基于时延估计法运用单个运动传声器识别声源的研究
发布时间：2021-04-07 16:12
噪声的控制途径主要分为三种,在声源处抑制噪声、在声音传播途径中控制和接收器的保护,其中在声源处抑制噪声是比较有效的噪声控制手段,只有准确识别出噪声的位置,研究分析噪声的参数信息,才能较为有效的抑制噪声。目前常用的噪声识别方法中,都需要使用传声器阵列,传声器阵列有多个传声器组成,少则十几个,多则上百个,而且传声器阵列存在相位失配误差和频响特性不一致等问题,测量前需要进行匹配与校准工作,测量成本较大。本文在传声器阵列结合时延估计法识别声源的基础上,研究使用单个运动的传声器进行声源的识别。时延估计法识别声源的基本原理是,运用时延估计法计算出声音信号到达相应的传声器对之间的时间差,再运用这些时间差,结合传声器阵列的空间几何关系,计算出实际声源的位置。探索使用单个运动的传声器结合时延估计法识别出声源的位置。构建移动传声器采集点声源信号的模型,在声压辐射函数的基础上,推导出静止点声源对移动传声器的声压辐射函数。采集信号过程中,首先使传声器在静止状态下采集声压信号,运用傅里叶变换计算出声源的频率。频率识别完后,让传声器沿着预设轨道匀速运动,在运动过程中连续采集数据,由于单个移动传声器采集到的信号数据...
【文章来源】：江苏大学江苏省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
最小均方(LMS)自适应时延估计原理图
江苏大学硕士论文13对应的横坐标即为时间延迟。LMS时延估计所采用的算法如下：()()()1et=xtyt(2.9)()()()20MmmytWtxtm==(2.10)()()()()()210,1,,mmWt+=Wt+etxtmm=M(2.11)根据最小均方差(LMS)准则，当适应滤波器收敛时，()1xt与()2xt之间的均方误差最小，即s(tt)与估计的s(tt)相似程度最大，并且自适应滤波器得到的权矢量optW与滤波器系数()sht最接近。最小均方(LMS)自适应滤波时延估计法也存在一些缺点。一是当目标信号和输入信号是周期信号时，估计效果较差，二是它的运算量远远大于广义互相关法。2.3基于声达时差的声源定位方法利用传声器阵列测量点声源信号的示意图，如图2.3所示。图2.3传声器阵列识别点声源模拟图Fig.2.3Microphonearrayrecognitionpointsoundsourcesimulationdiagram基于声达时差估计的声源定位方法，主要包括两个环节：一是利用时延估计方法，估算出声音到达相应传声器对之间的时间差；二是利用估计得到的时间差，结合传声器阵列面声源面点声源测量点
基于时延估计法运用单个运动传声器识别声源的研究14阵列中各个传声器的空间坐标，计算出声源的位置坐标[67]。其大致流程意图如图2.4所示。图2.4传声器阵列结合时延估计法识别声源流程图Fig.2.4Microphonearraycombinedwithtimedelayestimationmethodtoidentifysoundsourceflowchart常用的声达时差估计法有广义互相关法和自适应滤波法，这在本章都有相关叙述。定位计算的主要方法有几何定位法，以及不同模型的插值法等。声达时差估计定位方法，运算量较低，有良好的抗噪性能，因此在实际的测量中广泛运用。2.4本章小结本章主要介绍了时延估计中两种比较常用的方法，广义互相关时延估计法和自适应滤波时延估计法，介绍了两种方法的原理和基本的估计步骤，并说明了两种方法各自的优缺点。广义互相关法，运算量小，但是需要对所测量的对象有较多的了解。自适应滤波法，虽然对测量对象的信息量要求不多，但是运算量较大，而且对周期性较强的信号估计时延能力较差。简单介绍了基于声达时差的声源定位方法，主要的包括两个环节，估算传声器对之间的时间差，运用时间差结合传声器的空间几何关系，识别出声源位置，为本文提出的识别方法做铺垫。
【参考文献】：
期刊论文
[1]四元数矩阵重构鲁棒波束形成算法[J]. 张雪,朱向鹏,刘帅,闫锋刚,王军. 哈尔滨工业大学学报. 2020(05)
[2]低快拍下基于RBF的CSB sin-FDA稳健波束形成[J]. 王博,谢军伟,张晶,葛佳昂. 振动与冲击. 2020(06)
[3]基于近场声全息的目标反射声场重建方法研究[J]. 陈新宁. 中国测试. 2019(11)
[4]一种基于有源真时延的低复杂度波束形成器设计[J]. 李泰安,张为,林建烽,郝东宁. 南京大学学报(自然科学). 2019(05)
[5]基于等效源法的近场声全息的噪声源识别与定位研究[J]. 陶文俊,郑明辉. 计算机与数字工程. 2019(07)
[6]基于近场声全息的高频换能器阵列声场测量方法[J]. 郭世旭,郝振宇,郑慧峰,赵鹏,熊久鹏. 计量学报. 2019(03)
[7]利用完全复数极限学习机增强近场声全息空间分辨率[J]. 周鹤峰,曾新吾. 声学学报. 2019(03)
[8]一种基于协方差矩阵重构和EMP的宽带波束形成算法[J]. 毛睿达,李骥阳,罗明. 计算机应用研究. 2019(04)
[9]基于稀疏贝叶斯学习的高分辨率Patch近场声全息[J]. 扈宇,胡定玉,方宇,肖悦. 振动与冲击. 2018(16)
[10]基于广义互相关的时延估计算法研究[J]. 朱超,屈晓旭,娄景艺. 通信技术. 2018(05)
