压缩感知波束形成算法性能分析

波束形成声源识别技术具有测量速度快、计算效率高等优点,被广泛应用。因为其"主瓣"过宽造成空间定位精度低,"旁瓣"既高又多导致出现许多"鬼影"声源,从而限制其得到进一步应用。为解决以上问题,利用压缩感知理论中贪婪算法对信号的重建方法,改进常规波束形成算法,提出一种压缩感知波束形成方法。对单极子声源和相干声源进行声源识别数值模拟仿真,结果表明:与函数波束形成方法相比,压缩感知波束形成方法在识别单极子声源和相干声源时,定位精度更高,更能使旁瓣得到有效衰减,分辨率提升更大,并能够大幅缩短识别时间,具有一定的研究意义。     

基于反卷积的双线阵聚焦波束形成被动定位方法

为了提高双线阵聚焦波束形成在阵元数少或频率低时的定位精度,文章研究了一种基于反卷积的双线阵聚焦波束形成被动定位方法。首先在测量区内对双线阵接收信号进行球面波补偿,给出噪声源分布的声图信息。然后根据阵型的参数,计算双线阵的指向性函数。最后利用一种适用于移变阵列的二维扩展R-L反卷积算法,对声图波束输出和双线阵的指向性函数做反卷积,求解基于反卷积波束形成的源的分布。该方法旁瓣更低,分辨力更高,有效提高双线阵聚焦波束形成的定位精度和左右舷分辨能力,为后续的减振降噪、噪声检测等工作提供了参考。     

CLEAN-SC波束形成声源识别改进

CLEAN-SC波束形成声源识别方法计算速度快、成像干净清晰、结果准确度高,但当传统延迟求和算法在各声源处输出的主瓣严重融合时,亦无法准确分辨声源。造成该缺陷的原因为:主瓣严重融合时,CLEAN-SC所基于的延迟求和输出峰值所在聚焦点即为声源点的假设不成立。从源相干性角度,若某聚焦点处的延迟求和输出主要由某声源贡献时,该聚焦点可标示该声源,即基于该聚焦点的位置及强度信息可重构该声源在各传声器处产生声压的互谱矩阵。鉴于此,以CLEAN-SC识别的声源为初值迭代寻找正确的声源位置及强度,每次迭代中,最小化其余声源与某一声源的波束形成贡献的比值为每个声源选择标示点,根据标示点更新声源。仿真及试验均证明:所给方法比传统CLEAN-SC具有更高分辨率,使近距离低频率声源的准确识别变得可行。     

一种有效抑制阵列后方声源的心形指向性传声器阵列

基于心形指向性传声器的波束形成可以有效抑制阵列后方声源的干扰,提高前方声源的识别精度。以平面轮形传声器阵列为对象,借助MATLAB仿真计算,对阵列后方声源波束形成声源识别特性及其抑制方法进行研究。基于除自谱的互谱波束形成算法提出了含有传声器指向性的波束形成算法,对圆形和心形指向性传声器进行不同声源类型的波束形成仿真计算,并针对仿真结果显示出的不足,给出了既能保证阵列平面上最大声压贡献量的识别精度,又能降低旁瓣水平的幅值校正算法。试验结果证明了基于心形指向性传声器的波束形成可以有效抑制后方声源。     

分段取阈值正交匹配追踪反卷积声源识别算法

正交匹配追踪反卷积声源识别算法(orthogonal matching pursuit deconvolution approach for the mapping of acoustic sources, OMP-DAMAS)具有极高的计算效率、空间分辨率和重构精度，被广泛应用声源识别领域。但在实际的工程运用中，无法满足提前确定声源数目的条件，可能造成识别结果不准确。因此提出了一种分段取阈值的OMP-DAMAS算法，在声源稀疏度未知的情况下，通过对内积和最小二乘解取阈值将伪声源和旁瓣对应的列序号从原子支撑集中删除，直接精确的识别出真实声源的位置。仿真和试验结果表明了所提算法与传统的延时求和算法相比，可以明显的减小主瓣宽度，提高空间分辨率，同样能达到OMP-DAMAS算法的重构效果，对噪声具有较好的鲁棒性，且具有极高的识别稳定性。     

