的相关系数，进而根据相关系数由多个心理声学参量中分别筛出与该声音数据对应的候选评价参量，进而将可信度满足预设可信度条件的候选评价参量确定为目标评价参量，将目标评价参量对应的回归方程确定为目标线性回归方程，进而根据确定出的目标评价分值确定各目标评价参量所对应的目标评价指标，并最终得到摩擦声音数据对应的一组目标评价指标，以及撞击声音数据对应的一组目标评价指标，将上述两组评价指标进行组合即为车窗升降系统的声音评价指标。针对车窗升降系统进行升降操作时的不同声音数据，为其确定不同的目标评价指标，使得最终确定的声音评价指标更具有针对性，同时充分考虑用户心理声学特征，以及各心理声学参量与用户评价分数间的相关关系，使得最终确定出的声音评价指标既能反映用户心理声学需求，又能更好地反映车窗升降系统的声音性能，提升了确定出声音评价指标的专业性和系统性，进而使得采用该声音评价指标进行评价所得到的评价结果更能够体现用户驾乘的舒适度，便于研发人员依据评价结果对车窗升降系统进行改进。

如图2所示，本发明实施例二提供的一种车窗升降系统声音评价指标确定方法，具体包括如下步骤：

S201、获取车窗升降系统进行升降操作时的全程声音数据。

在本实施例中，全程声音数据可理解为车窗升降系统由控制车窗进行上升或下降时开始，到停止控制车窗运动为止过程中所有声音所构成的数据。

示例性的，在进行全程声音数据获取时，可将与被测车窗距离最近的座椅调整至各极限位置的中点位置(不可调整的座椅则采用默认位置)，将声学人工头模拟人的坐姿放置固定于上述座椅上，同时由操作人员坐在该座椅上对车窗进行升降操作，并由声学人工头记录整个车窗接受控制的升降过程中的声音，并将上述声音数据确定为车窗升降系统进行升降操作时的全程声音数据。可选的，操作人员可控制车窗进行多次升降运行，如重复三次升降操作，将操作人员在整个操作过程中的声音数据确定为全程声音数据。

S202、根据全程声音数据确定车窗升降系统进行升降操作时的摩擦声音数据。

具体的，由于车窗升降系统在控制车窗进行升降时，车窗会与导槽摩擦发出摩擦声，在发出摩擦声的同时由于车窗升降是由升降器电机控制的，摩擦声中会夹杂升降器电机的电机声，故可确定全程声音数据中车窗进行升降操作的时间段，该时间段内对应的全程声音数据即可认为是摩擦声与电机声的混合，可将上述声音确定为车窗升降系统进行升降操作时的摩擦声音数据。

进一步地，图3为本发明实施例二提供的一种根据全程声音数据确定车窗升降系统进行升降操作时的摩擦声音数据的流程示意图，如图3所示，具体包括如下步骤：

S2021、确定全程声音数据中的车窗上升时间段和车窗下降时间段。

具体的，由于全程声音数据中的时间信息与车窗升降系统对车窗进行控制的控制信息间存在对应关系，故可根据控制操作确定全程声音数据中车窗上升的时间以及车窗下降的时间，将车窗处于上升状态的时间集合确定为车窗上升时间段，将车窗处于下降状态的时间集合确定为车窗下降时间段。

S2022、由全程声音数据中截取车窗上升时间段内第一预设时间长度的上升声音数据，并截取车窗下降时间段内第一预设时间长度的下降声音数据。

示例性的，根据确定出的车窗上升时间段和车窗下降时间段，由车窗上升时间段对应的全程声音数据中截取2s的声音数据作为上升声音数据，由车窗下降时间段对应的全程声音数据中截取2s的声音数据作为下降声音数据。可选的，进行声音数据截取的时间段可位于车窗上升时间段和车窗下降时间段的中间，以保证上升声音数据和下降声音数据中的误差较小。

