Page 26 - 《应用声学》2023年第1期

22 2023 年 1 月

2.2 MDS不相似度分析 应力小于 0.1 时，表明模型的拟合程度达到 90% 以
上，且碎石图中正态化原始应力的变化量逐渐变小，
通过成对比较实验获得有效的不相似度评分
可以比较完整地描述噪声语义空间，通过寻找碎石
数据后，通过 MDS 分析，对数据进行降维处理，可
图中斜率变化的“拐点”，可以发现：图1(a)从1维到
以获取不同类型噪声语义空间的维度数，它是指独
4 维的斜率较大，4 维到 5 维的斜率变化趋于平缓，
立描述某类噪声语义空间的独立变量个数。利用
图1(b)从4维到5维的斜率趋于平缓，图1(c)从3维
SPSS 软件的 MDS 模块计算出不同类型噪声的正
到4维的斜率变化趋于平缓，因此飞机舱内噪声、车
态化原始应力随维度的变化值，据此绘制出碎石图。
辆噪声以及空气净化器噪声可以分别由4维、4维和
其中，正态化原始应力是指拟合的模型距离与观测
3维语义空间进行描述。
距离之间的一致性程度。如图1所示，当正态化原始
本节通过 MDS分析，获取了 3 种典型噪声语义
空间的维度数，为了进一步确定空间每个维度的具

0.10 体语义描述，可以对语义细分实验结果做进一步的
PCA，将主成分与具体语义描述相联系。
0.08
൤গӑԔݽऄҧ 0.06 2.3 听音选词实验得到的听觉描述词之间并不是
语义空间及其解释

0.04
0.02 相互独立的，通过对语义细分实验的评价结果进行
PCA，可以获取语义空间的主成分，实现用较少的
0 成分对噪声的听觉感知进行描述。分别对 3 类噪声
0 2 4 6 8 的语义细分实验结果进行分析，提取主成分。不同
፥஝
类型噪声的主成分个数及累积贡献率见表7。
(a) ᮻ఻ᓎЯ٪ܦ
0.3 表 7 不同类型噪声的主成分个数与累积贡献率
的关系
Table 7 The relationship between the
൤গӑԔݽऄҧ number of principal components and the
0.2
cumulative contribution rate of different
types of noise
0.1
噪声类型 主成分个数 累积贡献率/%
0 飞机舱内噪声 4 92.53
0 2 4 6 8
፥஝ 车辆噪声 4 92.66
(b) ᢼᣚ٪ܦ 空气净化器噪声 3 91.52
0.15
从数据处理结果可以看到：对于飞机舱内噪声
来说，前4个主成分的累积贡献率可以达到92.53%，
0.10
൤গӑԔݽऄҧ 0.05 即能够解释总变异的 92.53%，因此提取 4 个主成分
来代替描述飞机舱内噪声的 10 个描述词；对于车
辆噪声而言，前 4 个主成分的累积贡献率可以达到
92.66%，故提取 4 个主成分来代替车辆噪声的 7 个
0
描述词；对于空气净化器噪声，前3个主成分的累积
贡献率达到了 91.52%，故提取 3 个主成分来代替空
0 2 4 6 8
፥஝ 气净化器噪声的 9 个描述词。显然，通过 PCA 获取
(c) ቇඡьӑ٨٪ܦ
的 3 类噪声主成分的个数与 MDS 分析获取的 3 类
图 1 不同类型噪声碎石图 噪声语义空间的维度数一致，进一步验证了空间维
Fig. 1 Gravel figure of different types of noise 度数的准确性。