环境、环境影响与控制

Y2002-63133-1309 0224395活化煤泥显微图象的特征分析=Feature analysis of ac-tivated sludge based on microscopic images[会,英]/Siko-ra,M,& Smolka,B.//2001 IEEE Canadian Confer-ence on Electrical and Computer Engineering,Vol.2.—1309～1314(E)0224396基于神经网络的风机管道噪声有源控制的实验研究[刊]/张奇志//电声技术.—2002,(7).—54～56(L)通过实验来考察空气流动对传声器测量信号的影     

基于双波长解调的光纤干涉型传声器研究

提出了一种基于双波长解调的光纤法布里-珀罗(Fabry-Perot,FP)干涉型传声器,采用归一化算法和微分交叉相乘处理(DCM)算法,实现了声信号的准确还原.在归一化算法中,利用椭圆拟合,实现了两路波长光信号的归一化,减小了激光器输出波动对光纤FP干涉型传声器输出特性的影响;在DCM算法中,通过信号处理及滤波,实现了声信号的准确输出,减小了温度等环境因素对光纤FP干涉型传声器输出特性的影响.在实验中,采用对比法,测试了基于双波长解调的光纤FP干涉型传声器的特性,结果显示器件实现了灵敏度为210 mV/Pa、频率响应为100～3 15 0 H z的声信号测量,能够很好地应用于语音识别、噪声测量、空气声探测等领域.     

建筑施工有源振动噪声主动抑制系统设计

针对绿色建筑施工过程中的有源噪声问题,设计一种新的建筑施工有源振动噪声主动抑制系统,抑制建筑施工产生的高分贝噪声,避免影响当地居民生活、损害施工场地管理人员的听力。该系统通过传声器MIC1和MIC2采集建筑施工有源振动噪声信号后,采用LMS自适应滤波算法,去除噪声信号中干扰因子并通过数控放大器放大,将放大后的噪声信号传输至信号处理器中,先采用基于梯度下降的次级通道在线建模有源噪声控制方案,准确计算次级通道传递函数,再设定抑制噪声指令,叠加噪声控制信号与噪声信号,实现有源振动抑噪。经验证,某建筑施工场地降噪前噪声最大分贝高达79 dB,使用该系统后,噪声分贝数值降低到27～32 dB之间。实验不仅验证了该系统的有效性,还验证了系统具有较高的降噪量与降噪速度优势。     

基于虚拟传声的双通道有源噪声控制

以有源耳罩为对象研究了基于虚拟传声的双通道有源噪声控制问题。双通道即在传统单通道有源噪声控制系统的基础上增加一个次级通路。由于两个通道之间存在相互耦合,因此控制难度加大。使用基于虚拟传声器技术的自适应多通道FxLMS算法,应用一阶前向差分预测算法通过自适应变权值预测控制目标区域内的残余误差信号。仿真结果表明,通过该方法可以使目标静音区的噪声信号明显衰减。     

传声器阵列校准技术研究

气动噪声通常为宽频噪声,设计的阵列需要同时满足对高低频信号的测量需求,在确定了阵列测量频率范围的情况下,设计相应的阵列形式。在风洞气动噪声试验技术中,基于传声器阵列的噪声源定位技术是核心试验技术,噪声源定位的精准度主要取决于传声器阵列校准技术。传声器相位阵列安装之后,由于传声器频率响应和灵敏度不同,前置放大器、电缆的铺设、电源和信号调理器的频率响应以及传声器在阵列中的安装影响,会引起数据采集系统各测量通道间固有的相位差和幅值差。修正传声器的相位差和幅值差使得所有的传声器幅频响应一致,保证试验结果的准度。     

基于延迟LMS算法的管道噪声有源控制实验研究

在自适应有源控制中，次级通路建模对控制器算法实现有着重要的影响。以往次级通路建模通常会使用带有数十个甚至上百个系数的FIR滤波器，但过多的参数运算会对系统稳定性、控制实时性及硬件复杂度等方面带来麻烦。研究了一种在工程中实现简便的次级通路建模方法——通路时延估计法，并在消声室内进行了管道噪声有源控制实验。实验结果表明，次级通路时延影响着管道噪声有源控制的降噪频率以及降噪带宽。     

