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。     

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。     

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。     

飞机起落架的气动噪声源定位研究

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。     

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。     

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。     

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。     

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。     

CLEAN-SC波束形成声源识别改进

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。     

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。     

似P范数特征值分解高分辨率声源定位识别方法研究

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。     

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。     

基于插值矩阵技术与二维空间平滑法的近场相干声源识别研究

在研究插值矩阵技术与二维空间平滑法两种方法的基础上,将两者进行结合,提出了一种对近场相干声源进行识别的方法。首先通过插值矩阵技术把实际阵列接收到的近场信号转换为形式上的远场信号,然后通过二维空间平滑法求出阵列的平滑协方差矩阵,再由平滑协方差矩阵得到给定方向向量对应的信号功率,实现二维相干声源的识别。算例表明,该方法比传统的波束形成能更准确地定位出声源的位置。     

压缩波束形成声源识别的改进研究

凭借空间分辨率高、旁瓣衰减能力强等优势,压缩波束形成声源识别算法备受关注。传统方法直接最小化声源分布向量的l_1范数,重构声源分布与真实声源分布之间存在一定偏差,声源无法被直接准确量化。为改善该问题,给出迭代重加权l_1范数最小化方法,其迭代求解声源分布,且每次迭代中对声源分布向量进行加权。仿真及试验结果均证明:所给方法能有效降低传统方法的重构偏差,能直接用主瓣峰值准确量化声源强度,且空间分辨率更高、旁瓣衰减能力更强。     

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。     

基于非负最小二乘反卷积波束形成的发动机噪声源识别

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。     

基于压缩聚焦网格点的快速反卷积算法EI北大核心CSCD

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。     

改进的波束形成算法及其在多声源定位中的应用

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。