CN106052849A - 一种汽车车内非平稳异常噪声源识别方法 - Google Patents

Abstract

本发明公开了一种汽车车内非平稳异常噪声源识别方法，不仅分析了信号的幅值信息，而且还有效利用了信号之间的相位信息。通过计算信号之间的瞬时偏相干函数，可以消除汽车声源信号之间的相互影响，在此基础上将偏相干函数幅值与相位信息结合形成瞬时偏相干关系谱，使之可以快速、直接地对汽车车内噪声源进行识别，并且该方法适用于平稳、非平稳和瞬态信号的噪声源识别分析。

Description

一种汽车车内非平稳异常噪声源识别方法

技术领域

本发明属于汽车噪声、振动与声振舒适性技术领域，具体涉及一种汽车车内非平稳异常噪声源识别方法的设计。

背景技术

随着人们环境意识的不断增强，汽车噪声问题受到了社会的广泛关注。在此背景下，汽车噪声、振动与声振舒适性(Noise,Vibration and Harshness——NVH)正演变成为重要的产品设计与性能评价指标，也是消费者或用户最关心的汽车性能指标之一，甚至直接影响到汽车的品牌。因此，汽车噪声控制水平，特别是车内噪声控制水平已经作为评价车型优劣的重要参数。

车内噪声控制始于噪声源识别，即能否正确识别噪声源是车内噪声控制的基础。车内噪声按来源主要可分为发动机噪声、传动系噪声、进排气噪声、路面-轮胎噪声、风激励噪声等。常用的噪声源识别方法总体上可分为以下3大类：

(1)传统噪声源识别方法：该方法主要包括了主观评价法、分别运转法、铅覆盖法等，其优点在于能够较快速地对简单的声源进行识别，但是在复杂声场或多声源条件下识别精度不高。

(2)基于现代信号处理技术的噪声源识别方法：该方法主要包括了时域法、频域法、时频分析法等，其优点是能结合声、振信息准确地对噪声源进行识别并且测试手段灵活，但是对分析人员的理论与实际结合能力要求较高。

(3)基于传声器阵列技术的噪声源识别方法：该方法主要包含了声强测试法、声全息测试法、波束形成法等，其优点在于能够快速地对噪声源进行识别并加以图示，但是其硬件成本昂贵并且对于不同的声源可能还需要准备不同的传声器阵列，进一步增加了测试的成本。

以上3大类噪声源识别方法中，目前主流的为(2)基于现代信号处理技术的噪声源识别方法，主要因为其理论相对成熟，并且有诸多成功应用的案例。时域法和频域法分别从时域和频域出发对声源信号进行识别，能在特定的条件下获得较好的效果，但是具有一定的局限性——不能对非平稳信号进行噪声源识别。而汽车零部件出现匹配不良或工作异常时，其声信号多为时变非平稳的，信号的频率成分随时间发生变化，甚至具有瞬时特性，此时单从时域或者频域进行声源识别往往不能获得正确的结果。时频分析方法能够对非平稳信号进行分析从而可应用于非平稳噪声源识别中，典型的时频分析方法有短时傅里叶变换(STFT)，小波分析(WT)，维格拉-威廉分布(WVD)等，但目前基于时频分析的噪声源识别方法仍停留在二维或三维的时频幅值(能量)谱图，该方法具有如下两个方面的缺点：

(1)二维或三维的时频幅值(能量)谱图只利用了原始信号的幅值信息，并未深入挖掘信号之间蕴含的相位信息。

(2)仅通过时频幅值(能量)谱图还不能直接对噪声源进行识别，还需要借助以其他分析方法(如相关分析)才能综合定位噪声源。因此，基于时频分析方法的汽车非平稳噪声信号声源识别效果与信息转换能力仍有待提高。

相关领域已公开的专利和论文中，李晓妮，向宇，王玉江，陆静，袁莉芸的发明专利“噪声源识别方法(CN103728013A)”，其主要的计算手段为快速傅里叶变换(FFT)，本质上仍为平稳信号的声源识别技术；郑四发，连小珉，李克强，郝鹏，王彬星，杨殿阁，罗禹贡，王建强的发明专利“一种车辆加速噪声的噪声源识别方法(CN101464168A)”，其主要针对的汽车行驶工况为加速状态，适用范围较窄，并且通过传递函数矩阵来合成计算响应点声压在加速过程中的变化情况，本质上属于频域分析方法中的声、振传递路径分析技术(TPA)。本发明与以上专利区别在于其分析对象可以是平稳、非平稳甚至是瞬态噪声源识别，并且不需要进行复杂的TPA建模分析。姚志远，曾发林，宫镇发表的论文“小波变换在车辆噪声源识别中的应用(汽车工程，2002，24(4)：302-305)”，其利用小波分解构造的特征能量差异来识别汽车车内主要噪声来源，但该方法只计算了小波时频能量谱信息，还需要进一步计算测点之间的相关系数才能对噪声源进行识别；贾继德，陈剑，汪时武发表的论文“基于Morlet小波相干分析的汽车声源识别(农业机械学报，2008，39(7)：194-196)”，其计算两个汽车加速工况噪声信号的连续小波变换，并在此基础上作出常相干函数的时频图用以识别车辆噪声声源，但是汽车在运行过程中声源很多并且声源之间并非独立，常相干函数并不能准确和有效地衡量声源和测点之间的关系，同时该方法仍然只计算了信号的时频幅值(能量)信息，并没有对信号之间蕴含的相位信息进行探索利用。

