楊洋，褚志剛

基于CLEAN-SC清晰化波束形成的汽車前圍板隔聲薄弱部位識(shí)別

楊洋1，褚志剛2

(1. 重慶工業(yè)職業(yè)技術(shù)學(xué)院車輛工程學(xué)院，重慶401120；2. 重慶大學(xué)汽車工程學(xué)院，重慶400030)

為提高波束形成識(shí)別汽車前圍板隔聲薄弱部位的精度，開發(fā)了CLEAN-SC清晰化波束形成聲源識(shí)別軟件。對(duì)多種已知模擬聲源的識(shí)別結(jié)果表明：該方法能夠顯著提高分辨率、衰減旁瓣，更準(zhǔn)確地識(shí)別單聲源及不相干聲源，且隨迭代次數(shù)的增加收斂快、受傳聲器及通道頻響失配等因素的干擾小。某汽車前圍板的隔聲薄弱部位識(shí)別試驗(yàn)結(jié)果表明：空調(diào)進(jìn)氣口左上角位置是主要薄弱部位，空調(diào)進(jìn)氣口內(nèi)外循環(huán)轉(zhuǎn)換閥與閥口貼合不緊密是根本原因。為改善其隔聲性能指明了方向，驗(yàn)證了CLEAN-SC清晰化波束形成方法在汽車前圍板隔聲薄弱部位識(shí)別中的有效性及所開發(fā)軟件的正確性。

汽車前圍板；隔聲薄弱部位識(shí)別；波束形成；CLEAN-SC；算法設(shè)計(jì)；軟件開發(fā)

0 引言

汽車前圍板的隔聲性能是決定駕駛員、乘客受發(fā)動(dòng)機(jī)等噪聲干擾程度的關(guān)鍵因素，準(zhǔn)確識(shí)別其隔聲薄弱部位是制定有效改進(jìn)方案的前提，對(duì)改善車內(nèi)聲學(xué)性能具有重要意義?；趥髀暺麝嚵袦y(cè)量的波束形成技術(shù)[1-5]只需在距被測(cè)對(duì)象一定距離的位置進(jìn)行單次測(cè)量便可對(duì)整個(gè)對(duì)象進(jìn)行聲學(xué)成像，測(cè)量速度快、計(jì)算效率高、測(cè)量工況穩(wěn)定性易于保證，滿足汽車前圍板隔聲薄弱部位的識(shí)別需求。

傳統(tǒng)波束形成(Conventional Beamforming, CB)方法的輸出結(jié)果是聲源分布與陣列點(diǎn)傳播函數(shù)的卷積，陣列傳聲器采樣的有限性和離散性使其點(diǎn)傳播函數(shù)無法等于理想的δ函數(shù)，不僅在真實(shí)聲源位置輸出具有一定寬度的“主瓣”，還在非聲源位置輸出“旁瓣”。主瓣的寬度影響聲源識(shí)別的分辨率，旁瓣的出現(xiàn)污染聲源成像圖，使聲源識(shí)別結(jié)果的分析具有不確定性[6-8]。近年來，提高分辨率、衰減旁瓣的清晰化波束形成方法備受關(guān)注。2004年，美國(guó)NASA的Thomas F. Brooks等[9]在傳統(tǒng)波束形成輸出結(jié)果、陣列點(diǎn)傳播函數(shù)、聲源聲壓強(qiáng)度分布之間建立線性方程組，反復(fù)迭代求解該方程組來重構(gòu)聲源聲壓強(qiáng)度分布，衰減主瓣寬度和旁瓣干擾的限制，給出反卷積聲源成像(Deconvolution Approach for the Mapping of Acoustic Sources, DAMAS)方法。2005年，美國(guó)OptiNav的Robert P. Dougherty等[10]假設(shè)陣列點(diǎn)傳播函數(shù)具有空間轉(zhuǎn)移不變性，利用傅里葉變換將聲源聲壓強(qiáng)度分布與陣列點(diǎn)傳播函數(shù)間的卷積轉(zhuǎn)化為波數(shù)域的乘積，基于FFT提高計(jì)算效率，給出DAMAS的擴(kuò)展方法DAMAS2。2007年，德國(guó)DLR的Klaus Ehrenfried等[11]在傳統(tǒng)波束形成輸出結(jié)果、陣列點(diǎn)傳播函數(shù)、聲源聲壓強(qiáng)度分布之間建立差函數(shù)，最小化該差函數(shù)來重構(gòu)聲源聲壓強(qiáng)度分布，衰減主瓣寬度和旁瓣干擾的限制，給出非負(fù)最小二乘(Non-Negative Least Squares, NNLS)方法，進(jìn)一步，假設(shè)空間轉(zhuǎn)移不變陣列點(diǎn)傳播函數(shù)和鏡像空間轉(zhuǎn)移不變陣列點(diǎn)傳播函數(shù)，將空間域卷積轉(zhuǎn)化為波數(shù)域乘積，給出FFT-NNLS方法。同年，荷蘭NLR的P. Sijtsma[12]給出清除(CLEAN)方法，通過反復(fù)在傳統(tǒng)波束形成結(jié)果中移除主瓣峰值對(duì)應(yīng)的理論假設(shè)點(diǎn)聲源的陣列點(diǎn)傳播函數(shù)來清晰化聲源識(shí)別結(jié)果。

