根据所述待测量的生态噪声源的声学及心理声学参数以及预设的生态噪声源识别模型,得到所述生态噪声源识别模型输出的所述待测量的生态噪声源的目标噪度等级;所述预设的生态噪声源识别模型基于多个生态噪声源样本,以及各个生态噪声源样本的目标噪度等级训练得到,所述各个生态噪声源样本的目标噪度等级基于对所述各个生态噪声源样本进行聚类分析得到;
根据各个所述生态噪声源样本的声学及心理声学参数,对各个所述生态噪声源样本进行同类声音片段归类合并处理,得到多组声音片段;每组声音片段中包含的各个声音片段为同类噪度等级的声音片段;
获取所述每组声音片段对应的安静度评价值;
获取所述每组声音片段对应的安静度评价值的误差平方和;
获取各个所述生态噪声源样本的声学及心理声学参数;
将各个生态噪声源样本的声学及心理声学参数输入至含有可变参数的神经网络模型,得到所述含有可变参数的神经网络模型输出的所述各个生态噪声源样本的对应的响应噪度等级;
获取所述各个生态噪声源样本的对应的响应噪度等级以及与所述各个生态噪声源样本的对应的目标噪度等级之间的各个损失差异;
判断所述各个生态噪声源样本的各个损失差异是否满足预设的条件;
评价单位:“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会)
评价时间:2023-11-11
刘凇佐
哈尔滨工程大学
博导、水声技术重点实验室副主任
综合评价
技术前景广阔,具备技术成果转移转化要求。
查看更多>
评价单位:“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会)
评价时间:2023-01-06
综合评价
声景指标要求考虑噪声源,但环境噪声源监测方法很不成熟,需要进行声源识别。已有的声源识别技术主要通过对声音的信号进行识别,而声音信号识别适用于对单一声源的识别,无论是稳态声源、非稳态声源还是运动声源,且声音信号识别技术对低频声的分辨率较差,不能解决背向干扰源的问题。因此,目前声识别技术不适宜识别环境声源的烦躁性,因为对单一声源的识别不适合识别环境声源,更不适合判断不同环境声源的吵闹度,噪声监测不精准,不能直接应用在噪声源监测工作中。
查看更多>