基于神经网络声全息方法对运动噪声源识别的研究.doc

基于神经网络声全息方法对运动噪声源识别的研究 高印寒1，梁杰 1，钱鸣佳2 （1.吉林大学 测试科学实验中心，吉林省长春市 130022；2.吉林大学仪器科学与电气工程学院） 摘要：采用声全息方法对运动噪声源进行识别是近年来新兴的噪声研究技术，声全息法是通过对测量信号进行多普勒效应的消除后，运用合适的声场重建公式，对声源面的声场信息进行重建，从而达到识别运动噪声源的目的。针对一般重建算法速度慢、误差大的缺点，提出了基于神经网络的声场重建算法，并通过仿真与实验，证明了该方法用于运动噪声源识别的准确性与可行性。 关键词：声全息 运动声源识别 神经网络 多普勒效应 中图分类号：O438.1 文献标识码：A 文章编号：1671-0924 (2007) xx-xxxx-x Study on Moving Noise Source Identification based on Acoustic Holography of Neural Network GAO Yin-han1, LIANG Jie1, QIAN Ming-jia2 (1.Centre of Test Science, Jilin University, Changchun130022,China;2.College of Instrumentation Electrical Engineering, Jilin University, Changchun130022,China) Abstract: Acoustic holography field transformation technology measures the pressure of holographic surface which is surrounded by the holographic measurements plane, then use the relation of the space between the surface acoustic pressure and transform hologram to get the real pressure of the surface acoustic source. Considering disadvantages of common sound holography reconstruction algorithm, proposed a new acoustical holography method which is based on neural network, to realize the reconstruction algorithm. Numerical simulation and practical application all verify that acoustic holography method can identify moving noise source availability and reliability. Keywords: moving noise source identification acoustic holography neural network doppler effect 0引言在现实生活中，噪声绝大多数以运动噪声的形式存在。以汽车噪声为例，汽车噪声主要包括发动机噪声、轮胎噪声、空气动力噪声等等，这些噪声只有在车辆运动时才产生，且随着运动速度的提高，噪声将呈指数级增长[1]。由于运动中的声源具有运动、多频的特性，这些因素使运动噪声源辐射声场的测量和分析比静止声场复杂很多，传统的声场分析方法已经很难对运动噪声源进行较为准确的识别。近年来，随着计算机数据处理技术的提高，新的噪声研究技术——声全息方法得到了较快发展。与传统声学测量手段相比，声全息方法属于非接触测量，并且不受噪声类型的限制，因此声全息法能分析运动噪声源表面的声场分布，并能准确识别结构体上的主要噪声源，这为识别和治理运动噪声源提供了可行的技术途径[2]。 文中应用声全息方法对运动噪声源进行了分析。在阐述了声全息方法的基础上，提出了采用神经网络技术实现声场重建过程，介绍了基于声全息理论开发的测试分析系统，并利用该系统对辐射噪声场进行了全息重建，并据此识别出了主要噪声源，为降噪工作打下了良好的基础。 1声全息测量原理 基于近场声全息理论对运动声源进行识别与分析，基本原理是利用声源附近某一区域的确知声场，通过一定的数学物理方法来预报另一区域甚至源面的声场特性，属于声学逆问题[3]。利用声全息方法进行声