S2023、将上升声音数据和下降声音数据拼接作为摩擦声音数据。

具体的，将上升声音数据的结尾与下降声音数据的开头进行拼接，并将拼接后的声音数据作为车窗升降系统进行升降操作时的摩擦声音数据。

S203、根据全程声音数据确定车窗升降系统进行升降操作时的撞击声音数据。

具体的，由于车窗升降系统在控制车窗进行升降时，车窗在降至底部或升至顶部时会与导槽发送碰撞，在全程声音数据中可表示为撞击峰值，因此可根据撞击峰值出现的位置由全程声音数据中提取出车窗升降系统进行升降操作时的撞击声音数据。

进一步地，图4为本发明实施例二提供的一种根据全程声音数据确定车窗升降系统进行升降操作时的撞击声音数据的流程示意图，如图4所示，具体包括如下步骤：

S2031、确定全程声音数据中的导槽撞击时间点。

具体的，由于车窗在与导槽撞击时在全程声音数据中可表现为撞击峰值，故可将撞击峰值在全程声音数据中对应的时间点确定为导槽撞击时间点。

S2032、将全程声音数据中包含导槽撞击时间点的第二预设时间长度的声音数据确定为撞击声音数据。

具体的，由于车窗与导槽的撞击声在导槽撞击时间点达到最大，故在全程声音数据中截取的撞击声音数据需包含该最大撞击声，因此可在导槽撞击时间点两侧分别截取一段声音数据，并将两侧截取的声音数据以及导槽撞击时间点所对应的声音数据相结合作为撞击声音数据。

示例性的，可将导槽撞击时间点前0.2s和导槽撞击时间点后0.3s间的全程声音数据进行截取，并将其作为车窗升降系统进行升降操作时的撞击声音数据。

S204、获取与各声音数据对应的用户评价分数。

具体的，分别获取与摩擦声音数据对应的摩擦声用户评价分数，以及与撞击声音数据对应的撞击声用户评价分数。

示例性的，可由参与评价的测试人员落座于距离所评价车窗最近的驾驶员或乘员位置，在车辆蓄电池电量充足，车辆处于上电状态的情况下，操作车窗进行升降运行，并可进行三次或多次的重复操作，测试人员根据如下表1所示的评分描述表中的评分规则对三次或多次重复操作过程中的电机声与摩擦声，以及撞击声进行打分，其中电机声与摩擦声为共同打分，并将各打分取平均值作为对应类型声音数据的用户评价分数。进一步地，在评分过程中可采用10分制评分，评价分数的最小单位可为0.25分，计算圆整总分，小数点后保留两位且圆整至0.25。

表1

S205、确定各声音数据对应的至少两个心理声学参量。

具体的，针对确定出的摩擦声音数据，对截取的摩擦声音数据进行响度、特征响度、粗糙度、波动度、音调度、尖锐度、频域分析和小波分析等处理，将处理后得到的结果确定为与摩擦声音数据对应的心理声学参量。针对确定出的撞击声音数据，进行与摩擦声音数据相同的处理，将处理后得到的结果确定为与撞击声音数据对应的心理声学参量。

进一步地，响度可理解为与声强相对应的声音大小的知觉量，响度是随着临界频带变化的，其变化的特征曲线即为特征响度。响度为各临界频带上的特征响度之和，可表示为：

其中，N为总响度；n'(z)为特征响度；z为临界频带。

进一步地，粗糙度可理解为用以描述嘈杂、刺耳、粗犷、富有进攻性等感受的心理声学指标，粗糙度不需要明确的调制频率，但其调制频率必须在15-300Hz范围内，粗糙度的单位为asper，定义为60dB的单频1000Hz正弦波，在70Hz的调制频率，幅值调制参数为100％的情况下，被调之后的声音的粗糙度为1asper，粗糙度可表示为：

R＝C_r×∫dL(z)f_moddz

其中，R为粗糙度，C_r为计算系数，dL(z)表示单位为dB的调制深度，f_mod为调制频率，在计算粗糙度时调制频率常采用最接近70Hz的调制频率。

需要明确的是，随粗糙度增大，驾乘人员听感变差，对应于声音数据的用户评价分数将降低。

进一步地，波动度可理解为声音信号受到低频调制产生幅值变化对人耳感受产生的影响，也即人耳对信号不稳定性的声音信号的心理声学指标。波动度的单位为vacil，定义为60dB的单频1000Hz正弦波，在4Hz调制频率，幅值调制参数为100％的情况下的波动度为1vacil，波动度可表示为：

