噪声背景下的盲源分离算法
噪声测量噪声源识别与定位的方法简析
噪声测量：噪声源识别与定位的方法简析噪声测量的一项重要内容就是估计和寻找产生噪声的声源。 确定噪声源位置是实施控制噪声措施的先决条件。从声源上控制噪声可以大大减轻噪声治理的工作量，而且对促进生产低噪声产品研制，提高产品质量和寿命有直接效果，同时噪声源识别技术是声学测量技术的综合运用，具有很强的技术性。因此，噪声源识别有很大的现实意义。 噪声源识别的本质在于正确地判断作为主要噪声源的具体发声零部件，主要辐射部分。有时还要求对噪声源的特点及其变化规律有所了解。噪声源识别的要求有以下两个主要方面： ?确定噪声源的特性，包括声源类别，频率特性，变化规律和传播通道等。在复杂的机械中，用一种测量方法要明确区分声源的主次及其特性实际上往往是比较困难的。因此经常需要综合应用多种测量方法和信号处理技术，以便最终达到明确识别的目的。 ?确定噪声产生的部位、主要的发声部件等以及各噪声源在总声级中的比重。对多声源噪声，控制噪声的主要方法之一是找到
发声部件中占噪声总声级中比重最大的声源噪声，采取措施进行降噪，可达到事半功倍的效果。 噪声源识别方法很多，从复杂程度、精度高低以及费用大小等方面均有不少的差别，实际使用时可根据研究对象的具体要求，结合人力物力的可能条件综合考虑后予以确定。具体说来，噪声源识别方法大体上可分为二类： ?第一类是常规的声学测量与分析方法，包括分别运行法、分别覆盖法、近场测量法、表面速度测量法等。 ?第二类是声信号处理方法，它是基于近代信号分析理论而发展起来的，象声强法、表面强度法、谱分析、倒频谱分析、互相关与互谱分析、相干分析等都属于这一类方法。 在不同研究阶段可以根据声源的复杂程度与研究工作的要求，选用不同的识别方法或将几种方法配合使用。 声学测量法 人的听觉系统具有比最复杂的噪声测量系统更精确的区分不同声音的能力，经过长期实践锻炼的人，有可能主观判断噪声声
背景噪声设置指导书20100318
背景噪声修改指导书 一、RTWP含义 RTWP（Received Total Wide band Power ）：接收总带宽功率，RTWP反映了一个小区中的总噪声上行总带宽接收功率。 在WCDMA系统中，小区的上行负载是使用RTWP（RoT抬升）来计算的。为保证系统的稳定和服务质量，需要将上行负载控制在一个合适的范围内。目前系统小区上行负载默认值为75%，即对应6dB的RoT抬升。系统低噪默认值为-106dBm（对应数值为61），当RTWP抬升6dB达到-100dBm左右时，便认为小区已经达到了上行负载门限，用户速率将无法再继续上升。 二、RTWP偏高常见原因 ●多个RRU级联共小区时，上行噪声合路会导致RTWP抬升，抬升的数值计算方式 为10log（n），n为RRU个数。 ●基站下挂直放站时，会导致RTWP抬升，一般来讲直放站引起的RTWP抬升相对 稳定，此时，最好的方法是关闭直放站。 ●基站天馈系统或室内分布系统接收元器件异常、故障会导致RTWP抬升，此时需 要检查室分系统器件。 ●当无线环境中存在较强的外界干扰时，会导致RTWP抬升，此时需要现场进行干 扰源排查。 ●UE存在缺陷，也会导致RTWP抬升，比如手机最大功率发射，建议换手机对比测 试。 三、RTWP偏高临时解决办法 针对RTWP偏高问题我们一般会通过在RNC上修改BackgroundNoise值来临时缓解RTWP偏高引起的速率低问题。在RNC LMT上执行MOD CELLCAC: CellId=xx,
BackgroundNoise=yy;命令进行修改，其中xx对应所要修改的小区CELLID，yy对应需要修改的BackgroundNoise值。 下边针对几种场景来说明BackgroundNoise修改成多少合适。 1、RRU级联共小区场景 前面讲到多RRU级联共小区时RTWP会抬升，抬升的数值计算方式为10log（n），n 为RRU个数。下图中BBU的CPRI1口上的Cell#1级联了2个RRU、CPRI3口上的Cell#2级联了3个RRU，则两小区对应的RTWP分别抬升了10log（2）=3dB、10log（3）=4.7 dB，则在RNC上需要把Cell#1小区的BackgroundNoise由61修改为91，Cell#2小区的BackgroundNoise由61修改为108。 如果多RRU级联共小区采用的是跨BBU的CPRI口组网，则小区对的低噪抬升以CPRI口上RRU最多的为准。如下图所示，BBU的CPRI1口上级联了2个RRU，CPRI3口上级联了3个RRU，这5个RRU共小区Cell#1，则小区RTWP抬升了10log（3）=4.7 dB，则在RNC上需要把Cell#2小区的BackgroundNoise由61修改为108。 2、直放站或天馈元器件场景
介绍了噪声抵消的原理和从强噪声背景中自适应滤波提取有用信号的