发明内容

本发明的目的是为了解决现有技术中复杂的车内声场下传统的时频识别方法未能有效利用信号之间的相位信息，并且不能直接识别出非平稳噪声源的问题，提出了一种汽车车内非平稳异常噪声源识别方法。

本发明的技术方案为：一种汽车车内非平稳异常噪声源识别方法，包括以下步骤：

S1、对车内噪声源进行主观评价；

S2、在车内布置传感器；

S3、对传感器采集到的声、振信号进行去相关处理；

S4、计算步骤S3中去相关处理后的信号的瞬时偏相干系数矩阵；

S5、计算步骤S3中去相关处理后的信号的瞬时相位矩阵；

S6、根据步骤S4得到的瞬时偏相干系数矩阵和步骤S5得到的瞬时相位矩阵，合成瞬时偏相干关系谱图。

进一步地，步骤S2中的传感器包括传声器和振动加速度传感器。

进一步地，传声器布置于空气传播噪声声源附近，用于记录空气传播噪声信号。

进一步地，振动加速度传感器粘贴于结构振动噪声声源表面，用于衡量结构振动噪声的声辐射大小。

进一步地，步骤S4中瞬时偏相干系数矩阵为一个二维矩阵，其行、列分别表示瞬时偏相干系数在频率和时间方向上的延拓。

进一步地，步骤S4包括以下分步骤：

S41、根据信号特点选取合适的时频分析方法；

S42、计算信号的时频自功率谱和时频互功率谱；

S43、计算信号的时频偏相干函数，进而得到信号的瞬时偏相干系数矩阵。

进一步地，步骤S41中的时频分析方法包括短时傅里叶变换法、小波分析法以及维格拉-威廉分布法。

进一步地，步骤S5中瞬时相位矩阵为一个二维矩阵，其行、列分别表示瞬时相位在频率和时间方向上的延拓。

本发明的有益效果是：本发明通过计算信号之间的瞬时偏相干系数矩阵，可以消除汽车声源信号之间的相互影响，在此基础上将偏相干函数幅值与相位信息结合形成瞬时偏相干关系谱，使之可以快速、直接地对汽车车内噪声源进行识别，并且该方法适用于平稳、非平稳和瞬态信号的噪声源识别分析。

附图说明

图1为本发明提供的一种汽车车内非平稳异常噪声源识别方法流程图。

图2为本发明实施例原始源信号与接收信号波形图。

图3为本发明实施例源信号去相关处理后的信号波形图。

图4为本发明实施例源信号x₁(t)在去除源信号x₂(t)相关性后与接收信号y(t)之间的瞬时偏相干系数谱图(不含相位信息)。

图5为本发明实施例源信号x₂(t)在去除源信号x₁(t)相关性后与接收信号y(t)之间的瞬时偏相干系数谱图(不含相位信息)。

图6为本发明实施例源信号x₁(t)在去除源信号x₂(t)相关性后与接收信号y(t)之间的瞬时偏相干系数谱图(含相位信息)。

图7为本发明实施例源信号x₂(t)在去除源信号x₁(t)相关性后与接收信号y(t)之间的瞬时偏相干系数谱图(含相位信息)。

具体实施方式

下面结合附图对本发明的实施例作进一步的说明。

本发明提供了一种汽车车内非平稳异常噪声源识别方法，如图1所示，包括以下步骤：

S1、对车内噪声源进行主观评价。

由于汽车声源部位太多，为了提高效率从而进行针对性的声源识别，最初可通过主观评价方法缩小传感器的布置范围。但是主观评价方法识别精度较低，只能为后期的试验测试提供方向。

S2、在车内布置传感器。

汽车声源来自于两个方面：空气传播噪声和结构振动噪声，对于空气传播噪声声源可将传声器布置于靠近声源表面以记录噪声信号，对于结构振动噪声声源可将振动加速度传感器粘贴于结构表面用以衡量声辐射大小。

S3、对传感器采集到的声、振信号进行去相关处理。

由于车内声场复杂，并且各个声源之间不是独立存在的，而是具有一定的相关关系，若直接利用原始信号进行分析可能会导致错误的结论。因此，需要对收集的声、振信号进行去相关处理，具体而言就是消除各个信号之间的线性关系。

