等效源法近场声全息声源识别性能改进研究

摘要

近场声全息是一种十分有效的噪声源定位及声场可视化技术。等效源近场声全息因不受限于声源形状且数学模型的建立及其传递矩阵的构造简单，近年来得到了广泛的应用。由于倏逝波随全息距离的增加呈指数倍衰减，经典的等效源近场声全息方法适用于近场测量，且上限频率受限于麦克风的平均间距。鉴于此，本文提出一种新型正则化参数选取方法和一种移动等效源网格模型的压缩等效源法近场声全息，旨在提升等效源近场声全息在大全息距离和更宽频率范围的声场重建性能。　　首先基于Tikhonov正则化求解的经典等效源近场声全息的基本原理，使用扇形轮阵列，分析讨论了GCV法、Hald经验公式法和Bayesian法三种正则化参数选取方法在不同全息距离、信噪比和声源频率下的声场重建精度，结果表明：三种方法具有相当的重建性能。其中，GCV法涉及高维矩阵运算，最为耗时；Hald经验公式法需要信噪比这一先验知识；Bayesian方法具有最佳的综合性能。　　其次为克服上述正则化参数选取方法在大全息距离时的局限性，本文提出了一种新型的正则化参数选取方法。将全息距离显式地引入正则化参数的选取中，满足大全息距离和实际麦克风频响失配及测量背景噪声干扰引起的解范数补偿惩罚需求，得到鲁棒的重建结果。将该方法与Fixed法和Bayesian法进行对比，仿真与实验均表明了新型正则化选取方法在大全息距离和噪声干扰下的优越性。　　最后为进一步提升新近提出的压缩等效源近场声全息的性能，本文提出了一种移动等效源网格模型的压缩等效源法近场声全息。减轻了因声源与等效源网格点不对齐而造成声源定位偏差的影响。并与基于固定等效源网格的压缩等效源法近场声全息进行了声源识别性能及声场重建对比，结果表明：提出的移动等效源网格模型的压缩等效源法近场声全息具有更好的声源定位精度和声场重建性能。

目录

1 绪 论

1.1 研究背景及意义

1.2 经典等效源近场声全息技术概述

1.3 压缩等效源近场声全息概述

1.4 本文主要研究内容

2 经典等效源近场声全息方法

2.1 经典等效源近场声全息基本原理

2.2 正则化参数的确定方法

2.2.1 L-curve法

2.2.2 GCV法

2.2.3 Hald经验公式法

2.2.4 Bayesian法

2.3 正则化方法的重建性能对比分析

2.3.1 全息距离的影响

2.3.2 信噪比的影响

2.4 全息面配置对重建精度的影响

2.5 等效源面配置对重建精度的影响

2.6 本章小结

3 大全息距离等效源近场声全息

3.1 新型的正则化参数选取方法

3.2 性能分析

3.2.1 无噪声干扰理想情况

3.2.2 噪声干扰的影响

3.2.3 综合性能分析

3.3 试验验证

3.4 本章小结

4 基于移动等效源网格模型的压缩等效源近场声全息

4.1.1 数学模型的建立

4.1.2 数学模型的求解算法

4.2 移动等效源网格模型

4.3 数值仿真

4.3.1 不同声源频率下的声源识别性能

4.3.2 不同干扰下的声源识别性能

4.3.3 不同全息距离下的声源识别性能

4.4 试验验证

4.5 本章小结

5 全文总结与展望

5.1 全文总结

5.2 工作展望

参考文献

附录

A 作者在攻读学位期间发表的成果目录

B 学位论文数据集

致谢