基于现代谱估计噪声源在线识别.pptx

;1、噪声源识别的常用方法;2、现代谱估计原理; 以参数模型为基础的谱估计方法一般按下列3个步骤进行： (1)为被估计的随机过程确定或选择一个合理 的模型； (2)根据已知观测数据估计模型的参数； (3)用估计得到的模型参数计算功率谱。 实际应用中所遇到的随机过程大多数可以用有 理传输函数模型很好地逼近，输入激励u(n)是均值 为零，方差为白噪声序列，线性系统传输函数为 ;;第6页/共20页; Wold分解定理阐明了上述三类模型之间的联系。我们可以知道，任何ARMA或MA过程都可以用一个无限阶的AR过程表示。这个定理的重要性在于即使我们在谱估计的过程中选择了一个不合适的模型，但是总可以选择足够高的阶数来逼近被建模的随机过程。由于求取MA和ARMA模型参数需要解一组非线性方程，而AR模型参数的估计只需要解一组线性方程，因此AR模型得到了深入的研究和应用。 ; 现代谱估计在噪声源识别中的应用国内外迄今未见报道，更重要的是利用现代谱分析主噪声源的时候不要求信号只能有一个为高斯分布，它是利用信号的功率谱来进行识别的。这与盲信号分离有很大的区别。因而应用现代谱估计可能为识别主噪声源提供更为准确，简便的方法。 ;三、试验及运算结果 在热力实验室测量了两个微音气泵的声音信号作为噪声源(以下简称设备l和设备2)。设备1为河北涿州市长城教学仪器厂生产的DC一3A型微音气泵，设备2为同一厂家生产的DC-2型微音洁净气泵。测量背景噪声：42dB 试验过程： 1．分别打开设备l和设备2，将声级测量仪放置于距离设备150cm，距离设备2180cm的地方，录 音笔放置于与声级测量仪同样的位置分别录音。如 表I。 2．同时打开设备1和设备2，声级测量仪与录音笔的位置不变，录音如表2。;第10页/共20页;3.2 功率谱估计 利用AR模型求取信号模型参数，同时求取信号功率谱。;第12页/共20页; 图1是两个设备单独运行和同时运行时的功率谱曲线，其中y1为设备1的功率谱，y2为设备2的功率谱，y3为设备1和2同时打开时的信号功率谱。 由于上图中功率谱图是十分接近的，无法直接判断主要声源。因此问题转变为求取三条??线相似度的问题。只要能得到哪条曲线和总噪声功率比较接近，就可以首先定性确定谁为主噪声源。进而定量求取噪声源所占比重。;3．3灰色系统关联度的计算 所谓灰色系统是指信息不完全的系统，即信息因素不完全明确，因素关系不完全明确，系统结构不完全明确，系统的作用原理不完全明确。灰色系统理论提出了～种新的系统分析的方法——关联度分析。主要根据系统内若干因素之间发展趋势，来衡量因素间关联程度的方法。这种因素分析，实质上就是对灰色系统随时间而变化的若干有关数列及其曲线进行分析比较。曲线的几何形状越接近的，则发展趋势越接近，关联度也就越大。我们用灰色系统关联度来分析噪声源功率谱之间的差异性。;第15页/共20页;第16页/共20页;第17页/共20页; 求的3dB相比在允许的范围之内，是符合要求的。实际上当两个声音的分贝数相差10dB以上时，它们的和与其中较强的声音相比相差还不到0.5dB。这就是说，一个弱的声音与一个强的声音合在一起，弱的声音可以忽略。所以，在噪声控制中必须抓住主要矛盾，应该首先治理主要噪声源。;4、 结束语 本文针对两个噪声源的情况进行了主噪声源的识别，得到了比较好的结论，说明现代谱估计在噪声源识别的应用是可行的。在此基础上，我们可以对多个噪声源的情况进行主噪声源的识别，这将有待于进一步研究。;谢谢您的观看！