CN103743470B - 一种汽车噪声频谱分析方法 - Google Patents

Abstract

本发明公布了一种汽车噪声频谱分析方法：包括如下步骤：采集需处理的汽车噪声模拟信号；对采集的模拟信号进行预处理滤波；对预处理滤波后的模拟信号进行模数转换，得到采样数据；从采样数据中选取28个数据进行FFT处理，得到初步的信号频谱信息；对初步的信号频谱信息进行峰值搜索，得到峰值；对初步的信号频谱信息进行谱线混叠识别；对初步的信号频谱信息进行复解析带通滤波细化处理；对进行了复解析带通滤波细化处理的信号进行频谱校正处理，分别得到信号的频率、幅值及初相信息。在本发明能够在不提高频率分辨率的情况下，自动识别出汽车噪声中是否存在频率混叠，在保障计算精度的前提下，大幅度降低了计算量。

Description

一种汽车噪声频谱分析方法

技术领域

本发明涉及一种汽车噪声频谱分析方法。

背景技术

目前，不同的噪声源都对应有特定的频率特点，比如汽车发动机辐射的噪声就与燃烧过程中的点火频率相关，风扇叶片的频率影响风扇噪声，进气和排气门的开闭频率影响进气和排气系统的噪声，轮胎的花纹间距直接影响轮胎的噪声。通过噪声的频谱特征来分析找出主要噪声源。对噪声频谱图进行分析，不便可以得到噪声源的频率分布特点，进而判断测量的噪声是低频还是中高频噪声，还可以确定某些特定的噪声峰值是怎么产生的。

发明内容

本发明目的是针对现有技术存在的缺陷提供一种汽车噪声频谱分析方法。

本发明为实现上述目的，采用如下技术方案：一种汽车噪声频谱分析方法：包括如下步骤：

步骤1、采集需处理的汽车噪声模拟信号；

步骤2、对采集的模拟信号进行预处理滤波；

步骤3、对预处理滤波后的模拟信号进行模数转换，得到采样数据；

步骤4、从采样数据中选取28个数据进行FFT处理，得到初步的信号频谱信息；

步骤5、对初步的信号频谱信息进行峰值搜索，得到峰值；

步骤6、对初步的信号频谱信息进行谱线混叠识别，判断谱线是否被混叠，若是则进入步骤7，若不是则进入步骤9；

步骤7、对初步的信号频谱信息进行复解析带通滤波细化处理；

步骤8、对进行了复解析带通滤波细化处理的信号进行频谱校正处理，分别得到信号的频率、幅值及初相信息；

步骤9、对初步的信号频谱信息进行频谱校正处理，得到信号的频率、幅值及初相信息；

其中，所述信号频谱信息为非周期性的噪声信号，当这个噪声信号满足特定的条件时，此噪声信号的频谱X(f)可以用下面的公式计得：

$X\left(f\right)=\underset{-\∝}{\overset{\∞}{\∫}}x\left(t\right)e^{-j2\mathrm{\π}\·\mathrm{ft}}\mathrm{dt}---(2-1)$

此公式就称作为傅立叶正变换；

其中，X(f)是一个复数，Re(f)是它的实部，Im(f)是它的虚部：

X(f)=Re(f)jIm(f)(2-2)

由下面两个公式分别可以得到它的模和相位：

$\left|X\left(f\right)\right|=\sqrt{{\mathrm{Re}}^2\left(f\right)+{\mathrm{Im}}^2\left(f\right)}---(2-3)$

Φ(f)=arctg[Im(f)/Re(f)](2-4)

同时，对测量到的噪声进行频谱分析过程中，应用2-4公式可以计算得到噪声信号的幅值谱。应用噪声信号x(t)相关函数R_X(τ)的定义为：

$R_X\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}x\left(t\right)x(t+\mathrm{\τ})\mathrm{dt}---(2-5)$

