從噪聲源處控制噪聲是噪聲控制最有效、最便捷的方式,準確識別出噪聲源的位置是控制噪聲的前提。近場聲全息技術(shù)和波束形成技術(shù)是兩種常用的噪聲源識別方法。近場聲全息技術(shù)利用全息面和聲源面之間的聲場關(guān)系重建出聲場,適用于近距離測量和中低頻聲源。波束形成技術(shù)通過對聲音信號進行延遲、加權(quán)和求和,使期望信號產(chǎn)生一個響應(yīng)極大值,從而得到真實的聲源分布,適用于遠距離測量和高頻聲源。隨著人工智能的興起,將機器學習算法引入聲源識別定位過程中,不僅可以提高計算效率,而且可以提高定位精度,因此提出了基于極限學習機的聲源識別方法,對已有的數(shù)據(jù)樣本進行學習后,訓練得到一個模型,將測試數(shù)據(jù)作為輸入,依據(jù)模型的判斷進行聲源位置分類,具有計算效率高和定位精度高的優(yōu)勢。論文首先研究了四種噪聲源識別方法的推導過程,并通過數(shù)值仿真驗證了這些方法的可行性,以平面近場聲全息、互譜成像算法、DAMAS算法和DAMAS2算法為理論依據(jù),以LabVIEW為軟件平臺,傳聲器、NI采集卡和計算機為硬件,開發(fā)出一套噪聲源識別系統(tǒng)。該系統(tǒng)包括示波模塊、標定模塊、采集模塊和算法處理模塊。示波模塊包含時域顯示、頻域顯示、倍頻程顯示和功率譜顯示;標定模... 

【文章來源】：安徽大學安徽省 211工程院校

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

平面近場聲全息的LabVIE

第二章基于LabVIEW的噪聲源識別方法研究10(a)LabVIEW重建聲場圖(b)MATLAB重建聲場圖圖2.3平面近場聲全息的LabVIEW和MATLAB聲場重建對比圖Figure2.3ComparisonofplaneNAHsoundfieldreconstructionbetweenLabVIEWandMATLAB2.3互譜成像算法2.3.1理論推導互譜成像算法示意圖如圖2.4所示，在笛卡爾坐標系xoy中，測量面用W表示，在測量面上共有M個傳聲器，圖中的黑點表示傳聲器；聚焦面用T表示，聚焦面被均勻劃分成N個聚焦點；為第m個傳聲器的位置，為第n個聚焦點的位置，為測mrnrr量面中心和聚焦點之間的距離。O測量面Wzxmrry聚焦面Trnr圖2.4互譜成像算法示意圖Figure2.4Schematicdiagramofcross-spectralimagingalgorithm假設(shè)每個聚焦點都是潛在聲源的位置，p為測量面上傳聲器接收的聲壓，q為聚焦面潛在聲源的源強，G為測量面與聚焦面之間的傳遞矩陣，從而有：pGq(2.9)式(2.9)中，H，H為共軛轉(zhuǎn)置，傳遞矩陣的表達式為：21NqqqqG

第二章基于LabVIEW的噪聲源識別方法研究14數(shù)為21×21個。聲測量面的大小也是1m×1m(yxm5.0m5.0m,5.0m5.0)，各聚焦點的間隔均為0.05m，測點數(shù)為21×21個，且到聲源的距離為0.1m�；贚abVIEW處理后的聚焦面聲源識別如圖2.7(a)所示，為了驗證經(jīng)LabVIEW處理后的聲源識別準確性，使用相同的參數(shù)進行MATLAB仿真，把得到的兩個結(jié)果進行對比。MATLAB軟件和LabVIEW處理的聚焦面聲源識別如圖2.7所示。圖2.7(a)表示LabVIEW程序中DAMAS算法的聲源識別結(jié)果，圖2.7(b)表示MATLAB中DAMAS算法的聲源識別結(jié)果。對比圖2.7(a)和2.7(b)，可以看出，兩個聲場識別圖基本相同，說明基于LabVIEW軟件平臺，DAMAS算法能夠準確的識別出聲場中聚焦面上的聲壓信息。(a)LabVIEW聲源識別圖(b)MATLAB聲源識別圖圖2.7DAMAS算法的LabVIEW和MATLAB聲源識別對比圖Figure2.7ComparisonofDAMASsoundidentificationbetweenLabVIEWandMATLAB2.5DAMAS2算法2.5.1理論推導陣列點擴散函數(shù)具有近似空間平移不變性，DAMAS2算法把聚焦點和測量點間的相對位置作為陣列點擴散函數(shù)的值，從而得到下式：(/)()nnpsfrrpsfrr(2.22)通過傅里葉變換將式(2.22)其轉(zhuǎn)化為波數(shù)域：*1nnbpsfFFFpsfqq(2.23)式(2.23)中，b為式(2.20)b中的元素按聚焦點在聚焦面上的順序組成的矩陣，為逆1F傅里葉變換算子，F(xiàn)為傅里葉變換算子，q為式(2.20)x中的元素按照聚焦點聚焦面上的順序組成的矩陣,為陣列點擴散函數(shù)按照聚焦點在聚焦面上的順序組成的矩陣。npsf