假设有两个声源信号x₁(t)和x₂(t)，它们的频谱分别为f₁和f₂，去除信号x₁(t)和x₂(t)的相关关系计算方法如公式(1)所示：

f_1.2＝f₁-H₁₂f₂ (1)

式中H₁₂为x₁(t)与x₂(t)之间的频率响应函数，可由下式进行计算：

$H_{12}=\frac{S_{12}}{S_{11}}---\left(2\right)$

其中S₁₂和S₁₁分别为信号x₁(t)与x₂(t)的互功率谱密度函数和信号x₁(t)的自功率谱函数。

同理，去除信号x₂(t)与x₁(t)的相关关系计算方法如公式(3)所示：

f_2.1＝f₂-H₂₁f₁ (3)

该方法可以推广至具有i个声、振源条件下的去相关分析，如公式(4)所示：

f_{1.(2,3,...,i)}＝f₁-H₁₂f₂-H₁₍₂₃₎f_2.3-...-H_1(23..i)f_(23...i-1).i (4)

S4、计算步骤S3中去相关处理后的信号的瞬时偏相干系数矩阵。

将经过步骤S3处理的声、振信号进行时频分析同时计算其瞬时偏相干系数矩阵，从而获得声源信号与接收信号在整个时频空间内的偏相干函数分布，该矩阵为一个二维矩阵，其行、列分别表示瞬时偏相干系数在频率和时间方向上的延拓。

该步骤具体包括以下分步骤：

S41、根据信号特点选取合适的时频分析方法。

可选的时频分析方法有短时傅里叶变换法(STFT)——针对平稳信号或者变化缓慢的非平稳信号，小波分析法(WT)——针对平稳、非平稳或者瞬态信号，维格拉-威廉分布法(WVD)——针对平稳、非平稳或者瞬态信号等时频分析方法。

本发明实施例中，选取小波分析法作为时频分析方法，对于其他时频分析方法可以按照本实施例进行推广。

信号x(t)的连续小波变换为：

$C(a,b)={\&Integral;}_{-\mathrm{\&infin;}}^{+\mathrm{\&infin;}}x\left(t\right){\mathrm{\&psi;}}_{a,b}^{*}\left(t\right)=<x\left(t\right),{\mathrm{\&psi;}}_{a,b}\left(t\right)>---\left(5\right)$

其中，C(a,b)为小波系数，a，b分别为尺度因子和平移因子，t为时间，x(t)为分析信号，ψ_a,b(t)为小波基函数，*表示共轭。表示经过尺度平移和伸缩后的母小波函数，这里选取morlet小波进行说明，其时域和频域的表达如公式(7)(8)所示：

式中，w₀表示小波带通滤波器中心频率，a为尺度因子，w为分析频率。

S42、计算信号的时频自功率谱和时频互功率谱。

根据选取的时频分析方法计算声源和接收点处的时频自功率谱S_XX(t,f)、S_YY(t,f)和时频互功率谱S_XY(t,f)，其中X表示声源位置信号，Y表示接收点位置信号，t表示时间，f表示频率。

通过morlet小波函数形式可以发现，morlet小波属于复数小波，即含有实值部分又含有虚数部分，这样计算得到小波系数也含有实部和虚部。假设计算去相关后的x₁(t)和x₂(t)信号获得的小波系数实部分别为Re[X(t,f)]和Re[Y(t,f)]，虚部分别为Im[X(t,f)]和Im[Y(t,f)]，那么可以计算出信号的时频自功率谱函数与时频互功率谱函数，如下所示：

S_XX＝Re[X(t,f)]² (9)

S_YY＝Re[Y(t,f)]² (10)

S_XY＝Re[X(t,f)]·Re[Y(t,f)] (11)

其中，S_XY为信号时频分布的互功率谱函数，S_XX、S_YY分别为信号x₁(t)和x₂(t)时频分布的自功率谱函数。

S43、计算信号的时频偏相干函数，进而得到信号的瞬时偏相干系数矩阵。

偏相干函数实际上为去除信号相关关系之后的常相干函数，将通过步骤S3处理后的信号进行常相干分析即可获得原始信号之间的偏相干函数估计。

本发明实施例中，根据公式(9)～(11)的计算结果，可以计算出信号的瞬时偏相干系数矩阵如公式(12)所示：

${\mathrm{\&gamma;}}_{XY}^2=\frac{|S_{XY}(t,f){|}^2}{S_{XX}(t,f)\&CenterDot;S_{YY}(t,f)}---\left(12\right)$

S5、计算步骤S3中去相关处理后的信号的瞬时相位矩阵。

将经过步骤S3处理的声、振信号进行瞬时相位矩阵计算，这里计算信号相位的方法和步骤S4选取的时频分析方法有关。同样的，瞬时相位矩阵也是二维矩阵，其行、列分别表示瞬时相位在频率和时间方向上的延拓。