其中，F为波动度，C_f为计算系数，f_mod为调制频率，在计算波动度时调制频率常采用最接近4Hz的调制频率，dL(z)表示单位为dB的调制深度，调制深度为人感受到的声音幅值的变化，其比实际声音的变化要缓和。

需要明确的是，随波动度增大，驾乘人员听感变差，对应于声音数据的用户评价分数将降低。

进一步地，音调度可理解为声音数据中含有音调的声音所占的比例，随音调度增大，驾乘人员听感变差，对应于声音数据的用户评价分数将降低。

进一步地，尖锐度可理解为声音数据中高频成分给人的感受值，也即为衡量声音数据中高频成分多少的心理声学指标，尖锐度可看作高频成分与整体声音的比，单位为acum。尖锐度计算并没有标准计算方法，常用计算方法可包括DIN 45692、von Bismarck和Aures三种。

可选的，DIN 45692算法对应的公式可表示如下：

可选的，von Bismarck算法对应的公式可表示如下：

可选的，Aures算法对应的公式可表示如下：

其中，K₁和K₂为常数，N为响度值，n’为特征响度，z为对应临界频带。

S206、根据声音数据对应的用户评价分数，以及与声音数据对应的各心理声学参量，构建与各心理声学参量对应的回归方程。

示例性的，可将摩擦声音数据对应的摩擦声用户评价分数，以及与摩擦声音数据对应的多个心理声学参量导入SPCC软件进行Pearson相关性分析，建立各心理声学参量与用户评价分数间的回归方程。将撞击声音数据对应的撞击声用户评价分数，以及与撞击声音数据对应的多个心理声学参量进行同样处理，得到与撞击声音数据相对应的各心理声学参量的回归方程。

需要明确的是，Pearson相关系数(Pearson Correlation Coefficient)是用来衡量两个数据集合是否在一条线上面，以衡量定距变量间的线性关系的一种参数。

S207、根据各回归方程确定各心理声学参量与用户评价分数的相关系数。

具体的，根据与各心理声学参量对应的回归方程，确定出各心理声学参量与用户评价分数间的相关系数，进而确定各心理声学参量与用户评价分数间的相关关系。

S208、将相关系数大于预设相关系数阈值的心理声学参量确定为与声音数据对应的候选评价参量。

具体的，可通过相关系数的大小表示构成回归方程的两数据间的相关性高低，通常通过取值范围来判断变量的相关强度，当相关系数范围在0.8-1.0间时，可认为各变量间为极强相关的相关关系，当相关系数范围在0.6-0.8间时，可认为各变量间为强相关的相关关系，当相关系数范围在0.4-0.6间时，可认为各变量间为中等程度相关的相关关系，以此类推。为更加准确地对车窗升降系统声音特性进行评价，且更多的考虑驾乘人员的听感需求，故需选择各心理声学参量中与用户评价分数相关性较高的心理声学参量，将其作为与声音数据对应的候选评价参量。可选的，预设相关系数阈值可为0.8，也即根据相关系数确定出与用户评价分数相关关系为极强相关的心理声学参量将被选为与声音数据对应的候选评价参量，以在其中再次进行筛选，确定最终用于生成车窗升降系统声音评价的目标评价参量。

S209、确定各候选评价参量相对于用户评价分数的可信度，并将可信度满足预设可信度条件的候选评价参量确定为目标评价参量。

在本实施例中，可信度可理解为测量结果的一致性，也即在同样或类似的条件下得到同样结果的比例。

具体的，将各候选评价参量代入与其各自对应的回归方程中，得到与各候选评价参量对应的客观量化结果，根据客观量化结果与用户评价分数确定二者间的绝对误差，绝对误差即可作为候选评价参量相对于用户评价分数的可信度的参考。当可信度满足预设可信度条件时，可认为候选评价参量对用户评价分数的影响是较为稳定的，可将该候选评价参量作为构成车窗升降系统声音评价标准的目标评价参量。

示例性的，针对一个候选评价参量，将用户评价分数记为S1，将候选评价参量代入与其对应的回归方程，将所得到的客观量化结果记为S2，则候选评价参量相对于用户评价分数的绝对误差可表示为：AE＝1-|S1-S2|/S1*100％。