有源噪声控制的前馈/反馈混合算法

有源噪声控制广泛应用于低频噪声控制，针对不同噪声信号使用前馈算法、反馈算法和前馈/反馈混合算法（简称混合算法）进行仿真，并在以扬声器和风机为噪声源的实验系统上进行实验验证，结果表明混合算法在仿真和实际中具有更快的收敛性和更好的抗噪声效果。     

基于DSP的耳机噪声抵消系统的设计与实现

设计和实现了基于DSP的自适应有源降噪耳机系统。分析了有源降噪耳机系统的原理,基于SEED-DEC6416开发板实现了有源降噪耳机系统的硬件和软件设计,为保证系统的实时性对程序进行优化,降噪耳机系统实现了对实际环境中噪声信号的提取、自适应滤波和噪声抵消。实验结果表明系统,在实际噪声环境中可以对噪声进行抵消,并良好地恢复语音信号,验证了系统设计的可行性和算法的正确性。     

基于MEMS矢量传声器的声源DOA估计

微机电系统（Micro Electro Mechanical System,MEMS）矢量传声器在声源波达方向（Direction of Arrival,DOA）估计领域具有巨大的潜力及优势。本文分析MEMS矢量传声器接收信号模型,并结合随机性最大似然原理推导矢量传声器DOA估计模型。针对时变非均匀噪声影响矢量传声器DOA估计性能的问题,提出基于空间噪声预白化的极大似然DOA估计方法。此外,开展仿真分析及园区环境下的定向验证试验。结果表明,通过噪声协方差估计矩阵对矢量传声器接收信号数据进行预白化处理,能够克服时变非均匀噪声对信号协方差矩阵的影响,实现矢量传声器对目标DOA精确估计,验证了该方法的有效性及实用性。     

管道有源消声器的传输函数分析与实现

本文讨论管道有源消声器中初级传声器，次级声源，监测传声器典型布置情况下其传输函数的分析并导出了管道有源消声器中控制器传输函数的普遍公式。在简化条件下的特例即为一般文献所得出的公式。同时通过理论分析、实际测量方法或采用系统辨识技术和自适应控制技术讨论了管道有源消声器控制的传输函数的实现方法，可用以指导设计。     

内模型神经网络在有源噪声控制中的应用

采用IMC结构与人工神经网络方法解决了无法得到参考信号和系统非线性的问题，设计内模型神经网络控制器对噪声进行控制。通过仿真和实验证明，该控制结构能有效消除噪声中所含的周期噪声。非线性系统的仿真实例表明，内模型神经网络控制方法明显优于线性滤波X-LMS算法。     

基于径向基神经网络的旋转机械故障诊断

针对旋转机械故障征兆与故障模式映射的复杂性,以及BP网络容易陷入局部极小、收敛速度慢等缺点,提出基于径向基（RBF）神经网络的风机故障诊断方法。以风机振动信号的7段频谱能量峰值作为故障特征,采用训练好的RBF网络进行故障辨识。结果表明,RBF网络能满足风机故障诊断的准确性,并在避免局部极小和节约训练时间方面有较好的实用性。     

基于GX8002的超低功耗语音控制技术

本文基于GX8002设计了一款语音控制的风扇.GX8002集成度高,只需要供电与麦克风即可实现语音控制功能.在语音待机时电路工作电流小于600uA.本文提出电路也可以用于其它类型的电池供电的全天待机的语音控制电器.     

