[发明专利]PSO优化延时算子模型的车辆驾驶室声品质评价方法

权利要求书

1.PSO优化延时算子模型的车辆驾驶室声品质评价方法，其特征在于：包括以下步骤：

S1：输入多组样本数据作为训练集，设置输入变量为响度、尖锐度、粗糙度，输出变量为烦躁度；

S2：构建含延时算子的神经网络模型，设置初始权值和阈值；含延时算子的神经网络模型按信号流向依次包括输入层、隐藏层和输出层，还包括若干个延时算子节点，用于记忆k-1时刻隐藏层的输出，并作为k时刻隐藏层的输入之一；

S3：通过PSO算法优化初始权值和阈值，具体步骤为；

S31：定义粒子群；将含延时算子的神经网络模型的训练集误差函数作为PSO算法的适应度函数；

S32：计算粒子的个体适应度；

S33：寻找粒子的个体极值和群体极值；

S34：更新粒子的速度和位置；

S35：计算粒子适应度；

S36：更新粒子的个体极值和群体极值；

S37：若所有粒子都找到一次自己的局部最优解则算一次迭代；判断当前迭代次数是否达到预设的最大迭代次数，若达到则满足终止条件并结束优化；若未达到则执行步骤S34；

S4：通过训练集训练含延时算子的神经网络模型；

S5：采集车辆驾驶室内的声音数据并输入训练好的含延时算子的神经网络模型，通过输出结果对车辆驾驶室内的声品质进行评价。

2.根据权利要求1所述的PSO优化延时算子模型的车辆驾驶室声品质评价方法，其特征在于：所述的步骤S2的含延时算子的网络模型中，设x、x₁、x₂、x₃为输入层节点，x₁、x₂、x₃分别代表响度、尖锐度、粗糙度；y、y₁、y₂为隐藏层节点，用于模型的训练和计算；o、o₁为输出层节点，o₁代表人对于声音的烦躁度；b₀，b₁为阈值；k为时刻，w为从隐藏层到输出层的权值向量，g为输出层的传递函数；则输出层节点向量为：

o(k)＝g[wy(k)]；

设z为从隐藏层到延时算子的权值向量，d为延时算子的输出向量，v为从输入层到隐藏层的权值向量，f为隐藏层的传递函数；则隐藏层节点向量为：

y(k)＝f[zd(k)+vx(k-1)]；

延时算子向量为：

d(k)＝y(k-1)；

误差为：

3.根据权利要求2所述的PSO优化延时算子模型的车辆驾驶室声品质评价方法，其特征在于：所述的步骤S31中的训练集误差函数为E(v，w，z，b₀，b₁)。

4.根据权利要求1所述的PSO优化延时算子模型的车辆驾驶室声品质评价方法，其特征在于：所述的步骤S4中，训练含延时算子的神经网络模型的具体步骤为：信号从输入层向输出层正向传递，途经一个或多个隐藏层的信号处理；当输出层的实际输出值与样本的差距过大时，转入误差的反向传递过程，在反向传递过程中分别调整输出层和隐藏层的权值；

再次进入信号的正向传递过程，并循环直至实际输出值与样本的差距在设定范围内，训练结束。

5.一种计算机存储介质，其特征在于：其内存储有可被计算机处理器执行的计算机程序，该计算机程序执行如权利要求1至权利要求4中任意一项所述的PSO优化延时算子模型的车辆驾驶室声品质评价方法。