【成果概览】车辆雨刷-风窗瞬态摩擦噪声的主动声品质控制方法研究

近日，上海工程技术大学NVH团队在《Applied Acoustics》期刊（SCIE，中科院二区期刊，IF=3.4）发表了题为“A study on active sound quality control method for the transient wiper-windshield friction noise of a vehicle”的论文。文中设计了两种新型的主动声品质控制算法：基于集合经验模态分解（EEMD）的权重约束自适应噪声均衡（WC-EEMD-ANE）算法和基于离散小波变换（DWT）的深度循环神经网络（DWT-DRNN）算法。通过建立心理声学模型，利用EEMD和DWT对瞬态噪声信号进行分解，并结合LMS算法和LSTM网络进行噪声控制，实现了对雨刮器摩擦噪声的有效抑制。研究还通过仿真和实验验证了所提算法的有效性，并进行了主观评价测试，证明了该方法能够显著降低车内噪声水平，提升车内声品质。

文章链接：https://doi.org/10.1016/j.apacoust.2025.110551

1. 内容摘要

本文提出了两种针对不同工况下车辆瞬态雨刷-挡风玻璃摩擦噪声的新型主动声品质控制（ASQC）方法。首先，通过调节增益因子，提出了一种基于集合经验模态分解（EEMD）的权重约束自适应噪声均衡算法（WC-EEMD-ANE），用于抑制雨刷摩擦噪声的固有模态函数（IMF）成分。其次，针对非线性问题，基于离散小波变换（DWT），构建了具有长短期记忆（LSTM）的深度循环神经网络算法（DWT-DRNN），专门用于瞬态摩擦噪声的主动声品质控制。以响度、粗糙度与尖锐度等心理声学参数为优化目标，分别采用WC-EEMD-ANE和DWT-DRNN算法对雨刷摩擦噪声进行主动声品质调控。仿真与实验结果表明：所提两种算法在不同工况下均能有效实现雨刷摩擦噪声的主动声品质控制。其中，DWT-DRNN凭借其优异的时频特性，可同步降低噪声响度、粗糙度与尖锐度指标。主观评价实验进一步验证了其有效性，使其成为雨刷摩擦噪声主动控制的强效工具。所提方法可直接应用于提升车内声品质，并具有向其他工程瞬态噪声扩展应用的潜力。

2. 算法原理

WC-EEMD-ANE算法是一种针对复杂瞬态噪声的主动声品质控制方法。结合了集合经验模态分解（EEMD）和自适应噪声均衡（ANE）技术，通过EEMD将原始噪声信号分解为多个内在模态函数（IMFs），然后利用ANE算法对每个IMF分量进行单独的增益因子调整，以实现对噪声的有效抑制。为了进一步优化算法性能，该方法引入了权重约束模块，通过计算每个IMF分量的方差比来动态调整权重更新规则，从而提高算法的收敛速度和稳定性，使其在控制低频和瞬态噪声方面表现出色。其算法框图如图1所示。

图1　WC-EEMD-ANE算法的原理框图

DWT-DRNN算法是一种用于主动声品质控制的方法，结合了离散小波变换（DWT）和深度循环神经网络（DRNN）。该算法首先利用DWT将复杂的瞬态噪声信号分解为多个子带信号，以捕捉不同频率范围内的噪声特征。随后，DRNN中的长短期记忆单元（LSTM）对这些子带信号进行处理，动态调整网络参数以适应非线性和时变的噪声特性。通过这种方式，DWT-DRNN能够有效抑制瞬态噪声，尤其在高频噪声成分的控制上表现出色。该算法在降低响度、粗糙度和尖锐度等心理声学指标方面表现优异，显著提升了车内声品质。其算法框图如图2所示。

图2 DWT-DRNN算法的原理框图

3. 仿真分析 

3.1 噪声采集实验 

雨刮-风窗摩擦噪声测量实验在半消声室内进行测试，以确保外部环境噪声的干扰最小化。实验中，雨刮器系统按照低速和高速、干燥和湿润四种典型工作条件运行，通过LMS Test.Lab数据采集系统在前排乘客左右耳位置分别记录噪声信号，具体如图3所示。采样率设置为10240 Hz，持续时间为10秒。

