基于波束形成技术的运动声源识别方法研究

发布时间：2021-03-20 07:17

　　噪音污染使得人们越来越意识到其对环境的负面影响,从而促进了噪声控制工程的发展。实现噪声控制的主要前提是获取声源信息,保证声源的精准识别,其中波束形成技术是声源识别方法的一个重要分支。由于运动声源所辐射出的声信号会因多普勒效应而失真,使得常规波束形成技术不能精确实现运动声源的识别。针对此问题,本文将研究基于波束形成技术的运动声源识别,具体内容如下:首先简述了选题背景,介绍了运动声源识别方法的研究历史和最新技术,并分析了关于运动声源识别方面尚且需要解决的问题。提出了基于CLEAN的旋转声源识别方法,该方法通过旋转框架技术进行去多普勒效应处理,再引入CLEAN算法来识别旋转单极子声源,提高了声源识别分辨率。随后,通过数值仿真的方法,证实了所提方法的可行性,且提高了DAMAS2在1500 Hz～5000 Hz左右声源频率和不同测量距离下的识别精度。其次,对于应用机器学习进行旋转声源定位的方法较少,因此提出了基于机器学习算法的旋转声源定位方法。首先分析了支持向量机（SVM）和朴素贝叶斯（Naive Bayes）的基础理论,再获取去除多普勒效应后的旋转单极子声源的声压信号并计算其声压互谱矩阵,得到... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

图２．２静止和旋转声源频谱图??Ｆｉｇ?２．２?Ｓｐｅｃｔｒｏｇｉ?ａｍ?ｏｆ?ｓｔａｔｉｏｎａｒｙ?ｓｏｕｎｄ?ｓｏｕｒｃｅ?ａｎｄ?ｒｏｔａｔｉｎｇ?ｓｏｕｎｄ?ｓｏｕｒｃｅ??

Ｆｒｅｑｕｅｎｃｙ?（Ｈｚ）?Ｆｒｅｑｕｅｎｃｙ?（Ｈｚ）??图２．２静止和旋转声源频谱图??Ｆｉｇ?２．２?Ｓｐｅｃｔｒｏｇｉ?ａｍ?ｏｆ?ｓｔａｔｉｏｎａｒｙ?ｓｏｕｎｄ?ｓｏｕｒｃｅ?ａｎｄ?ｒｏｔａｔｉｎｇ?ｓｏｕｎｄ?ｓｏｕｒｃｅ??图２．２表示处于静止状态下的声源和旋转单极子声源的频谱图。图２．２（ａ）表??示的是频率为２０００?Ｈｚ的静止声源频谱图，图２．２（ｂ）表示的是频率为２０００?Ｈｚ的??旋转单极子声源频谱图，对比之下可以看出，旋转单极子声源会由于多普勒效??应，产生明显的频散现象。??２．２去除多普勒效应??２．２．１旋转框架技术??因为声源运动会产生多普勒效应，使得测得的信号失真，从上述讨论也可??以看出，声源强度２和旋转单极子的格林函数之间会因为模态因子ｗ而出现耦??合现象。所以，在对旋转声源进行位置识别之前需要对信号进行去多普勒效应??处理来解耦。??ＩＩ??

在使用旋转框架技术对旋转单极子声源去除多普勒效应之后，可以使用互??谱成像波束形成技术和反卷积波束形成技术对声源进行位置识别，具体的聚焦??示意图如图２．４所示。???〇＿?．测量点??？?？??‘?测量面??？?＞声源点??？?？?????／?？?聚焦存??声源面（聚焦面）??Ｘ??图２．４旋转声源识别示意图??Ｆｉｇ?２．４?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｒｏｔａｔｉｎｇ?ｓｏｕｎｄ?ｓｏｕｒｃｅ?ｉｄｅｎｔｉｆｉｃａｔｉｏｎ??２．３．１互谱成像波束形成技术??使用静止环形测量阵列测得旋转声源的辐射声压之后再使用旋转框架技术??获取不含多普勒效应的声压信号＆。由公式（２．１７）可得简化后的旋转框架下声??压可以表示为：??ｐｎ?＝?Ｇ〇Ｑ?（２．２４）??式中的传递矩阵Ｇｎ即为旋转框架下的格林函数。??使用互谱成像技术Ｍ，１１可以得到声源面／－处聚焦后的输出是：??Ｌ／、?ｖＴ（ｒ）Ｃｖ＊（ｒ）??ｂ（ｒ）?＝??—?ｎ?９５１）??Ｗｒ（ｒ）Ｉｗ＊（ｒ）?｛?｝??为了实现互谱成像技术对旋转声源的定位，可以将上式类比到旋转框架，??则旋转声源的互谱成像技术输出是：??１４??


本文编号：3090597