基于LabVIEW的噪声源识别方法研究及系统开发
发布时间：2021-07-05 14:47
从噪声源处控制噪声是噪声控制最有效、最便捷的方式,准确识别出噪声源的位置是控制噪声的前提。近场声全息技术和波束形成技术是两种常用的噪声源识别方法。近场声全息技术利用全息面和声源面之间的声场关系重建出声场,适用于近距离测量和中低频声源。波束形成技术通过对声音信号进行延迟、加权和求和,使期望信号产生一个响应极大值,从而得到真实的声源分布,适用于远距离测量和高频声源。随着人工智能的兴起,将机器学习算法引入声源识别定位过程中,不仅可以提高计算效率,而且可以提高定位精度,因此提出了基于极限学习机的声源识别方法,对已有的数据样本进行学习后,训练得到一个模型,将测试数据作为输入,依据模型的判断进行声源位置分类,具有计算效率高和定位精度高的优势。论文首先研究了四种噪声源识别方法的推导过程,并通过数值仿真验证了这些方法的可行性,以平面近场声全息、互谱成像算法、DAMAS算法和DAMAS2算法为理论依据,以LabVIEW为软件平台,传声器、NI采集卡和计算机为硬件,开发出一套噪声源识别系统。该系统包括示波模块、标定模块、采集模块和算法处理模块。示波模块包含时域显示、频域显示、倍频程显示和功率谱显示;标定模...
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
平面近场声全息的LabVIE
第二章基于LabVIEW的噪声源识别方法研究10(a)LabVIEW重建声场图(b)MATLAB重建声场图图2.3平面近场声全息的LabVIEW和MATLAB声场重建对比图Figure2.3ComparisonofplaneNAHsoundfieldreconstructionbetweenLabVIEWandMATLAB2.3互谱成像算法2.3.1理论推导互谱成像算法示意图如图2.4所示，在笛卡尔坐标系xoy中，测量面用W表示，在测量面上共有M个传声器，图中的黑点表示传声器；聚焦面用T表示，聚焦面被均匀划分成N个聚焦点；为第m个传声器的位置，为第n个聚焦点的位置，为测mrnrr量面中心和聚焦点之间的距离。O测量面Wzxmrry聚焦面Trnr图2.4互谱成像算法示意图Figure2.4Schematicdiagramofcross-spectralimagingalgorithm假设每个聚焦点都是潜在声源的位置，p为测量面上传声器接收的声压，q为聚焦面潜在声源的源强，G为测量面与聚焦面之间的传递矩阵，从而有：pGq(2.9)式(2.9)中，H，H为共轭转置，传递矩阵的表达式为：21NqqqqG
第二章基于LabVIEW的噪声源识别方法研究14数为21×21个。声测量面的大小也是1m×1m(yxm5.0m5.0m,5.0m5.0)，各聚焦点的间隔均为0.05m，测点数为21×21个，且到声源的距离为0.1m。基于LabVIEW处理后的聚焦面声源识别如图2.7(a)所示，为了验证经LabVIEW处理后的声源识别准确性，使用相同的参数进行MATLAB仿真，把得到的两个结果进行对比。MATLAB软件和LabVIEW处理的聚焦面声源识别如图2.7所示。图2.7(a)表示LabVIEW程序中DAMAS算法的声源识别结果，图2.7(b)表示MATLAB中DAMAS算法的声源识别结果。对比图2.7(a)和2.7(b)，可以看出，两个声场识别图基本相同，说明基于LabVIEW软件平台，DAMAS算法能够准确的识别出声场中聚焦面上的声压信息。(a)LabVIEW声源识别图(b)MATLAB声源识别图图2.7DAMAS算法的LabVIEW和MATLAB声源识别对比图Figure2.7ComparisonofDAMASsoundidentificationbetweenLabVIEWandMATLAB2.5DAMAS2算法2.5.1理论推导阵列点扩散函数具有近似空间平移不变性，DAMAS2算法把聚焦点和测量点间的相对位置作为阵列点扩散函数的值，从而得到下式：(/)()nnpsfrrpsfrr(2.22)通过傅里叶变换将式(2.22)其转化为波数域：*1nnbpsfFFFpsfqq(2.23)式(2.23)中，b为式(2.20)b中的元素按聚焦点在聚焦面上的顺序组成的矩阵，为逆1F傅里叶变换算子，F为傅里叶变换算子，q为式(2.20)x中的元素按照聚焦点聚焦面上的顺序组成的矩阵,为阵列点扩散函数按照聚焦点在聚焦面上的顺序组成的矩阵。npsf