若AE＞95％，则可认为该候选评价参量可信度较高，可将其作为对应声音数据的目标评价参量；

若AE≤95％，则可认为该候选评价参量可信度不够高，不符合将其作为对应声音数据的目标评价参量的条件，需选择另外的候选评价参量再次进行可信度评判，直到所有候选评价参量已全部进行可信度确定。

S210、将目标评价分值代入根据目标评价参量与用户评价分数构建的目标线性回归方程，确定目标评价参量对应的目标参量值。

在本实施例中，目标评价参量与用户评价分数构建的目标线性回归方程可理解为如步骤S206中该目标评价参量对应的回归方程。

具体的，根据实际生产活动中的需求，或根据实际车窗升降系统所要面向对象确定满足用户驾乘舒适度需求的用户评价分数值，并将上述用户评价分数值作为目标评价分值。将目标评价分值代入目标评价参量对应的回归方程中，将得到的结果确定为目标评价参量对应的目标参量值，也即在该目标评价分值情况下，目标评价参量在理论上可能取到的参量值。

S211、将目标参量值向下取整，并将向下取整后的目标参量值确定为目标评价参量对应的目标评价指标。

在本实施例中，向下取整可理解为忽略被向下取整数据中的小数位数据，仅取被向下取整数据中的整数位值的取值方法。

具体的，将根据目标评价参量的回归方程确定的目标参量值进行向下取整操作，得到仅包含整数位的目标参量值，可认为向下取整后的目标参量值可代表满足用户驾乘舒适度的声音特性所具有的最低条件，故可将向下取整后的目标参量值确定为目标评价参量对应的目标评价指标。

S212、根据各声音数据与各目标评价参量的对应关系，确定各声音数据对应的目标评价指标集合。

具体的，由于摩擦声音数据和撞击声音数据所对应的用户评价分数不同，其各自由多个心理声学参量中筛选得到的目标评价参量也各有不同，故可根据声音数据的类型不同，确定每一种声音数据自身对应的一个或多个目标评价参量，由于目标评价参量与目标评价指标间也存在对应关系，故可根据声音数据与目标评价参量间的对应关系，确定每一种声音数据自身对应的一个或多个目标评价指标，将同一种声音数据所对应的所有目标评价指标组成一个集合，在本发明实施例中，即可得到与摩擦声音数据对应的摩擦声目标评价指标集合，以及与撞击声音数据对应的撞击声目标评价指标集合。

S213、将各目标评价指标集合的组合确定为车窗升降系统的声音评价指标。

具体的，将上述确定的摩擦声目标评价指标集合与撞击声目标评价指标集合进行组合即可得到车窗升降系统的声音评价指标。

示例性的，本申请中针对升降器电机声和车窗玻璃与导槽的摩擦声确定出的目标评价参量可包括：响度、尖锐度、粗糙度和特征响度，根据其各自的回归方程，可确定上述各目标评价参量对应的目标评价指标为：响度≤12sone；尖锐度≤3acum；粗糙度≤0.1asper；特征响度≤0.6sone/Bark(3-9Bark)。

接上述示例，本申请中针对车窗玻璃对导槽的撞击声确定出的目标评价参量可包括：响度和尖锐度，根据其各自的回归方程，可确定上述各目标评价参量对应的目标评价指标为：响度≤18sone；尖锐度≤3acum。

进一步地，在确定车窗升降系统的声音评价指标之后，还包括：获取待检测车辆的待检测声音数据；基于声音评价指标对待检测声音数据进行评价，并将评价结果确定为待检测车辆的车窗升降系统声音评价结果。

具体的，在需要对车辆的车窗升降系统声音性能进行评价时，可通过获取待检测车辆的待检测声音数据，由待检测声音数据中提取其中的摩擦声音数据以及撞击声音数据，根据确定出的车窗升降系统的声音评价指标中与摩擦声音数据对应的目标评价指标，以及与撞击声音数据对应的目标评价指标对待检测声音数据进行对应评价，并将所得到的评价结果确定为待检测车辆的车窗升降系统声音评价结果。