LMS与RLS自适应滤波算法性能比较 马文民 【摘要】：介绍了自适应滤波器去除噪声的原理和从强噪声背景中采用自适应滤波提取有用信号的方法，并对最小均方(LMS, Least Mean Squares)和递推最小二乘(RLS, Recursive Least Squares)两种基本自适应算法进行了算法原理、算法性能分析。计算机模拟仿真结果表明，这两种算法都能通过有效抑制各种干扰来提高强噪声背景中的信号。检测特性相比之下，RLS 算法具有良好的收敛性能，除收敛速度快于LMS算法和NLMS算法以及稳定性强外，而且具有更高的起始收敛速率、更小的权噪声和更大的抑噪能力。 【关键词】：自适应滤波；原理；算法；仿真 引言： 自适应滤波是近30年以来发展起来的一种最佳滤波方法。它是在维纳滤波，kalman滤波等线性滤波基础上发展起来的一种最佳滤波方法。由于它具有更强的适应性和更优的滤波性能。从而在工程实际中，尤其在信息处理技术中得到广泛的应用。自适应滤波的研究对象是具有不确定的系统或信息过程。"不确定"是指所研究的处理信息过程及其环境的数学模型不是完全确定的。其中包含一些未知因数和随机因数。任何一个实际的信息过程都具有不同程度的不确定性，这些不确定性有时表现在过程内部，有时表现在过程外部。从过程内部来讲，描述研究对象即信息动态过程的数学模型的结构和参数是我们事先不知道的。作为外部环境对信息过程的影响，可以等效地用扰动来表示，这些扰动通常是不可测的，它们可能是确定的，也可能是随机的。此外一些测量噪音也是以不同的途径影响信息过程。这些扰动和噪声的统计特性常常是未知的。面对这些客观存在的各种不确定性，如何综合处理信息过程，并使某一些指定的性能指标达到最优或近似最优，这就是自适应滤波所要解决的问题。 在这几十年里，数字信号处理技术取得了飞速发展，特别是自适应信号处理技术以其计算简单、收敛速度快等许多优点而广泛被使用。它通过使内部参数的最优化来自动改变其特性。自适应滤波算法在统计信号处理的许多应用中都是非常重要的。 在工程实际中，经常会遇到强噪声背景中的微弱信号检测问题。例如在超声波无损检测领域，因传输介质的不均匀等因素导致有用信号与高噪声信号迭加在一起。被埋藏在强背景噪声中的有用信号通常微弱而不稳定，而背景噪声往往又是非平稳的和随时间变化的，此时很难用传统方法来解决噪声背景中的信号提取问题。自适应噪声抵消技术是一种有效降噪的方法，当系统能提供良好的参考信号时，可获得很好的提取效果。与传统的平均迭加方法相比采用自适应平均处理方法还能降低样本数量。 1自适应滤波器的基本原理 所谓的自适应滤波，就是利用前一时刻以获得的滤波器参数的结果，自动的调节现时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波。自适应滤波器实质上就是一种能调节其自身传输特性以达到最优的维纳滤波器。自适应滤波器不需要关于输入信号的先验知识，计算量小，特别适用于实时处理。 由于无法预先知道信号和噪声的特性或者它们是随时间变化的，仅仅用FIR和IIR两种具有固定滤波系数的滤波器无法实现最优滤波。在这种情况下，必须设计自适应滤波器，以跟踪信号和噪声的变化。 自适应滤波器的特性变化是由自适应算法通过调整滤波器系数来实现的。一般而言，自适应滤波器由两部分组成，一是滤波器结构，二是调整滤波器系数的自适应算法。 自适应噪声抵消系统的核心是自适应滤波器，自适应算法对其参数进行控制，以实现最佳滤波。不同的自适应滤波器算法，具有不同的收敛速度、稳态失调和算法复杂度。根据自
噪声源测量方法
噪声源测量方法 发布时间：2014-02-11 来源于：互联网 噪声源测量是一种多用途测量方法，这种方法能测量与次临界中子增殖因子相关的量。 噪声源测量 (1)主要是测量噪声源的辐射功率和指向性。测量方法有混响室法、消声室（或半消声室）法和比较法等。 混响室法只能测量噪声源的辐射声功率。将被测的噪声源放在混响室（见声学实验室）中，当噪声源辐射声功率W随时间的改变量不大时，即 在混响室的混响场中声压的均方根的平方： (2) 或声源辐射的声功率级（分贝）： (3) 式中ρ为室内空气密度；c为室内声速;V为混响室的体积；A=S峞,S为混响室总面积；峞为平均吸声系数；岧p为混响场中的平均声压级。ρc值取温度为15℃时空气中的值为415。 在混响室的混响场中取n个点,在这些点上测声压级，取其平均值岧p代入(3)式。混响室的平均吸声系数可由混响时间的测量得到。 在实际测量时,声源应放在离开墙壁λ/4的距离以外，测点之间的距离不小于λ/2,各测点与墙壁之间的距离应大于λ/2。λ是相应于测量的频率的波长。 消声室法（或半消声室法）在消声室内，可以同时测量噪声源的辐射声功率和指向性。在自由场内，声强(I)与声压p之间的关系为： (4) 将被测的噪声源放在消声室内，以它为中心，作一球面，将球面等分为n个面元，在每个面元的中心测量声压级Lpj,取这些测量值的平均值岧p，按声强与声功率之间的关系计算声功率级LW： (5) 式中r为测量球面的半径,ρc值取温度为15℃时空气中的值。再按 (6) 计算指向性指数DI。θ和φ是以球心为中心的方位角。 在半消声室中的测量与在消声室中的测量相似。将被测的噪声源尽可能按实际的安装放置在半消声室的地面上，以声源为中心在自由场内作半球面，将半球面分成n个相等面元，在每个面元中心测声压级Lpj，取它们的平均值岧p，按下式计算辐射声功率级： (7) 及按(6)式计算指向性指数。 比较法是一种工程方法。对测量环境除要求安静、不影响声压级测量数据以及有一个用以比较的标准声源以外，没有其他要求。比较法可以在安装机器(设备)的现场，或在其他环境进行。测量时，以机器或设备为中心，在地面上作一半球面，将它分成n个相等的面元,在每个面元的中心测量一个声压级，计算其平均声压级岧p。机器或设备如能移开，将
车辆噪声源识别方法综述
