共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
3.
4.
《振动与冲击》2017,(10)
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。 相似文献
5.
近年来,随着民航客机数量以及机场起落密度的不断增加,飞机噪声已成为人们普遍关注的问题。当气流流过起落架时会产生很大的噪声,起落架已成为机体噪声的主要来源。采用麦克风阵列测量技术与高级波束成形算法对起落架的气动噪声源进行定位。通过包含有24个麦克风的平面阵列对试验数据进行采集,并利用CLEAN-SC、DAMAS、DAMAS2等三类高级波束成形算法获取起落架的主要噪声源位置。通过对不同声源定位方法的结果进行对比,发现CLEAN-SC算法在起落架气动噪声源定位中最为适用。最终采用CLEAN-SC算法对不同频率段下起落架的噪声源进行定位。结果表明,随着频率的不断发生提高,起落架的主要噪声源位置出现由机轮沿着侧支撑不断发生移动的规律。 相似文献
6.
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。 相似文献
7.
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。 相似文献
8.
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。 相似文献
9.
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。 相似文献
10.
11.
《振动与冲击》2019,(15)
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。 相似文献
12.
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。 相似文献
13.
提出一种基于似P范数特征分解的高分辨率声源定位识别方法,该方法在子空间类算法原理基础上,利用特征分解得到子空间响应函数向量,通过预设声源类型建立各子空间声源向量重构模型,进而利用似P范数稀疏性约束条件求解最优解,获取高分辨率声源定位识别效果。理论及仿真研究表明,与其它常规算法相比,该方法不仅能真实反映声源位置信息,而且能反映不同声源能量分布的绝对大小,对多种类型声源具有高精度,高分辨率定位识别效果,适用性强。通过对影响定位性能参数的仿真分析,给出了合理的选取范围。水池试验进一步验证了该方法具有良好的工程应用前景。 相似文献
14.
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。 相似文献
15.
16.
17.
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。 相似文献
18.
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。 相似文献
19.
为提升反卷积算法的计算效率,提出一种压缩聚焦网格点的快速反卷积算法。该算法基于函数波束形成的输出,根据设定的声源识别阈值,压缩参与反卷积算法循环的聚焦网格点数。算法融合了函数波束形成与相干声源图清晰算法CLEAN-SC(CLEAN based on spatial source coherence)的优点,可进一步提高多声源定位的空间分辨率,并有效降低算法计算时间。仿真和试验表明:所提算法对低于瑞利极限的不相干多声源具有良好的识别效果;试验中,与CLEAN-SC相比,所提算法的计算效率提升了约3.90倍。 相似文献
20.
为提高多点声源工况的定位精确度及简化设备,对传统波束形成算法进行改进。引入改进扫描中的扫描向量并结合遗传算法对求解域内的非线性方程组进行求解,从而提高定位精度。基于改进算法,在消声室内采用空间星型(Y型)传感器阵列对不同声源进行定位,并将结果与传统算法定位结果进行比较。由比较可见:当多个声源相距较近时,这些源等效于单一点源,两种算法定位结果基本一致;但当声源相互距离增大时,改进算法可以有效提高定位精度,并准确定位多个源的位置。 相似文献