寻找供应商
广告
首页 > 振动与噪声 > 正文

风洞内传声器阵列互谱矩阵的去噪

2024-03-27 15:08:44·  来源：BK声学与振动  
　

在风洞中使用传声器阵列进行波束形成测量时，传声器信号会被气流噪声严重干扰。考虑稳态运行工况，传统的频域波束形成方法会对互谱矩阵（CSM）进行长时间的平均，假定传声器之间的气流噪声是不相关的，气流噪声与真实噪声源信号也是不相关的，这样气流噪声的贡献会逐渐地集中在CSM主对角线上。


目前广泛使用的方法是主对角线移除（Diagonal Removal, DR），即避免使用CSM主对角线，这对于一些波束形成算法是有效的，但其缺点是会低估声源幅值，在声源云图上产生负的声功率。反卷积波束形成如NNLS可以使用DR去噪，CLEAN-SC也包含了DR过程，它对强声源有很好地识别能力，但对弱声源就无法收敛。


对于其他波束形成算法，如函数波束形成，以及与声全息相关的算法，CSM主对角线是必需的。为此，本文介绍两种新方法，即主对角线去噪（DiagonalDenoising, DD）和典型相干去噪（CanonicalCoherence Denoising, CCD）。


DD从主对角线上最大可能地减去功率和，同时保持所有非主对角线不变并且矩阵是半正定的。当主对角线以外的噪声贡献都被平均掉，且不相干声源的数目不超过图片，M是传声器数目，DD能够准确地从主对角线移除不相关噪声。在计算时，我们使用凸优化方法，计算速度快且保证收敛。


CCD将阵列传声器平均分为两组，从两个组中提取出具有最大互相干性的信号子空间，这样非相关气流噪声和扰动信号就会被有效去除。CCD使用一个迭代提取算法，每次迭代都会重新分组，计算速度快，且适当调整非主对角线元素以克服DD方法的一些缺陷。CCD方法比DD方法能够更好地去除CSM主对角线噪声，并且CCD能够自动调整参数，无需用户自己设置参数。


图片


测试案例


使用108通道半轮形阵列，风洞内风速为140km/h。下图是5-6kHz气动噪声源的声强分布图，NNLS+DR能够有效抑制噪声，但是会低估声源并且移除微弱声源，例如外后视镜和前灯的后边缘的噪声源几乎消失了，虽然这些声源很微弱，但是非常重要。CLEAN-SC+CCD能够去除绝大部分的噪声，且保留了几乎所有的重要噪声源。


更多信息详见Jørgen Hald; Denoising ofcross-spectral matrices using canonical coherence. J. Acoust. Soc.Am. 1 July 2019; 146 (1): 399–408. https://doi.org/10.1121/1.5116010.


图片


总结


HBK拥有近40年的阵列声学测试经验，风洞内使用CLEAN-SC+CCD方法能够有效抑制气流噪声的影响，快速、高精度识别噪声源，实现超大动态范围的成像。


结合车内球面波束形成，HBK独有的FAS+CLEAN-SC，boost LF resolution算法能够极大提高空间分辨率，显著降低旁瓣水平，在风洞内同时实现车内360°精准的声源定位。


利用参考贡献成像方法，即CLEAN-SC withReference Contribution，能够将气动噪声源与车内驾驶员耳旁参考点相关联，进一步得到对车内参考点有贡献的车外气动声源分布，这对车内噪声优化更有意义。

分享到：
 
反对 0 举报 0 收藏 0 评论 0
  • 汽车测试网V课堂

    汽车测试网V课堂

  • 微信公众号

    微信公众号

  • 汽车测试网手机站

    汽车测试网手机站

• 某四驱电动车电磁噪声大问题优化 • 制动噪声
• 车辆内部NVH测试解决方案 • 电动汽车电池包随机振动疲劳及优化分析
• 详解半主动悬置和主动悬置 • 某SUV车内加速轰鸣声问题分析与研究
• 车内噪声主动控制的参考信号选取方法 • 某车变速箱鬼频啸叫控制案例
• HBK电声产线测试解决方案 • 基于虚拟人工头的NVH优化
0 条相关评论

HBK – Hottinger Brüel & Kjær

TA的全部文章
  • 广告

编辑推荐

最新资讯

  • 广告
  • 广告
沪ICP备11026620号