[发明专利]一种对噪声源进行快速精确定位的分步聚焦算法

说明书

本发明涉及一种对噪声源进行快速精确定位的分步聚焦算法，第一步：在测量面上，运用M个声压传感器形成测量阵列W，通过声压传感器测量测量阵列W各个点的声压数据；第二步：第一次聚焦，将聚焦面划分为规则的网格状，其中网格的每个单元均为正方形，网格的交点为声源的聚焦点，网格的相邻交点之间的距离定义为d，即相邻两聚焦点间隔为d，通过聚焦算法找出声源位置所在区域大范围；第三步：第二次聚焦，在第二步找出的声源位置所在区域大范围进行精确划分，重复上个步骤中的聚焦算法，进行第二次精确定位，找出声源的精确位置。本发明采用了分步聚焦的思想，能够在短时间内得到噪声源精确位置，从而达到消除或减弱噪声的目的。

技术领域

本发明涉及振动与噪声控制技术领域，具体的说，涉及一种对噪声源进行快速精确定位的分步聚焦算法，可用于机械、汽车等噪声排查工作，通过该算法可以快速精确定位出噪声源位置，从而达到消除或减弱噪声的目的。

背景技术

随着社会的发展，人们的生活水平日益提高，人们对噪声污染的控制与治理越来越重视。在汽车工业中，汽车的噪声性能是汽车NVH性能要求中的首要方面，国家出台的相关噪声标准越来越严格。因此，控制噪声以及降低噪声已经成为人们生活和工业生产中一个迫在眉睫的问题。

控制噪声的方法有很多，大体上可以分为三个方面，一是直接从声源处进行控制，二是控制声音传播的过程，三是控制声音的接收处。在这三个方面中，从声源处控制噪声是噪声控制中最直接和最有效的方法，但是要想直接从声源处控制噪声，首先必须精准地定位出噪声源的位置。因此，许多噪声源定位算法被发展出来，波束形成技术是一类常用的噪声源定位方法，其基本算法是通过不同算法对各阵元进行加权处理，以达到增强期望信号和抑制干扰信号的目的，从而对期望信号波达方向进行估计。其中最基本的算法为延时求和算法，但由于延时求和算法的分辨率较低，而且延时求和算法不能抑制背景噪声的影响，所以学者们提出了互谱成像算法，该方法通过去掉信号的自谱来抑制背景噪声，提高了定位的分辨率。然而，上述方法不仅会在真实声源位置产生具有一定宽度的“主瓣”，而且还会在非声源位置产生许多“旁瓣”。主瓣的宽度越宽，导致声源识别的分辨率越低，同时旁瓣会影响声源成像的质量，使声源识别结果的分析具有不确定性。为了有效消除上述算法的旁瓣，发展出来更高分辨率的反卷积声源成像算法(DAMAS)，其中最具代表性的算法为Yardibi等提出的稀疏约束反卷积声源成像算法(SC-DAMAS),该算法是通过L1范数正则化过程解卷积，其结果有很高的精度。

尽管SC-DAMAS算法定位精度高，但是该算法存在两个缺点：一是该算法在理论推导过程中基于非相干声源假设，因此该算法仅对非相干声源有较好的识别效果，对于相干声源识别效果较差，二是由于L1范数正则化过程需要求解一个凸优化问题，其计算复杂度较高，并且其计算时间随着方程个数的增多呈指数增加，因此该算法计算效率较低，工程运用效率很低；合肥工业大学徐亮等为了解决SC-DAMAS算法第一个缺点，取消了互谱去噪过程，运用主成分分析方法进行去噪，发展出了一种适用于相干和非相干声源的反卷积声源成像算法；本发明方法是为了解决SC-DAMAS算法第二个缺点发展而来，由于工程中，所需聚焦面比较大，有时还需要对三维空间进行聚焦，因此聚焦点数目较大，方程数目就较多，SC-DAMAS算法计算时间就非常长，效率非常低,无法运用实际工程中；本发明方法运用了分步聚焦思想，分两步进行聚焦，第一次聚焦大致找出噪声源位置，第二次再在小范围进行精确聚焦，尽管本发明方法需要进行两次L1范数正则化过程解卷积，但是每一次计算时的方程个数远远小于一步聚焦的方程个数，所需计算时间同样远远小于一步聚焦的计算时间，因此本发明方法既有很高的定位精度，并有很高的计算效率，非常适合运用于实际工程中。

发明内容

本发明方法是为了解决SC-DAMAS算法第二个缺点发展而来，由于工程中，所需聚焦面比较大，有时还需要对三维进行聚焦，因此聚焦点数目较大，方程数目就较多，SC-DAMAS算法计算时间就非常长，效率非常低，无法运用实际工程中。在这种背景下，本发明公开了一种对噪声源进行快速精确定位的分布聚焦算法。