关键词：噪声源识别;声强测量;声全息

　　Progress of Techniques for Noise Source Identification

　　CHEN Xinzhao

　　( Institute of Sound and Vibration Research, Hefei University of Technology, Hefei 230009)

　　Abstract: The different Methods for identifying the noise sources are illustrated in this paper.After briefly introducing the traditional analysis methods as well as the common methods based on signal processing,，the principle,speciality and utility of some new techniques developed in recent years as sound intensity, acoustic holography and beamforming are presented.

　　Keywords: Noise source identification ,Sound intensity,Acoustic holography

　　产品和环境的噪声控制需从三方面进行，即声源控制、传播途径控制和接受者保护。其中，声源控制是最根本和最有效的。一台设备往往有许多噪声源，它们有不同的特性，对设备总的辐射噪声起着不同的作用。实现声源控制的前提是正确识别出主要的噪声源，从而可以采取有效的措施来控制声源的辐射。噪声源识别的任务是：(1)弄清主要的噪声源在何处，是哪个部件，它们对总噪声的贡献，以分清主次，排列次序;(2)了解主要噪声源的频率成分，辐射特性和产生的机理。正确识别噪声源不仅可以采取针对性的措施减振降噪，更重要的是在产品的设计阶段就能加以控制，实现低噪声设计。

　　噪声源识别的方法很多，应用时要根据实际对象和条件采用一种或几种合理的方法。噪声源识别技术的发展是与噪声测试技术的进步紧密相连的，随着数字信号处理和计算机技术的出现和发展，噪声源识别技术在近数十年里有了很大的进步，新的识别技术和仪器设备不断出现，常用的噪声源识别方法如下：

　　传统识别方法： 主观评价法，分别运行法，覆盖法

　　近场声压法，表面振速法

　　时域分析法： 时域平均，相关分析

　　频域分析法： 频谱分析，特征分析，相干分析，倒谱分析

　　时频分析与小波分析

　　声强测量法

　　声全息法

　　波束形成法

　　传统识别方法

　　(1) 主观评价法

　　这种方法是直接利用人的感觉来判别噪声源的位置和特性，靠人的实践经验，简便易行，但不能作定量描述。方法虽原始，但对于结构简单的设备，经验丰富的人也常能作出定性的判断。

　　(2)分别运行法

　　首先在一定的条件下测定机器工作的总噪声，然后脱开或拆下可能发出较大噪声的部件或组件，在同样的条件下再测定机器的工作噪声。根据声压级的叠加原理，可以由两次测量结果计算出这个部件或组件辐射的噪声。在汽车噪声测试中，用此法可以分离出发动机噪声、传动系噪声、轮胎噪声、风扇噪声、进排气噪声和燃烧噪声等。由于在两次测量时各部件的工况不尽相同，因此会影响到这种方法的识别精度。

　　(3)覆盖法

　　用铅板做成一个与设备各部分表面相接近的密封隔声罩，罩的内壁衬有吸声材料，以减轻罩内的混响。罩表面设计出若干个可打开的小窗口，使相对应的机器部件表面暴露出来，其发出的噪声直接向罩外辐射。开启不同的窗口，可以确定机器噪声的主要辐射面和该面上的主要辐射区。这种方法操作很麻烦，只能找出主要的发声面，但不了解噪声的特性和来源。

　　(4) 近场声压法

　　传声器贴近振动表面，沿表面各点依次测量声压，找出表面上最大的声幅射区及其量值。此法简单易行，但精度不高，因为无法避免邻近表面声辐射的影响。然而，随着p-u传感器的日趋完善，表面声压的测量精度不断提高，近场声压法在噪声源识别中的作用将进一步加强。

　　(5) 表面振速法

　　振动表面的声辐射是与其法向振动速度密切相关的。因此，测量表面的振动速度，通过计算可求得其声辐射。这种方法精度不高，当周围的声学测量环境很差时不得已而用之。

　　时域分析法

　　(1)时域平均

　　以一定的周期为间隔截取振动或噪声信号，进行迭加平均，可消除信号中的非周期分量和随机干扰，保留反映机器噪声源特性的周期分量。例如以某个齿轮一转为周期，进行时域信号平均，可以使齿轮缺陷产生的周期分量突出。

