基于不动点迭代的增广拉格朗日声源识别算法EI北大核心CSCD

等效源法近场声全息是进行声源识别的重要方法。传统的基于Tikhonov正则化方法局限于相对低的频率,进行高频声源的声场重建时效果较差,而基于最速下降法的宽带声全息(wideband acoustic holography,WBH)方法则在中高频效果较好。为了拓宽声场重建的频率范围并提高声源识别分辨率,提出一种基于增广拉格朗日方法(augmented Lagrangian method,ALM)的等效源法声源识别算法,该方法将L1范数正则化模型转化为增广拉格朗日方程的最小化问题,并应用不动点迭代求解得到声源强度。通过仿真与试验表明,与Tikhonov正则化、WBH和快速迭代收缩阈值算法(fast iterative shrinking threshold algorithm,FISTA)三种方法对比,所提方法适用于更宽的频率范围,且对不同的全息距离和信噪比具有很好的适应性。     

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。     

声源识别的柱面声全息方法与数值实现研究

主要介绍了基于空间声场变换(STFT)的柱面声全息技术，及其在识别和定位柱状或类柱状声源方面的应用。柱状或类柱状声源如压缩机、电动机等都是工程中比较常见的噪声源，对该类声源的识别和控制具有重要的实际意义。给出了柱面全息重建的实现算法，并分析了重建误差同声压测量误差之间的关系。对不同类型声场的仿真模拟结果表明：给出的柱面声全息实现算法是有效的，可以正确地重建声场和识别噪声源。     

迭代总体最小二乘正则化的近场声全息方法研究

为有效解决近场声全息(Near-field Acoustic Holograph,NAH)技术在水下振动声源识别方法中面临不适定性问题,将平面NAH技术的声源识别过程转化为线性系统的求解过程,探明声源识别中不适定性问题产生的根源,考虑全息面测量声压和传递矩阵均存在误差,提出牛顿迭代的总体最小二乘(NTLS)正则化方法稳定NAH重建过程。新方法以TLS正则化算法为基础建立目标函数,将目标函数改化为具有凸函数的性质;然后采用具有二阶收敛速度牛顿迭代法求解;基于L曲线法特性,提出自适应迭代方法确定正则化参数。开展了NAH仿真和试验研究,提出构建良态传递矩阵的策略,最终验证了NTLS正则化的NAH技术在水下振动声源识别和定位中具有较好的精度。     

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。     

可视化噪声源识别技术

简要回顾了噪声源识别的传统方法和基于信号处理的方法,阐述了可视化声源识别技术的基本原理,然后利用各种重建算法在三维空间中进行声场重构并将结果用图形表示出来。按噪声信号采集方式、重建算法和结果表示方式对该技术进行了分类。对常用的三类重建算法Fourier方法、Helmholtz-Kirchhoff积分方程法和等效源法进行了详细的比较,重点分析了等效源法,指出它目前存在的研究困难。给出了一种应用可视化噪声源识别技术的系统解决方案。     

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。     

运动物体噪声场分解的传递路径声全息方法

声全息及波束成形技术可以通过对阵列噪声信号处理,获得运动物体表面声场的分布。如果物体中声源相距较近或声源相关性较高,该方法不能有效区分每个声源对目标表面声场的贡献。提出了一种基于声源特征的传递路径声全息方法。该方法同时采集外场阵列面信息及物体上声源参考信息,在声源识别过程中,结合声源传递路径对采样面信息分解,然后采用声全息技术重建声源,实现声源识别和声场分解。介绍了该方法的识别过程,并与传统的声全息方法进行多声源仿真对比;最后应用该方法进行了实际汽车噪声源的分解。结果表明,该方法能有效识别并分离出运动物体的噪声源。     

基于移动麦克风阵列的稳态声源识别

基于波束形成的麦克风阵列声源识别技术存在识别低频声源分辨率低、识别高频声源易产生空间混叠的问题,影响了声源识别的准确性。对于稳态声源,本文提出两种麦克风阵列移动方法,即改变麦克风阵列中心位置、调整测量距离来提高低频声源识别分辨率,和采用旋转麦克风阵列进行多次测量的方法来抑制高频声源识别中的空间混叠,从而达到使用较少麦克风提高声源识别性能的目的,并通过仿真和实验验证了此方法的有效性。     

基于声阵列技术的汽车噪声源识别及贡献量分析

将统计最优声阵列技术运用于汽车噪声源(内部和外部)识别中,采用改进的远场声全息技术以弥补传统远场声全息识别精度低的缺点;研究了基于近场声全息技术的声贡献量分析方法,从而为低噪声优化设计提供方向;运用统计最优波束形成算法进行中高频声源识别,并将DAMAS方法用于后处理以提高识别精度,通过上述方法以探索一种新的声源识别及控制技术。最后将以上方法运用于某型轿车的声源识别和声贡献量分析中。     

