張翠青

摘要：噪聲污染是繼大氣污染、水污染之后又一主要污染源，噪聲不僅污染環(huán)境還能引起結(jié)構(gòu)的疲勞和破壞，在噪聲控制途徑研究中聲源的識別定位是關(guān)鍵。本文主要分析、梳理和總結(jié)國內(nèi)外運動聲源識別的研究現(xiàn)狀，揭示研究中存在的問題，并提出作者下步研究計劃。此研究對旋轉(zhuǎn)聲源精確定位提供一定的方法基礎(chǔ)和參考。

Abstract： Noise pollution is another pollution after air pollution and water pollution. Noise not only pollutes the environment but also causes structural fatigue and damage. Location sound sources is key in noise reduction approaches. The paper mainly analyzed， sorted out and summarized research status of location moving sound source. It revealed problems and proposed next plan. The research provides a method and reference for accurately locating rotating sound sources.

關(guān)鍵詞：運動聲源;聲源識別;噪聲源;現(xiàn)狀

Key words： moving sound source;sound source identification;noise source;status

中圖分類號：TB52? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2020）04-0298-02

0? 引言

噪聲污染是繼大氣污染和水污染之后的又一主要污染源，噪聲不僅污染環(huán)境還能引起結(jié)構(gòu)的疲勞和破壞，有效降低噪聲可以改善人民的生活質(zhì)量。對于噪聲若按噪聲產(chǎn)生的原因分類，可分為機械噪聲和氣動噪聲;若按照運動特性又可分為靜止噪聲和運動噪聲。在降低噪聲控制途徑中發(fā)現(xiàn)：風力發(fā)電機葉片噪聲、直升機機翼噪聲、大型鼓風機葉片噪聲等旋轉(zhuǎn)聲源，其輻射現(xiàn)象無處不在，這類噪聲的主要發(fā)聲源屬于氣動噪聲且同時屬于運動噪聲，其聲輻射問題不僅成為聲學理論研究的難點，而且也成為噪聲控制理論研究的熱點，而研究噪聲控制途徑的關(guān)鍵是聲源的識別定位。噪聲源識別技術(shù)是對機器上的各種聲源運用聲源識別算法進行計算、分析，確定聲源位置，分析聲源特性（聲源類型、頻率特性和聲源傳播規(guī)律等），為噪聲控制提供基礎(chǔ)。對于噪聲源的識別定位國內(nèi)外學者做了大量的研究，可準確識別靜止噪聲源位置，而對于運動機械噪聲由于其發(fā)聲機理與運動無關(guān)，亦可按照靜止聲源識別方法準確識別其噪聲位置，但對于運動聲源由于位置的瞬時變化性、聲音信號的變形等復(fù)雜情況，使得運動聲源的識別難度增大。本文主要針對運動聲源定位的國內(nèi)外研究現(xiàn)狀進行分析、梳理和總結(jié)，以期給予研究噪聲源識別定位降低噪聲的學者些許參考。

1? 國外運動聲源識別現(xiàn)狀分析

國外關(guān)于運動聲源定位算法方面的研究起步較早，運動聲源產(chǎn)生多普勒效應(yīng)，可依據(jù)運動聲源與聲陣列的位置及速度關(guān)系，首先確定聲源信號與聲陣列采集信號的關(guān)系，然后利用聲陣列信號重構(gòu)運動聲源，實現(xiàn)對運動聲源的準確識別和測量。對于直線運動聲源如火車運動時的噪聲源和飛機飛越噪聲，可通過其運動幾何關(guān)系修正多普勒效應(yīng)，Takano和Barsikow采用此修正方法成功識別出火車運動時的噪聲源位置，隨后Michel和Piet也準確識別出飛機的飛越噪聲。追蹤波束形成算法把聲源看作隨時間變化的函數(shù)，識別出每小段時間間隔內(nèi)聲源平均位置，成功定位出飛機飛越噪聲[1]。Sijtsma[2]建立單極子聲信號到流場聲信號的傳遞函數(shù)，并結(jié)合波束形成技術(shù)編寫Rotating Source Identifier（ROSI）算法，ROSI算法成功應(yīng)用于直升機旋翼噪聲及風力機葉片噪聲源識別，此后Sijtsma對ROSI算法修改編寫出Moving Source Identifier（MOSI）算法，并準確識別飛機飛越噪聲。荷蘭國家航空航天實驗室Stefan Oerlemans[3]在波束形成算法基礎(chǔ)上提出運動聲源定位修正算法并對旋轉(zhuǎn)的直升機機翼型、風力機葉片模型、全尺寸風力機和A340模型進行了氣動噪聲聲源定位研究。丹麥Jorgen Hald和Yutaka Ishii采用多普勒效應(yīng)、shading及diagram技術(shù)的反卷積波束形成算法對降落飛機進行聲源定位識別，實驗表明該算法能夠衰減旁瓣并提高分辨率，進而獲取真實聲源位置。丹麥Jesper Gomes[4]，采用追蹤波束形成算法對大型水平軸風力機標定的1號葉片按設(shè)定步長進行追蹤，算法能準確識別出1號葉片方位角。美國伊利諾理工大學Rakesh C等[5]，采用多普勒修正的DAMAS算法對小型垂直軸風力機氣動噪聲進行識別定位，實驗表明該算法能夠準確區(qū)分機艙引起的機械噪聲和葉片產(chǎn)生的氣動噪聲，并對聲成像過程中采用多普勒修正。運動物體會導致湍流現(xiàn)象基于此丹麥SvendGade等[6]提出一種shading的波束形成算法，并對不同麥克風進行湍流度修正，從而更精確地識別定位運動聲源位置。埃及亞歷山大大學Zenger等[7]使用CLEAN-SC算法通過麥克風陣列對風扇葉片進行噪聲定位，結(jié)果表明聲音源位于風扇葉片前沿或后緣上。