本发明实施例中，在步骤S42中已经获得了去相关信号的小波时频系数实部与虚部，那么根据相位的定义，可用公式(13)来进行信号的瞬时相位差估计：

Phase＝arctan(Im[X(t,f)]/Re[X(t,f)])-arctan(Im[Y(t,f)]/Re[Y(t,f)])(13)

其中，Phase即为信号的瞬时相位矩阵。

S6、根据步骤S4得到的瞬时偏相干系数矩阵和步骤S5得到的瞬时相位矩阵，合成瞬时偏相干关系谱图。

谱图中声源信号与接收信号之间的相干关系由颜色深浅来表示，相位关系用箭头方向来表示(箭头水平向右表示两信号之间的相位差为0°，箭头竖直向上表示两信号之间的相位差为90°，以此类推)。

为了更加直观地说明本发明的识别过程，现引入仿真信号进行进一步阐述。

假设源信号x₁(t)和x₂(t)分别为如下信号(采样频率1000Hz，采样时间2秒)：

x₁＝cos(2πf₁t₁)+cos(2πf₂t₂)+cos(2πf₃t₃)+0.35*rand(t)

x₂＝cos(2πf₁t₁)+cos(2πf₂t₃)+cos(2πf₃t₄)+0.25*rand(t)

式中

f₁＝16Hz

f₂＝32Hz

f₃＝128Hz

t₁∈[0.5,1.5]sec

t₂∈[0.0,0.5]sec

t₃∈[0.5,1.5]sec

t₄∈[1.0,1.5]sec

t∈[1.0,2.0]sec

接收信号为y＝0.6*x₁+0.4*x₂+0.2*rand(t)。

则源信号x₁(t)和x₂(t)和接收信号y(t)分别如图2所示。

将源信号x₁(t)和x₂(t)经过步骤S3进行去相关处理后得到x_1.2(t)和x_2.1(t)，其波形如图3所示。

通过步骤S4，分别计算去除线性相关性后的源信号x_1.2(t)和x_2.1(t)和接收信号y(t)之间的瞬时偏相干函数矩阵，其谱图分别如图4、图5所示。

通过步骤S5，分别计算去除线性相关性后的源信号x_1.2(t)和x_2.1(t)和接收信号y(t)之间的瞬时相位矩阵。

通过步骤S6，将瞬时相位矩阵与瞬时偏相干函数矩阵合并得到瞬时偏相干关系谱图，分别如图6、图7所示。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (8)

1.一种汽车车内非平稳异常噪声源识别方法，其特征在于，包括以下步骤：

S1、对车内噪声源进行主观评价；

S2、在车内布置传感器；

S3、对传感器采集到的声、振信号进行去相关处理；

S4、计算步骤S3中去相关处理后的信号的瞬时偏相干系数矩阵；

S5、计算步骤S3中去相关处理后的信号的瞬时相位矩阵；

S6、根据步骤S4得到的瞬时偏相干系数矩阵和步骤S5得到的瞬时相位矩阵，合成瞬时偏相干关系谱图。

2.根据权利要求1所述的汽车车内非平稳异常噪声源识别方法，其特征在于，所述步骤S2中的传感器包括传声器和振动加速度传感器。

3.根据权利要求2所述的汽车车内非平稳异常噪声源识别方法，其特征在于，所述传声器布置于空气传播噪声声源附近，用于记录空气传播噪声信号。

4.根据权利要求2所述的汽车车内非平稳异常噪声源识别方法，其特征在于，所述振动加速度传感器粘贴于结构振动噪声声源表面，用于衡量结构振动噪声的声辐射大小。

5.根据权利要求1所述的汽车车内非平稳异常噪声源识别方法，其特征在于，所述步骤S4中瞬时偏相干系数矩阵为一个二维矩阵，其行、列分别表示瞬时偏相干系数在频率和时间方向上的延拓。

6.根据权利要求1所述的汽车车内非平稳异常噪声源识别方法，其特征在于，所述步骤S4包括以下分步骤：

S41、根据信号特点选取合适的时频分析方法；

S42、计算信号的时频自功率谱和时频互功率谱；

S43、计算信号的时频偏相干函数，进而得到信号的瞬时偏相干系数矩阵。

7.根据权利要求6所述的汽车车内非平稳异常噪声源识别方法，其特征在于，所述步骤S41中的时频分析方法包括短时傅里叶变换法、小波分析法以及维格拉-威廉分布法。

8.根据权利要求1所述的汽车车内非平稳异常噪声源识别方法，其特征在于，所述步骤S5中瞬时相位矩阵为一个二维矩阵，其行、列分别表示瞬时相位在频率和时间方向上的延拓。