《运动声源识别研究现状分析》-工学论文，工程论文-论文范文参考-科学狗论文网

标题

运动声源识别研究现状分析

范文

张翠青

摘要：噪声污染是继大气污染、水污染之后又一主要污染源，噪声不仅污染环境还能引起结构的疲劳和破坏，在噪声控制途径研究中声源的识别定位是关键。本文主要分析、梳理和总结国内外运动声源识别的研究现状，揭示研究中存在的问题，并提出作者下步研究计划。此研究对旋转声源精确定位提供一定的方法基础和参考。

Abstract： Noise pollution is another pollution after air pollution and water pollution. Noise not only pollutes the environment but also causes structural fatigue and damage. Location sound sources is key in noise reduction approaches. The paper mainly analyzed， sorted out and summarized research status of location moving sound source. It revealed problems and proposed next plan. The research provides a method and reference for accurately locating rotating sound sources.

關键词：运动声源;声源识别;噪声源;现状

Key words： moving sound source;sound source identification;noise source;status

中图分类号：TB52? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文献标识码：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章编号：1006-4311（2020）04-0298-02

0? 引言

噪声污染是继大气污染和水污染之后的又一主要污染源，噪声不仅污染环境还能引起结构的疲劳和破坏，有效降低噪声可以改善人民的生活质量。对于噪声若按噪声产生的原因分类，可分为机械噪声和气动噪声;若按照运动特性又可分为静止噪声和运动噪声。在降低噪声控制途径中发现：风力发电机叶片噪声、直升机机翼噪声、大型鼓风机叶片噪声等旋转声源，其辐射现象无处不在，这类噪声的主要发声源属于气动噪声且同时属于运动噪声，其声辐射问题不仅成为声学理论研究的难点，而且也成为噪声控制理论研究的热点，而研究噪声控制途径的关键是声源的识别定位。噪声源识别技术是对机器上的各种声源运用声源识别算法进行计算、分析，确定声源位置，分析声源特性（声源类型、频率特性和声源传播规律等），为噪声控制提供基础。对于噪声源的识别定位国内外学者做了大量的研究，可准确识别静止噪声源位置，而对于运动机械噪声由于其发声机理与运动无关，亦可按照静止声源识别方法准确识别其噪声位置，但对于运动声源由于位置的瞬时变化性、声音信号的变形等复杂情况，使得运动声源的识别难度增大。本文主要针对运动声源定位的国内外研究现状进行分析、梳理和总结，以期给予研究噪声源识别定位降低噪声的学者些许参考。

1? 国外运动声源识别现状分析

国外关于运动声源定位算法方面的研究起步较早，运动声源产生多普勒效应，可依据运动声源与声阵列的位置及速度关系，首先确定声源信号与声阵列采集信号的关系，然后利用声阵列信号重构运动声源，实现对运动声源的准确识别和测量。对于直线运动声源如火车运动时的噪声源和飞机飞越噪声，可通过其运动几何关系修正多普勒效应，Takano和Barsikow采用此修正方法成功识别出火车运动时的噪声源位置，随后Michel和Piet也准确识别出飞机的飞越噪声。追踪波束形成算法把声源看作随时间变化的函数，识别出每小段时间间隔内声源平均位置，成功定位出飞机飞越噪声[1]。Sijtsma[2]建立单极子声信号到流场声信号的传递函数，并结合波束形成技术编写Rotating Source Identifier（ROSI）算法，ROSI算法成功应用于直升机旋翼噪声及风力机叶片噪声源识别，此后Sijtsma对ROSI算法修改编写出Moving Source Identifier（MOSI）算法，并准确识别飞机飞越噪声。荷兰国家航空航天实验室Stefan Oerlemans[3]在波束形成算法基础上提出运动声源定位修正算法并对旋转的直升机机翼型、风力机叶片模型、全尺寸风力机和A340模型进行了气动噪声声源定位研究。丹麦Jorgen Hald和Yutaka Ishii采用多普勒效应、shading及diagram技术的反卷积波束形成算法对降落飞机进行声源定位识别，实验表明该算法能够衰减旁瓣并提高分辨率，进而获取真实声源位置。丹麦Jesper Gomes[4]，采用追踪波束形成算法对大型水平轴风力机标定的1号叶片按设定步长进行追踪，算法能准确识别出1号叶片方位角。美国伊利诺理工大学Rakesh C等[5]，采用多普勒修正的DAMAS算法对小型垂直轴风力机气动噪声进行识别定位，实验表明该算法能够准确区分机舱引起的机械噪声和叶片产生的气动噪声，并对声成像过程中采用多普勒修正。运动物体会导致湍流现象基于此丹麦SvendGade等[6]提出一种shading的波束形成算法，并对不同麦克风进行湍流度修正，从而更精确地识别定位运动声源位置。埃及亚历山大大学Zenger等[7]使用CLEAN-SC算法通过麦克风阵列对风扇叶片进行噪声定位，结果表明声音源位于风扇叶片前沿或后缘上。