本发明实施例的技术方案，根据获取的车窗升降系统进行升降操作时的全程声音数据，将车窗上升时间段和车窗下降时间段所对应声音数据中截取部分作为摩擦声音数据，将全程声音数据中包含导槽撞击时间点的数据截取部分作为撞击声音数据，进而针对两种不同声音数据对应的用户评价分数，构建与声音数据对应的心理声学参量的回归方程，进而确定与各声音数据对应的心理声学参量与用户评价分数间的相关系数，将满足相关系数条件以及可信度条件的心理声学参量确定为该声音数据对应的目标评价参量。进而根据目标评价参量以及根据实际需求确定的目标评价分值确定与目标评价参量对应的目标评价指标，并最终生成用于对车辆的车窗升降系统声音性能进行评价的声音评价指标。最终确定出的声音评价指标既能反映用户心理声学需求，又能更好地反映车窗升降系统的声音性能，提升了确定出声音评价指标的专业性和系统性，进而使得采用该声音评价指标进行评价所得到的评价结果更能够体现用户驾乘的舒适度，便于研发人员依据评价结果对车窗升降系统进行改进。

实施例三

图5为本发明实施例三提供的一种车窗升降系统声音评价指标确定装置的结构示意图，该车窗升降系统声音评价指标确定装置包括：声音数据确定模块31，目标参量确定模块32，目标指标确定模块33和声音指标确定模块34。

其中，声音数据确定模块31，用于确定车窗升降系统进行升降操作时的声音数据，并获取与各声音数据对应的用户评价分数；目标参量确定模块32，用于确定各声音数据对应的至少两个心理声学参量，根据各心理声学参量与用户评价分数确定至少一个目标评价参量；目标指标确定模块33，用于根据目标评价分值，以及根据目标评价参量与用户评价分数构建的目标线性回归方程，确定目标评价参量对应的目标评价指标；声音指标确定模块34，用于根据各目标评价指标与各声音数据的对应关系，确定车窗升降系统的声音评价指标。

本实施例的技术方案，解决了现有针对车窗升降系统声音性能评价时评价标准单一，未考虑用户心理属性需求的问题，确定出的声音评价指标符合用户心理声学需求，提升了对车辆的车窗升降系统进行声音性能评价时的系统性和专业性，使得评价结果可体现用户的驾乘舒适度，具有更高的研发参考价值。

