详情

原文传递基于计算听觉场景分析的内燃机噪声源分离算法研究

论文题名：	基于计算听觉场景分析的内燃机噪声源分离算法研究
关键词：	计算听觉场景;独立分量分析;内燃机;噪声源识别;波束形成
摘要：	噪声源识别是内燃机振动噪声控制的前提，目前内燃机噪声源识别研究的难点是燃烧噪声与活塞敲击噪声的分离，当活塞运动到上止点附近时，燃烧噪声和活塞敲击噪声在时域上和频域上均有混叠，很难得到准确的分离结果。文中借鉴计算听觉场景分析的研究成果，结合ICA分离特性，建立内燃机噪声源分离新模型，研究满足新模型的最佳噪声获取试验方案，提出并实现了基于计算听觉场景分析的双通道分离算法，完成对混叠噪声的分离。研究工作主要包括：　　（1）研究了独立分量分析的基本理论，在对比不同独立分量分析算法的统计特性与性能基础上，考虑到内燃机噪声的特性，选择基于互信息的Infomax ICA算法与基于张量的JADE ICA算法进行重点阐述，通过仿真分析验证算法的有效性。　　（2）从数学角度建立独立分量分析与波束形成的内在联系，推导出在源信号统计独立的假设下，独立分量分析的解混矩阵与自适应波束形成的加权系数收敛至同一解，两者具有等价性。当对信号进行独立分量分析时可以认为该信号经过一次空域滤波处理，使得独立分量分析的效果可以通过方向响应极坐标图来描述。　　（3）研究了整机的表面噪声辐射的分布特性，通过声压级有效值分析内燃机表面总体噪声的分布情况，为内燃机降噪提供依据；通过主要噪声频段内声压级分析对主要噪声源的分布有一个直观的认识，为噪声源分离的测点布置提供参考。　　（4）针对目前内燃机噪声源分离的测点布置的不合理性，改进试验方案，寻找能反映内燃机主要噪声特性的测点方位，多点测量，为 ICA分离提供更有效的输入。运用ICA算法对实测噪声信号进行分离，结合小波分析识别主要分量，分析结果表明，ICA算法能在一定程度上分离燃烧噪声与活塞敲击噪声，但分离结果辨识度不高，且随着转速升高、负荷增加，分离性能下降明显。　　（5）提出并实现了基于计算听觉场景分析的双通道分离算法，分阶段对算法的流程进行了详细的描述，通过仿真与实验分析验证算法的有效性。仿真分析表明，在理想的瞬时混合情况下，分离算法能准确识别的声源数目达到五个，信噪比增益平均达到12.41 dB，提取的目标语音信号具有较高的清晰度与可懂性；试验分析表明，在半消音室内，算法能有效识别来自三个不同方位的声源。　　（6）研究了双通道 CASA分离算法在内燃机上的应用，分析了不同工况下的分离性能，对比了两种 ICA算法对分离结果的影响。结果表明，在低转速下，基于Infomax双通道算法与基于JADE双通道算法都能有效分离出6号缸燃烧噪声、活塞敲击噪声，分离结果可辨识度高；随着转速的升高，基于Infomax双通道分离算法对微弱特征信号的分离能力下降迅速，但仍能有效分离出6号缸燃烧噪声与活塞敲击噪声；在额定转速下，随着负荷的增加，两种分离算法的分离性能趋于一致，都能有效分离6号缸燃烧噪声与活塞敲击噪声，基于JADE双通道算法的分离结果更符合实际。
作者：	钱思冲
专业：	轮机工程
导师：	向阳
授予学位：	博士
授予学位单位：	武汉理工大学
学位年度：	2014
正文语种：	中文