反卷积DAMAS2波束形成声源识别研究

反卷积DAMAS2波束形成方法能有效消除旁瓣、提高分辨率和阵列的动力学水平。基于数值模拟的声源识别成像图及标准差曲线探究其结果随声源类型、信号频率、迭代次数的变化规律,结果表明:反卷积DAMAS2波束形成在识别单声源、不相干声源、相干声源时均可有效消除旁瓣、提高分辨率;频率越高,迭代次数越多,分辨率越好;声源识别准确度随迭代次数的增加呈"L"形变化,转折点对应迭代次数约为100;综合考虑计算准确度和效率,推荐100为优选迭代次数。上述结论对反卷积DAMAS2波束形成技术的运用具有指导意义。进一步,基于开发的声源识别软件进行的单扬声器、不相干双扬声器、相干双扬声器的声源识别试验验证了该方法的有效性及开发软件的正确性。

分段取阈值正交匹配追踪反卷积声源识别算法

正交匹配追踪反卷积声源识别算法(orthogonal matching pursuit deconvolution approach for the mapping of acoustic sources, OMP-DAMAS)具有极高的计算效率、空间分辨率和重构精度,被广泛应用声源识别领域。但在实际的工程运用中,无法满足提前确定声源数目的条件,可能造成识别结果不准确。因此提出了一种分段取阈值的OMP-DAMAS算法,在声源稀疏度未知的情况下,通过对内积和最小二乘解取阈值将伪声源和旁瓣对应的列序号从原子支撑集中删除,直接精确的识别出真实声源的位置。仿真和试验结果表明了所提算法与传统的延时求和算法相比,可以明显的减小主瓣宽度,提高空间分辨率,同样能达到OMP-DAMAS算法的重构效果,对噪声具有较好的鲁棒性,且具有极高的识别稳定性。

波束形成改进算法在风洞内声源识别中的应用

基于凸优化方法求解波束形成输出、声源分布与阵列点传播函数组成的方程组,改进了声源识别解卷积(DAMAS)算法.基于点声源假设,通过单声源仿真验证了改进算法动态范围的优越性;通过多声源仿真,对比改进算法与DAMAS算法空间分辨率的表现,发现改进算法可以更加准确地定位声源位置且声源强度误差更小.风洞试验结果表明,改进算法比DAMAS算法有着更好的空间分辨率和动态范围.

基于多层感知机与无网格策略的三维空间声源识别

以往波束形成算法将潜在声源区域划分成若干网格,所有的声源被映射到一个个网格点上,会导致错误的声源定位与强度计算,并且计算精度与效率受网格间距大小的影响。采用多层感知机神经网络以及无网格策略,能够提高声源识别的空间分辨率与计算效率。通过使用单个平面麦克风阵列对三维等强度双点声源进行识别定位,发现相较于传统互谱算法,多层感知机能够改善平面阵列在深度方向上较差的空间分辨率性能。此外,在定位误差方面,多层感知机优于传统互谱算法,同时声源识别的强度误差有所降低。在低频时,多层感知机性能优于波束形成算法,可用来弥补波束形成算法空间分辨率性能不佳的局限性。

ARJ21客机降落阶段起落架噪声试验研究

为了测量ARJ21客机的起落架噪声,在飞行现场分别采用改进的频域波束形成和解卷积算法对降落阶段的起落架噪声进行了测量。通过比较两种算法发现,解卷积算法比改进的频域波束形成算法具有更好的声源识别能力。为了提高传声器的利用率,设计了多臂螺旋阵,并且利用线性插值消除了多普勒效应。根据主起落架和前起落架的分布位置不同,将声源识别区域划分为两部分,在140—800Hz范围内对不同频段的1/3倍频程的起落架噪声进行了测量。结果发现:在250 Hz以上频段,主起落架为主要噪声源,且在中心频率500 Hz的1/3倍频程内为唯一强声源;前起落架在中心频率630 Hz的1/3倍频程内为主要噪声源。通过试验得到了主起落架和前起落架噪声在不同频段的分布特点,为起落架降噪设计提供了支持。