【參考文獻】：
期刊論文
[1]虛擬儀器技術(shù)在新工科虛擬仿真實驗平臺中的應(yīng)用[J]. 劉萍萍,黃嵐,趙宏偉.  計算機教育. 2019(11)
[2]淺析虛擬儀器在電子技術(shù)演示實驗中的應(yīng)用[J]. 李嚴靜.  數(shù)字技術(shù)與應(yīng)用. 2019(08)
[3]基于LabVIEW的繼電器品質(zhì)檢測系統(tǒng)設(shè)計[J]. 汪成龍,陳銘泉,孫培宜,王佳洪,黃余鳳.  制造業(yè)自動化. 2019(08)
[4]基于虛擬儀器的先進過程控制實驗系統(tǒng)設(shè)計[J]. 張總,王建莉.  中國儀器儀表. 2019(07)
[5]基于LabVIEW的泵性能測試系統(tǒng)設(shè)計與開發(fā)[J]. 董亮,吳侃,劉厚林,代翠,徐海良.  流體機械. 2018(11)
[6]基于LabVIEW的防火監(jiān)測報警系統(tǒng)設(shè)計[J]. 張楠.  機械工程與自動化. 2018(04)
[7]單片機和LabVIEW下多路數(shù)據(jù)采集系統(tǒng)的設(shè)計研究[J]. 董鵬,鮑印虎,張占美.  科技傳播. 2018(09)
[8]基于BP神經(jīng)網(wǎng)絡(luò)的雙耳聲源定位算法[J]. 談雅文,王立杰,姚昕羽,湯一彬,周琳.  電聲技術(shù). 2018(05)
[9]一種基于SVM的聲源定位算法[J]. 顧曉瑜,楊悅.  計算機技術(shù)與發(fā)展. 2017(09)
[10]壓縮感知聲源定位方法研究[J]. 寧方立,衛(wèi)金剛,劉勇,石旭東.  機械工程學報. 2016(19)

博士論文
[1]有限空間水下結(jié)構(gòu)近場聲全息技術(shù)及應(yīng)用研究[D]. 孫超.哈爾濱工程大學 2013

碩士論文
[1]基于LabVIEW的軟件相關(guān)器設(shè)計與實現(xiàn)[D]. 李凱.華中科技大學 2019
[2]基于LabVIEW的聲音信號的采集與分析系統(tǒng)[D]. 于永芳.青島大學 2018
[3]環(huán)衛(wèi)洗掃車聲源識別及噪聲控制[D]. 王家璇.華中科技大學 2018
[4]基于LabVIEW的噪聲源可視化定位系統(tǒng)設(shè)計[D]. 胡鵬.合肥工業(yè)大學 2018
[5]基于機器學習的聲源定位研究[D]. 楊悅.南京郵電大學 2017
[6]基于雙耳聲源定位的魯棒語音分離研究[D]. 束佳明.東南大學 2016
[7]基于LabVIEW的噪聲源識別系統(tǒng)開發(fā)[D]. 張亞虎.合肥工業(yè)大學 2013
[8]近場波束形成算法及其應(yīng)用研究[D]. 楊冬.電子科技大學 2012
[9]基于NI平臺的波束形成聲源識別研究[D]. 任國棟.合肥工業(yè)大學 2009



本文編號：3266274