机械工程学报

作者：褚志刚, 赵洋, 杨亮, 张晋源, 杨洋

单位：1. 重庆大学机械与运载工程学院 重庆 400044;2. 汽车振动噪声和安全技术国家重点实验室 重庆 401133;3. 重庆工业职业技术学院车辆工程学院 重庆 401120

关键词：声源识别,球传声器阵列,压缩球波束形成,稀疏贝叶斯学习；

基金：国家自然科学基金（11774040）和汽车噪声振动和安全技术国家重点实验室2022年度开放基金（NVHSKL-202202）资助项目。

基于实心球传声器阵列的压缩球波束形成具有声学成像全景、适宜中远距离测量而易于布置等优势，在汽车、飞机等噪声源识别领域具有广阔应用前景。新近提出的基于稀疏贝叶斯学习（Sparse Bayesian learning，SBL）的压缩球波束形成能够获得良好的低频声源识别性能，但由于其采用了第二类最大似然估计（Maximum type-Ⅱ likelihood estimation，MLE-Ⅱ）进而需要估计声源稀疏度，且抗噪声干扰能力和计算效率也有待提升，推广应用受限。为此，首先将压缩球波束形成数学模型求解问题转化为SBL框架下的源强分布最大后验（Maximum a posterior，MAP）估计问题，并采用期望最大化优化算法（Expectation maximization，EM）加以求解，提出无需稀疏度估计的MAP-EM压缩球波束形成方法；在此基础上，将多快拍复声压矩阵输入转换为多快拍平均的声压互谱矩阵输入，并基于互谱矩阵对角重构降噪建立了抗噪声干扰能力增强的EMAP-EM（Enhanced MAP-EM，EMAP-EM）压缩球波束形成方法。仿真和试验均表明，提出的MAP-EM和EMAP-EM压缩球波束形成均具有高的空间分辨率和计算效率，且EMAP-EM压缩球波束形成抗噪声干扰能力更强，尤其在低频、低信噪比环境中声源识别性能更佳。最后，分析了迭代次数和快拍数对MAP-EM和EMAP-EM压缩球波束形成性能的影响规律并给出推荐值。

来源：2023年第2期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2023年第2期