文章编号：1006-1355(2012)05-0011-05 车辆噪声源识别方法综述 胡伊贤，李舜酩，张袁元，孟浩东 （南京航空航天大学能源与动力学院，南京210016） 摘要：在车辆产业中，噪声问题越来越突出，噪声源识别方法是车辆噪声控制的重要前提。近年来，车辆噪声源识别的方法得到快速发展，但仍需不断改进和完善。本文对车辆噪声源识别方法进行总结，将车辆噪声源识别方法分为传统方法、基于信号处理方法和基于声阵列技术方法三类，并描述和分析各种识别方法的特点。最后总结全文，展望未来车辆噪声源识别方法。 关键词：声学；车辆；噪声控制；综述；噪声源识别方法 中图分类号：V231.92文献标识码：A DOI编码：10.3969/j.issn.1006-1335.2012.05.003 Reviews of Vehicle Noise Source Identification Methods HU Yi-xian,LI Shun-ming,ZHANG Yuan-yuan,MENG Hao-dong (College of Energy and Power Engineering,Nanjing University of Aeronautics and Astronautics, Nanjing210016,China) Abstract:In the vehicle industry,noise issues have become more evident.Vehicle noise source identification is an important prerequisite for noise control.In recent years,new methods of vehicle noise source identification have been developed,but it is necessary still for them to improve and optimize.The different methods for identifying noise sources are reviewed in this paper.All methods are divided into three categories,i.e.the traditional analysis method,the method based on signal processing,and method based on acoustic array technology.The features of various identification method are described and compared.Finally,some prospects of noise source identification method are given. Key words:acoustics;vehicle;noise control;review;noise source identification method 车辆噪声源识别是指在有许多噪声源或包含许多振动发声部件的复杂声源情况下，为了确定各个声源或振动部件的声辐射的性能，区分噪声源，并加以分等而进行的测量与分析。车辆的噪声主要分为发动机噪声、进排气噪声、传动噪声、轮胎噪声以及其他机械噪声[1，2]。 车辆噪声产生机理不同，针对不同噪声源有不同的识别方法[3]。本文将车辆噪声源识别方法分为三类：一类是传统噪声源识别方法，包括主观识别法、铅覆盖法、分部运行法、表面振速法和近场声压 收稿日期：2011-11-23；修改日期：2012-01-21 项目基金：江苏省普通高校研究生科研创新计划资助(基金编号：CX10B_094Z) 作者简介：胡伊贤（1986-），男，江苏，江苏宿迁泗阳县人，硕士，目前从事车辆噪声与振动控制研究。 E-mail:nuaayixian@https://www.sodocs.net/doc/93864687.html, 测试法等。这些方法可以简单的对车辆噪声源进行识别。第二类是以信号处理为基础的噪声源识别方法，典型的有时域平均法、相关分析法、相干分析法、倒谱分析法、阶次分析法、小波分析法以及盲源分离法等。其中时域平均与相关分析是描述幅值随时间变化的时域分析方法。相干分析、倒谱分析在频域内对噪声信号进行分析，主要针对平稳噪声信号；阶次分析、小波分析、盲源分离识别方法在时频域内对信号进行分析，一般用于非平稳噪声信号。第三类是以声阵列技术为基础的噪声源识别方法，主要包括声强测试、波束成形以及声全息测试技术，它们主要特征是以全息面来直观全面反映各声源对整车噪声贡献的大小。本文在对各种声源识别方法总结基础上，分析声源识别方法的使用特点、优点与不足，对车辆噪声源识别方法进行总结与展望。
背景噪声计算书
背景噪声计算书 Prepared on 24 November 2020
阳光海上城幼儿园室内背景噪声计算书计算人： 校核人： 日期：
阳光海上城幼儿园 室内背景噪声计算书 项目概况 工程名称：阳光海上城幼儿园 地理位置：本工程位于山东省威海市经济技术开发区大庆路南，疏港路西，九龙明珠北，东海路东，现皇冠庆威工业园内。 项目组成：本工程总建筑面积约，占地面积：。 设计范围：本工程由山东新元建筑规划设计有限公司完成设计工作。 图 1 阳光海上城幼儿园项目总平面图 分析依据 《绿色建筑评价标准》GB/T 50378-2014 《绿色建筑评价技术细则》 《声环境质量标准》GB3096-2008 《环境影响评价技术导则声环境》 《建筑声学设计手册》（中国建筑工业出版社出版，中国建筑科学研究院建筑物理研究所主编，出版时间） 《建筑物理环境与设计》（中国建筑工业出版社出版，柳孝图主编，出版时间：） 《民用建筑隔声设计规范》GB 50118-2010 分析目的
