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。     

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。     

由波束形成的噪声源识别方法对比研究

噪声源识别在航空航海等领域具有重要的意义。目前常用的识别算法多数是基于波束形成,一方面是由于其性能稳定,另一方面则可以在定位噪声源的同时估计其辐射强度。常规波束形成方法(CBF)的主瓣宽度较宽,不利于分辨相距较近的噪声源。近年来,基于波束形成的高分辨噪声源识别方法不断涌现,各种噪声源识别方法有其不同特点。为此,针对CBF,CLEAN,DAMAS三种算法进行分析,仿真对比这三种方法的特点,并通过外场实验验证了仿真的正确性,从而为噪声源识别中选择合适的算法提供依据。     

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。     

基于声阵列技术的汽车噪声源识别试验研究

声阵列技术通过多个传声器获取声场信息,使用波束形成原理对声场信号进行处理,能对宽带声源进行有效识别。利用基于波束形成的声阵列噪声源分析技术,研究了汽车辐射噪声的频率特性和能量分布特性,通过与光学图像的自动重叠,获得了汽车整车最大噪声源的频率、空间位置及产生来源。试验结果表明,声阵列技术能够快速有效地进行噪声源诊断和声源空间定位,为汽车的噪声控制提供了科学依据。     

麦克风基阵结构的噪声源识别性能研究

为更好地应用麦克风阵列识别噪声源位置,本文针对多种不同基阵结构的噪声源识别性能展开研究.基于"延时-累加"波束形成原理建立了平面任意麦克风基阵结构的数学计算模型,并给出了麦克风基阵声源定位的通用计算方程组;分别推导分析了二元、三元及四元基阵的定位算法公式,并对三元基阵给出了其矩阵解.分析比较不同类型的麦克风基阵结构对噪声源的识别性能影响.通过建立由不同形式基阵构成的同等规模小型麦克风阵列,进行噪声源识别对比测试,最终的测试结果验证了本文所提出模型及算法的可靠性,并得出由正三元基阵构成的麦克风阵列结构具有较好的噪声源识别性能的结论.     

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。     

基于改进遗传算法的反卷积信号识别

信号处理中的反卷积是一个不适定问题，在泛涵理论上求取反卷积正则解的关键足求距离的最小。遗传算法在优化方面具有优势，因此提出用遗传算法优化求取最小值进行反卷积信号诊断。但足由于传统的遗传算法存在着一些问题，易陷入局部极小点导致成熟前收敛，使得反卷积问题的解决有误差，恢复的波形具有波动性，精度还不够，由此我们对传统的遗传算法进行了改进，改进后模拟计算发现恢复的信号波形精度明显上升，和原信号波形很相象，比较准确地反映了原信号固有的特性。     

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。     

基于FFT-OMP-DAMAS波束形成方法的汽车前围板隔声薄弱部位识别

为实现汽车前围板隔声薄弱部位的准确识别,文章提出了基于快速傅里叶变换(Fast Fourier Transform,FFT)和正交匹配追踪(Orthogonal Matching Pursuit,OMP)的反卷积(Deconvolution Approach for the Mapping of Acoustic Sourc‐es,DAMAS)波束形成方法(FFT-OMP-DAMAS)。该方法基于声源稀疏分布假设,利用正交匹配追踪思想求解反卷积问题,并进一步结合傅里叶变换和点扩散函数空间转移不变假设降低计算维度。在混响室-消声室内,分别利用延迟求和方法,DAMAS方法和FFT-OMP-DAMAS方法进行了某汽车前围板隔声薄弱部位识别试验,结果表明：FFTOMP-DAMAS方法能够有效抑制旁瓣和伪源,有效缩减主瓣宽度,从而准确识别汽车前围板隔声薄弱部位,且相较于传统的DAMAS方法,文中提出的FFT-OMP-DAMAS方法能获得更清晰的成像结果,计算效率有了明显提高。     

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。     

基于波束形成方法的货车车外加速噪声声源识别

综合基于波束形成的噪声源识别方法和外场车外加速噪声测量技术,构建一套完整的针对运动声源的车外加速噪声外场声源识别测试系统,给出了相应的测试计算流程与方法。利用该系统完成货车车外加速噪声声源识别试验,确定发动机为该货车车外加速噪声的主导噪声源,且对应最大噪声时刻发动机转速为２４００ｒ／ｍｉｎ。进一步的发动机噪声源识别结果表明：涡轮增压器、发电机、气缸盖罩是其主要噪声辐射源。     

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。     

基于频谱分析的电机噪声源的识别

电机噪声源的识别及控制已成为目前电机行业的一项重要研究。介绍了电机噪声源的分类,并对现阶段常用的噪声源识别方法的优缺点进行了分析和比较。重点分析了利用频谱分析法识别噪声源的基本理论和具体实现。实验表明,频谱分析法可以有效地识别电机噪声源。     

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。     

微型客车某款发动机的噪声源识别与结构改进

随着微型客车的广泛使用和产品的激烈竞争,噪声问题显得更加突出。本文采用整车的分别运行法获得微型客车的常用某款发动机排气噪声、发动机燃烧噪声、发动机机械噪声、变速器噪声及其它噪声源噪声,而发动机台架声强测试、发动机悬架及油底壳振动测试发现,油底壳是发动机噪声的主要辐射源,消声器插入损失试验结果发现消声器有很大的改进空间。为此对消声器和发动机油底壳进行结构改进,消声器改进后的消声量和原结构相比,都大幅提高,最大约28dB(A),最小也有20dB(A),而改进后油底壳的各阶模态频率都有不同幅度的提高,尤其一阶、六阶都有50%以上的提高,最小的是第三、四阶,也有10.6%的提高。改进后的车外行驶加速噪声由78dB(A)降到73.5dB(A),车内噪声品质主观评价也显著提高。     

引入声全息技术的发动机噪声源识别试验研究

针对某型3缸汽油发动机运用声全息技术进行发动机噪声源识别。首先在台架上对发动机进行1m声压级瞬态测试,由此确认进气侧的噪声辐射最大。然后在进气侧进行声全息试验,通过分析声压云图和噪声频谱,识别出该发动机进气侧的主要噪声源位于发电机处,噪声峰值频带为1 000 Hz~2 500 Hz。为了确定噪声源具体位置,结合近场声压法和表面振动法,在声全息识别出的主要噪声源位置进行补测试验,发现发电机的振动和近场噪声峰值频带均与1 000 Hz~2 500 Hz重合,由此可以确定该发动机进气侧的主要噪声源是发电机。综合运用声全息技术和传统的噪声源识别方法对发动机进行噪声源识别试验,不仅可以提高传统识别方法的效率,还可以弥补声全息技术精度不高的缺陷。     

频域波束形成的FRFT实现

介绍了一种常用的分数傅立叶变换的快速算法,并将该算法应用于宽带声呐频域多波束形成,与直接计算方法和一些近似计算方法相比具有明显的优势,不仅速度快而且结果与直接计算相同。