随着汽车技术的蓬勃发展,人们对于汽车的要求已经不仅仅是驾驶和代步功能,同时对舒适性和驾乘体验提出了更高的要求。为了提高汽车舒适性,降低车内噪声已经成为各大主机厂关注和研究的重点。传统的噪声研究通常是以降低A声级为主要目标,然而噪声不仅有大小之分,还有品质的好坏。声品质的研究是在传统噪声研究中加入了人的主观因素,旨在改善噪声给人的主观感受,因此对于提高整车舒适性具有重要意义。关门声是汽车使用场景中最常出现的声音之一,关门声品质的好坏很大程度上决定了一辆车的档次和舒适性。本文以15辆不同品牌车型的关门声为研究对象,使用HEAD acoustics公司的数字人工头模型采集每辆车的关门声音信号,并对采集到的信号做等响度、筛选等处理,最终得到24个有效的关门声样本。对采集到的噪声样本做主观评价,评价方法选择等级评分法,经过对评价结果的统计和分析得到声音样本的主观评价绩效值。使用ArtemiS软件对传统的心理声学参数进行计算,得到各声音样本的尖锐度、响度、粗糙度等客观参数。对主观评价结果和客观评价绩效值使用进行相关性分析,结果表明尖锐度和响度是主客观相关性较高的参数。根据传统的心理声学参数在反映非稳态噪声的特性时存在的不足,因此引入集合经验模式分解(EEMD)方法对噪声信号进行特征提取,得到包含原始信号不同时间尺度的局部特征信号——本征模函数(IMF)。在得到的各IMF分量基础上,分别引入样本熵和能量的概念对关门声品质进行特征向量构造,最后得到两组分别基于样本熵和能量的声品质信号特征向量。对于以上所得两种反映关门声品质的特征向量,以及传统心理声学参数响度和尖锐度组成的向量,引入支持向量机(SVM)对主观评价结果和客观参量进行数学建模。通过交叉验证法和网格搜索法对核函数参数进行优化,再对前面得到的特征向量进行归一化和降维处理,将处理后的特征向量作为输入,主观评价绩效值作为输出,进行支持向量回归机的训练,最终得到三个主客观预测模型。最后,对三个模型的精度进行对比分析,结果显示基于样本熵的特征向量得到的预测模型效果最好,基于传统心理声学参数的模型预测效果最差,并为声品质改进打下坚实基础。