判断威阳光海上城幼儿园项目是否满足《绿色建筑评价标准》GB/T 50378-2014第8.2.1条评分项“主要功能房间室内噪声级，评价总分值6分。噪声级达到现行国家标准《民用建筑隔声设计规范》GB50118中低限标准限值和高要求标准限值的平均值，得3分；达到高要求标准限值得6分”；本项目幼儿园临近机动车停车场和公共活动场地，故选幼儿园部份房间计算背景噪声。 分析条件 环境噪声 本项目分布在2类声功能区，建筑物环境噪声等效声级昼间分布在60dB （A），夜间分布在50dB（A），造成噪声污染的各因素中，交通影响最大，其次为建筑施工噪声，工业噪声和生活噪声最小。 最不利位置分析 根据现场踏勘和对地块周边现状的了解以及该地区的发展规划，可能对建设项目产生影响的外环境噪声源主要为交通噪声和公共活动噪声。由于阳光海上城幼儿园项目南侧为公共活动场地，所以取该项目南侧进行分析，具体位置如所示。
基于MATLAB的线性盲信号分离算法的研究
毕业论文（设计） 论文题目：基于MATLAB的线性盲信号分离算法的研究 学生姓名：孙烽原 学号：0908030229 所在院系：电气信息工程学院 专业名称：电子信息工程 届次：2013届 指导教师：张大雷
淮南师范学院本科毕业论文（设计） 诚信承诺书 1.本人郑重承诺：所呈交的毕业论文（设计），题目《 》是本人在指导教师指导下独立完成的，没有弄虚作假，没有抄袭、剽窃别人的内容； 2.毕业论文（设计）所使用的相关资料、数据、观点等均真实可靠，文中所有引用的他人观点、材料、数据、图表均已注释说明来源； 3. 毕业论文（设计）中无抄袭、剽窃或不正当引用他人学术观点、思想和学术成果，伪造、篡改数据的情况； 4.本人已被告知并清楚：学院对毕业论文（设计）中的抄袭、剽窃、弄虚作假等违反学术规范的行为将严肃处理，并可能导致毕业论文（设计）成绩不合格，无法正常毕业、取消学士学位资格或注销并追回已发放的毕业证书、学士学位证书等严重后果； 5.若在省教育厅、学院组织的毕业论文（设计）检查、评比中，被发现有抄袭、剽窃、弄虚作假等违反学术规范的行为，本人愿意接受学院按有关规定给予的处理，并承担相应责任。 学生（签名）： 日期：年月日
目录 前言 (2) 1 概述 (2) 1.1盲信号处理的概念与分类 (3) 1.2盲处理概念 (4) 1.3盲信号处理的分类 (4) 1.4盲信号处理的应用 (4) 2 盲信号分离的基础 (4) 2.1盲信号的预处理 (5) 2.2信号的去均值处理 (5) 2.3盲信号分离原理 (5) 2.4盲信号分离的方法 (6) 3 盲分离的算法和仿真结果 (6) 3.1最大信噪比的盲信号分离算法 (6) 3.2基于最大信噪比盲信号分离的算法流程 (7) 3.3基于峭度的盲信号分离的算法 (7) 3.4基于峭度的盲信号分离的算法流程 (8) 3.5基于两种算法的仿真 (8) 3.6仿真结果分析 (12) 4 结论 (13) 4.1总结 (13) 4.2未来工作 (13) 参考文献 (14)
盲源分离算法初步研究
盲源分离算法初步研究 一、盲源分离基本问题 1.概念 BSS 信号盲分离，是指从若干观测到的混合信号中恢复出未知的源信号的方法。典型的观测到的混合信号是一系列传感器的输出，而每一个传感器输出的是一系列源信号经过不同程度的混合之后的信号。其中，“盲”有两方面的含义：（1）源信号是未知的；（2）混合方式也是未知的。 根据不同的分类标准，信号盲分离问题可以分成以下几类： （1）从混合通道的个数上分，信号的盲分离可以分为多通道信号分离和单通道信号分离。单通道信号分离是指多路源信号混合后只得到一路混合信号，设法从这一路混合信号中分离出多个源信号的问题就是单通道信号分离。多通道信号分离是M 个源信号混合后得到N 路混合信号（通常N ≥M ）。从N 路混合信号中恢复出M 个源信号的问题即为多通道信号分离。一般情况下，单通道信号分离的难度要超过多通道信号分离。 （2）从源信号的混合方式上分，可将信号盲分离问题分为瞬时混合和卷积混合、线性混合和非线性混合等不同种类。在目前信号盲分离的研究文章中，所建模型大部分为瞬时混合。但是，作为更接近实际情况的卷积混合方式正受到越来越多的关注。 （3）根据源信号的种类，也可将信号盲分离分为多类。在通常的处理方法上，根据不同种类信号的特点，也有一些独特的处理技术。 2.盲分离问题的描述 BSS 是指仅从观测的混合信号（通常是多个传感器的输出）中恢复独立的源信号，在科学研究和工程应用中，很多观测信号都可以假设成是不可见的源信号的混合。所谓的“鸡尾酒会”问题就是一个典型的例子。在某个场所，多个人正在高声交谈。我们用多个麦克风来接受这些人说话的声音信号。每个人说话的声音是源信号，麦克风阵列的输出是观测信号。由于每个麦克风距离各个说话者的相对方位不同，它们接受到的也是这些人的声音信号以不同方式的混合。盲信号分离此时的任务是从麦克风阵列的输出信号中估计出每个人各自说话的声音信号，即源信号。如果混合系统是已知的，则以上问题就退化成简单的求混合矩阵的逆矩阵。但是在更多的情况下，人们无法获取有关混合系统的先验知识，这就要求人们从观测信号来推断这个混合矩阵，实现盲源分离。 3.混合模型 信号的混合模型包含两个方面的内容：（1）源信号的统计特征；（2）源信号的混合方式。 3.1源信号的统计特征 已有的研究表明如果加上源信号间相互独立的限制条件，就可以有效地补偿对以上先验知识的缺乏。如果用q i 表示第i 个分量的概率密度函数，则这种统计独立性可以表示为： 11221()()...()()n n n i i i q s q s q s q s ==???=∏q(s) 其中q(s)是s 的联合概率密度函数。 3.2源信号的混合方式 最简单的混合模型假定各个分量是线性叠加混合在一起而形成观测信号的。基于这样的假设，我们可以把观测信号和源信号用矩阵的方式表示为： ()()t t =x Hs 式中H 是n ×n 阶的混合矩阵。基于该模型，盲信号分离()()t t =x Hs 的目标可以表