上述清晰化方法都需要基于單極子點(diǎn)聲源假設(shè)計(jì)算理論的陣列點(diǎn)傳播函數(shù)，然而，實(shí)際應(yīng)用中，聲源并非簡(jiǎn)單的點(diǎn)聲源，實(shí)際陣列點(diǎn)傳播函數(shù)與理論陣列點(diǎn)傳播函數(shù)間存在偏差，必然降低這些清晰化方法的準(zhǔn)確度。為克服單極子點(diǎn)聲源假設(shè)所帶來的理論問題，2007年，荷蘭NLR的P. Sijtsma[12]給出了基于同一聲源產(chǎn)生的主瓣與旁瓣相干的清除(Clean based Spatial Source Coherence, CLEAN-SC)方法，通過反復(fù)在傳統(tǒng)波束形成結(jié)果中移除與主瓣相干的旁瓣來清晰化聲源識(shí)別結(jié)果，不需要計(jì)算陣列點(diǎn)傳播函數(shù)。該方法由于計(jì)算效率高、收斂快、旁瓣衰減能力及抗干擾能力強(qiáng)等優(yōu)點(diǎn)成為國(guó)內(nèi)外學(xué)者近年來研究的焦點(diǎn)[13-16]，英國(guó)劍橋大學(xué)的Alexander R. Quayle等[15]、中國(guó)航天空氣動(dòng)力技術(shù)研究院的趙小見等[16]都成功運(yùn)用該方法識(shí)別了飛機(jī)氣動(dòng)聲源。目前，關(guān)于CLEAN-SC清晰化波束形成方法識(shí)別汽車聲源的報(bào)道還很鮮見，這是因?yàn)镃LEAN-SC只對(duì)不相干聲源有效，而汽車聲源多存在相干成分。本文在混響室-消聲室中進(jìn)行汽車前圍板隔聲薄弱部位識(shí)別試驗(yàn)，混響室中各方向傳播聲波的相位是無規(guī)的，聲信號(hào)從混響室通過前圍板隔聲薄弱部位透射至消聲室時(shí)形成的聲源亦互不相干，非常適合采用CLEAN-SC清晰化波束形成方法。

本文基于CLEAN-SC清晰化波束形成理論，設(shè)計(jì)聲源識(shí)別算法，開發(fā)相應(yīng)軟件，基于模擬計(jì)算的已知單聲源、不相干雙聲源、相干雙聲源的聲學(xué)成像圖驗(yàn)證設(shè)計(jì)算法及開發(fā)軟件的正確性，分析CLEAN-SC的聲源識(shí)別性能，探討傳聲器及通道頻響失配、背景噪聲等實(shí)際測(cè)量因素的影響。在此基礎(chǔ)上，進(jìn)行某汽車前圍板隔聲薄弱部位的識(shí)別試驗(yàn)，準(zhǔn)確識(shí)別其薄弱部位，為制定有效改進(jìn)方案指明方向，并驗(yàn)證了CLEAN-SC清晰化波束形成方法在汽車前圍板隔聲薄弱部位識(shí)別中的有效性。

1 CLEAN-SC清晰化波束形成理論

波束形成聲源識(shí)別技術(shù)利用傳聲器陣列接收聲信號(hào)，離散聲源平面形成聚焦網(wǎng)格點(diǎn)，基于特定算法采用聚焦轉(zhuǎn)向向量反向聚焦各網(wǎng)格點(diǎn)，使真實(shí)聲源所在聚焦點(diǎn)的輸出量被加強(qiáng)，其他聚焦點(diǎn)的輸出量被衰減，從而有效識(shí)別聲源[1-3, 7-8]。圖1(a)為波束形成聲源識(shí)別布局示意圖，黑色“u”表示陣列傳聲器，為號(hào)傳聲器坐標(biāo)向量，為傳聲器數(shù)目，灰色“?”表示聲源平面聚焦點(diǎn)，為其坐標(biāo)向量。設(shè)為聚焦點(diǎn)的聚焦轉(zhuǎn)向列向量，則該聚焦點(diǎn)的波束形成輸出量可表達(dá)為

其中：為陣列各傳聲器接收聲信號(hào)的互譜矩陣，上標(biāo)T和分別表示向量的轉(zhuǎn)置與共軛。依據(jù)傳統(tǒng)互譜成像函數(shù)波束形成算法[2]，的表達(dá)式為

(2)

(4)