基于CLEAN-SC清晰化波束形成的汽车前围板隔声薄弱部位识别

为提高波束形成识别汽车前围板隔声薄弱部位的精度,开发了CLEAN-SC清晰化波束形成声源识别软件。对多种已知模拟声源的识别结果表明:该方法能够显著提高分辨率、衰减旁瓣,更准确地识别单声源及不相干声源,且随迭代次数的增加收敛快、受传声器及通道频响失配等因素的干扰小。某汽车前围板的隔声薄弱部位识别试验结果表明:空调进气口左上角位置是主要薄弱部位,空调进气口内外循环转换阀与阀口贴合不紧密是根本原因。为改善其隔声性能指明了方向,验证了CLEAN-SC清晰化波束形成方法在汽车前围板隔声薄弱部位识别中的有效性及所开发软件的正确性。     

一种利于工程应用的快速反卷积波束形成方法

针对传统的反卷积波束形成算法在处理宽带随机信号时计算量过大的问题,给出了一种利于工程应用的快速反卷积波束形成方法。利用不同频率阵列波束图的相似性,将宽带随机信号划分成非等间距的多个窄带,并在每个窄带取一个频率点的点扩散函数(Point Spread Function, PSF)进行反卷积的近似处理,极大地提高了反卷积波束形成的计算速度。通过在波束功率谱上进行边界扩展,解决了因 Richardson-Lucy(R-L)迭代算法带来的边界模糊问题,进一步提高了计算速度。仿真和海试结果表明,该方法相对于常规波束形成具有更高的分辨力、更高的处理增益和更好的旁瓣抑制能力;相对于传统反卷积波束形成计算速度提升了 50%以上。     

基于高阶矩阵函数的广义逆波束形成改进算法

广义逆波束形成是一种高效的声源识别定位方法,然而其计算稳健性易受随机噪声影响,阻碍了其声源识别动力学水平进一步提高。为改善广义逆波束形成声源识别方法的稳健性,基于高阶矩阵函数提出一种广义逆波束形成改进算法:定义了基于广义逆波束形成的正则化矩阵;对正则化矩阵与波束形成输出进行迭代运算;利用高阶矩阵函数对迭代求解所得广义逆波束形成输出的互谱进行优化。通过数值仿真详细分析了声源频率对波束形成矩阵函数阶次取值的影响,得到阶次的最优取值区间。最后通过数值模型和实验算例对单极子与相干声源进行定位识别,结果表明:改进算法在准确识别声源基础上能有效抑制旁瓣干扰,且具有更高的声源识别精度。     

基于非负最小二乘反卷积波束形成的发动机噪声源识别

为提高波束形成方法识别发动机噪声源的位置精度,开发了FFT-NNLS反卷积波束形成声源识别软件。对已知单声源、不相干双声源、相干双声源等多种模拟声源的识别结果表明：该方法能够有效消除旁瓣,显著提高空间分辨率,随迭代次数的增加更快收敛,更准确地识别声源。某发动机全负荷额定转速工况下的噪声源识别试验结果表明：气缸盖罩、缸体、排气旁通阀、发电机是其主要噪声源。为改善其声学性能指明了方向,验证了FFT-NNLS反卷积波束形成在发动机噪声源识别中的有效性和所开发软件的正确性。     

波束形成声源识别技术研究进展

波束形成作为一种空间声场可视化技术在声源识别领域得到广泛的研究和应用。概述了传声器阵列测量和波束形成后处理算法的发展历程,分析了其特点,总结了其发展方向,主要包括：声源识别性能更优的传声器阵列开发和算法改进、声源识别的适应性提高、波束形成结果不确定度的研究、基于声品质的声源成像及可视化研究等。对波束形成声源识别技术的认识及进一步的研究提供参考。     