　　(2)相关分析

　　所谓“相关”，是指变量之间的线性关系。信号或数据 的自相关函数 是描述一个时刻

　　的取值与另一个时刻的取值之间的依赖关系，可用在观察时间T上对这两个值求平均取极限而得到。

　　自相关函数 是以时延域 为变量的实偶函数，可正可负。任何确定性数据在所有时间上其自

　　相关函数 都不为0，周期信号的自相关函数仍为同周期的周期函数，而随机信号则当 →∞时，

　　→0。利用自相关函数这个特性，可以在机器噪声中分离出周期信号。只要延长参变量 的取值，

　　将信号中的周期分量暴露出来即可。当机器运行不正常时，噪声信号中将出现越来越大的周期分量。用自相关方法可以较早地查出噪声中隐藏的周期分量，发现机器的故障。

　　频域分析法

　　(1)频谱分析

　　一般工程上测得的多为时域信号，为了得到噪声源的频率特征，需将复杂的时间历程波形经过傅里叶变换分解成单一的谐波分量来研究，从而获得信号的频率结构以及各谐波的幅值和相位信息。

　　随机信号的自功率密度函数 描述了该信号的平均功率在各个频率上的分布，简称自谱，机器的各种噪声源有不同的频率特性，它是由机器的结构和工况决定的。通过频谱分析掌握了信号的频率特性，再根据机器的结构和工况，辅以一定的计算或试验，就可以进一步查明噪声的来源。

　　频谱图上的峰值与主要的噪声源密切相关，但不一定是一一对应的关系。噪声谱上的一个峰值可能来自几个噪声源，而有时一种噪声源又可能在噪声谱上产生多个峰值。为正确识别噪声源，有时需要再用其它的方法，或改变机器的工况来作进一步的验证。

　　互功率谱密度函数 描述了两个信号在频域上的相关程度，并且保留有两个信号间的相位信息。它可以用来计算系统的频响函数，进行传递路径的分析与识别。在噪声源识别方面，基于互谱密度函数的相干分析和互谱声强测量得到了很多应用。

　　(2)旋转机械的特征分析

　　旋转机械的振动噪声通常与其转速有关，在启动和停车过程中包含了丰富的信息。特征分析充分利用转速信号，用以作跟踪滤波和等速度采样触发，建立振动噪声与转速的关系。根据自变量选择的不同，特征分析有六种表达形式，即：功率谱分析，阶比谱分析，跟踪谱分析，坎贝耳图分析，转速谱阵分析和时间谱阵分析。目前，特征分析技术已广泛应用于旋转机械系统的动态分析、工况监测和故障诊断中。

　　(3)相干分析

　　相干函数可以描述两个信号在频域里的相关程度，反映了平稳随机过程的输入与输出间的因果关系。对于常参数的单输入、单输出系统，输入 和 都是平稳随机过程，且外界噪声只出现在输出点上，则 与 间的常相干函数 可由两个信号的自谱 、 和互谱 得到。当 时，表示 与 不相关，输出不是因这个输入而起;当 时，表示它们完全相关，输出完全来自这个输入。一般 ，表示除 外还有其他输入存在或有外界噪声混入，或说明该系统是非线性的。因此，在相干谱上某个频率 处的 可以表示在该频率处输出谱 中有多少百分比来自于输入谱 。

　　对于多输入、单输出系统，如输入之间不相关，可分别计算其常相干函数，表示各个输入对输出的贡献。这些常相干函数之和为重相干函数。若输入之间是相关的，就要用偏相干函数来描述每个输入对输出的贡献。

　　应用相干分析，可以探寻噪声谱中峰值的来由，也即是它与机器中哪个部件的振动或所辐射噪声之间的关系。

　　(4)倒频谱分析

　　倒频谱是频谱的再次谱分析，是频域信号的傅里叶变换。其定义有多种，取一种类似自相关函数形式的实倒谱定义，倒谱 定义为对数功率谱的傅里叶变换。倒频谱中的自变量q 称为倒频率，它具有自相关函数 中的自变量 相同的时间量纲，一般以毫秒(ms)计。q值小者称为低倒频率，它表示频谱图上的快速波动和密集谐频;而q值大者称为高倒频率，它表示频谱图上的缓慢波动和稀疏谐频。