CLEAN-SC是提高分辨率、衰減旁瓣的有效方法，其基于同一聲源產(chǎn)生的主瓣與旁瓣完全相干的事實(shí)，通過反復(fù)在傳統(tǒng)波束形成結(jié)果中移除與主瓣相干的旁瓣、限定聲源波束寬度來衰減旁瓣干擾和主瓣寬度的限制，清晰化聲源識(shí)別結(jié)果[12]。初始化陣列傳聲器接收聲信號(hào)的互譜矩陣，聲源強(qiáng)度分布，由第次迭代計(jì)算到第+1次迭代計(jì)算的具體步驟為：

(1) 計(jì)算完成次迭代后的傳統(tǒng)波束形成輸出量：

(7)

即式(8)成立：

聯(lián)立式(6)、式(8)，可得

(9)

2 算法設(shè)計(jì)與模擬計(jì)算

基于CLEAN-SC清晰化波束形成理論，設(shè)計(jì)聲源識(shí)別算法，開發(fā)相應(yīng)軟件，模擬計(jì)算聲源平面上已知聲源的聲學(xué)成像。圖2為設(shè)計(jì)算法的流程圖，包括正向聲場(chǎng)模擬、傳統(tǒng)波束形成反向聲源識(shí)別、CLEAN-SC清晰化波束形成后處理三部分。首先，在尺寸1 m×1 m的聲源平面上建立51×51的聚焦點(diǎn)模型并假設(shè)聲源分布，在距離聲源平面1 m的位置建立直徑0.65 m的36通道傳聲器陣列測(cè)點(diǎn)模型，根據(jù)聲學(xué)原理正向計(jì)算陣列各傳聲器接收的聲信號(hào)，得到互譜矩陣；然后，反向聚焦各網(wǎng)格點(diǎn)，根據(jù)式(2)、式(3)，計(jì)算其聚焦轉(zhuǎn)向向量，根據(jù)式(1)所示的傳統(tǒng)波束形成理論，計(jì)算其輸出量并進(jìn)行聲學(xué)成像；最后，根據(jù)式(5)~式(9)所示的CLEAN-SC清晰化理論，迭代計(jì)算聲源強(qiáng)度分布并成像，迭代過程中，設(shè)定波束寬度為0.04 m，循環(huán)因子。

假設(shè)單極子點(diǎn)聲源位于聲源平面上(-0.2, 0) m位置，聲源強(qiáng)度為100 dB，輻射聲波頻率為3000 Hz，圖3為模擬計(jì)算的識(shí)別成像圖，顯示動(dòng)態(tài)范圍為20 dB。圖3(a)為理論準(zhǔn)確值的成像圖，其僅在(-0.2, 0) m聲源位置出現(xiàn)100 dB的峰值，其余各聚焦點(diǎn)的幅值均為0。圖3(b)為傳統(tǒng)波束形成的成像圖，雖然其在(-0.2, 0) m聲源位置出現(xiàn)峰值等于聲源強(qiáng)度的主瓣聲學(xué)中心，但該聲學(xué)中心寬度高達(dá)0.4 m，若其覆蓋區(qū)域內(nèi)存在其他聲源，各聲源的主瓣聲學(xué)中心將因具有較大的寬度而相互融合，無法被有效分辨；顯示動(dòng)態(tài)范圍內(nèi)，聲源平面上出現(xiàn)了大面積旁瓣，嚴(yán)重污染聲源識(shí)別成像圖。圖3(c)~3(h)為CLEAN-SC清晰化波束形成的成像圖，迭代次數(shù)依次為5、10、20、30、50、100，各成像圖都在(-0.2, 0) m聲源位置出現(xiàn)峰值等于聲源強(qiáng)度的主瓣聲學(xué)中心，且從圖3(c)到圖3(h)，聲學(xué)中心寬度依次為0.38、0.38、0.32、0.26、0.08、0.08 m，分別比圖3(b)所示的傳統(tǒng)波束形成聲學(xué)中心窄0.02、0.02、0.08、0.14、0.32、0.32 m，表明CLEAN-SC清晰化波束形成方法能夠有效縮減主瓣寬度、提高聲源識(shí)別分辨率；同樣顯示動(dòng)態(tài)范圍內(nèi)，相比于圖3(b)，圖3(c)消除了大部分旁瓣，圖3(d)僅在右上角出現(xiàn)極少量的旁瓣，圖3(e)~3(h)中未見任何旁瓣，表明CLEAN-SC清晰化波束形成方法能夠顯著衰減旁瓣干擾。此外，對(duì)比圖3(c)、3(d)、3(e)、3(f)、3(g)所示的5次、10次、20次、30次、50次迭代的成像圖，顯見，迭代次數(shù)越多，CLEAN-SC構(gòu)建的主瓣聲學(xué)中心越窄，聲源識(shí)別分辨率越好，旁瓣也越少，圖3(g)所示的50次迭代成像圖中，主瓣聲學(xué)中心半徑已達(dá)到設(shè)定的0.04 m波束寬度，旁瓣已完全被消除，圖3(h)所示的100次迭代成像圖與圖3(g)完全一致，繼續(xù)增大迭代次數(shù)獲得的成像圖也是如此，說明50次迭代時(shí)，CLEAN-SC的清晰化效果已完全收斂到最佳。綜上所述，CLEAN-SC清晰化波束形成方法不僅能夠顯著提高聲源識(shí)別分辨率、消除旁瓣干擾，而且收斂快，僅需數(shù)十次迭代便可達(dá)到最佳清晰化效果。收斂快是CLEAN-SC方法相比于DAMAS、DAMAS2、NNLS、FFT-NNLS方法的一大優(yōu)勢(shì)，這些方法需要數(shù)千次迭代才能達(dá)到較好的收斂效果[7-11]。上述模擬計(jì)算也驗(yàn)證了設(shè)計(jì)算法及開發(fā)軟件的正確性。