阵列信号识别声源相关总结_1002
阵列信号识别声源相关总结
1 阵列信号识别声源的方法归类 噪声源的识别方法可大致分为3类：传统的噪声源识别方法，如选择运行法、铅覆盖法及数值分析方法等，传统方法虽然陈旧、使用效率低，但目前仍有许多企业在应用。例如，为了测量汽车高速行驶时的车内噪声，需要将车门缝隙用铅皮封住；第二类，利用现代信号处理技术进行噪声源识别，如声强法、相干分析、偏相干分析适合与很多场合，能解决许多一般问题。如评价某些噪声源、某些频谱对场点(模拟人头耳朵处)，这时采用相干分析就可以解决。第三类，利用现代图像识别技术进行振动噪声源识别，其分为两种，一种是近场声全息方法(NAH)，一种是波束形成方法(Beamforming)。 相比于传统识别和现代信号处理方法，声阵列技术具有测试操作简单、识别效率高，以及可对声源进行量化分析并对声场进行预测等优点。 1.1 声全息方法 近场声全息技术经过很长时间的发展已经日趋成熟，广泛应用于近距离测量和对中低频噪声源的识别。 声全息方法，其基本原理是首先在采样面上记录包括声波振幅和相位信息的全息数据，然后利用声全息重建公式推算出重建面上的声场分布。该方法一方面可以获得车外声场分布的三维信息，另一方面可以进行运动车辆车外噪声源识别的研究，而且还具有在进行噪声测试时，抗外界干扰强的特点。按声场测量的原理可分为常规声全息、近场声全息和远场声全息三种。 常规声全息，全息数据是在被测物体的辐射或散射场的菲涅尔区和弗朗和费区(即全息接收面与物体的距离d远大于波长λ的条件下)采用光学照相或数字记录设备记录的，因为受到自身实用条件的限制，根据全息测量面重建的图像受制于声波的波长。它只能记录空间波数小于等于2π/λ的传播波成分，而且其全息测量面只能正对从声源出来的一个小立体角。因此，当声源辐射场具有方向性时，可能丢失声源的重要信息。并且通过声压记录得到的全息图，只能用于重建声压场，而不能得到振速、声强等物理量。 远场声全息NAH(Near-field Acoustical Holography)，其特点是全息记录平面与全息重建平面的距离d远远大于声波的波长λ，即其全息数据是在被测声源产生声场的辐射或散射声场的菲涅尔区和弗朗和费区获得的。这种方法通过测量离声源很远的声压场来重建表面声压及振速场，由此可预报辐射源外任意一点的声压场、振速场、声强矢量场。由于进行全息数据记录的表面距离被测声源面较远，而全息记录的表面的面积是有限的。所以声源发出的声波有很大一部分不
强背景噪声环境下的线性调频信号检测_朱振波
强背景噪声环境下的线性调频信号检测Ξ 朱振波1 何明浩2 (1.海军工程大学研究生四队 武汉430033) (2.空军雷达学院微波工程系 武汉430019) 【摘要】 基于线性调频(L FM)信号Wigner2Ville变换的零频处仍保存原信号所有信息的结论,提出了改进的基于互Wigner2Ville分布线性调频信号的检测方法。该方法具有较好的抗噪声能力,在更低的信噪比下,可以实现单个或多个强度相差较大的线性调频信号的检测。仿真实验的结果证明了算法的有效性。 【关键词】 线性调频,时频分析,互Wigner2Ville分布 中图分类号:TN957.51 文献标识码:A LFM Signal Detection in High Noise Circumstance ZHU Zhen2bo1 He Ming2hao2 (1.Group4of Graduate,AFAR Wuhan430033) (2.Department of Microwave Engineering,AFRA Wuhan430019) 【Abstract】 An improved algorithm based on cross Wigner2Ville distribution,which is derived for the special case where the frequency is zero in Wigner2Ville distribution(WVD)of time2frequency analysis is used to detect L FM signal,in this case the WVD includes all the information of original signals,such as frequency and phase.This method is efficient for reducing noise,for single L FM signal or small target embedded in some large targets they can be detected in low SNR by the algorithm.The simula2 tion results prove its effectivity. 【K ey w ords】 L FM,time2frequency analysis,cross Wigner2Ville distribution 0 引 言 时变信号中,线性调频(L FM)信号是一种应用十分广泛的信号形式。