2? 國內(nèi)運動聲源識別現(xiàn)狀分析

國內(nèi)關(guān)于運動聲源定位算法的研究起步較晚，但也取得了不錯的成績，比較有代表性的如：北京郵電大學郭麗等，針對聲源移動節(jié)點與測試面有相對運動，推導運動節(jié)點與權(quán)系數(shù)關(guān)系式，并提出一種新盲源的波束形成快速跟蹤移動節(jié)點算法，實現(xiàn)聲源追蹤功能，但該算法并未應(yīng)用于三維平面進行聲源追蹤。中國科學院工程熱物理研究所伍岳等[8]基于波束形成理論對均勻來流運動聲源進行算法修正，對1.5MW風力機葉片聲源進行定位研究，實驗結(jié)果表明該算法可準確追蹤動態(tài)點聲源的徑向位置，但未實現(xiàn)聲源相對相位角識別;南華大學鄭玉偉[9]基于廣義特征分解改進的波束域MUSIC算法對旋轉(zhuǎn)機械噪聲進行了定位，實驗表明該算法可以成功估計出噪聲源方位，而且估計精度相對較高。中國空氣動力研究與發(fā)展中心鄭謝等[10]基于聲源信號與測量信號間的傳遞函數(shù)和波束形成算法，并對聲音信號穿過流場剪切層進行修正提出運動聲源算法并成功應(yīng)用與旋轉(zhuǎn)槳葉氣動噪聲的識別定位，實驗結(jié)果表明旋翼氣動噪聲主要由旋翼槳尖位置的渦脫落產(chǎn)生。南京航空航天大學賴少將等利用反卷積法提取聲場噪聲信息對聲源面進行可視化重構(gòu)，并對自搭建轉(zhuǎn)子噪聲試驗臺進行識別，結(jié)果顯示軸承以及盤軸連接處為轉(zhuǎn)子主要噪聲源。中國航天空氣動力技術(shù)研究院周家檢等[11]，基于時域波束形成算法和解多普勒效應(yīng)技術(shù)，建立運動聲源識別的麥克風相控陣列測量系統(tǒng)，并對運動汽車攜帶的喇叭進行追蹤識別，結(jié)果表明該算法可準確追蹤直線運動的聲源位置。內(nèi)蒙古工業(yè)大學王梟[12]，基于DAMAS2算法理論進行轉(zhuǎn)速修正，并對300W水平軸風力機進行定位，結(jié)果表明該算法可準確識別旋轉(zhuǎn)聲源位置，提高其分辨率。

3? 結(jié)論

當前國內(nèi)外運動噪聲源識別算法，可以準確識別直線運動聲源位置，也可實現(xiàn)聲源直線追蹤。而對于旋轉(zhuǎn)聲源如風力機噪聲源更多是針對徑向位置識別，能準確識別聲源徑向位置，但無法識別相對相位角位置。雖然有較少研究可以實現(xiàn)旋轉(zhuǎn)聲源識別，但算法是基于頻域下的，由于旋轉(zhuǎn)聲源的瞬時性、多變性及聲源隨旋轉(zhuǎn)機械的跟隨性，基于頻域計算缺乏合理性。基于上述研究問題，作者下步將側(cè)重研究旋轉(zhuǎn)點聲源識別算法以實現(xiàn)聲源徑向位置及相對相位角的精確追蹤定位，從而確定主要聲源位置為控制噪聲提供方法基礎(chǔ)。

參考文獻：

[1]H.Siller M，Drescher G，Saueressig，R Lange.Fly-over Source Localization on a Boeing 747-400 Berlin Beamforming Conference[R].2010，Paper BeBeC-2010-13.

[2]Sijtsma P，Oerlemans S，H H.Location of rotating sources by phased array measurements[R].AIAA-2001-2167.

[3]OERLEMANS S，BROERSMA L，SIJTSMA P.Quan-tification of Airframe Noise Using Microphone Arrays in Open and Closed Wind Tunnels[J].International Journal of Aeroacoustics，2007，6（4）：309-333.

[4]Jesper Gomes.Noise Source Identification with Blade Tracking on a Wind Turbine[J].Sound and Vibration.2013，（21）：415-425.

[5]RakeshC Ramachandran，Hirenkumar Patel，et al.Noise Source Localization On a Small Wind TurbineUsing a Compact Microphone Array with Advanced Beamforming Algorithms[J].WIND ENGINEERING.2014，38（1）：73-88.

[6]SvendGade，Jorgen Hald，et al.Recent Advances in Moving-Source Beamforming[J].Sound and Vibration Measurements.2015，43（4）：57-68.

[7]Zenger F J，Herold G，Becker S，et al.Sound source localization on an axial fan at different operating points[J].Experiments in Fluids.2016，57（8）：1-10.

[8]伍岳，楊兵，等.基于波束形成方法的風力機葉片氣動聲源定位研究[J].工程熱物理學報，2013，34（12）：2262-2265.

[9]鄭玉偉.基于波束形成技術(shù)的旋轉(zhuǎn)機械噪聲源定位研究[D].南華大學，2014.

[10]鄭謝.運動聲源的識別與測量方法研究[D].中國空氣動力研究與發(fā)展中心，2016.

[11]周家檢，郝璇，等.應(yīng)用與運動聲源的麥克風相陣列測量技術(shù)[J].第三屆全國非定?？諝鈩恿W學術(shù)會議，2016，1-4.

[12]王梟.基于聲陣列的風輪聲源追蹤識別研究[D].內(nèi)蒙古工業(yè)大學，2018.