目前人们对车辆舒适性的要求越来越高，车辆噪声作为影响舒适性的重要因素，受到了广泛重视。而声品质评价作为车辆噪声的一个研究方向，已经成为现在研究的热点。声品质主观评价对评价人员要求高，评价过程复杂，结果具有不一致性。传统的客观评价参数只有响度有国际标准，但响度不能完全反应人的听觉感受。所以，本论文将有限元方法和神经网络相结合，建立了一种车辆噪声混合评价模型。首先，本论文对人的外耳道、鼓膜和中耳的点云数据进行逆向成型，建立了实体模型，并对其进行网格划分，赋予材料属性，设置边界条件，建立了最终的有限元模型；通过将鼓膜脐部与镫骨底部的频响位移与文献结果对比，验证了模型的有效性；并以所采车辆噪声作为模型激励，分别计算了镫骨底部的频响位移。其次，对A计权声压级、响度及尖锐度等主要心理声学指标及计算的GUI界面进行了编程实现；同软件计算结果进行了对比，验证了程序的正确性；计算了所采车辆噪声前13个特征频带的A计权声压级、响度及尖锐度。最后，基于1/3倍频程滤波器组，建立了符合人耳特征频带的滤波器组；对3000Hz以下车辆噪声引起的镫骨底部位移进行滤波，提取滤波后各频带的能量特征；以提取的能量特征为输入，以前13个特征频带的A计权声压级、响度及尖锐度为输出，建立了径向基函数神经网络模型。至此，以人耳有限元模型模拟人耳传声特性，以人工神经网络模拟人的听觉神经系统的声品质混合评价模型最终建成，其预测误差在合理范围内。本论文提出的混合评价模型将有限元方法应用于声学研究，是对声品质评价方法的一种新的尝试，对建立完整的听觉系统模型进行听觉感知机理研究及声品质评价具有指导意义。