MétaCan
Menu
Retour à la cohorte
Enregistrement W2992133897

Experimental evaluation of automotive cabin noise using psychoacoustic analysis techniques

2006· article· en· W2992133897 sur OpenAlexaffvenue
Neb Radic, Colin Novak, Helen Ule

Notice bibliographique

RevueCanadian acoustics · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Noise and Vibration Control
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésPsychoacousticsLoudnessAcousticsBinaural recordingNoise (video)Sound qualityComputer scienceInterference (communication)EngineeringTelecommunicationsComputer visionPhysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Automotive cabin noise was experimentally evaluated with the operation of the vehicle, using psychoacoustic analysis techniques. Psychoacoustic, or quality of sound is considered to be a very important aspect in the development of a product with a sense of quality. Some of the common and uncommon psychoacoustic metrics include loudness, sharpness, roughness, fluctuation strength,brightness, pitch strength, impulsiveness, and speech interference level (SIL). Each matrics has a specific use and applicability that is dependant on the source of noise. In addition to the FFT analysis, the psychoacoustic metrics that were considered in this investigation include Zwicker loudness, fluctuation strength, and roughness. The purpose of using a binaural head was to acquire the acoustic data in a manner representative of what a human passenger would perceive. It is observed that predominated noise contribution within the vehicle cabin is the result of road and tire suspension interactions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,229
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,264
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian acousticsMême sujetVehicle Noise and Vibration ControlTravaux en français237 207