實(shí)際聲源識(shí)別不可避免地受傳聲器及通道頻響失配、背景噪聲等因素的干擾，為對(duì)比分析CLEAN-SC清晰化波束形成在存在干擾時(shí)的聲源識(shí)別性能，同樣假設(shè)圖3(a)所示的單極子點(diǎn)聲源并在正向聲場(chǎng)模擬計(jì)算時(shí)添加干擾到陣列各傳聲器接收的聲信號(hào)中。圖4為模擬計(jì)算的識(shí)別成像圖，顯示動(dòng)態(tài)范圍為20 dB。圖4(a)為傳統(tǒng)波束形成的成像圖，其重構(gòu)的主瓣峰值為100.1 dB，位于(-0.18, 0.02) m位置，與圖3(b)所示的不存在干擾時(shí)的傳統(tǒng)波束形成成像圖相比，該圖中不僅主瓣聲學(xué)中心發(fā)生了變形，而且出現(xiàn)了覆蓋面積更大水平更高的旁瓣，最大旁瓣水平僅低于主瓣峰值約6 dB，嚴(yán)重影響聲源識(shí)別的準(zhǔn)確度。圖4(b)為CLEAN-SC清晰化波束形成在100次迭代時(shí)的成像圖，同時(shí)，為了與其他清晰化波束形成方法進(jìn)行對(duì)比，本文還模擬計(jì)算了DAMAS、DAMAS2、NNLS、FFT-NNLS、CLEAN方法在100次迭代時(shí)的成像圖，分別如圖4(c)~4(g)所示，計(jì)算原理分別參考文獻(xiàn)[9]、[7, 10]、[8, 11]、[8, 11]、[12]。各圖中均在(-0.18, 0.02) m位置出現(xiàn)寬度較窄的主瓣聲學(xué)中心，聲源識(shí)別分辨率被提高，CLEAN-SC、CLEAN方法重構(gòu)的主瓣峰值均為100.1 dB，與100 dB的真實(shí)聲源強(qiáng)度僅偏差0.1 dB；DAMAS、DAMAS2、NNLS、FFT-NNLS方法重構(gòu)的主瓣峰值分別為97.1、87.4、90.6、90.4 dB，遠(yuǎn)小于100 dB的真實(shí)聲源強(qiáng)度，這主要是因?yàn)檫@些清晰化方法重構(gòu)的峰值需要數(shù)千次迭代才能收斂到聲源強(qiáng)度，100次迭代時(shí)其尚未收斂的緣故，此時(shí)，主瓣聲學(xué)中心內(nèi)各聚焦點(diǎn)輸出量的線性疊加為其重構(gòu)的聲源強(qiáng)度值[9-11]，依次為100.5、100.7、100.2、100.3 dB，相比于CLEAN-SC、CLEAN方法，偏離100 dB的真實(shí)聲源強(qiáng)度較多。此外，圖4(b)所示的CLEAN-SC方法消除了所有旁瓣，旁瓣衰減能力最強(qiáng)；圖4(c)~4(f)所示的DAMAS、DAMAS2、NNLS、FFT-NNLS方法僅消除了部分旁瓣，且最大旁瓣水平與主瓣峰值間的差值依次僅為7、4、5、5 dB，旁瓣衰減能力較弱；圖4(g)所示的CLEAN方法承受最多的旁瓣，旁瓣衰減能力最弱。究其原因，主要是因?yàn)榇嬖诟蓴_時(shí)，實(shí)際陣列點(diǎn)傳播函數(shù)并不等于理論陣列點(diǎn)傳播函數(shù)，而DAMAS、DAMAS2、NNLS、FFT-NNLS、CLEAN方法通過移除由單極子點(diǎn)聲源假設(shè)計(jì)算的理論陣列點(diǎn)傳播函數(shù)來消除旁瓣，該系統(tǒng)誤差使這些方法的旁瓣衰減能力低于基于主瓣與旁瓣的相干性來消除旁瓣的CLEAN-SC方法。綜上所述，當(dāng)存在傳聲器及通道頻響失配、背景噪聲等干擾因素時(shí)，CLEAN-SC清晰化波束形成方法能夠顯著提高分辨率，較準(zhǔn)確地重構(gòu)聲源強(qiáng)度，完全消除旁瓣干擾，聲源識(shí)別性能優(yōu)于傳統(tǒng)波束形成方法及DAMAS、DAMAS2、NNLS、FFT-NNLS、CLEAN清晰化波束形成方法。