图3 雨刮-风窗摩擦噪声测量的实验设置

3.2 噪声分解与方差比计算

在不同工作条件下（低速干燥、低速湿润、高速干燥和高速湿润）雨刮-风窗摩擦噪声的内在模态函数（IMF）分量的频谱如图4所示。通过集合经验模态分解（EEMD）方法，原始噪声信号被分解为多个IMF分量，每个分量代表了信号在不同频率范围内的局部特征。图中可以看到，从IMF4到IMF7的分量在频谱中具有显著的能量分布，表明这些分量对原始噪声的贡献较大，是影响车内声品质的关键因素。这些关键IMF分量的识别为后续的主动声品质控制提供了重要的依据，帮助确定需要优先控制的噪声频率范围，从而实现更有效的噪声抑制。

图4 不同工作条件下摩擦噪声的IMF分量的计算频谱：(a) 低速干燥，(b) 低速湿润，(c) 高速干燥，(d) 高速湿润

四种不同工作条件下（低速干燥、低速湿润、高速干燥和高速湿润），雨刮-风窗摩擦噪声的内在模态函数（IMF）分量的方差比如图5所示。方差比是指每个IMF分量的方差与原始噪声信号方差的比值，用于衡量每个IMF分量对原始噪声信号的贡献程度。

图5 不同工作条件下摩擦噪声的IMF分量的计算方差比：(a) 低速干燥，(b) 低速湿润，(c) 高速干燥，(d) 高速湿润

3.3 控制结果 

图6至图11通过时域、频域和心理声学指标（响度、粗糙度、尖锐度）的分析，全面展示了DWT-DRNN和WC-EEMD-ANE两种算法在不同工作条件下对雨刮器与挡风玻璃摩擦噪声的控制效果。DWT-DRNN算法在所有条件下均表现出更好的降噪性能，尤其是在高频噪声成分的控制上，显著提升了车内声品质。

图6 三种ANE基算法的降噪结果在 (a) 时域，(b) 频域，以及 (c) 对应的收敛速度

图7 DWT-DRNN算法的降噪结果在 (a) 时域，(b) 频域，以及 (c) DWT-DRNN和WC-EEMD-ANE算法的收敛速度对比

图8 在高速湿润条件下，DWT-DRNN和WC-EEMD-ANE算法对摩擦噪声的主动声品质控制结果：(a) 响度，(b) 粗糙度，(c) 尖锐度。

图9 在三种工作条件下，WC-EEMD-ANE和DWT-DRNN算法获得的响度：(a) 低速干燥，(b) 低速湿润，(c) 高速干燥

图10 在三种工作条件下，WC-EEMD-ANE和DWT-DRNN算法获得的粗糙度：(a) 低速干燥，(b) 低速湿润，(c) 高速干燥

图11 在三种工作条件下，WC-EEMD-ANE和DWT-DRNN算法获得的尖锐度：(a) 低速干燥，(b) 低速湿润，(c) 高速干燥

4. 结论

综上所述，文中提出了一种针对汽车雨刮-风窗摩擦噪声的主动声品质控制方法，通过设计两种新型算法——基于集合经验模态分解（EEMD）的权重约束自适应噪声均衡（WC-EEMD-ANE）算法和基于离散小波变换（DWT）的深度循环神经网络（DWT-DRNN）算法，有效改善了车内声品质。研究结果表明，WC-EEMD-ANE算法在降低响度和粗糙度方面表现出色，但对尖锐度的控制效果有限；而DWT-DRNN算法在所有心理声学指标（响度、粗糙度和尖锐度）上均优于WC-EEMD-ANE，显示出更强的瞬态噪声抑制能力和更快的收敛速度。通过主观评价测试进一步验证了DWT-DRNN算法在提升车内声品质方面的显著优势，使其成为一种有效的主动声品质控制工具，有望在汽车NVH工程中得到广泛应用。

5. 致谢

本文得到国家自然科学基金项目（No.52172371）、上海市优秀学术带头人项目（No. 21XD1401100）、上海市新能源汽车振动噪声评价与控制专业技术服务平台基金资助项目（No. 18DZ2295900）资助。