随着现代汽车技术的发展,人们对车内声音品质的要求越来越高。从传统解决噪声问题时只注重噪声的幅值大小发展到对声品质的研究,噪声品质逐渐成为NVH领域的研究热点。声品质的研究往往先通过测试系统采集噪声信号,再对采集的信号进行评价与分析,最后由分析结果得出声品质优化方案。声品质反映了人耳对声音的复杂的主观感受,对其进行测试评价时必须考虑人耳听觉特性。在声品质测试评价的工程应用中,普通传声器能采集客观的真实声压,但其测试结果不能反映人的真实心理感受;专业人工头声学测试系统通过模拟人的听觉系统可得出与人的实际听觉相仿的声品质评价结果,但造价昂贵,且不能占据汽车主驾驶位在行驶工况下进行声信号采集,测试过程较为繁琐。为此本文研发一种基于自适应神经网络的便携式声品质测试评价系统,该系统由便携式噪声采集硬件及声品质自适应神经网络模型组成,可准确地进行声品质测试与评价。便携式噪声采集硬件为一种便携式智能穿戴设备,包括普通咪头搭建成的双耳传声器、ZOOM IQ7数据调理前端、iPhoneSE手机采集终端及其对应的测试软件。噪声信号由普通咪头感知,经调理前端处理后由手机终端采集。首先对采集的声样本进行初步数据处理,计算其客观声品质参量,再通过训练好的自适应神经网络模型实现客观参量的修正从而得出准确的客观声品质参量。一方面所获取的客观参量可用来衡量声品质的特性,另一方面这些参量可用于主观声品质的预测,从而可实现完整的声品质测试与评价分析。为建立自适应神经网络模型,以人工头系统为参照标准,用便携式系统和人工头系统同时采集在多种不同工况下的声样本分别作为模型的输入输出声样本集。为缩小同组输入输出声样本间的差距,对输入样本集进行去噪和时间配准处理。计算全部声样本的心理声学参量及能反应信号时频特征的基于最佳树小波包分解的小波熵特征值,得到组合特征向量,并以此组合向量完成模型的训练。经数据验证,模型训练完成后能同时适用于稳态与非稳态信号,且预测得到的客观声品质参量与人工头系统所得的参量相对误差在5%以内,完全符合工程和科研需求。便携式系统首次提出将智能手机用于声品质测试分析,用软件补偿替代了专业测试系统庞大的硬件系统补偿,为声品质测试与评价提供了一种新的方法,且造价低廉,使用便捷,将极大促进声品质的研究。