為進(jìn)一步驗(yàn)證設(shè)計(jì)算法及開發(fā)軟件的正確性，并分析CLEAN-SC清晰化波束形成方法對(duì)多聲源的識(shí)別性能，首先假設(shè)不相干雙聲源分別位于聲源平面上(-0.2, 0) m、(0, 0.2) m位置，聲源強(qiáng)度均為100 dB，圖5為模擬計(jì)算的1200 Hz、3000 Hz時(shí)的識(shí)別成像圖，顯示動(dòng)態(tài)范圍為20 dB，圖5(a)、圖5(c)為傳統(tǒng)波束形成的成像圖，圖5(b)、圖5(d)為CLEAN-SC清晰化波束形成的成像圖，迭代次數(shù)為100。對(duì)比圖5(a)與圖5(b)，1200 Hz時(shí)，圖5(a)中兩聲源的主瓣聲學(xué)中心因“傳統(tǒng)波束形成的低頻寬主瓣”特性相互融合，僅在兩聲源連線的中心位置形成長(zhǎng)軸沿方向峰值等于100.6 dB的橢圓形聲學(xué)中心，兩聲源無法被準(zhǔn)確分辨識(shí)別，圖5(b)在兩聲源位置均形成寬度很窄的主瓣聲學(xué)中心，雖然兩聲學(xué)中心之間仍殘存些許干擾，但兩聲源已能被準(zhǔn)確分辨，且重構(gòu)的兩主瓣聲學(xué)中心峰值均等于100 dB的真實(shí)聲源強(qiáng)度；3000 Hz時(shí)，圖5(c)與圖5(d)均在(-0.2, 0) m、(0, 0.2) m聲源位置出現(xiàn)峰值等于100 dB主瓣聲學(xué)中心，圖5(d)的主瓣聲學(xué)中心不僅顯著窄于圖5(c)，而且顯示動(dòng)態(tài)范圍內(nèi)，圖5(c)中出現(xiàn)了大面積旁瓣，而圖5(d)消除了所有旁瓣。表明：相比于傳統(tǒng)波束形成，CLEAN-SC清晰化波束形成方法在識(shí)別不相干多聲源時(shí)也能夠顯著提高分辨率、衰減旁瓣。其次假設(shè)相干雙聲源分別位于聲源平面上(-0.2, 0) m、(0, 0.2) m位置，聲源強(qiáng)度均為100 dB，圖6為模擬計(jì)算的3000 Hz頻率的識(shí)別成像圖，圖6(a)所示的傳統(tǒng)波束形成成像圖在(-0.2, 0) m、(0, 0.2) m聲源位置均出現(xiàn)幅值較高的主瓣聲學(xué)中心，且左側(cè)聲學(xué)中心峰值為100.8 dB，右側(cè)聲學(xué)中心峰值為100.7 dB；圖6(b)所示的CLEAN-SC清晰化波束形成方法在100次迭代時(shí)的成像圖僅在(-0.2, 0) m聲源位置出現(xiàn)主瓣聲學(xué)中心，丟失了(0, 0.2) m位置的聲源，這主要是因?yàn)镃LEAN-SC方法在傳統(tǒng)波束形成輸出結(jié)果中移除與主瓣相干的旁瓣，(-0.2, 0) m位置聲源與(0, 0.2) m位置聲源相干且前者對(duì)應(yīng)的主瓣峰值略高于后者，從而造成后者對(duì)應(yīng)的主瓣聲學(xué)中心被當(dāng)成前者的旁瓣被移除的緣故。盡管CLEAN-SC清晰化波束形成方法無法準(zhǔn)確識(shí)別相干聲源，但后續(xù)混響室-消聲室內(nèi)的汽車前圍板隔聲薄弱部位識(shí)別試驗(yàn)中，聲信號(hào)從混響室通過前圍板傳播至消聲室時(shí)各隔聲薄弱部位形成的明顯聲源互不相干，仍適合采用該方法。上述模擬計(jì)算再次驗(yàn)證了設(shè)計(jì)算法及開發(fā)軟件的正確性。