作为大时间-频带积的扩频信号,L FM信号广泛应用于各种信息系统,如通信、雷达、声纳和地震探测等;另一方面,探测系统(如合成孔径雷达SAR)的目标多普勒频率与目标速度近似成正比,当目标做加速运动时,回波即为线性调频。对L FM信号的处理早就有较系统的研究,例如白噪声中的L FM信号检测就是主要问题之一。用Wigner2 Ville分布(WVD)研究单个L FM信号的参数估计和检测是十分有利的。然而,多元L FM信号存在时,信号之间的交叉项严重影响了信号的检测和参数估计,特别在信噪比不高的情况下,甚至连单个L FM信号都无法检测到。L FM或近似L FM信号在Radon2 Wigner变换平面有较强的集聚性和噪声抑制能力。但是在更低信噪比下,Radon变换也无法检测L FM。 文献[1]基于互Wigner2Ville分布实现了L FM信号的检测,但较低信噪比下该算法计算量加大,检测性能下降。本文基于L FM信号WVD零频处信号仍保持原L FM信号所有特征的结论,提出了改进的L FM 信号检测方法。 1 L FM的噪声抑制 对单载频信号,其WVD的零频处,保持了原来信号的所有信息,只是频率和相位变为原来两倍,幅度为原来的常数倍。信号经过这样的变换,有很好的噪声抑制作用〔2〕。对本文感兴趣的L FM,其WVD的零频处同样保持了其所有的调制特征。 给定L FM信号x(t)=A cos(ω0t+πct2),其中c 为调频系数,ω0为角频率。将其写成其复数形式 x(t)= A 2 (e j〔ω0t+πct2〕+e-j〔ω0t+πct2〕)(1) 则其WVD变换为 W x(t,ω)=∫+∞-∞x(t+τ/2)x3(t-τ/2)e-jωτdτ=πA2 2{ 〔δ(ω+ω0)(1+2πct/ω0)〕+ 64第26卷 第3期 2004年3月 现代雷达 Modern Radar Vol.26 No.3 March,2004 Ξ收稿日期:2003203202 修订日期:2003210218
背景噪声计算书
阳光海上城幼儿园室内背景噪声计算书 计算人： 校核人： 日期：
阳光海上城幼儿园 室内背景噪声计算书 项目概况 工程名称：阳光海上城幼儿园 地理位置：本工程位于山东省威海市经济技术开发区大庆路南，疏港路西，九龙明珠北，东海路东，现皇冠庆威工业园内。 项目组成：本工程总建筑面积约4554.59m2，占地面积：1710.82m2。 设计范围：本工程由山东新元建筑规划设计有限公司完成设计工作。 图1阳光海上城幼儿园项目总平面图 分析依据
《绿色建筑评价标准》GB/T 50378-2014 《绿色建筑评价技术细则》 《声环境质量标准》GB3096-2008 《环境影响评价技术导则声环境》HJ2.4-2009 《建筑声学设计手册》（中国建筑工业出版社出版，中国建筑科学研究院建筑物理研究所主编，出版时间1987.07） 《建筑物理环境与设计》（中国建筑工业出版社出版，柳孝图主编，出版时间：2008.3.1） 《民用建筑隔声设计规范》GB 50118-2010 分析目的 判断威阳光海上城幼儿园项目是否满足《绿色建筑评价标准》GB/T 50378-2014第8.2.1条评分项“主要功能房间室内噪声级，评价总分值6分。噪声级达到现行国家标准《民用建筑隔声设计规范》GB50118中低限标准限值和高要求标准限值的平均值，得3分；达到高要求标准限值得6分”；本项目幼儿园临近机动车停车场和公共活动场地，故选幼儿园部份房间计算背景噪声。 分析条件 环境噪声 本项目分布在2类声功能区，建筑物环境噪声等效声级昼间分布在60dB （A），夜间分布在50dB（A），造成噪声污染的各因素中，交通影响最大，其次为建筑施工噪声，工业噪声和生活噪声最小。 最不利位置分析 根据现场踏勘和对地块周边现状的了解以及该地区的发展规划，可能对建设项目产生影响的外环境噪声源主要为交通噪声和公共活动噪声。由于阳光海上城幼儿园项目南侧为公共活动场地，所以取该项目南侧进行分析，具体位置如 图2所示。
近场声全息方法识别噪声源的实验研究
近场声全息方法识别噪声源的实验研究Ξ 于 飞 陈 剑 李卫兵 陈心昭 (合肥工业大学机械与汽车工程学院 合肥,230009) 摘 要 根据近场声全息(NA H)的原理,建立了全息实验所需要的采集、分析系统。针对影响重建精度较大的截止波数的选取问题,给出了较为详细的讨论,并提出一种不需先验知识的截止波数选取方法。最后通过对实测数据进行全息变换,重建结果表明:在采用提出的截止滤波选取方法后,NA H技术可以精确地对噪声源进行定位与识别,并且可以得到三维空间内的声压、质点振速和声强矢量等声学信息。 关键词:声源识别;近场声全息;实验研究;截止波数 中图分类号:TB532;TB533+.2 进行空间声场的可视化和噪声源的识别与定 位,对于噪声测量和控制工程具有非常重要的意义。上世纪80年代初提出的近场声全息技术(NA H),便是可视化空间声场和定位噪声源的一种强有力工具。近场声全息可以由一个测量面的声压标量数据,反演和预测另一面上的声压、质点振速、矢量声强等重要声场参量,受到了各国研究人员及一些相关公司的重视。近场声全息技术真正地将丰富的声学理论同噪声测量、控制工程紧密地结合起来[1～2]。20世纪80年代末,国内一些学者逐渐对此方法进行了研究:中科院武汉物理所对编磬表面振动模态做了研究[3～4];哈尔滨工程大学对基于边界元法的水下近场声全息也做了研究[5];清华大学汽车工程系对非近场声全息确定噪声源进行了研究[6～7];合肥工业大学机械工程学院对近场声全息方法识别噪声源作了一定的研究[8～9]。 近场声全息可以不受波长分辨率限制重建声场,但在此种全息过程中截止波数的选取对重建分辨率的影响非常大。