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。     

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。     

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。     

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。     

传声器阵列可视化效果影响因素研究

随着社会的不断发展,人们对声源定位技术的要求越来越严格.本文针对这个问题,分析了在声源可视化过程中的影响因素.通过一系列对比参照实验,着重分析了影响其可视化效果的距离因素.本文实验为将来的可视化研究提供了参考数据,为提高传声器阵列的识别性能、提高声源识别的精度、基于声品质的声源成像等提供帮助.     

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。     

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。     

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。     

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。     

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。     

强干扰环境下声源可视化重建方法的研究进展

准确识别噪声源是机电产品噪声控制的关键,其中,近场声全息和波束形成是两种常用的声源可视化重建方法,分别适用于近场低频和远场高频声源重建的情况。传统的声全息和波束形成方法基于自由场假设,即适用于目标声源辐射声与干扰噪声之间的信噪比大于10 dB的情况。然而很多机电产品的噪声测试只能在工作现场进行,不满足自由场条件。为此,从声学传播方程和信号处理两个方面出发,回顾了强干扰环境下声源可视化重建方法的研究发展历程,评点了每种方法的特点和适用范围。重点介绍了强干扰环境下的近场声全息方法,包括声场分离法和逆块传递函数法。另外,还介绍了混响环境下的声源重建方法以及基于信号处理的信号噪声分离方法。最后,讨论了强干扰环境下声源重建有待解决的问题及其发展趋势。     

波叠加联合波束形成的局部声场重建技术研究

传统近场声全息是以快速傅里叶变换为基础的,在有限测量孔径条件下将产生窗效应和卷绕误差,因此一定程度上制约了其在工程上的应用。基于此,提出了一种基于波叠加联合波束形成的局部声场重建技术。首先利用波束形成对传声器阵列采集的声场信息进行分析计算,获得声源的具体位置;然后在该位置配置等效源,并利用迭代算法对局部声场的数据扩展;最后应用扩展后获得的声场数据进行重构。该技术只需要少量的传声器就可以方便快速的实现声场重建。在半消声室内采用两个音箱模拟声源进行研究,实验结果表明:在小测量孔径下该方法可以准确的重构外部声场,拓宽了近场声全息在工程中的应用范围。     

基于最优收缩的传声器阵列部分相干噪声去噪方法

传声器阵列信号的去噪问题对波束形成方法具有重大意义。在复杂干扰环境下,背景噪声的分布不再满足传统的互不相干假设,而更趋近于部分相干。文章研究了空间噪声的分布机理和部分相干噪声理论,并提出了一种在已知声源个数下的传声器阵列部分相干噪声的去噪方法：通过声源噪声的低秩假设以及部分相干噪声的稀疏假设,基于最优收缩方法（Opt-Shrink）迭代提取传声器阵列互谱矩阵的低秩部分,实现去噪的目的。通过仿真,验证了该方法在相干通道数为10和25时,可以获得明显的成像结果;而传统针对不相干噪声去噪的对角线移除方法（DiagonalRemoval,DR）在相干通道数较多时,声源定位结果较差。在强干扰低信噪比的声源定位实验中,该方法相对于对角线移除方法可以得到更好的去噪效果。     

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。     

阵列测量中的卡尔曼滤波器算法

针对经典波束形成算法不具备实时性、占用存储空间大、计算速度慢等缺点,提出了基于卡尔曼滤波器的算法。这种算法将信号处理领域中现有的卡尔曼滤波器理论与阵列信号处理过程相结合,在频域内对声学阵列所采集到的数据进行迭代处理,不仅能够及时发现风洞测量中存在的各种问题,而且可以实时消除由测量环境所引起的各种误差。仿真结果表明,这种算法比经典波束形成算法收敛速度更快,不仅成像效果很好,而且能够对低速运动声源进行定位。此算法具备实时性,为风洞声源的实时定位提供了重要的算法选择。