可选的，车窗升降系统声音评价指标确定装置，还包括：

声音评价模块，用于获取待检测车辆的待检测声音数据；基于所述声音评价指标对所述待检测声音数据进行评价，并将评价结果确定为所述待检测车辆的车窗升降系统声音评价结果。

进一步地，声音数据确定模块31，包括：

全程数据获取单元，用于获取车窗升降系统进行升降操作时的全程声音数据。

摩擦数据确定单元，用于根据所述全程声音数据确定所述车窗升降系统进行升降操作时的摩擦声音数据。

撞击数据获取单元，用于根据所述全程声音数据确定所述车窗升降系统进行升降操作时的撞击声音数据。

进一步地，摩擦数据获取单元，具体用于：

确定所述全程声音数据中的车窗上升时间段和车窗下降时间段；

由所述全程声音数据中截取所述车窗上升时间段内第一预设时间长度的上升声音数据，并截取所述车窗下降时间段内所述第一预设时间长度的下降声音数据；

将所述上升声音数据和所述下降声音数据拼接作为摩擦声音数据。

进一步地，撞击数据获取单元，具体用于：

确定所述全程声音数据中的导槽撞击时间点；

将所述全程声音数据中包含所述导槽撞击时间点的第二预设时间长度的声音数据确定为撞击声音数据。

可选的，心理声学参量至少包括响度、特征响度、粗糙度、波动度、音调度、尖锐度、频域分析和小波分析中的一种。

进一步地，目标参量确定模块32，包括：

回归方程构建单元，用于根据所述声音数据对应的用户评价分数，以及与所述声音数据对应的各心理声学参量，构建与各所述心理声学参量对应的回归方程。

相关系数确定单元，用于根据各所述回归方程确定各所述心理声学参量与所述用户评价分数的相关系数。

候选参量确定单元，用于将所述相关系数大于预设相关系数阈值的心理声学参量确定为与所述声音数据对应的候选评价参量。

目标参量确定单元，用于确定各所述候选评价参量相对于所述用户评价分数的可信度，并将所述可信度满足预设可信度条件的候选评价参量确定为目标评价参量。

进一步地，目标参量确定单元，具体用于：

针对每个候选评价参量，将所述候选评价参量代入与所述候选评价参量对应的回归方程，确定所述候选评价参量对应的客观评价分数；

将所述客观评价分数与所述用户评价分数代入预设绝对误差公式，确定所述候选评价参量的绝对误差，并将所述绝对误差确定为所述候选评价参量相对于所述用户评价分数的可信度；

将所述可信度大于预设比例阈值的候选评价参量确定为目标评价参量。

进一步地，目标指标确定模块33，包括：

参量值确定单元，用于将所述目标评价分值代入根据所述目标评价参量与所述用户评价分数构建的目标线性回归方程，确定所述目标评价参量对应的目标参量值。

目标指标确定单元，用于将所述目标参量值向下取整，并将向下取整后的目标参量值确定为所述目标评价参量对应的目标评价指标。

进一步地，声音指标确定模块34，包括：

指标集合确定单元，用于根据各所述声音数据与各所述目标评价参量的对应关系，确定各所述声音数据对应的目标评价指标集合。

声音指标确定单元，用于将各所述目标评价指标集合的组合确定为所述车窗升降系统的声音评价指标。

本发明实施例所提供的车窗升降系统声音评价指标确定装置可执行如本发明任意实施例所提供的车窗升降系统声音评价指标确定方法，具备执行方法相应的功能模块和有益效果。

实施例四

图6给出了本发明实施例四提供的一种车窗升降系统声音评价指标确定设备的结构示意图。该车窗升降系统声音评价指标确定设备包括：处理器40、存储装置41、显示屏42、输入装置43以及输出装置44。该车窗升降系统声音评价指标确定设备中处理器40的数量可以是一个或者多个，图6中以一个处理器40为例。该车窗升降系统声音评价指标确定设备中存储装置41的数量可以是一个或者多个，图6中以一个存储装置41为例。该车窗升降系统声音评价指标确定设备的处理器40、存储装置41、显示屏42、输入装置43以及输出装置44可以通过总线或者其他方式连接，图6中以通过总线连接为例。实施例中，车窗升降系统声音评价指标确定设备可以是电脑、笔记本或智能平板等。

存储装置41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请任意实施例所述的车窗升降系统声音评价指标确定设备对应的程序指令/模块(例如，声音数据确定模块31，目标参量确定模块32，目标指标确定模块33和声音指标确定模块34)。存储装置41可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储装置41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

显示屏42可以为具有触摸功能的显示屏42，其可以是电容屏、电磁屏或者红外屏。一般而言，显示屏42用于根据处理器40的指示显示数据，还用于接收作用于显示屏42的触摸操作，并将相应的信号发送至处理器40或其他装置。

输入装置43可用于接收输入的数字或者字符信息，以及产生与展示设备的用户设置以及功能控制有关的键信号输入，还可以是用于获取图像的摄像头以及获取音频数据的拾音设备。输出装置44可以包括扬声器等音频设备。需要说明的是，输入装置43和输出装置44的具体组成可以根据实际情况设定。

处理器40通过运行存储在存储装置41中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的车窗升降系统声音评价指标确定方法。

上述提供的计算机设备可用于执行上述任意实施例提供的车窗升降系统声音评价指标确定方法，具备相应的功能和有益效果。

实施例五

本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种车窗升降系统声音评价指标确定方法，该方法包括：

确定车窗升降系统进行升降操作时的声音数据，并获取与各声音数据对应的用户评价分数；

确定各声音数据对应的至少两个心理声学参量，根据各心理声学参量与用户评价分数确定至少一个目标评价参量；

根据目标评价分值，以及根据目标评价参量与用户评价分数构建的目标线性回归方程，确定目标评价参量对应的目标评价指标；

根据各目标评价指标与各声音数据的对应关系，确定车窗升降系统的声音评价指标。

当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的车窗升降系统声音评价指标确定方法中的相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。