文献[3]提出一种需要测量先验知识的优化滤波方法,而这种先验知识一般是不易获得的。本文根据截止波数的大小对重建结果的影响趋势,提出一种不需要先验和后验知识的截止波数选取方法。并根据近场声全息的原理,建立了全息实验所需要的采集、分析系统。采用提出的滤波参数选取方法后,对数据进行全息变换,得到了令人满意的重建结果。该优化截止波数选取方法的提出,有助于在实际工程中推进近场声全息技术在高分辨率识别噪声源、可视化声场等方面的应用。1 理论背景 由文献[1,8]可知,在稳态的三维空间声场中,一个平面(全息面)上声压的波数谱与另一个更靠近声源的平行面(声源面或重建面)上声压和质点法向振速的波数谱之间的关系为 P(k x,k y,z S)=P(k x,k y,z H)e-i k z(z H-z S)(1) V(k x,k y,z S)=k z P(k x,k y,z H)e-i k z(z H-z S) Θ0ck(2)式中 z H和z S分别为全息面和重建面的z坐标;k 为声波数;k x和k y分别为对应坐标x和y的波数;而k z与波数k x,k y之间的关系为 当k2x+k2y≤k2时 k z=k2-(k2x+k2y)(3)当k2x+k2y>k2时 k z=i(k2x+k2y)-k2(4) k z取值为式(3)时,对应的声波传播方式是以幅值不变、相位改变的传播波方式传播;当取值为式(4)时,对应的声波传播方式是以相位不变、幅值减小的倏逝波方式传播。倏逝波随全息面与重建面之间距离的增加,成指数倍地迅速衰减,对应的是高波数成分的声波。在非近场的声全息中,由于测量点位置与声源面之间距离过大造成倏逝波信息的丢失或被测量噪声所掩盖,全息重建的结果也就失去高频信息,这种高频信息类似于小波变换处理图像中的细节信息。 近场声全息技术除了能够由全息声压数据重建源面上的声压和法向振速之外,由Eu ler公式还能 第17卷第4期2004年12月 振 动 工 程 学 报 Jou rnal of V ib rati on Engineering V o l.17N o.4 D ec.2004 Ξ国家自然科学基金资助项目(编号:50275044)及高等学校博士点科研基金资助项目(编号:20020359005)收稿日期:2004203203;修改稿收到日期:2004205231
最大信噪比盲源分离算法研究
最大信噪比盲源分离算法研究 1 程序说明 该算法参考文为“基于最大信噪比的盲源分离算法”（《计算机仿真》，2006），程序的Matlab代码如下： function[ys,w]=SNR_Max(x) [n,T]=size(x); x=x-mean(x')'*ones(1,T); %去均值 %---------------白化处理------------------------- [F,D]=eig((x*x')/T); v=F*(D^(-0.5))*F'; x=v*x; p=80; a=ones(1,p)/p; x=x'; S=filter(a,1,x); %滑动平均处理 U=cov(S-x,1); %计算协方差 V=cov(x,1); [W d]=eig(V,U); %计算特征值 ys=(x*W)'; %源信号估计 mplot(x); figure(2); mplot(ys); 上述程序中引用了一个画图子程序mplot(s)，能画小于6个信号的图形，该程序代码如下： function mplot(s) [dim,sample]=size(s); if dim>sample s=s'; [dim,sample]=size(s); end if dim>6 error('dim can not more than six'); end for i=1:dim subplot(dim,1,i); plot(s(i,:)); axis('tight'); set(gca,'XTick',[]); end 程序调用说明：输入混合信号x为一个n*T阶数据矩阵，输出的分离信号ys是n*T阶
运动目标噪声源识别方法
运动目标噪声源识别方法 严光洪,陈志菲,孙进才 (西北工业大学航海学院,陕西西安 710072) 摘 要:文章提出了利用单线列阵确定运动目标噪声源部位和特性的方法,并提出了基于DOA解算运动目标噪声源的空间位置的方法。介绍了噪声源部位识别时M USIC近场和相关性处理方法。数字仿真计算、消声水池模拟试验和实物试验结果表明,文中所介绍的方法是正确的。当运动目标和测试阵垂直距离小于150m时,噪声源部位测试误差不大于0.1m,可用于工程测试。 关 键 词:噪声源,部位识别,线列阵,M USIC 中图分类号:TN911.7 文献标识码:A 文章编号:1000-2758(2009)03-0378-04 水下航行体、汽车、飞机等运动物体辐射噪声,很多场合下要求降噪,为了有效实现噪声控制,必须确定噪声源位置和特性。对于静态目标的噪声源部位和特性的确定,可利用单个声压传感器、声矢量、多传感器形成的阵列对噪声源进行定向定位和特性分析[1～4]。而对于运动目标的噪声特性的确定,目前一般只利用声压传感器或矢量传感器测试到噪声的时域和频域特性[5,6],对运动目标的噪声源部位,目前还没有很有效的确定方法。在运动目标均速直线运动、测试平台静止条件下,本文提出了利用单线列阵基于MU SIC算法解算DOA(Direction of Arrival)的噪声源部位确定方法。另外,本文也介绍了噪声源部位识别时M USIC近场和相关性处理方法。利用仿真确定了基于单一线列阵的噪声源部位识别的误差。