噪聲源識別與分離算法研究.pdf

1、噪聲作為嚴重的環(huán)境污染問題同水污染和空氣污染一樣已經(jīng)引起越來越高的重視。噪聲和振動測量不僅是噪聲與振動控制工程的主要技術(shù)步驟，亦是環(huán)境保護，勞動保護工作中監(jiān)測噪聲和振動是否符合規(guī)定的主要技術(shù)手段。從聲源上控制噪聲可以大大減輕噪聲治理的工作量，而且對促進生產(chǎn)低噪聲產(chǎn)品研制，提高產(chǎn)品質(zhì)量和壽命有直接效果，同時噪聲源識別技術(shù)是聲學測量技術(shù)的綜合應用，具有很強的技術(shù)性，這些都具有很強的現(xiàn)實意義。準確識別噪聲源是進行噪聲控制的基礎(chǔ)和關(guān)鍵，在實際工

2、作中往往需要鑒別多源噪聲中各聲源對總體噪聲的貢獻情況，以便有針對的進行治理。 論文提出將現(xiàn)代譜估計和灰色系統(tǒng)關(guān)聯(lián)度分析方法結(jié)合進行噪聲源識別，運用灰色系統(tǒng)關(guān)聯(lián)度分析確定功率譜之間的相似程度并進行量化表示。通過神經(jīng)網(wǎng)絡和支持向量回歸分別對事先重構(gòu)信號和單獨信號之間的關(guān)聯(lián)數(shù)據(jù)進行訓練，將測試數(shù)據(jù)帶入訓練網(wǎng)絡即可得到聲源之間的比例關(guān)系，進而得到單個噪聲源對總聲源的貢獻情況和噪聲的聲強排序。最后用多算法決策融合的方法對灰色神經(jīng)網(wǎng)絡，灰色

3、支持向量機訓練得到的排序結(jié)論進行融合。 在單獨噪聲源測量有限的情況下，考慮盲信號分離方法從混合信號中進行單獨信號的分離，由聲源之間的相關(guān)系數(shù)確定分離效果及單獨噪聲源。再用上面的方法進行分析處理。 論文通過在Matlab6．5（MathWorks）環(huán)境下進行大量信號仿真，模擬實際噪聲源進而對兩個聲源、三個多聲源及混疊聲源進行識別，識別結(jié)果證明上述方法的有效性及可行性，且實驗結(jié)果均滿足實際工程需要，本論文方法具有一定的普遍意