公式中的R_X(τ)为x(t)的自相关函数；T为噪声信号观察时间；τ为时间差。

功率谱密度是自相关函数的傅立叶变换S_x(f)：

$S_x\left(f\right)={\∫}_{-\∞}^{\∞}{R}_x\left(\mathrm{\τ}\right)e^{-j2\mathrm{\π}\·\mathrm{ft}}\mathrm{d\τ}---(2-6)$

功率谱密度函数S_X(τ)与自相关函数R_X(τ)相互为傅立叶变换对，另外功率谱密度函数还可以用非周期噪声信号x(t)的幅值谱X(f)表示成：

$S_x\left(f\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\left|X\left(f\right)\right|}^2---(2-7)$

S_x（f）是一个偶函数，在汽车工程测试中都是采用单边频谱分析方法，所以功率谱密度函数可以用单边功率谱表示成：

$G_x\left(f\right)=2S_X\left(f\right)=\underset{T\→\∞}{\lim }\frac{2}{T}{\left|X\left(f\right)\right|}^2---(2-8)$

最终得出功率谱是幅值谱的平方。

本发明的有益效果：在本发明能够在不提高频率分辨率的情况下，自动识别出汽车噪声中是否存在频率混叠，自动校正，在保障计算精度的前提下，大幅度降低了计算量。

具体实施方式

本发明涉及一种汽车噪声频谱分析方法：包括如下步骤：

步骤1、采集需处理的汽车噪声模拟信号；

步骤2、对采集的模拟信号进行预处理滤波；

步骤3、对预处理滤波后的模拟信号进行模数转换，得到采样数据；

步骤4、从采样数据中选取28个数据进行FFT处理，得到初步的信号频谱信息；

步骤5、对初步的信号频谱信息进行峰值搜索，得到峰值；

步骤6、对初步的信号频谱信息进行谱线混叠识别，判断谱线是否被混叠，若是则进入步骤7，若不是则进入步骤9；

步骤7、对初步的信号频谱信息进行复解析带通滤波细化处理；

步骤8、对进行了复解析带通滤波细化处理的信号进行频谱校正处理，分别得到信号的频率、幅值及初相信息；

步骤9、对初步的信号频谱信息进行频谱校正处理，得到信号的频率、幅值及初相信息；

其中，所述信号频谱信息为非周期性的噪声信号，当这个噪声信号满足特定的条件时，此噪声信号的频谱X(f)可以用下面的公式计得：

$X\left(f\right)=\underset{-\∝}{\overset{\∞}{\∫}}x\left(t\right)e^{-j2\mathrm{\π}\·\mathrm{ft}}\mathrm{dt}---(2-1)$

此公式就称作为傅立叶正变换；

其中，X(f)是一个复数，Re(f)是它的实部，Im(f)是它的虚部：

X(f)=Re(f)jIm(f)(2-2)

由下面两个公式分别可以得到它的模和相位：

$\left|X\left(f\right)\right|=\sqrt{{\mathrm{Re}}^2\left(f\right)+{\mathrm{Im}}^2\left(f\right)}---(2-3)$

Φ(f)=arctg[Im(f)/Re(f)](2-4)

同时，对测量到的噪声进行频谱分析过程中，应用2-4公式可以计算得到噪声信号的幅值谱。应用噪声信号x(t)相关函数R_X(τ)的定义为：

$R_X\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}x\left(t\right)x(t+\mathrm{\τ})\mathrm{dt}---(2-5)$

公式中的R_X(τ)为x(t)的自相关函数；T为噪声信号观察时间；τ为时间差。

功率谱密度是自相关函数的傅立叶变换S_x(f)：

$S_x\left(f\right)={\∫}_{-\∞}^{\∞}{R}_x\left(\mathrm{\τ}\right)e^{-j2\mathrm{\π}\·\mathrm{ft}}\mathrm{d\τ}---(2-6)$

功率谱密度函数S_X(τ)与自相关函数R_X(τ)相互为傅立叶变换对，另外功率谱密度函数还可以用非周期噪声信号x(t)的幅值谱X(f)表示成：

$S_x\left(f\right)=\underset{T\→\∞}{\lim }\frac{1}{T}{\left|X\left(f\right)\right|}^2---(2-7)$