3 汽車前圍板隔聲薄弱部位識(shí)別

某汽車前圍板的隔聲性能比較薄弱，為準(zhǔn)確識(shí)別其薄弱部位，在混響室-消聲室內(nèi)進(jìn)行識(shí)別試驗(yàn)。圖7為試驗(yàn)布局示意圖，前圍板安裝在混響室和消聲室之間的金屬板上，圖7(a)所示的混響室中放置Brüel&Kj?r公司的4292型無指向性聲源，測(cè)量時(shí)，Brüel&Kj?r公司的3560B型PULSETM振動(dòng)噪聲測(cè)量分析系統(tǒng)的信號(hào)發(fā)生器發(fā)出2000~3000 Hz的寬帶隨機(jī)噪聲信號(hào)，該信號(hào)經(jīng)Brüel&Kj?r公司的2716型功率放大器放大后驅(qū)動(dòng)無指向性聲源發(fā)聲，發(fā)出的聲信號(hào)從混響室通過前圍板傳播至消聲室時(shí)，各隔聲薄弱部位形成互不相干的明顯聲源；在圖7(b)所示的消聲室中利用Brüel&Kj?r公司、直徑0.65 m、集成4958型傳聲器的36通道扇形輪陣列在距離聲源平面1.2 m位置進(jìn)行測(cè)量。陣列各傳聲器接收的聲信號(hào)經(jīng)41通道PULSE 3560D型數(shù)據(jù)采集系統(tǒng)同時(shí)采集并傳輸?shù)絇ULSE LABSHOP軟件中進(jìn)行FFT分析，得各傳聲器接收聲信號(hào)的互譜矩陣。進(jìn)一步，基于傳統(tǒng)波束形成理論和CLEAN-SC清晰化波束形成理論，采用設(shè)計(jì)算法及開發(fā)軟件反向計(jì)算聲源平面上各聚焦網(wǎng)格點(diǎn)的輸出量，并進(jìn)行聲源表面的聲學(xué)成像，CLEAN-SC方法設(shè)定波束寬度為0.04 m，循環(huán)因子，采用的迭代次數(shù)為100。

首先，為驗(yàn)證所設(shè)計(jì)的聲源識(shí)別算法及開發(fā)的相應(yīng)軟件在實(shí)際應(yīng)用中的正確性及有效性，并對(duì)比分析傳統(tǒng)波束形成方法與CLEAN-SC清晰化波束形成方法的實(shí)際聲源識(shí)別性能，在前圍板上各零件尚未安裝的情況下進(jìn)行測(cè)量，此時(shí)，空調(diào)進(jìn)氣口、蒸發(fā)器總成、轉(zhuǎn)向柱等部件的安裝孔仍存在，這些安裝孔應(yīng)是主要的聲泄漏位置。圖8(a)為2000~ 3000 Hz傳統(tǒng)波束形成的成像圖，其出現(xiàn)了兩個(gè)明顯的聲學(xué)中心：第二聲學(xué)中心出現(xiàn)在轉(zhuǎn)向柱安裝孔位置，與實(shí)際聲泄漏位置相吻合；第一聲學(xué)中心呈橢圓形，長(zhǎng)軸沿空調(diào)進(jìn)氣口左側(cè)安裝孔與蒸發(fā)器總成安裝孔的連線方向，且58 dB的聲學(xué)中心峰值位于兩者連線的中點(diǎn)，由此極易形成“空調(diào)進(jìn)氣口左側(cè)安裝孔與蒸發(fā)器總成安裝孔之間的位置存在聲泄漏”的誤導(dǎo)結(jié)論，事實(shí)上，空調(diào)進(jìn)氣口安裝孔與蒸發(fā)器總成安裝孔才是真正的主要聲泄漏位置，之所以造成上述現(xiàn)象，主要是因?yàn)閭鹘y(tǒng)波束形成分辨率差，無法準(zhǔn)確分辨近距離聲源的緣故。此外，10 dB的顯示動(dòng)態(tài)范圍內(nèi)，聲源平面上出現(xiàn)了大面積旁瓣，干擾識(shí)別結(jié)果。圖8(b)為2000~3000 Hz CLEAN-SC清晰化波束形成的成像圖，其在空調(diào)進(jìn)氣口左側(cè)安裝孔、蒸發(fā)器總成安裝孔、轉(zhuǎn)向柱安裝孔、空調(diào)進(jìn)氣口右側(cè)安裝孔位置按強(qiáng)度從高到低的順序依次形成清晰明辨的4個(gè)聲學(xué)中心，同樣10 dB的顯示動(dòng)態(tài)范圍內(nèi)，聲源平面上未見任何旁瓣，表明：相比于傳統(tǒng)波束形成，CLEAN-SC清晰化波束形成方法能夠顯著提高分辨率、衰減旁瓣，更準(zhǔn)確地識(shí)別實(shí)際聲源。識(shí)別的聲泄漏位置與實(shí)際的聲泄漏位置間的一致性驗(yàn)證了設(shè)計(jì)算法及開發(fā)軟件在實(shí)際應(yīng)用中的正確性及有效性。

