基于声压贡献的球面阵波束形成声源识别滤波求和算法

运用实心球传声器阵列波束形成技术识别声源时,滤波求和算法提高了传统声压球谐函数角度分解算法的旁瓣抑制性能,但其采用声源强度作为输出,无法直接反映声源对目标接收者的声学贡献,且输出结果是否准确依赖于聚焦距离是否等于源到阵列中心的真实距离。针对此问题,以最小化最大旁瓣为目标,以声压贡献输出的主瓣峰值无畸变为约束条件,构建二阶锥规划优化模型,采用CVX凸优化求解器进行求解获取滤波参数,最终建立以声压贡献为输出的球面阵波束形成声源识别滤波求和算法。仿真及试验结果均表明,该算法实现了声源对目标接收者的声压贡献量化,且量化准确度几乎不受聚焦距离的影响,同时具有优秀的旁瓣抑制性能和良好的空间分辨率。     

基于遗传算法的动态优化波叠加噪声源识别方法

针对现有声全息以及波束形成等方法中重建声场的虚假声源问题,提出一种利用遗传算法搜索声源位置的波叠加噪声源识别方法。该方法通过传声器阵列测量声音信号,基于时间延迟算法进行声源面的声压预估;选取预估声压峰值点作为等效源的初始位置;根据初始识别结果确定声源位置搜索的三维空间范围,以重建传声器声压误差函数作为位置评价指标,利用遗传算法动态地优化等效声源的空间位置,并实现声场的波叠加重构。对该方法进行仿真试验,得到的识别结果中旁瓣引起的虚假声源强度下降到真实声源的10%以下。试验结果表明利用该技术重建声场时,与传统的全息和阵列技术相比,可以有效消除虚假声源以及旁瓣效应,与静态波叠加方法相比,可以取得准确的声源位置和重建声压值。     

高性能波束形成声源识别方法研究综述

基于传声器阵列测量的波束形成声源识别技术广泛应用于军事、工业、环境等领域。围绕“空间分辨能力增强、寄生虚假声源抑制、定位定量精度提升、鲁棒稳健性能强化、声源识别功能完善”的目标,国内外学者开展了大量研究工作并取得了丰硕成果,反卷积波束形成、函数型波束形成和压缩波束形成三类典型高性能方法先后被提出。为帮助国内学者全面了解三类高性能波束形成方法并加以推广应用,系统阐述其核心思想,全面综述其重要研究进展,根据需要计算的阵列点传播函数的数目对反卷积波束形成进行科学分类,根据采用的网格点类型对压缩波束形成进行科学分类。综述同时涵盖适宜识别阵列前方局部区域内声源的平面传声器阵列和适宜360°全景识别声源的球面传声器阵列。     

基于稀疏贝叶斯学习的压缩球波束形成声源识别方法

基于实心球传声器阵列的压缩球波束形成具有声学成像全景、适宜中远距离测量而易于布置等优势,在汽车、飞机等噪声源识别领域具有广阔应用前景。新近提出的基于稀疏贝叶斯学习(Sparse Bayesian learning, SBL)的压缩球波束形成能够获得良好的低频声源识别性能,但由于其采用了第二类最大似然估计(Maximum type-Ⅱ likelihood estimation, MLE-Ⅱ)进而需要估计声源稀疏度,且抗噪声干扰能力和计算效率也有待提升,推广应用受限。为此,首先将压缩球波束形成数学模型求解问题转化为SBL框架下的源强分布最大后验(Maximum a posterior,MAP)估计问题,并采用期望最大化优化算法(Expectation maximization, EM)加以求解,提出无需稀疏度估计的MAP-EM压缩球波束形成方法;在此基础上,将多快拍复声压矩阵输入转换为多快拍平均的声压互谱矩阵输入,并基于互谱矩阵对角重构降噪建立了抗噪声干扰能力增强的EMAP-EM(Enhanced MAP-EM, EMAP-EM)压缩球波束形成方法。仿真和试验均表明,提出的MAP-EM和...     

函数波束形成声源识别性能分析及应用

函数波束形成声源识别算法能够有效克服传统波束形成存在的"主瓣"宽、"旁瓣"高且多等缺陷。基于传统波束形成及矩阵特征值分解理论,给出函数波束形成算法的理论推导。基于自主开发的算法程序进行单声源、不相干双声源的模拟仿真,结果表明:函数波束形成在识别单声源、不相干声源时均能有效地衰减旁瓣,提高识别分辨率,且能清晰地识别弱源;当声源不在聚焦网格点时,函数波束形成主瓣峰值输出随指数的增大而降低,出现失真的情况;传声器及测量通道频响失配情况对函数波束形成的成像影响很小。由函数波束形成峰值输出误差随指数的变化曲线,建议指数一般取16。进一步,不相干四声源的算例试验验证了算法的有效性及程序的正确性。对某汽车前围板的隔声薄弱环节识别中,除空调进风口及暖风机进出水管安装孔隔声薄弱环节以外,亦准确定位转向柱安装孔附近这一隔声薄弱位置,识别结果更全面,为进一步改进其隔声性能指明了方向。     