基于DAMAS2修正算法的旋转声源定位识别方法

针对常规束形成声源识别技术分辨率低、未考虑声源旋转运动造成的识别误差等问题,推导得到DAMAS2修正算法。该方法在原本的静止框架中加入转速,得到修正的指向矢量与波束形成修正结果,随后结合波束形成修正结果建立阵列点传播函数与真实声源位置之间的卷积关系,最终通过迭代求解获得真实声源位置。首先通过数值模拟构建两个频率及幅值均一致的对称点声源,对比分析常规波束形成算法与DAMAS2修正算法的识别效果,然后结合激光测速原理及波束形成测试理论进行旋转声源实验研究。结果表明:DAMAS2修正算法主瓣宽度小、虚假声源少,不仅可以识别出旋转声源的径向位置,而且能得到运动声源某一时刻的周向位置,能够更精确地定位识别旋转声源。     

基于广义逆波束形成的扩展性噪声源定位误差影响因素仿真研究

实现噪声控制的前提是正确识别出主要的噪声源,研究噪声源空间指向性对于噪声源的辨识和预测有重大意义。为提高复杂声源的分辨率,以单极子点源形成扩展性声源表征噪声源,引进广义逆波束形成算法对扩展性声源进行声源定位。通过仿真计算,分析了广义逆波束形成(Generalized Inverse Beamforming,GIB)算法中麦克风阵列阵元数、测量距离对定位效果的影响,系统比较了去自谱算法和GIB算法对点声源、扩展性声源(5个紧密相连的单极子点源)的分辨率。仿真表明:GIB算法中定位效果受阵元数目影响不大,相对提高了点声源的定位精度,而且能分辨出扩展性声源。     

基于信号分离技术的波束形成算法研究

波束形成算法具有计算效率高,计算结果稳定等优点,被广泛应用于噪声源定位。因此,对波束形成算法的深入研究及扩展具有重要的意义。特征值分解、相干输出谱分析等技术能够对被测信号进行分解,常用于信号分离和贡献量分析,具有广泛的研究与工程应用价值。结合上述信号分离技术,将特征值分解和相干输出谱分析应用于波束形成算法的前处理,提出基于特征值分解和相干输出谱的两种“衍生”波束形成算法。在此基础上,采用圆形二维传声器阵列对三个人工白噪声声源进行声源定位测试,数据分析结果验证基于特征值分解和相干输出谱的波束形成算法对声源识别和声源云图分离的有效性。两种算法均能够对声源云图进行有效分离,进而将各个声源云图与其激励源相关联。     

波束形成三维传声器阵列声源识别的改进方法

采用具有倾角的轮型阵列能消除平面阵列对其后方背景声源无抑制能力的缺点,降低对测试环境的要求。通过仿真计算获得了三维轮型传声器阵列波束形成指向图及典型最大旁瓣水平随阵列倾角的变化曲线,分析了阵列倾角对其声源识别性能的影响。在此基础上,提出了阵列多倾角测量声级平均的声源识别改进方法,三种类型声场声源识别的模拟计算结果表明：该方法在准确计算目标声源位置和幅值的同时,相比于一定倾角阵列的单次测量结果可以更有效地同时衰减阵列前方声波和背后背景噪声在聚焦方向上产生的旁瓣干扰,显著地提高了声源识别精度。     

气动噪声源频域自适应区域积分算法及风洞试验应用EI北大核心CSCD

声源区域积分算法是风洞试验中提取飞机组成部件气动噪声源特征的有效数据处理方法。传统声源区域积分算法的积分区域固定,但是飞机机体的气动噪声分布特征会随频率发生明显变化,导致积分结果存在较大误差。为提高频域分布特征变化的声源积分结果准确性,提出了基于CLEAN-SC算法的频域自适应区域积分算法,核心思想是将声源积分区域离散划分,依据CLEAN-SC算法得到的子区域内最强声源位置进行积分区域的自适应优化,从而获取更准确的声源积分结果。通过仿真计算和声学风洞试验数据分析,频域自适应区域积分算法能够得到更为准确的声源积分结果,对于机体气动噪声等动态声源具有更好的适用性。     

