多通道噪聲測(cè)量的關(guān)鍵理論與應(yīng)用研究.pdf

1、噪聲是一種人們不希望聽到的聲音，對(duì)人類的生活和健康產(chǎn)生巨大的影響，對(duì)動(dòng)物、儀器設(shè)備和建筑物等各方面也產(chǎn)生一定的影響。噪聲污染同水污染、大氣污染和廢物污染一起被看成是世界范圍內(nèi)的四個(gè)主要環(huán)境問題。隨著社會(huì)經(jīng)濟(jì)的發(fā)展，噪聲污染問題越來越突出，帶來了一系列的不良效應(yīng)，影響社會(huì)的和諧穩(wěn)定發(fā)展。因此，開展噪聲測(cè)量與分析技術(shù)的研究具有非常重要的意義。客觀而全面的噪聲測(cè)量與分析是認(rèn)識(shí)、判斷和處理各種噪聲問題的重要手段。
　　隨著科技的發(fā)展以及計(jì)

2、算機(jī)技術(shù)水平的提高，傳統(tǒng)噪聲測(cè)量?jī)x器的功能和性能等發(fā)生了很大的變化，正向數(shù)字化、智能化、網(wǎng)絡(luò)化和虛擬化的方向發(fā)展。但是國(guó)內(nèi)外高性能噪聲測(cè)量?jī)x器和系統(tǒng)價(jià)格比較昂貴，而一般的噪聲測(cè)量?jī)x器和系統(tǒng)存在各種各樣的不足。
　　本文采用理論推導(dǎo)、仿真分析和實(shí)驗(yàn)驗(yàn)證相結(jié)合的方法，擬設(shè)計(jì)和開發(fā)多通道噪聲測(cè)量與分析系統(tǒng)，并且針對(duì)多通道噪聲測(cè)量與分析相關(guān)的關(guān)鍵理論開展深入的研究。主要有以下幾個(gè)方面：
　?。?）在多通道噪聲測(cè)量過程中，由于各種因素

3、的影響，尤其是背景噪聲的影響，每個(gè)通道測(cè)量得到的信號(hào)是不能直接被使用和處理的，否則會(huì)影響測(cè)量和評(píng)價(jià)的結(jié)果，因此針對(duì)噪聲測(cè)量的預(yù)處理問題，研究周期信號(hào)的自卷積去噪理論，提出自卷積檢測(cè)法，擬用于去除噪聲測(cè)量中的背景噪聲，提高被處理信號(hào)的信噪比。對(duì)各種不同頻率成分的信號(hào)進(jìn)行仿真實(shí)驗(yàn)。
　　（2）在多通道噪聲測(cè)量過程中，由于聲音無(wú)處不在，所以傳聲器接收到的信號(hào)一般是多個(gè)噪聲源信號(hào)的混合，而如果要測(cè)量單個(gè)噪聲源信號(hào)，則可以先對(duì)混合多噪聲源進(jìn)

4、行分離。針對(duì)混響環(huán)境中多個(gè)噪聲源同時(shí)存在時(shí)的聲源分離和單個(gè)噪聲源實(shí)際輻射噪聲的測(cè)量問題，研究基于時(shí)間反轉(zhuǎn)技術(shù)(Time reversal technique，TRT）的聲源分離和測(cè)量方法，并在MATLAB環(huán)境中對(duì)混響室內(nèi)的二維和三維聲場(chǎng)進(jìn)行建模仿真，討論不同的聲場(chǎng)參數(shù)，如聲源位置、聲源類型、麥克風(fēng)陣列布局、混響和通道噪聲對(duì)算法性能的影響。
　?。?）在多通道噪聲測(cè)量與分析中，有些應(yīng)用場(chǎng)合需要對(duì)每個(gè)通道測(cè)量的信號(hào)進(jìn)行頻譜分析，分析噪

5、聲的頻率成分或頻譜特征。由于快速傅里葉變換(Fast Fourier transform，F(xiàn)FT）算法本身的缺陷，對(duì)頻譜特征的提取需要進(jìn)行離散頻譜校正，如估計(jì)質(zhì)心頻率。針對(duì)傳統(tǒng)的離散頻譜校正方法的不足，研究基于譜質(zhì)心（Spectral centroid，SC）的聲信號(hào)頻譜校正方法。討論SC應(yīng)用于單頻信號(hào)和多頻信號(hào)的頻譜校正原理，尤其針對(duì)常見的聲信號(hào)估計(jì)寬頻和倍頻程的SC及質(zhì)心頻率，并且討論在背景噪聲下SC的變化。
　?。?）由于在

6、多通道噪聲測(cè)量與分析系統(tǒng)中，每個(gè)通道測(cè)量一路噪聲信號(hào)，且每個(gè)通道的數(shù)據(jù)是獨(dú)立處理和分析的，所以研究單通道噪聲測(cè)量數(shù)據(jù)的后處理方法仍然非常重要。針對(duì)單通道噪聲測(cè)量數(shù)據(jù)的信息融合和擬合問題，提出基于信息量和最小條件熵參數(shù)估計(jì)兩種信息融合方法以及基于互信息的數(shù)據(jù)擬合辨識(shí)方法。對(duì)于信息量融合方法，首先利用最大熵方法（Maximum entropy method，MEM）估計(jì)測(cè)量樣本的概率分布，再根據(jù)每個(gè)樣本的自信息量與樣本總體信息熵的比值對(duì)樣本

7、數(shù)據(jù)進(jìn)行融合；對(duì)于最小條件熵參數(shù)估計(jì)融合方法，根據(jù)觀測(cè)樣本的條件概率密度函數(shù)構(gòu)建觀測(cè)總體條件信息熵，最小化該條件信息熵，求解無(wú)約束極值問題即可得到最優(yōu)結(jié)果；對(duì)于互信息擬合辨識(shí)方法，將數(shù)據(jù)擬合的過程看作是一個(gè)通信過程，根據(jù)信息通信的信道模型構(gòu)建數(shù)據(jù)擬合模型，再根據(jù)擬合數(shù)據(jù)、擬合曲線和擬合誤差三者的信息熵求解擬合模型的互信息，選取互信息最大的曲線作為擬合曲線。
　?。?）結(jié)合多通道噪聲測(cè)量與分析系統(tǒng)的需求和性能指標(biāo)，以計(jì)算機(jī)為信息處理