2? 国内运动声源识别现状分析

国内关于运动声源定位算法的研究起步较晚，但也取得了不错的成绩，比较有代表性的如：北京邮电大学郭丽等，针对声源移动节点与测试面有相对运动，推导运动节点与权系数关系式，并提出一种新盲源的波束形成快速跟踪移动节点算法，实现声源追踪功能，但该算法并未应用于三维平面进行声源追踪。中国科学院工程热物理研究所伍岳等[8]基于波束形成理论对均匀来流运动声源进行算法修正，对1.5MW风力机叶片声源进行定位研究，实验结果表明该算法可准确追踪动态点声源的径向位置，但未实现声源相对相位角识别;南华大学郑玉伟[9]基于广义特征分解改进的波束域MUSIC算法对旋转机械噪声进行了定位，实验表明该算法可以成功估计出噪声源方位，而且估计精度相对较高。中国空气动力研究与发展中心郑谢等[10]基于声源信号与测量信号间的传递函数和波束形成算法，并对声音信号穿过流场剪切层进行修正提出运动声源算法并成功应用与旋转桨叶气动噪声的识别定位，实验结果表明旋翼气动噪声主要由旋翼桨尖位置的涡脱落产生。南京航空航天大学赖少将等利用反卷积法提取声场噪声信息对声源面进行可视化重构，并对自搭建转子噪声试验台进行识别，结果显示轴承以及盘轴连接处为转子主要噪声源。中国航天空气動力技术研究院周家检等[11]，基于时域波束形成算法和解多普勒效应技术，建立运动声源识别的麦克风相控阵列测量系统，并对运动汽车携带的喇叭进行追踪识别，结果表明该算法可准确追踪直线运动的声源位置。内蒙古工业大学王枭[12]，基于DAMAS2算法理论进行转速修正，并对300W水平轴风力机进行定位，结果表明该算法可准确识别旋转声源位置，提高其分辨率。

3? 结论

当前国内外运动噪声源识别算法，可以准确识别直线运动声源位置，也可实现声源直线追踪。而对于旋转声源如风力机噪声源更多是针对径向位置识别，能准确识别声源径向位置，但无法识别相对相位角位置。虽然有较少研究可以实现旋转声源识别，但算法是基于频域下的，由于旋转声源的瞬时性、多变性及声源随旋转机械的跟随性，基于频域计算缺乏合理性。基于上述研究问题，作者下步将侧重研究旋转点声源识别算法以实现声源径向位置及相对相位角的精确追踪定位，从而确定主要声源位置为控制噪声提供方法基础。

参考文献：

[1]H.Siller M，Drescher G，Saueressig，R Lange.Fly-over Source Localization on a Boeing 747-400 Berlin Beamforming Conference[R].2010，Paper BeBeC-2010-13.

[2]Sijtsma P，Oerlemans S，H H.Location of rotating sources by phased array measurements[R].AIAA-2001-2167.

[3]OERLEMANS S，BROERSMA L，SIJTSMA P.Quan-tification of Airframe Noise Using Microphone Arrays in Open and Closed Wind Tunnels[J].International Journal of Aeroacoustics，2007，6（4）：309-333.

[4]Jesper Gomes.Noise Source Identification with Blade Tracking on a Wind Turbine[J].Sound and Vibration.2013，（21）：415-425.

[5]RakeshC Ramachandran，Hirenkumar Patel，et al.Noise Source Localization On a Small Wind TurbineUsing a Compact Microphone Array with Advanced Beamforming Algorithms[J].WIND ENGINEERING.2014，38（1）：73-88.

[6]SvendGade，Jorgen Hald，et al.Recent Advances in Moving-Source Beamforming[J].Sound and Vibration Measurements.2015，43（4）：57-68.

[7]Zenger F J，Herold G，Becker S，et al.Sound source localization on an axial fan at different operating points[J].Experiments in Fluids.2016，57（8）：1-10.

[8]伍岳，杨兵，等.基于波束形成方法的风力机叶片气动声源定位研究[J].工程热物理学报，2013，34（12）：2262-2265.

[9]郑玉伟.基于波束形成技术的旋转机械噪声源定位研究[D].南华大学，2014.

[10]郑谢.运动声源的识别与测量方法研究[D].中国空气动力研究与发展中心，2016.

[11]周家检，郝璇，等.应用与运动声源的麦克风相阵列测量技术[J].第三届全国非定常空气动力学学术会议，2016，1-4.

[12]王枭.基于声阵列的风轮声源追踪识别研究[D].内蒙古工业大学，2018.

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。