噪聲源識(shí)別與分離算法研究.pdf

1、噪聲作為嚴(yán)重的環(huán)境污染問(wèn)題同水污染和空氣污染一樣已經(jīng)引起越來(lái)越高的重視。噪聲和振動(dòng)測(cè)量不僅是噪聲與振動(dòng)控制工程的主要技術(shù)步驟，亦是環(huán)境保護(hù)，勞動(dòng)保護(hù)工作中監(jiān)測(cè)噪聲和振動(dòng)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(duì)促進(jìn)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(shí)噪聲源識(shí)別技術(shù)是聲學(xué)測(cè)量技術(shù)的綜合應(yīng)用，具有很強(qiáng)的技術(shù)性，這些都具有很強(qiáng)的現(xiàn)實(shí)意義。準(zhǔn)確識(shí)別噪聲源是進(jìn)行噪聲控制的基礎(chǔ)和關(guān)鍵，在實(shí)際工

2、作中往往需要鑒別多源噪聲中各聲源對(duì)總體噪聲的貢獻(xiàn)情況，以便有針對(duì)的進(jìn)行治理。 論文提出將現(xiàn)代譜估計(jì)和灰色系統(tǒng)關(guān)聯(lián)度分析方法結(jié)合進(jìn)行噪聲源識(shí)別，運(yùn)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(jìn)行量化表示。通過(guò)神經(jīng)網(wǎng)絡(luò)和支持向量回歸分別對(duì)事先重構(gòu)信號(hào)和單獨(dú)信號(hào)之間的關(guān)聯(lián)數(shù)據(jù)進(jìn)行訓(xùn)練，將測(cè)試數(shù)據(jù)帶入訓(xùn)練網(wǎng)絡(luò)即可得到聲源之間的比例關(guān)系，進(jìn)而得到單個(gè)噪聲源對(duì)總聲源的貢獻(xiàn)情況和噪聲的聲強(qiáng)排序。最后用多算法決策融合的方法對(duì)灰色神經(jīng)網(wǎng)絡(luò)，灰色

3、支持向量機(jī)訓(xùn)練得到的排序結(jié)論進(jìn)行融合。 在單獨(dú)噪聲源測(cè)量有限的情況下，考慮盲信號(hào)分離方法從混合信號(hào)中進(jìn)行單獨(dú)信號(hào)的分離，由聲源之間的相關(guān)系數(shù)確定分離效果及單獨(dú)噪聲源。再用上面的方法進(jìn)行分析處理。 論文通過(guò)在Matlab6．5（MathWorks）環(huán)境下進(jìn)行大量信號(hào)仿真，模擬實(shí)際噪聲源進(jìn)而對(duì)兩個(gè)聲源、三個(gè)多聲源及混疊聲源進(jìn)行識(shí)別，識(shí)別結(jié)果證明上述方法的有效性及可行性，且實(shí)驗(yàn)結(jié)果均滿足實(shí)際工程需要，本論文方法具有一定的普遍意