波束形成噪声源识别性能的仿真分析及应用

波束形成声源识别技术因具有在中高频的分辨率高的特点而被广泛应用于工程实际中。基于平面波和球面波的假设,以扇形轮阵列为例,进行了延时求和算法的单声源、多声源的声源识别性能仿真,结果表明:自主开发的算法程序是正确的,能够准确地识别单个及多个声源。进行了互功率谱及除自谱的互功率谱算法的声源识别性能仿真对比,结果表明:两种算法均可以准确定位声源,且除自谱的互功率谱算法可以有效地抑制旁瓣,提高了声源识别性能。为进一步验证算法程序的准确性,进行了工程试验,得到单一频率的声源成像图,开发了便于查看任意频带下数据结果的用户界面,同时与基于PULSE获得的声源成像结果进行对比,验证了算法程序的准确性。     

空调对车内噪声影响的仿真分析

为研究市域列车空调系统对车内噪声的影响，本文结合边界元法和声线跟踪法，建立了市域列车空调声源车内噪声仿真模型，模型在低频区（160Hz以下）使用边界元法，考虑了空调机组和风道气流等声源在空调风道以及客室车厢内传播的特性，在高频区（160Hz以上）使用声线跟踪法，最终得到整个频段的车内噪声。选取车内中心距离地板1.6 m高度处的声压级仿真与试验结果进行对比，结果显示试验与仿真曲线的变化趋势基本一致，声压级总值相差1 dB以内，各频段声压级差值在5 dB以内，验证了声学模型的准确性。最后应用该模型对空调降噪措施进行了仿真，当仅存在空调声源时，在管道底部铺设2 m的玻璃丝绵可降低车内噪声4.0 dB(A)。     

压缩感知声源定位方法研究*

目前声源定位主要采用波束形成算法与麦克风阵列相结合的方法。常规波束形成(Conventional beamforming, CBF)方法存在以下缺陷：① 空间分辨率受限于瑞利限;② 动态响应范围受旁瓣的影响。高级波束形成算法则存在着计算时间过长、会出现负声源或假声源等缺陷。提出一种基于麦克风阵列与压缩感知正交匹配追踪(Orthogonal matching pursuit, OMP)算法的声源定位方法。在不同频率下通过数值仿真方法将压缩感知OMP算法与CBF算法及压缩感知基追踪(Basis pursuit, BP)算法的声源定位结果进行对比。结果表明：① 与CBF算法相比,压缩感知算法显著提高定位结果的分辨率;② 当声源频率为 1 000 Hz时,测量矩阵的等距约束性常数(Restricted isometry constant, RIC)远高于FOUCART边界限,不满足等距约束性条件(Restricted isometry property, RIP),压缩感知OMP算法仍能定位出主要声源的位置,而压缩感知BP算法无法对主要声源进行定位。通过数值仿真方法对不同信噪比(Signal to noise ratio, SNR)及不同声源间距下压缩感知OMP算法和CBF算法声源定位的结果进行对比。结果表明：① 当SNR为零时,压缩感知OMP算法能对主要的声源信号进行定位,而CBF算法无法对主要声源进行定位;② 在声源频率为5 000 Hz时,OMP算法的空间分辨率为0.074 m,突破了瑞利限约束。通过试验对所提出的声源定位方法的可行性进行验证。     

非规则结构表面多声源近场声全息方法

为了提高非规则结构表面多声源声场的全息精度,提出基于目标深度识别与球面波叠加逼近的非规则表面多声源近场声全息方法。该方法使用声源空间深度识别理论,确定结构体上各声源的空间位置,在各声源处分别使用球面波的叠加描述空间声场分布,然后结合现有单原点球面波叠加近场声全息法重构声场。为了验证方法的可行性,首先使用所述方法和现有单原点球面波叠加声全息法,分别对径向脉动球与横向振动球组成的不同声场进行全息重构。结果表明,当声源集聚分布时,所述方法与现有方法均能有效全息重构声压分布,重构误差在5%以下;当声源离散分布时,现有方法失效,所述方法能够较准确地给出重构面的声压分布,主要频段内的全息重构误差小于20%。进一步的对比实验表明,在全息重构多扬声器非规则空间分布声场时,使用所述全息方法的重构误差平均下降14.08%,显著提升了多声源非规则空间分布声场的全息精度。     

弹性网正则化广义逆波束形成算法改进

广义逆波束形成凭借其空间分辨率高,抑制旁瓣能力强等优势得到广泛关注。为了提升一般广义逆波束形成的声源识别性能,基于弹性网正则化波束形成既能保证声源识别结果的稳健性又能体现声源信号的稀疏性。然而,在测量声源信号的过程中所产生的非相干噪声对声源结果产生不可避免的误差,为抑制测量过程的干扰噪声,结合对角降噪和特征值改进法重构波束形成正则化参数,提出了一种改进弹性网正则化的广义逆波束形成,以重构正则化参数区别干扰噪声和目标声源。进行了数值仿真和实验验证,结果表明该算法在中高频时主瓣宽度误差低于10 dB,且比弹性网正则化波束形成具有更高的空间分辨率以及稳健性,衰减旁瓣能力强。     