基于传声器阵列的语音增强技术

介绍了几种传声器阵列语音增强算法,包括固定波束形成、自适应波束形成、传声器阵后维纳滤波,并对各算法的性能和特点进行了分析。同时,对近几年基于传声器阵的语音增强技术的发展趋势进行了简单介绍。     

测试环境对亚毫开红外探测器测试结果的影响研究

红外探测器是红外系统的核心器件。近年来,高灵敏度、低噪声成为红外探测器技术的研究热点之一。对于噪声等效温差(Noise Equivalent Temperature Difference, NETD)值小于1 mK的低噪声红外探测器,环境因素对其性能的影响不可忽视。从黑体控温精度、测试环境温度、测试环境中的气流扰动等方面,分析了测试环境对亚毫开红外探测器测试结果的影响,并对低噪声红外探测器的测试方法进行了探究。实验结果表明,黑体控温精度对高灵敏度红外探测器的NETD值有直接影响,测试环境温度与气流扰动会影响黑体控温稳定性,从而间接影响NETD测量的准确度。     

基于神经网络的宽带激光熔覆熔池特征参数预测

为了实现宽带激光熔覆熔池特征的准确预测,从 而对激光熔覆工艺过程进行实时监测、评价及反馈 控制。通过宽带激光熔覆全因素工艺试验采集熔池特征参数样本数据,采用遗传算法优化BP 神经网络的 初始权值和初始阈值,建立激光熔覆工艺参数(激光功率、粉末厚度、扫描速度)与熔池特 征参数之间的 BP神经网络预测模型。利用训练集数据对所建立的神经网络进行训练,形成输入与输出之间 的映射关系, 并利用测试集数据对网络进行测试。试验结果表明,宽带激光熔覆熔池特征参数神经网络预 测模型具有很 高的精度。该神经网络预测模型对激光熔覆过程监测及熔覆层质量控制具有重要意义。     

基于舰船辐射噪声的舰船目标定位技术

通过声传感器阵列可实现对声源的自适应检测定位及跟踪,这使得它在目标探测、故障诊断等诸多领域有着广泛的应用。在复杂环境中,常规的相关方法对于声源的定位往往难以得到准确的定位结果。针对常规时差测向定位抗干扰性能差和易受噪声影响,特别是噪声存在显著的尖峰时更不能得到满意结果的问题,本文提出基于盲分离的定位算法改进其性能。通过仿真实验,可以看到本文提出的定位方法能够取得更稳定、准确的结果。     

An enhance excavation equipments classification algorithm based on acoustic spectrum dynamic feature

Underground pipeline network surveillance system attracts increasingly attentions recently due to severe breakages caused by external excavation equipments in the mainland of China. In this paper, we study excavation equipments classification algorithm based on acoustic signal processing and machine learning algorithms. A cross-layer microphone array with four elements is designed to collect the acoustic database of representative excavation equipments on real construction sites. The generalized sidelobe canceller algorithm is employed for background noise reduction. The improved spectrum dynamic feature extraction algorithm is then implemented for the benchmark acoustic feature database construction of excavation equipments. To perform classification and background noise identification, the single hidden layer feedforward neural network is employed as the classifier. An improved algorithm based on the popular extreme learning machine (ELM) is proposed for classifier learning. The leave-one-out cross validation strategy is adopted for the regularization parameter optimization in ELM. Comprehensive experiments are conducted to test the effectiveness of the proposed algorithm. Comparisons with state-of-art classifiers and the Mel-frequency cepstrual coefficients acoustic features are also provided to demonstrate the superiority of our approach.     

基于小波神经网络的非线性噪声对消

利用小波神经网络作为噪声对消滤波器,实现了参考噪声与干扰噪声呈非线性相关条件下的噪声对消。在参考噪声与干扰噪声非线性相关时,传统的横向滤波器效果不理想,利用小波神经网络的非线性特性,可更好的解决非线性噪声条件下的噪声对消问题。计算机仿真结果证明,小波神经网络噪声对消在非线性噪声条件可有效提高信噪比增益。     

基于模糊神经网络的异步电机DTC研究

针对异步电机直接转矩控制在低速时脉动大、开关频率不固定等缺陷,提出了一种基于模糊神经网络的直接转矩控制方案,该方案采用模糊神经网络调节器分别对转矩和磁链进行控制。该控制方法综合了模糊控制和神经网络的优点,原理简单、无需大量专家经验、具有优良的非线性逼近和自适应能力。最后通过仿真实验证明,采用该控制器的异步电机系统动态性能良好、低速脉动小。