S_x（f）是一个偶函数，在汽车工程测试中都是采用单边频谱分析方法，所以功率谱密度函数可以用单边功率谱表示成：

$G_x\left(f\right)=2S_X\left(f\right)=\underset{T\→\∞}{\lim }\frac{2}{T}{\left|X\left(f\right)\right|}^2---(2-8)$

最终得出功率谱是幅值谱的平方。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种汽车噪声频谱分析方法：其特征在于，包括如下步骤：

步骤1、采集需处理的汽车噪声模拟信号；

步骤2、对采集的模拟信号进行预处理滤波；

步骤3、对预处理滤波后的模拟信号进行模数转换，得到采样数据；

步骤4、从采样数据中选取28个数据进行FFT处理，得到初步的信号频谱信息；

步骤5、对初步的信号频谱信息进行峰值搜索，得到峰值；

步骤6、对初步的信号频谱信息进行谱线混叠识别，判断谱线是否被混叠，若是则进入步骤7，若不是则进入步骤9；

步骤7、对初步的信号频谱信息进行复解析带通滤波细化处理；

步骤8、对进行了复解析带通滤波细化处理的信号进行频谱校正处理，分别得到信号的频率、幅值及初相信息；

步骤9、对初步的信号频谱信息进行频谱校正处理，得到信号的频率、幅值及初相信息；

其中，所述步骤4中得到的初步的信号频谱信息为非周期性的噪声信号，当这个噪声信号满足特定的条件时，此噪声信号的频谱X(f)可以用下面的公式计得：

$X\left(f\right)=\underset{-\mathrm{\∞}}{\overset{\mathrm{\∞}}{\∫}}x\left(t\right)e^{-j2\mathrm{\π}\·ft}dt---(2-1)$

此公式就称作为傅立叶正变换；

其中，X(f)是一个复数，Re(f)是它的实部，Im(f)是它的虚部：

X(f)＝Re(f)+jIm(f)(2-2)

由下面两个公式分别可以得到它的模和相位：

$\left|X\left(f\right)\right|=\sqrt{{\mathrm{Re}}^2\left(f\right)+{\mathrm{Im}}^2\left(f\right)}---(2-3)$

Φ(f)＝arctg[Im(f)/Re(f)](2-4)

同时，对测量到的噪声进行频谱分析过程中，应用(2-2)、(2-3)和(2-4)公式可以计算得到噪声信号的幅值谱，噪声信号x(t)相关函数R_X(τ)的定义为：

$R_X\left(\mathrm{\τ}\right)=\underset{T\→\mathrm{\∞}}{\lim }\frac{1}{T}{\∫}_0^{T}x\left(t\right)x(t+\mathrm{\τ})dt---(2-5)$

公式中的R_X(τ)为x(t)的自相关函数；T为噪声信号观察时间；τ为时间差；

功率谱密度是自相关函数的傅立叶变换S_x(f)：

$S_x\left(f\right)={\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}{R}_x\left(\mathrm{\τ}\right)e^{-j2\mathrm{\π}\·ft}d\mathrm{\τ}---(2-6)$

功率谱密度函数S_x(f)与自相关函数R_X(τ)相互为傅立叶变换对，或者将功率谱密度函数用非周期噪声信号x(t)的幅值谱X(f)表示成：

$S_x\left(f\right)=\underset{T\→\mathrm{\∞}}{\lim }\frac{1}{T}|X\left(f\right){|}^2---(2-7)$

S_x(f)是一个偶函数，在汽车工程测试中都是采用单边频谱分析方法，所以功率谱密度函数可以用单边功率谱表示成：

$G_x\left(f\right)=2S_X\left(f\right)=\underset{T\→\mathrm{\∞}}{\lim }\frac{2}{T}|X\left(f\right){|}^2---(2-8)$

最终得出功率谱是幅值谱的平方。