基于弹性网正则化的广义逆波束形成

广义逆波束形成是一种高效的声源识别方法。然而受限于较低的算法稳健性,使得其难以实现高精度的声源识别定位。为提高广义逆波束形成声源识别性能,结合弹性网正则化方法和广义逆理论提出一种基于弹性网正则化的广义逆波束形成。首先从广义逆理论出发介绍了特征向量求解以及阈值截断滤波过程,并结合弹性网正则化思想全面阐述了基于弹性网正则化的广义逆波束形成基本理论;其次建立了数值仿真模型,以单极子和多声源识为研究对象,对比其他波束形成算法详细分析了声源类型与频率等因素对其声源成像性能的影响。最后以单极子、不相干以及相干声源为研究对象进行实验分析,结果表明由于基于弹性网正则化的广义逆波束形成的波束输出解具有较强的稀疏性和稳健性,使得其相比传统广义逆波束形成,能更精准地识别定位声源。     

基于函数广义逆波束形成的声源识别

广义逆波束形成是一种基于传声器阵列的高效声源识别技术。然而面对复杂声源,受限于较差的旁瓣抑制能力以及较低的动态显示范围,难以实现高精度的声源识别定位。为提高广义逆波束形成声源识别的动力学水平,结合函数波束形成,提出一种函数广义逆波束形成方法。从广义逆波束形成与矩阵函数分析出发,全面阐述函数广义逆波束形成基本理论,详细分析不同声源类型和测量误差等因素对其声源成像性能的影响,得到阶次数的最佳取值应用范围。通过数值仿真模型和试验算例进行声源成像仿真,结果表明,函数广义逆波束形成,在保证准确识别声源强度与声源方位的基础上,通过增加阶次数能成倍提高波束旁瓣抑制能力,从而保证其拥有更高的空间分辨率能更精准定位声源。     

二维动态网格压缩波束形成声源识别方法

基于平面传声器阵列测量和固定网格的传统二维压缩波束形成通过建立阵列传声器测量声压信号和假想声源网格点未知源强之间的欠定线性方程组,基于主声源通常为稀疏分布这一事实,利用稀疏促进算法求解上述方程组从而获得声源波达方向和源强的准确估计,进而准确识别声源。然而,当声源波达方向与网格点不一致、即发生基不匹配时,性能会劣化。为克服该问题,提出二维动态网格压缩波束形成声源识别方法。定义网格坐标和源强分布矢量为变量并采用对数求和罚函数构建目标函数以促进解的稀疏性;基于优化最小化框架在目标函数的基础上构造合适的替代函数以降低优化复杂度;通过梯度下降法对替代函数进行迭代优化求解,从而使网格坐标和源强分布矢量逐渐收敛至真实值附近。仿真和试验均表明,相较于传统固定网格的二维压缩波束形成,该方法能够克服基不匹配问题、获得更高的定位精度和量化精度;该方法能够适用于传声器随机分布的平面阵列,且无需先验的信噪比（噪声干扰）及声源稀疏度等信息,即使在传声器数量较少的情况下也能得到低污染高分辨率的声源成像,保证了高精度的二维波达方向估计和源强量化。     

声场可视化系统中声像阵列空间关系标定研究

在声场可视化系统中,摄像机与传声器阵列的空间位置及角度的关系不准确将导致声源定位出现误差。而目前对于声场可视化系统中的声像阵列空间关系的研究较少,缺少对声像阵列空间关系的简单有效的标定方法。因此,提出了一种可计算任意位置与姿态的摄像机与传声器阵列之间空间关系的标定方法,可有效消除由传声器阵列与相机的空间关系不匹配导致的声源定位误差。通过对已知声源在多个空间位置的声源定位误差进行最小化处理,利用分步迭代计算的方法,分别计算出摄像机与传声器阵列的空间位置与角度,最终得到声像阵列之间真实的空间位置与角度关系。仿真与实际实验均表明本方法可对任意位置与姿态的摄像机与传声器阵列的空间关系进行准确标定,能有效提高声场可视化系统的声源定位精度。提出的声像阵列空间关系标定方法可应用于各种声场可视化系统中,对提高声场可视化系统的声源定位准确度有着积极的意义。     

基于声-固耦合模型的车内噪声响度参数的预测与分析研究

针对传统A计权声压级评价指标对噪声低频成分衰减较大,常常出现车内声压级达标,声品质不合格的问题。引入心理声学参数的响度参量,利用虚拟仿真技术分析评价车内声学特性。建立驾驶室声-固耦合有限元模型,结合试验激励数据,进行基于模态的声学响应计算。在Matlab平台上,建立车内声品质客观心理声学参数响度的计算模型,对比预测驾驶室内场点的声压级和响度分布,结合声压级和响度结构板块贡献量分析,研究声压级和响度参量评价驾驶室结构特性的差别并识别驾驶室主要噪声源。以此为基础指导优化驾驶室结构阻尼铺设位置,综合提高车内声学品质。