利用声压幅值相关性识别声源特性研究

基于相位信息识别声源的传统方法在测量声信号前需要进行严格的相位匹配,对测量设备要求较高。通过对延时求和波束形成算法作形式上的转化,说明其运算机制是利用声压信号相位进行相关诊断,进一步研究提出利用声信号幅值识别声源的方法。将传声器阵列测得的声压幅值组成声压幅值向量,与虚拟点声源声压幅值向量做内积,搜索内积模的最大值,根据柯西-施瓦兹不等式定理确定声源位置。建立相应的识别步骤,对球面波声源进行仿真识别,并比较本方法与波束形成方法的识别特性的差异,且进行相应的实验验证。结果表明,本方法能有效识别出简谐波声源,且拥有良好的抗噪能力,可消除波束形成法识别高频声源时出现的“鬼影”现象;当传声器阵列存在误差时,比波束形成法有更准确的识别结果。     

交叉层波束形成方法的发动机噪声源识别

发动机噪声源分布复杂,来源多,用人耳很难分辨,利用传声器阵列的噪声源识别技术可以为发动机噪声控制提供客观依据和指导。使用波束形成声源识别方法,对位于不同平面的多个声源进行了仿真识别,并研究了多维声源识别方法,使用交叉层法得到了声源定位的立体结果。结果显示,交叉层法可以有效消减或去除来自识别表面之外的声源在识别表面的虚假投影。最后,针对某发动机产品,使用平面传声器阵列对其上、前、左、右四个面分别进行一次变转速工况时域声压信号采集,使用互谱矩阵波束形成算法,得到各转速下发动机各表面的声源分布图像,并通过交叉层法得到了发动机表面声源的立体分布,准确将声源定位至发动机表面各部件。     

应用于传声器阵列定位校准的空间点声源声场拟合方法

介绍了一种用于传声器阵列声源定位精度校准的空间点声源声场模拟方法,并基于该方法设计了一套空间点声源模拟系统,完成了一个传声器阵列的定位位置精度校准。文章采用多通道点声源空间声场合成算法模拟了一个位于自由场空间的点声源,根据传声器阵列中每一个传声器的空间位置坐标,计算出传感器所处位置声场的动态声信号。通过耦合腔标准声源将对应的多通道电压信号输入被校准阵列系统,完成点声源的模拟。然后,该阵列运用波束形成算法进行声源定位,得出点声源的位置,并与模拟点声源的位置进行比对,实现对阵列定位准确性的校准。     

基于近场声阵列的旋转机械噪声源识别

为了有效控制旋转机械噪声,利用信号处理技术对整机或部件进行噪声源识别是十分必要的,噪声源准确识别可以为故障诊断和结构优化提供依据。首先论述建立均匀线性近场声阵列模型以获得空间声场数据的方法。其次,在传统波束形成结果基础上,利用反卷积法从中提取所需声场信息以实现对声源面可视化重构。接着,在所搭建转子噪声试验台上,利用近场声阵列提取各种工况下噪声信号,并识别出轴承以及盘轴连接处为转子主要噪声源,验证了基于声源成像反卷积法均匀线性近场声阵列在旋转机械噪声源识别方面的可行性。     

除自谱的互谱矩阵波束形成的噪声源识别技术

由于传声器阵列具有自噪声的干扰,在各通道的互谱距阵中,消除对角自谱元素的波束形成,可以提高声源识别的精度。由此,建立相应的声源识别算法和平面声源的成像软件。并对某发动机在额定工况下的噪声源识别进行验证。结果表明：发动机前端噪声来源于空气压缩机排气出口和曲轴传动皮带轮的上方机体辐射;左右两侧噪声来源于发动机缸体和油底壳辐射。由此表明涉及的算法与成像软件的正确与有效性能。