随着我国汽车工业水平的快速上升以及国民经济水平的提高,人们对汽车驾乘声学舒适度的要求逐步提升。通过调研发现,近几年运动型多用途汽车（SUV,Sport Utility Vehicle）在国内的市场份额提升显著。与传统轿车相比,其在驱动方式、造型、使用情景等方面有着较大的不同,目前国内对SUV声学研究及车内声品质的研究较少。因此,如何从驾乘者实际感受出发改善SUV车内声学环境,提升行车舒适性是本课题的研究重点。为了更好地改善车内声学环境,本课题基于互联网大数据对被试SUV相关车型目标用户进行信息提取分析,获得用户在行车过程中与噪声相关的使用场景与需求。接着对车内噪声采集实验进行设计,计算车内声品质客观参数并进行分析。设计并实施声品质主观评价试验,结合主客观试验评价结果通过多元线性回归模型分析主客观参量间的相关性。在分析主客观评价自变量与因变量相关性的基础上,采用遗传算法优化BP神经网络模型,建立声品质主观评分预测模型对开启音乐工况下的主观评价分值进行预测。基于上述分析,得到音乐作为掩蔽声可提升车内声品质音调度,降低用户对噪声的主观不适感的结论,并由此设计车内音乐交互系统方案。结合声品质实验结果和用户需求,为降低噪声尖锐度与A计权声级,基于统计能量法建立整车声学模型,加载振动与噪声激励后进行仿真,结果表明整车声学模型仿真吻合程度较好。通过分析SUV子系统对副驾驶头部声腔的能量贡献程度,对防火墙处施加复合隔声材料,使高频噪声得到一定程度上的降低。本论文将理论研究与工业设计实践相结合,为SUV声学环境优化提供理论指导与参考。