　　与自相关函数 一样，倒频谱 也是自功率密度函数 的逆傅立叶变换，但不同的是，在变换之前对 作了对数加权。其作用除了扩大频谱的动态范围，提高再变换精度外，更主要是对数加权后使倒频谱分析具有解卷积的作用。因为经过一次傅立叶变换，时域中的卷积转换成频域中的相乘，取对数后变成相加，再取一次傅立叶变换后，根据傅立叶变换的线性性质，在得到的倒频谱中保留了相加关系。利用这个特性可以在仅测得一个系统响应信号的情况下，将激励的源信号或系统特性分离出来。利用倒频谱技术，还能区别出因调制引起的功率谱中的周期分量，诊断出调制源。倒频谱分析在振动噪声源识别、故障诊断、信号调制、回声剔除、语音分析、地震测量等方面已得到广泛应用。

　　时-频分析与小波分析

　　上述频域分析的基础是傅里叶变换，但是傅里叶变换的局限性在于只适用于稳态信号分析。当机械设备发生故障或工作异常时，其振动噪声信号常常是时变非平稳的，信号的频率成分随时间变化，甚至是具有瞬态特性的。遇到这种情况，基于一般傅里叶变换的传统的频谱分析方法就有困难。

　　一种方法是通过一个个时间窗口来观察信号，使位于窗口中的信号接近平稳。当加窗信号沿时间平移并且完成连续重叠变换时，就可以得到与时间有关的信号频谱的描述。这里用的是短时傅里叶变换(STFT),是时-频分析方法的一种。信号能量的时频分布提供了远比功率谱为多的信息，它把信号的时域与频域联系了起来。在时-频分析方法中，除了短时傅里叶变换以外，还有其他方法，如伪Wigner­­­–Ville 分布(PWVD)、径向高斯核分布(RGKD)等。

　　上述时-频分析法有其难以克服的缺陷。在这种方法中，窗的大小和形状是固定的，对在不同时段变化着的信号用的是相同的窗，它不能适应信号频率高低对窗的不同要求。在信号分析中，为能得到精确的高频信息，采样间隔应相对小些;而为了完整地得到低频信息，采样间隔则应相对大些。也就是说，需要一个“柔性”的时频窗，其在较高的频率处时域窗可以自动地变窄，而在较低频率处时域窗又可以自动地变宽，从而在时域与频域都有足够的分辨率。小波变换就是能满足这样要求的分析方法，在许多领域得到广泛应用。

　　声强测量法

　　声强测量(Sound Intensity)是20世纪80年代发展起来的一种声学测量的新技术。声强是指在声场中某一点处，单位时间内通过与指定方向垂直的单位面积上的平均声能，也即垂直于传播方向上单位面积上的声功率流。声强既有大小又有方向，它是一个矢量。

　　双传声器互谱测量法是当前声强测量中应用最多的方法，用两个相距很近的传声器，取其信号的互谱来求得。

　　声强测量用来识别噪声源，有三种方法：(1)声功率排序法。用声强探头测出各表面上的声强，求和计算得到各表面的辐射声功率，排出其对机器总噪声贡献大小的次序。(2)峰值扫描法。将探头轴线平行于被测表面平移，当信号改变符号时，过探头中点的垂线上必有声源存在。此法简单快速，用来粗略地找出声源，如检测隔板或隔墙的声泄漏十分有效。(3)等声强线和三维声强图。在靠近机器的某个表面上设置测量网格面，在网格结点上测量声强，得到该声辐射面的三维声强图和等声强线图，比较直观地表现该表面的声辐射状况。

　　从声强的定义知，声强是矢量，能表示声能流的方向和大小，因此若能全面画出机器的声强矢量图，则可了解从声源到接受者之间声能流传递的方向和途径。

　　如果只对与某个信号相关的声强感兴趣，则可将该信号作为参考信号，仅测量与此相干的声强，得到选择声强谱(图)。

　　声全息技术

　　与以上的噪声源识别技术相比，声全息技术(Acoustical Holography)的优点在于不仅利用了声的强度信息，而且还充分利用了声的相位信息，因而具有更强的识别功能。按全息测量面与声源面相距的远近，可分为远场声全息和近场声全息。远场声全息是指全息测量面与声源面之间的距离远大于分析声波波长的情况，可以实现远距离的噪声源识别定位，但缺点是其分辨率受波长( )的限制，仅记录了携带低空间频率的传播波成分，丢失了具有高空间频率信息的倏逝波成分，因而识别的分辨率不高，功能不强, 且不能重建得到振速、声强等物理量。多用于对火车、汽车等较大的物体进行噪声源定位或用在当全息测量面不能靠近噪声辐射面时。

