基于脑功能网络深度学习的车内噪声评价模型

来源：机械与电子杂志2020年第05期北京时间：

作者：邹丽媛;王宏;宋桂秋

单位：１．东北大学机械工程与自动化学院，辽宁 沈阳 １１０８１９；
２．辽宁水利职业学院，辽宁 沈阳 １１０１２２

摘要：研究并构建了一个结合脑电信号处理与深度学习的车内噪声评价模型，该算法通过自我学习实现脑电信号特征提取，使用同步似然方法构建ｄｅｌｔａ、ａｌｐｈａ和ｂｅｔａ频段的脑功能网络。将３个频带的 脑功能网络扁平化处理后作为输入，通过无监督的堆栈自编码器（ＲＳＡＥ）自主提取脑功能网络的特征。通过几个高阶 特 征 训 练 前 后 对 比，证 实 了 ＲＳＡＥ 自 主 学 习 到 与 噪 声 评 价 有 关 的 脑 神 经 特 征。最 终 将 ＲＳＡＥ与普遍使用的 ＳＶＭ 回归模型进行比较，同时将脑功能网络与传统的基于心理声学声音品质的车内噪声评价进行对比。结果表现，所提出的脑功能网络 ＲＳＡＥ 模型的平均决定系数高达９８．６９％，明显优于其他方法。

关键词：车内噪声评价;堆栈自编码器;脑功能网络分析;同步似然