基于TSVD正则化广义逆波束形成的噪声源识别研究
列车速度的不断提升使高铁噪声污染日益严重，阻碍了铁路运输的进一步高速化，控制高铁噪声的重要性日益凸显。对于高铁噪声的控制，准确找到噪声产生的根源是关键，那么首先就要对噪声源进行准确识别。对于复杂的扩展性噪声源，本文提出了一种阵列小型化的基于奇异截断正则化广义逆波束形成（TSVD-GIB）的噪声源识别方法，设计了噪声源识别系统，搭建4×4矩形麦克风阵列，对该方法进行了数值仿真和实验研究。本文主要的工作和创新点如下： （1）系统阐述了线阵和面阵波束形成的工作原理，仿真研究噪声源信号频率、阵列间距、阵元数目、阵列尺寸等对波束扫描分辨率的影响。 （2）结合广义逆运算，分析了广义逆波束形成方法（GIB）的原理及实现过程，针对建立的扩展性声源模型，仿真比较了传统波束形成（CBF）算法和GIB算法对点声源、扩展性声源（2个点源、3个随机分布的点源）的分辨率。结果表明：GIB算法对点源、扩展性声源均能有效识别，间隔为14cm的声源分辨效果不佳，而CBF算法完全失效。 （3）提出了基于奇异截断正则化的广义逆波束形成噪声源识别方法，系统比较了CBF算法、GIB算法、TSVD-GIB算法对点源、扩展性声源（5个点源）的分辨率。结果表明：TSVD-GIB算法能有效识别出4个间隔为14cm的点源，误差均小于2cm，声学中心较CBF算法、GIB算法都小，有效消除了旁瓣干扰、提高了声源识别的分辨率。 （4）搭建麦克风矩形阵列，在半消声室内对单个音箱、2个间隔为20cm的音箱进行噪声源识别，实验结果证明：CBF算法、GIB算法、TSVD-GIB算法对于单音箱都能实现声源识别，识别误差均小于5cm，其中TSVD-GIB算法的声学中心较小，分辨率较高；TSVD-GIB算法能有效识别2个同频音箱，x，y轴上的偏移均小于4cm，而CBF算法失效，GIB算法识别效果误差较大。
噪声源;信息识别;麦克风阵列;广义逆波束形成;正则化
中国计量大学
硕士
控制工程
袁昌明;王强;胡斌
2016
中文
TN912.34
68
2017-06-16（万方平台首次上网日期，不代表论文的发表时间）