硕士论文
[1]基于时延估计的声源定位算法的研究[D]. 张青.北方工业大学 2012
[2]基于波束形成技术的噪声源识别与声场可视化研究[D]. 张金圈.合肥工业大学 2010
[3]基于统计最优近场声全息水下运动噪声源定位识别[D]. 王振山.哈尔滨工程大学 2010
[4]基于时延估计的声源定位系统研究[D]. 张明瀚.重庆大学 2009
[5]平面近场声全息在噪声源识别中的应用[D]. 郑旭.哈尔滨工程大学 2008
本文编号：3123779
【文章来源】：江苏大学江苏省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
最小均方(LMS)自适应时延估计原理图
江苏大学硕士论文13对应的横坐标即为时间延迟。LMS时延估计所采用的算法如下：()()()1et=xtyt(2.9)()()()20MmmytWtxtm==(2.10)()()()()()210,1,,mmWt+=Wt+etxtmm=M(2.11)根据最小均方差(LMS)准则，当适应滤波器收敛时，()1xt与()2xt之间的均方误差最小，即s(tt)与估计的s(tt)相似程度最大，并且自适应滤波器得到的权矢量optW与滤波器系数()sht最接近。最小均方(LMS)自适应滤波时延估计法也存在一些缺点。一是当目标信号和输入信号是周期信号时，估计效果较差，二是它的运算量远远大于广义互相关法。2.3基于声达时差的声源定位方法利用传声器阵列测量点声源信号的示意图，如图2.3所示。图2.3传声器阵列识别点声源模拟图Fig.2.3Microphonearrayrecognitionpointsoundsourcesimulationdiagram基于声达时差估计的声源定位方法，主要包括两个环节：一是利用时延估计方法，估算出声音到达相应传声器对之间的时间差；二是利用估计得到的时间差，结合传声器阵列面声源面点声源测量点
基于时延估计法运用单个运动传声器识别声源的研究14阵列中各个传声器的空间坐标，计算出声源的位置坐标[67]。其大致流程意图如图2.4所示。图2.4传声器阵列结合时延估计法识别声源流程图Fig.2.4Microphonearraycombinedwithtimedelayestimationmethodtoidentifysoundsourceflowchart常用的声达时差估计法有广义互相关法和自适应滤波法，这在本章都有相关叙述。定位计算的主要方法有几何定位法，以及不同模型的插值法等。声达时差估计定位方法，运算量较低，有良好的抗噪性能，因此在实际的测量中广泛运用。2.4本章小结本章主要介绍了时延估计中两种比较常用的方法，广义互相关时延估计法和自适应滤波时延估计法，介绍了两种方法的原理和基本的估计步骤，并说明了两种方法各自的优缺点。广义互相关法，运算量小，但是需要对所测量的对象有较多的了解。自适应滤波法，虽然对测量对象的信息量要求不多，但是运算量较大，而且对周期性较强的信号估计时延能力较差。简单介绍了基于声达时差的声源定位方法，主要的包括两个环节，估算传声器对之间的时间差，运用时间差结合传声器的空间几何关系，识别出声源位置，为本文提出的识别方法做铺垫。
【参考文献】：
期刊论文
[1]四元数矩阵重构鲁棒波束形成算法[J]. 张雪,朱向鹏,刘帅,闫锋刚,王军. 哈尔滨工业大学学报. 2020(05)
[2]低快拍下基于RBF的CSB sin-FDA稳健波束形成[J]. 王博,谢军伟,张晶,葛佳昂. 振动与冲击. 2020(06)
[3]基于近场声全息的目标反射声场重建方法研究[J]. 陈新宁. 中国测试. 2019(11)
[4]一种基于有源真时延的低复杂度波束形成器设计[J]. 李泰安,张为,林建烽,郝东宁. 南京大学学报(自然科学). 2019(05)
[5]基于等效源法的近场声全息的噪声源识别与定位研究[J]. 陶文俊,郑明辉. 计算机与数字工程. 2019(07)
[6]基于近场声全息的高频换能器阵列声场测量方法[J]. 郭世旭,郝振宇,郑慧峰,赵鹏,熊久鹏. 计量学报. 2019(03)
[7]利用完全复数极限学习机增强近场声全息空间分辨率[J]. 周鹤峰,曾新吾. 声学学报. 2019(03)
[8]一种基于协方差矩阵重构和EMP的宽带波束形成算法[J]. 毛睿达,李骥阳,罗明. 计算机应用研究. 2019(04)
[9]基于稀疏贝叶斯学习的高分辨率Patch近场声全息[J]. 扈宇,胡定玉,方宇,肖悦. 振动与冲击. 2018(16)
[10]基于广义互相关的时延估计算法研究[J]. 朱超,屈晓旭,娄景艺. 通信技术. 2018(05)
硕士论文
[1]基于时延估计的声源定位算法的研究[D]. 张青.北方工业大学 2012
[2]基于波束形成技术的噪声源识别与声场可视化研究[D]. 张金圈.合肥工业大学 2010
[3]基于统计最优近场声全息水下运动噪声源定位识别[D]. 王振山.哈尔滨工程大学 2010
[4]基于时延估计的声源定位系统研究[D]. 张明瀚.重庆大学 2009
[5]平面近场声全息在噪声源识别中的应用[D]. 郑旭.哈尔滨工程大学 2008
本文编号：3123779
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3123779.html