【参考文献】：
期刊论文
[1]虚拟仪器技术在新工科虚拟仿真实验平台中的应用[J]. 刘萍萍,黄岚,赵宏伟. 计算机教育. 2019(11)
[2]浅析虚拟仪器在电子技术演示实验中的应用[J]. 李严静. 数字技术与应用. 2019(08)
[3]基于LabVIEW的继电器品质检测系统设计[J]. 汪成龙,陈铭泉,孙培宜,王佳洪,黄余凤. 制造业自动化. 2019(08)
[4]基于虚拟仪器的先进过程控制实验系统设计[J]. 张总,王建莉. 中国仪器仪表. 2019(07)
[5]基于LabVIEW的泵性能测试系统设计与开发[J]. 董亮,吴侃,刘厚林,代翠,徐海良. 流体机械. 2018(11)
[6]基于LabVIEW的防火监测报警系统设计[J]. 张楠. 机械工程与自动化. 2018(04)
[7]单片机和LabVIEW下多路数据采集系统的设计研究[J]. 董鹏,鲍印虎,张占美. 科技传播. 2018(09)
[8]基于BP神经网络的双耳声源定位算法[J]. 谈雅文,王立杰,姚昕羽,汤一彬,周琳. 电声技术. 2018(05)
[9]一种基于SVM的声源定位算法[J]. 顾晓瑜,杨悦. 计算机技术与发展. 2017(09)
[10]压缩感知声源定位方法研究[J]. 宁方立,卫金刚,刘勇,石旭东. 机械工程学报. 2016(19)
博士论文
[1]有限空间水下结构近场声全息技术及应用研究[D]. 孙超.哈尔滨工程大学 2013
硕士论文
[1]基于LabVIEW的软件相关器设计与实现[D]. 李凯.华中科技大学 2019
[2]基于LabVIEW的声音信号的采集与分析系统[D]. 于永芳.青岛大学 2018
[3]环卫洗扫车声源识别及噪声控制[D]. 王家璇.华中科技大学 2018
[4]基于LabVIEW的噪声源可视化定位系统设计[D]. 胡鹏.合肥工业大学 2018
[5]基于机器学习的声源定位研究[D]. 杨悦.南京邮电大学 2017
[6]基于双耳声源定位的鲁棒语音分离研究[D]. 束佳明.东南大学 2016
[7]基于LabVIEW的噪声源识别系统开发[D]. 张亚虎.合肥工业大学 2013
[8]近场波束形成算法及其应用研究[D]. 杨冬.电子科技大学 2012
[9]基于NI平台的波束形成声源识别研究[D]. 任国栋.合肥工业大学 2009
本文编号：3266274
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
平面近场声全息的LabVIE
第二章基于LabVIEW的噪声源识别方法研究10(a)LabVIEW重建声场图(b)MATLAB重建声场图图2.3平面近场声全息的LabVIEW和MATLAB声场重建对比图Figure2.3ComparisonofplaneNAHsoundfieldreconstructionbetweenLabVIEWandMATLAB2.3互谱成像算法2.3.1理论推导互谱成像算法示意图如图2.4所示，在笛卡尔坐标系xoy中，测量面用W表示，在测量面上共有M个传声器，图中的黑点表示传声器；聚焦面用T表示，聚焦面被均匀划分成N个聚焦点；为第m个传声器的位置，为第n个聚焦点的位置，为测mrnrr量面中心和聚焦点之间的距离。O测量面Wzxmrry聚焦面Trnr图2.4互谱成像算法示意图Figure2.4Schematicdiagramofcross-spectralimagingalgorithm假设每个聚焦点都是潜在声源的位置，p为测量面上传声器接收的声压，q为聚焦面潜在声源的源强，G为测量面与聚焦面之间的传递矩阵，从而有：pGq(2.9)式(2.9)中，H，H为共轭转置，传递矩阵的表达式为：21NqqqqG