在此基礎(chǔ)上，為識(shí)別前圍板的主要隔聲薄弱部位，在各零件已安裝的情況下進(jìn)行測(cè)量，測(cè)量時(shí)空調(diào)進(jìn)氣口內(nèi)外循環(huán)轉(zhuǎn)換閥關(guān)閉。圖9為2000~3000 Hz CLEAN-SC清晰化波束形成的成像圖，其在空調(diào)進(jìn)氣口左上角位置形成明顯的聲學(xué)中心，表明該位置是主要的隔聲薄弱部位。檢測(cè)其原因，主要是由于空調(diào)進(jìn)氣口內(nèi)外循環(huán)轉(zhuǎn)換閥與閥口在該位置貼合不緊密的緣故。進(jìn)一步在與閥口相貼合的閥體部位粘貼密封材料后再次測(cè)量，此時(shí)，同樣在38~48 dB的顯示范圍內(nèi)，測(cè)得的聲學(xué)成像圖已無聲學(xué)中心出現(xiàn)，驗(yàn)證了隔聲薄弱部位識(shí)別結(jié)果的正確性。

4 結(jié)論

基于CLEAN-SC清晰化波束形成理論，設(shè)計(jì)了聲源識(shí)別算法，開發(fā)了相應(yīng)軟件，模擬計(jì)算了已知聲源的聲學(xué)成像，進(jìn)行了某汽車前圍板隔聲薄弱部位識(shí)別試驗(yàn)，主要結(jié)論如下：

(1) 針對(duì)已知聲源的仿真模擬表明：相比于傳統(tǒng)波束形成，CLEAN-SC清晰化波束形成方法能夠顯著提高分辨率、衰減旁瓣，更準(zhǔn)確地識(shí)別不相干聲源，適用于混響室-消聲室內(nèi)汽車前圍板隔聲薄弱部位識(shí)別；相比于DAMAS、DAMAS2、NNLS、FFT-NNLS、CLEAN清晰化方法，CLEAN-SC方法隨迭代次數(shù)的增加收斂最快，受傳聲器及通道頻響失配、背景噪聲等因素的干擾最小。

(2) 設(shè)計(jì)的聲源識(shí)別算法及開發(fā)的相應(yīng)軟件在已知聲源的仿真模擬及汽車前圍板隔聲薄弱部位識(shí)別中的應(yīng)用均表明：所設(shè)計(jì)的算法及開發(fā)的軟件能夠準(zhǔn)確識(shí)別聲源，滿足汽車前圍板隔聲薄弱部位識(shí)別的實(shí)際要求。

(3) 某汽車前圍板的隔聲薄弱部位識(shí)別試驗(yàn)結(jié)果表明：空調(diào)進(jìn)氣口左上角位置是主要的隔聲薄弱部位，內(nèi)外循環(huán)轉(zhuǎn)換閥與閥口貼合不緊密是其隔聲薄弱的根本原因，為改善其隔聲性能指明方向。

[1] 褚志剛, 楊洋, 王衛(wèi)東, 等. 基于波束形成方法的貨車車外加速噪聲聲源識(shí)別[J]. 振動(dòng)與沖擊, 2012, 31(7): 66-70.

CHU Zhigang, YANG Yang, WANG Weidong, et al. Identification of truck noise sources under passby condition based on wave beamforming method[J]. Journal of Vibration and Shock, 2012, 31(7): 66-70.

[2] 楊洋, 倪計(jì)民, 褚志剛, 等. 基于互譜成像函數(shù)波束形成的發(fā)動(dòng)機(jī)噪聲源識(shí)別[J]. 內(nèi)燃機(jī)工程, 2012, 33(3): 82-87.

YANG Yang, NI Jimin, CHU Zhigang, et al. Engine noise source identification based on cross-spectra imaging function beam-forming[J]. Chinese Internal Combustion Engine Engineering, 2012, 33(3): 82-87.

[3] 楊洋, 褚志剛, 沈林邦, 等. 基于波束形成的汽車前圍板隔聲測(cè)量方法[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2014, 30(5): 42-49.

YANG Yang, CHU Zhigang, SHEN Linbang, et al. Transmission loss measurement method for car dash panel based on beamforming[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(5): 42-49.

[4] 楊洋, 褚志剛, 江洪, 等.波束形成三維傳聲器陣列聲源識(shí)別的改進(jìn)方法[J]. 聲學(xué)技術(shù), 2013, 32(4): 336-341.

YANG Yang, CHU Zhigang, JIANG Hong, et al. Improvement of the sound source identification method based on beamforming of three-dimensional array[J]. Technical Acoustics, 2013, 32(4): 336-341.

[5] 褚志剛, 楊洋, 倪計(jì)民, 等. 波束形成聲源識(shí)別技術(shù)研究進(jìn)展[J]. 聲學(xué)技術(shù), 2013, 32(5): 430-435.

CHU Zhigang, YANG Yang, NI Bing, et al. Review of beamforming based sound source identification techniques[J]. Technical Acoustics, 2013, 32(5): 430-435.

[6] Yardibi T, Bahr C, Zawodny N, et al. Uncertainty analysis of the standard delay-and-sum beamformer and array calibration[J]. Journal of Sound and Vibration, 2010, 329(13): 2654-2682.