　　近场声全息技术(NAH)是20世纪80年代初发展起来的一种具有强大的噪声源识别定位、声场计算及可视化功能的声学前沿技术。它通过测量声源近场全息面上的复声压或质点振速，利用空间声场变换算法重建出声源的表面声压、法向振速和整个三维声场中任意点处的声压、质点速度、声强等声学量。由于它利用了包含丰富声源细节信息的倏逝波成份，因此其分辨率可达波长的几十分之一，从而可以对噪声源进行精确的识别和定位，也可以对声源在声场空间中的辐射属性进行预测，为噪声控制、声质量设计等提供依据。

　　虽然近二十年来，国外对NAH技术的研究取得了很大进展，并已推出了相应的测量分析系统，但是现有的NAH技术无论在理论方法和推广应用方面仍然存在很多需要解决的问题，主要有：一是要正确测得全息面上的复声压，即要同时获得每个测点上的声压(声强)幅值和相位。现有的测量方法有三种，即：快照法，参考源法和声强测量法，可根据声源的性质选用。对于非稳态声源，必须使用快照法，即用一传声器阵列同时记录所有测点的声压幅值和相位。二是要正确实现声源表面振动的重建和空间声场的预测，这有赖于空间声场变换算法的性能，它是近场声全息技术的核心和实现的关键。理想的空间声场变换算法应该是精度高，速度快，适应性强，这三者看似互相矛盾的要求需要得到较好的解决。目前国外主流的算法有：基于空间Fourier变换，基于边界元方法(BEM)和基于Helmholz方程最小二乘法(HELS)等。以这些方法为基础开发出的软件和系统分别成为国外著名公司的产品。三是要解决工程应用中的实际问题，在实际应用中，测量时的声学环境并不是自由声场，有反射成分，声源也可能是多源的、相干的，而且不仅仅分布在全息面的一侧，因此需要解决反射、多源、背景干扰等问题。四是由于进口的声全息测量分析系统价格昂贵，要在国内推广应用这项技术，研究开发具有自主知识产权、功能较全、价格低廉、可供实用的NAH测量分析系统十分必要。

　　在NAH技术中，为了减小“有限孔径效应”和“边缘声压的不连续的影响，要求全息面远大于声源面积，如基于FFT法的NAH就要求全息面至少为声源的2倍。这个要求对于大尺寸结构会产生很大困难，有时甚至不可能。再则，对于一般机器结构，往往只有一个或数个重点噪声源和声辐射表面，如果我们不管关心的是整个结构的辐射情况，还是只是其局部信息，都不得不去对整个机器结构进行测量计算，显然既无必要，也不经济。为解决这个问题，近年来提出了一种新的NAH技术――Patch NAH,该技术通过合理的数值方法对在较小全息面上的声压数据进行外推，获得较大全息面的声压数据近似值，从而“增大”了测量孔径，减小了“有限孔径效应”，改善了测量声压的不连续性，并保证了重建精度。

　　实现Patch NAH 有多种方法，按是否需要进行迭代计算大致形成两大类。Patch NAH经过数年的发展，虽已取得了不少进展，但客观地说目前已有的各种方法都不够完善，有待于继续研究。目前对Patch NAH的研究多集中在方法上，而对于全息面测量参数对重建结果的影响、重建误差的分析以及误差控制方法等这些与Patch NAH具体应用相关的问题研究很少，这使得目前这种技术还基本停留在方法研究上，真正意义上的工程应用还刚刚开始。

　　波束形成技术

　　近场声全息技术是一种功能很强的声源识别技术，但是它的局限性在于：全息测量面必须很靠近声源表面，要小于最小声波波长的一半，声波的最高频率越高，这个要求就越难满足;要求全息面远大于声源面积，而由于分辨率的限制，传声器(测点)的间距又要小于最小声波波长的一半，当声源有很高频率成分时，传声器阵列(测点数)会非常大。

