基于近场声全息的噪声源识别方法研究

摘要

近场声全息(Nearfield Acoustic Holography，NAH)是一种重要的噪声源识别方法，但却不适用于部分相干声场，而部分相干的情况在实际中是广泛存在的。主成分分析(Principal Component Analysis，PCA)是一种数学方法，属于多元统计分析，也属于矩阵分析。它可以将高维数据分解到低维空间，一来可以使数据降维，达到简化数据的目的，二来可以提取数据的主要信息，从而获得更有意义的解释。
　　 本文论述了一种将NAH和PCA结合的噪声源识别方法。该方法使用一个传感器阵列扫描采集声场全息面数据，并使用若干个靠近声源的参考传感器获得一组参考数据。然后先由这两组数据求出全息面的主成分，也就是PCA方法分解出的一组全息面声压分量，再把这些全息面主成分通过NAH的方法变换到源面，叠加出源面声压分布，进而识别噪声源。为研究这一方法的效果，选取点源声场进行仿真研究。先在近场针对不同的声源相干程度，不同参考传感器个数进行仿真。然后在远场分析不同声源的贡献量大小。
　　 研究表明，这种方法不但具有NAH的全部功能，而且拥有一些NAH所不具备的特点和优势。主要体现在克服了NAH不能分析部分相干源的限制，对相干源的识别效果比NAH更好，可以对声源的远场贡献量进行排序几个方面。

目录

文摘

英文文摘

声明

第1章绪论

1.1噪声源识别的目的和意义

1.2部分噪声源识别技术简述

1.2.1功率谱分析

1.2.2倒频谱分析

1.2.3相干分析

1.2.4偏相干分析

1.2.5波叠加法

1.3基于近场声全息的噪声源识别及其发展趋势

1.4基于互谱的近场声全息与主成分分析

1.5本论文的研究内容

第2章近场声全息

2.1基本原理与公式推导

2.2格林函数的离散化

2.3近场声全息变换的参数分析

2.4滤波窗的优化

2.5本章小结

第3章近场声全息与主成分分析联合的噪声源识别技术研究

3.1基于奇异值分解的噪声源数目确定方法

3.2近场声全息与主成分分析联合的噪声源识别方法

3.2.1基于互谱的近场声全息公式

3.2.2声场的主成分分析

3.2.3参考选择与布放策略

3.2.4测量与计算分析的步骤

3.2.5宽带问题的处理

3.3远场问题的处理

3.4本章小结

第4章近场仿真分析

4.1参考个数与声源个数相同时的仿真

4.1.1三个同频率点声源

4.1.2三个频率略有偏差的点声源

4.2参考个数大于声源个数时的仿真

4.3本章小结

第5章远场仿真分析

5.1远场中对于声源贡献量的仿真

5.2本章小结

结论

参考文献

致谢