高阶声学相对传递函数的参数化辨识

针对声学相对传递函数的模型阶次高以及辨识数据信噪比低的问题,文章运用频域系统辨识方法,建立了一种相对传递函数的高精度参数化辨识方法。首先建立变量带误差辨识框架,采用周期扫频信号作为声源激励,给出声学相对传递函数的极大似然算法。然后使用正交福赛斯(Forsythe)多项式解决高阶系统带来的雅克比矩阵条件数过高的数值问题,并建立了极大似然方法所需初始值的生成策略。最后通过仿真算例和实验测试,验证文中方法在混响声场下辨识声学相对传递函数的有效性。

基于循环维纳滤波器的声学成像优化方法

针对混响环境中背景噪声干扰导致循环平稳源重建精度不高的问题,基于循环维纳滤波器,结合贝叶斯近场声全息技术,提出了一种声学成像优化方法。通过麦克风阵列在声源的近场测量由声源辐射信号的声压,利用循环维纳滤波器对测量值进行去噪,从而实现对循环平稳信号的盲提取,再应用贝叶斯近场声全息技术在空间上重建循环平稳源。首先,通过仿真分析,系统地评估了盲信号提取算法的有效性。然后,通过开展声源重建实验,进一步验证了该声学成像优化方法的可行性。