第二章基于LabVIEW的噪声源识别方法研究14数为21×21个。声测量面的大小也是1m×1m(yxm5.0m5.0m,5.0m5.0)，各聚焦点的间隔均为0.05m，测点数为21×21个，且到声源的距离为0.1m。基于LabVIEW处理后的聚焦面声源识别如图2.7(a)所示，为了验证经LabVIEW处理后的声源识别准确性，使用相同的参数进行MATLAB仿真，把得到的两个结果进行对比。MATLAB软件和LabVIEW处理的聚焦面声源识别如图2.7所示。图2.7(a)表示LabVIEW程序中DAMAS算法的声源识别结果，图2.7(b)表示MATLAB中DAMAS算法的声源识别结果。对比图2.7(a)和2.7(b)，可以看出，两个声场识别图基本相同，说明基于LabVIEW软件平台，DAMAS算法能够准确的识别出声场中聚焦面上的声压信息。(a)LabVIEW声源识别图(b)MATLAB声源识别图图2.7DAMAS算法的LabVIEW和MATLAB声源识别对比图Figure2.7ComparisonofDAMASsoundidentificationbetweenLabVIEWandMATLAB2.5DAMAS2算法2.5.1理论推导阵列点扩散函数具有近似空间平移不变性，DAMAS2算法把聚焦点和测量点间的相对位置作为阵列点扩散函数的值，从而得到下式：(/)()nnpsfrrpsfrr(2.22)通过傅里叶变换将式(2.22)其转化为波数域：*1nnbpsfFFFpsfqq(2.23)式(2.23)中，b为式(2.20)b中的元素按聚焦点在聚焦面上的顺序组成的矩阵，为逆1F傅里叶变换算子，F为傅里叶变换算子，q为式(2.20)x中的元素按照聚焦点聚焦面上的顺序组成的矩阵,为阵列点扩散函数按照聚焦点在聚焦面上的顺序组成的矩阵。npsf
【参考文献】：
期刊论文
[1]虚拟仪器技术在新工科虚拟仿真实验平台中的应用[J]. 刘萍萍,黄岚,赵宏伟. 计算机教育. 2019(11)
[2]浅析虚拟仪器在电子技术演示实验中的应用[J]. 李严静. 数字技术与应用. 2019(08)
[3]基于LabVIEW的继电器品质检测系统设计[J]. 汪成龙,陈铭泉,孙培宜,王佳洪,黄余凤. 制造业自动化. 2019(08)
[4]基于虚拟仪器的先进过程控制实验系统设计[J]. 张总,王建莉. 中国仪器仪表. 2019(07)
[5]基于LabVIEW的泵性能测试系统设计与开发[J]. 董亮,吴侃,刘厚林,代翠,徐海良. 流体机械. 2018(11)
[6]基于LabVIEW的防火监测报警系统设计[J]. 张楠. 机械工程与自动化. 2018(04)
[7]单片机和LabVIEW下多路数据采集系统的设计研究[J]. 董鹏,鲍印虎,张占美. 科技传播. 2018(09)
[8]基于BP神经网络的双耳声源定位算法[J]. 谈雅文,王立杰,姚昕羽,汤一彬,周琳. 电声技术. 2018(05)
[9]一种基于SVM的声源定位算法[J]. 顾晓瑜,杨悦. 计算机技术与发展. 2017(09)
[10]压缩感知声源定位方法研究[J]. 宁方立,卫金刚,刘勇,石旭东. 机械工程学报. 2016(19)
博士论文
[1]有限空间水下结构近场声全息技术及应用研究[D]. 孙超.哈尔滨工程大学 2013
硕士论文
[1]基于LabVIEW的软件相关器设计与实现[D]. 李凯.华中科技大学 2019
[2]基于LabVIEW的声音信号的采集与分析系统[D]. 于永芳.青岛大学 2018
[3]环卫洗扫车声源识别及噪声控制[D]. 王家璇.华中科技大学 2018
[4]基于LabVIEW的噪声源可视化定位系统设计[D]. 胡鹏.合肥工业大学 2018
[5]基于机器学习的声源定位研究[D]. 杨悦.南京邮电大学 2017
[6]基于双耳声源定位的鲁棒语音分离研究[D]. 束佳明.东南大学 2016
[7]基于LabVIEW的噪声源识别系统开发[D]. 张亚虎.合肥工业大学 2013
[8]近场波束形成算法及其应用研究[D]. 杨冬.电子科技大学 2012
[9]基于NI平台的波束形成声源识别研究[D]. 任国栋.合肥工业大学 2009
本文编号：3266274
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3266274.html