　　波束形成技术(Beamforming)在声纳、雷达、通信和电子对抗信号处理中已广泛应用。这项技术是将一定几何形状排列的多元基阵各阵元输出经过处理(加权、延时、求和等),增强特定方向上的有用信号，衰减其它方向上的干扰信号，从而形成空间指向性。将其引入到传声器阵列信号处理中，增强声源入射方向上的信号，在该方向上形成主瓣，成为一种有效的声源识别技术。它可以克服上述近场声全息技术的不足，测量速度快，可在中远距离测量，能识别大结构的噪声源，对于汽车、火车、飞机这样运动中的声辐射体的声源识别尤其有用。

　　传声器阵列的形状可以设计成一字形、十字、网格、螺线、轮辐、平面、球面、随机分布等。传声器阵列的优化设计可以增强主瓣，遏制旁瓣，消除“虚像”，取得良好的指向特性，同时又可尽量减少传声器的数量。

　　NAH和Beamforming这两种技术测量的距离和适用的频率不同，因此在实际测试中根据不同的要求选用，频率高、中远距离测量时用Beamforming,中低频率、近距离测量时则用NAH,也可以将它们综合应用。

　　展望

　　噪声源识别技术的发展趋势是使得对噪声源的识别更准确、更快速(实时)、更方便(现场识别)。近几年来出现的噪声源识别前沿技术，无不具有可视化、信息化、智能化的特点。其测量系统一般由传声器阵列、数据记录器、笔记本电脑加软件构成。传声器阵列和数据记录器记录声波信号，在笔记本电脑上运行专用软件进行对信号的处理和运算，附装在声阵列上的数码相机拍摄声源目标的图像，所得到的噪声影像图显示光学图像和声音，噪声从听得见变成“看得见”。这种被称为“声学照相机”或“声学摄像机”的声源识别系统可用来测量分析稳态声源、缓变声源(发动机转速变化)、恒速移动声源(汽车、火车、飞机)和加速运动声源(汽车加速)。如果在测量噪声的同时记录相关的信号，则可显示噪声声场与诸如时间、转速、曲轴转角等的关系。

　　参考文献

　　1. C. X. Bi, X. Z. CHEN, R. Zhou, J. CHEN. Reconstruction and separation of semi-free field by using the distributed source boundary point method based nearfield acoustic holography. Transactions of the ASME, Journal of Vibration and Acoustics. 2007, 129(3): 323-329

　　2. 毕传兴,陈心昭,徐亮,陈剑. 基于等效源法的Patch近场声全息技术. 中国科学(E辑), 2007，37(9): 1205-1213

　　3. D C. X. Bi, X. Z. CHEN, J. CHEN. istributed source boundary point method-based nearfield acoustic holography for reconstructing the acoustic radiation from arbitrarily shaped objects. Journal of Computational Acoustics. 2006, 14(4): 379-395

　　4. 毕传兴,陈心昭,陈剑等. 多源混合声场全息重建和预测方法与实验研究. 中国科学—G辑, 2005, 35(2): 184-201

　　5. 于飞，陈心昭，李卫兵. 空间声场全息重建的波叠加方法研究. 物理学报， 2004，53(8)：2607-2613

　　6. S.F.Wu. Hybridnear-field acoustic holography.2004,115(1):207-217

　　7. 于飞，陈心昭，陈剑. 单全息面分离声场技术及其在声全息中的应用. 机械工程学报, 2004 ，40(2)：112-116

　　8. J.J.Cristensen,J.Hald. Beamforming. B&K Technical Review. No.1,2004.1-31

　　9. E.G.Williams，B.H.Houston,P.C.Herdic. Fast Fourier transform and singular value decomposition formulation for patch near-field acoustical holography. J.Acoust.Soc.Am.,2003,113:1273-1281

　　10. 郑海波，陈心昭，李志远. 基于双谱的齿轮故障特征提取与识别. 振动工程学报，2002，16(3)：354-358

　　11. H. Zheng, Z. Li and X. chen. Gear fault diagnosis based on continuous Wavelet Transform. Mechanical System and Signal Processing, 2002，16(2)：447-457

　　12. Gan. Changsheng, Chen Xinzhao,Chen Jian. Scanning paths for estimating sound power of noise sources by sound intensity scanning method. Chinese Journal of Acoustics, 1999,18(4)：353-359

　　14. 庞剑，湛刚等. 汽车噪声与振动――理论与应用. 北京：北京理工大学出版社，2006.

　　15. 佟徳纯，姚宝恒. 工程信号处理与设备诊断. 北京：科学出版社，2008.

　　16. 有关公司样本.