消声水池试验和水库试验结果表明本文所介绍方法的正确性,当运动目标和测试阵垂直距离小于150m时,噪声源部位测试误差不大于0.1m,可用于工程测试。 1 噪声源部位确定的方法 当测试阵与运动目标在同一平面时,测试阵可设计成线列阵,噪声源部位求解为2D坐标系的求解,如图1 所示。 图1 不同时刻运动目标在坐标中的位置 当运动目标作均速直线运动时,若t1、t2、t3时刻(设 t=t3-t2=t2-t1)声源与x轴的夹角 1、 2、 3可求得,则根据图中的几何关系可求出t2时刻声源的位置。由图中几何关系,则有 a sin R1-a cos =tg( 3- 2) 2a sin R1-2a co s =tg( 3- 1) (1) 式中,a=v t,为 t时刻运动物体的移动距离。由(1)式可求出和R1 =ctg-1[ctg( 3- 2)-2ctg( 3- 1)] R1=a cos+a sin ctg( 3- 2) (2) 2009年6月第27卷第3期 西北工业大学学报 Jo ur nal o f N or thw ester n Po ly technica l U niv ersity June2009 Vo l.27N o.3 收稿日期:2008-03-04基金项目:国家自然科学基金(60672136)资助作者简介:严光洪(1966-),西北工业大学博士生,主要从事信号处理、噪声控制和固体力学研究。
噪声源识别技术的进展_陈心昭
第32卷第5期 2009年5月 合肥工业大学学报( 自然科学版) JO U RN AL O F H EFEI U N IV ERSIT Y OF T ECH N OL O GY Vol.32No.5 M ay 2009 收稿日期:2008-11-27 基金项目:国家自然科学基金资助项目(10874037);(50675056);高等学校博士学科点专项科研基金资助项目(20060359003)作者简介:陈心昭(1939-),男,浙江余姚人,德国斯图加特大学工学博士,合肥工业大学教授、博士生导师. 噪声源识别技术的进展 陈心昭 (合肥工业大学噪声振动工程研究所,安徽合肥 230009) 摘 要:实现声源控制的前提是正确识别出主要噪声源。文章介绍了噪声源识别的各种方法。简要论述了传统的分析方法和基于信号处理技术的一般识别方法;对近年来出现的声强测量、声全息和波束形成技术的原理、特点、应用作了综述;最后简单介绍了合肥工业大学噪声振动工程研究所近几年来在这方面取得的成果。关键词:噪声源识别;声强测量;声全息 中图分类号:T B53311 文献标识码:A 文章编号:1003-5060(2009)05-0609-06 Progress of techniques for noise source identification CH EN Xin -zhao (Research In stitu te of Sound and Vibration,H efei U niver sity of T echnology,H efei 230009,China) Abstract:The essential prer equisite for noise contro l is to locate the no ise sources w ith exactness.Dif -ferent m ethods for identifying the noise sources ar e illustr ated in this paper.After briefly introducing the traditional analy sis metho ds as w ell as the comm on methods based on sig nal processing,the paper makes a r ev iew of the principle,speciality and utility of so me new techniques dev elo ped in r ecent year s,such as so und intensity measurement,acoustic holog raphy and beam for ming.Also summ ar ized ar e the r esearch achievements gained by the Research Institute of Sound and V ibration,H efei Univer -sity o f Technolog y,in this area. Key words:no ise so urce identificatio n;so und intensity m easurement;aco ustic holo graphy 0 引 言 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,排列顺序;o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展,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有:传统识别方法、时域分析法、频域分析法、时频分析与小波分析法、声强测量法、声全息法和波束形成法,下面将分别作出介绍。 1 传统识别方法 111 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