[7] 楊洋, 褚志剛, 江洪, 等. 反卷積DAMAS2波束形成聲源識(shí)別研究[J]. 儀器儀表學(xué)報(bào), 2013, 34(8): 1779-1786.

YANG Yang, CHU Zhigang, JIANG Hong, et al. Research on DAMAS2 beamforming sound source identification[J]. Chinese Journal of Scientific Instrument, 2013, 34(8): 1779-1786.

[8] 褚志剛, 楊洋. 基于非負(fù)最小二乘反卷積波束形成的發(fā)動(dòng)機(jī)噪聲源識(shí)別[J]. 振動(dòng)與沖擊, 2013, 32(23): 75-81.

CHU Zhigang, YANG Yang. Noise source identification for an engine based on FFT-non-negative least square (NNLS) deconvolution beamforming[J]. Journal of Vibration and Shock, 2013, 32(23): 75-81.

[9] Thomas F Brooks, William M. Humphreys. A deconvolution approach for the mapping of acoustic sources (DAMAS) determined from phased microphone arrays[C]// AIAA Paper 2004-2954, 10th AIAA/CEAS Aeroacoustics Conference, Manchester, UK, May 10-12, 2004.

[10] Robert P Dougherty. Extensions of DAMAS and benefits and limitations of deconvolution in beamforming[C]// AIAA-2005-2961, 11th AIAA/CEAS Aeroacoustics Conference, Monterey, CA, United States, March 23-25, 2005.

[11] Klaus Ehrenfried, Lars Koop. Comparison of Iterative Deconvolution Algorithms for the Mapping of Acoustic Sources[J]. AIAA Journal, 2007, 45(7): 1584-1595.

[12] Sijtsma P. CLEAN based on spatial source coherence[J]. International Journal of Aeroacoustics, 2007, 6(4): 357-374.

[13] Vincent Fleury, Jean Bulté. Extension of deconvolution algorithms for the mapping of moving acoustic sources[J]. J Acoust Soc Am, 2011, 129(3): 1417-1428.

[14] Mathew Legg, Stuart Bradley. Automatic 3D scanning surface generation for microphone array acoustic imaging[J]. Applied Acoustics, 2014, 76: 230-237.

[15] Alexander R Quayle, Ann P Dowling, Graham W R, et al. Obtaining absolute acoustic spectra in an aerodynamic wind tunnel[J]. Journal of Sound and Vibration, 2011, 330(10): 2249-2264.

[16] 趙小見, 趙磊, 陳農(nóng). 基于相干聲源CLEAN算法的常規(guī)風(fēng)洞聲源辨識(shí)研究[J]. 空氣動(dòng)力學(xué)學(xué)報(bào), 2013, 31(2): 239-243.

ZHAO Xiaojian, ZHAO Lei, CHEN Nong. The study of noise source identifying in wind tunnel with clean arithmetic based on spatial source coherence[J]. Acta Aerodynamica Sinica, 2013, 31(2): 239-243.

Weak position identification of sound insulation for car dash panel based on CLEAN-SC clearness beamforming

YANG Yang1, CHU Zhi-gang2

(1. Faculty of Vehicle Engineering, Chongqing Industry Polytechnic College, Chongqing 401120, China;2. College of Automotive Engineering, Chongqing University, Chongqing 400030, China)

In order to improve the positioning accuracy of sound insulation weak position identification for car dash panel with beamforming method, the sound source identification software is developed based on CLEAN-SC clearness beamforming principle. Simulations and calculations for various kinds of given sources are conducted. The results show that this method can identify single source and incoherent sources more precisely, it can improve resolution and suppress sidelobes dramatically; besides, it not only converges fast with the increase of iterative times, but also is robust to some disturbing factors such as frequency response mismatch of microphones and measurement channels. Experimental results of the sound insulation weak position identification for car dash panel indicate that the top left corner of the air conditioner’s air inlet is the dominant weak position and the root cause is that the change-over valve for the inside cycle and the outside cycle is poorly fitted on the valve port. All the results provide a guide for the improvement of the dash panel’s sound insulation performance, and validate the effectiveness of the CLEAN-SC clearness beamforming method in the sound insulation weak position identification of car dash panel and the correctness of the developed software.

car dash panel; sound insulation weak position identification; beamforming; CLEAN-SC; algorithm design; software development

TB556

A

1000-3630(2015)-05-0449-08

10.16300/j.cnki.1000-3630.2015.05.013

2015-04-15;

2015-08-15

重慶工業(yè)職業(yè)技術(shù)學(xué)院校級(jí)科研項(xiàng)目(GZY201414-YK)、國(guó)家自然科學(xué)基金資助項(xiàng)目(51275540)

楊洋(1988－), 女, 河南南陽人, 碩士, 研究方向?yàn)樵肼曉醋R(shí)別技術(shù)及其應(yīng)用研究。