基于稀疏矢量声阵列的噪声源识别方法研究

【目的】为了提高质点振速的重建精度,保证声源识别的准确性,【方法】采用质点振速测量替代传统的声压测量,然后将矢量传感器与稀疏采样及稀疏正则化相结合,建立一个基于稀疏矢量声阵列的压缩等效源-近场声全息技术模型(CESM-v),并开展数值仿真和实验研究。通过质点振速重建、等效源源强重建、误差计算等多角度分析,将文章提出的CESM-v模型与传统的等效源-近场声全息技术(ESM)模型和现有的CESM-p模型进行对比。【结果】CESM-v模型总是优于另外两个模型,在稀疏采样条件下可获得媲美传统ESM充足采样条件下的质点振速重建效果,且比CESM-p模型具有更高更稳定的质点振速重建精度。仿真和实验结果均表明,CESM-v模型具有更好的稳定性和可靠性,在少量采样点条件下依然可获得较好的质点振速重建结果,从而保证声源识别的准确性。【结论】凭借优越的声场重构稳健性,CESM-v模型可推广至轨道交通等实际工程中,应用于噪声源识别及故障诊断。