三维自由空间中指向性信息未知偶极声源的等效源识别方法

偶极声源的指向性是影响声源识别结果的关键因素。目前,偶极声源的识别方法通常是基于声源的指向性信息先验假设,然而在实际偶极声源识别中,很难事先获得声源的指向性信息;此外,声源分布在二维平面上的假设通常不适用于实际的气动系统。为了准确识别指向性信息未知的偶极声源,并获得声源的三维成像结果,提出了一种基于加权迭代L1最小化算法的等效源方法。该方法将声源指向矢量作为未知参数,从测量声压与等效源源强的传递函数中分离出来,并通过加权迭代L1最小化算法将声源指向矢量与等效源源强一起求解出来,进而利用这些求解获得的声源信息进一步预测声场。与以往的偶极声源识别方法不同,该方法可以实现指向性信息未知偶极声源的三维成像。指向性信息未知偶极声源的三组仿真案例和自制类偶极声源的实验研究验证了该方法的有效性和鲁棒性。     

基于亥姆霍兹方程最小二乘法的运动声源识别研究

为有效解决水下运动声源的噪声源识别问题,研究了基于移动框架技术（MFAH）和亥姆霍兹方程最小二乘法（HELS）的运动声源识别理论,建立了基于MFAH与HELS的组合声全息算法,并通过了水池实验验证。实验研究结果表明该组合算法能够对水下任意形状运动声源进行准确识别,能够获得较高的声源定位精度,并且适用的频率范围较宽;对于存在多个相干声源的复杂声场,仅要求阵列的全息测量面为重建面的1.3倍就能够较准确的识别定位噪声源,实现了用小测量面、快速识别定位运动噪声源,为进一步的工程应用提供了方便     

运用内积相关性结合迭代相减识别两点声源

提出运用内积相关性识别两点声源的新方法,通过在声源面上构造虚拟声源,计算虚拟声源在传声器阵列上的声压,构造虚拟声源的声压向量,将其归一化,与传声器实际测得的声压信号作内积运算,通过优化算法搜索内积模的极值,当内积模达到最大值时,根据内积相关性原理,识别出目标声源的位置。当声源间距离较近时,声源识别精度受到声源间的干扰影响,引入迭代循环算法降低声源相互干扰的影响,以传声器测量面上剩余的声压作为判断循环终止的条件。计算结果表明,利用内积相关性结合迭代循环相减算法能有效识别出两点声源。     

统计最优柱面近场声全息识别声发射源研究

植物在受到病害胁迫时会发出声发射信号。通过声发射信号的采集,以统计最优柱面近场声全息技术为理论依据,进行植物的声源信号识别和声场分析。对单声源和多声源分别进行了仿真分析,通过不断修改全息柱面半径、重建柱面半径和测量点间距等参数,探索获得最佳重建效果的参数范围,同时探讨了窗函数对重建效果的影响。将基于统计最优算法的柱面近场声全息与基于空间傅里叶变换算法的柱面近场声全息进行了比较,仿真结果表明,单声源时基于空间傅里叶变换技术计算的重建面声压幅值相对误差均在10dB以下,而统计最优柱面声全息技术计算的重建面声压幅值相对误差均在15dB以下,多声源时基于空间傅里叶变换技术计算的重建面声压幅值相对误差基本在2dB左右,而统计最优柱面声全息技术计算的重建面声压幅值相对误差在26dB以下,充分表明了统计最优柱面声全息技术的优越性。     

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。     

基于近场声全息的重建算法分析与研究

针对声全息算法种类繁多及应用场合不同需求,通过有限元仿真和数值仿真相结合,对基于傅里叶变换、统计最优和等效源3种算法进行分析,寻找声源频率、重建距离、采样间距及正则化方法对重建精度的影响,并对其计算效率进行对比。在开阔水域进行实验验证。结果表明:随着声源频率增大,重建距离增加,采样点数减少,声全息算法的重建精度逐渐降低。在低频区域,结合L-曲线正则化法的统计最优近场声全息具有最佳的声场重建效果;基于等效源法的声全息重建精度最高,但容易产生虚像;基于傅里叶变换的声全息算法受重建距离影响严重,但重建速度优异,且声源定位准确。     

噪声源识别的混合波叠加法及其数值仿真研究

提出了以混合波叠加法作为声场的全息变换算法,建立了基于混合波叠加法在声源识别中的理论模型。此法用相对少量的测点数据就可重建任意形状源表面的声场,克服了基于边界元法的声全息中的奇异值积分和解的非唯一性难题,数值仿真结果表明:它具有计算速度快、重建精度高、测量成本低和容易实施等优点,可以精确地识别和定位机械噪声源,在工程实践中具有广泛的应用前景。     

阵列形式及阵元失效对统计最优近场声全息重建结果的影响分析

为探究阵列形式以及阵元失效两种阵列因素对声场重建结果的影响,基于统计最优近场声全息(Statistically Optimal Near-field Acoustical Holography,SONAH)理论,仿真计算了网格阵列、圆形阵列、均布非规则阵列的声场重建结果。得出:网格阵列和均布非规则阵列都能准确识别声源位置,圆形阵列不能用于SONAH声场重建;模拟研究了典型失效模式下阵元失效产生的影响,结果表明:阵元失效后在失效点处会出现伪声源,其大小与失效点和声源距离有关。由此给出并分析了阵元失效的补偿方法,基于该方法对典型失效模式进行了算例仿真并分析计算了重建误差限,结果显示:采用该方法能消除伪声源,较好地识别声源位置。从而验证了该方法的有效性,为实际工程测量提供了指导与借鉴。     

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。