汽車異響噪聲源定位方法研究進(jìn)展與展望

趙衛(wèi)東，徐鑫蔚，宋 睿，楊明亮

(1.江蘇大學(xué) 汽車與交通工程學(xué)院， 江蘇 鎮(zhèn)江 212013； 2.中國(guó)汽車技術(shù)研究中心， 天津 300300；3.西南交通大學(xué) 機(jī)械工程學(xué)院， 成都 610031)

0 引言

目前我國(guó)汽車工業(yè)的發(fā)展已經(jīng)進(jìn)入內(nèi)涵式的穩(wěn)健增長(zhǎng)期，汽車品質(zhì)的提升已取代產(chǎn)能的增長(zhǎng)成為發(fā)展的主流，這對(duì)汽車噪聲、振動(dòng)和聲振粗糙度(noise,vibration and harshness,NVH)提出更加嚴(yán)格的要求，使得汽車NVH性能越來(lái)越受到重視，并已經(jīng)成為衡量汽車品質(zhì)最重要的指標(biāo)[1]。而汽車異響(buzz,squeak and rattle,BSR)作為NVH性能的重要組成部分，是影響消費(fèi)者購(gòu)買決定、使用滿意度的關(guān)鍵因素[2]，異響噪聲的控制成為NVH性能開(kāi)發(fā)的重要一環(huán)。近年來(lái)，汽車輕量化使異響出現(xiàn)的概率大大增加[3]，在NVH控制技術(shù)進(jìn)步及電動(dòng)汽車普及使得車輛內(nèi)部NVH噪聲顯著降低的背景下，異響噪聲控制的迫切性更為凸顯。

汽車異響是指汽車運(yùn)行過(guò)程中，由于材料缺陷、材料不相容以及不良的幾何匹配，所導(dǎo)致的非正常、沒(méi)有規(guī)律的聲音。Buzz，一般是指結(jié)構(gòu)自身共振而產(chǎn)生的聲音；Squeak，由摩擦粘滑效應(yīng)引起；Rattle，是一種由零部件間發(fā)生相對(duì)運(yùn)動(dòng)導(dǎo)致碰撞而引起的噪聲[3-4]。異響的特征和持續(xù)時(shí)間都沒(méi)有規(guī)律，其動(dòng)態(tài)特征和聲學(xué)原理非常復(fù)雜，是一種非線性很強(qiáng)的物理現(xiàn)象，難以用成熟的理論和方法分析處理[4]。20世紀(jì)90年代末，隨著計(jì)算機(jī)技術(shù)的發(fā)展，CAE(computer aided engineering)技術(shù)逐漸成熟并開(kāi)始應(yīng)用于汽車異響噪聲計(jì)算與分析，針對(duì)當(dāng)時(shí)技術(shù)領(lǐng)域新的發(fā)展動(dòng)態(tài)與趨勢(shì)，F(xiàn)arokh等[5]對(duì)汽車Squeak及Rattle異響問(wèn)題進(jìn)行了系統(tǒng)性研究，總結(jié)了汽車Squeak及Rattle噪聲產(chǎn)生的原因，并對(duì)2001年之前汽車異響噪聲控制的技術(shù)措施、技術(shù)流程進(jìn)行了綜述。

CAE的應(yīng)用，使得新車型開(kāi)發(fā)過(guò)程中，異響控制得以提前，極大降低了車輛異響噪聲出現(xiàn)的概率，但仍無(wú)法完全避免，需要實(shí)車測(cè)試并予以解決[4]。由于異響具有隨機(jī)發(fā)生、特征不明顯、能量低、問(wèn)題源頭廣等特點(diǎn)，導(dǎo)致異響噪聲源在測(cè)試中難以準(zhǔn)確定位。隨著聲學(xué)的發(fā)展，波束形成、聲全息陣列等新方法開(kāi)始逐漸應(yīng)用于汽車異響噪聲源的定位中。在此背景下，Cook等[6]研究了汽車異響噪聲源定位技術(shù)領(lǐng)域的新動(dòng)態(tài)，并對(duì)2012年之前汽車BSR異響噪聲的定位方法進(jìn)行了系統(tǒng)性歸納總結(jié)，論述了心理聲學(xué)與波束形成法相結(jié)合定位汽車異響噪聲源的原理，并對(duì)心理聲學(xué)、聲成像技術(shù)在異響噪聲源識(shí)別定位方面做出了展望。

聲成像、陣列聲源定位技術(shù)在汽車異響噪聲源定位領(lǐng)域應(yīng)用仍有很多的局限性，如需要傳感器數(shù)量較多，測(cè)試耗時(shí)長(zhǎng)、成本較高、定位精度不理想等，導(dǎo)致其在汽車異響噪聲源定位領(lǐng)域仍未獲得廣泛的應(yīng)用。現(xiàn)階段在工程應(yīng)用中仍以主觀評(píng)價(jià)法為主[7]。但主觀評(píng)價(jià)法對(duì)工程師的經(jīng)驗(yàn)要求較高，評(píng)價(jià)試驗(yàn)工作量大，且對(duì)于難以判定的異響問(wèn)題，容易引起爭(zhēng)議。發(fā)展新的異響噪聲源客觀定位技術(shù)仍是NVH領(lǐng)域的迫切需求。

近幾年，隨著人工智能技術(shù)的發(fā)展，基于人工智能的聲源定位方法，如壓縮感知和機(jī)器學(xué)習(xí)等技術(shù)也逐漸被應(yīng)用于噪聲源定位中。針對(duì)領(lǐng)域出現(xiàn)的研究新動(dòng)態(tài)，本文擬對(duì)整車噪聲源定位方法進(jìn)行總結(jié)，對(duì)比分析各噪聲源定位方法應(yīng)用于汽車異響噪聲源定位領(lǐng)域的優(yōu)缺點(diǎn)，并對(duì)汽車異響噪聲源定位技術(shù)發(fā)展趨勢(shì)做出展望，期望為汽車異響檢測(cè)定位的學(xué)術(shù)研究及工程應(yīng)用提供參考。

1 噪聲源定位方法分類

目前應(yīng)用于整車噪聲源定位的方法主要分為：傳統(tǒng)噪聲源識(shí)別方法，包括主觀評(píng)價(jià)法、分步運(yùn)行法、表面測(cè)振及近場(chǎng)聲壓法等；工程信號(hào)處理方法，包括相關(guān)分析、頻譜分析、時(shí)頻分析、盲信號(hào)分析等；陣列信號(hào)處理方法，包括聲強(qiáng)識(shí)測(cè)量、波束形成、聲全息、時(shí)間反轉(zhuǎn)法等[8]。本文擬對(duì)整車噪聲源定位方法及基于人工智能的聲源定位方法進(jìn)行分析。噪聲源定位方法分類如圖1所示。

2 傳統(tǒng)噪聲源定位方法

傳統(tǒng)噪聲源定位方法是指人耳主觀識(shí)別法，或是通過(guò)測(cè)試聲、振信號(hào)，并觀察信號(hào)分布趨勢(shì)來(lái)判別噪聲源位置。本章將對(duì)主觀評(píng)價(jià)法、分步運(yùn)行法、表面測(cè)振法和近場(chǎng)聲壓法等幾種常見(jiàn)的傳統(tǒng)聲源定位方法展開(kāi)介紹。

2.1 主觀評(píng)價(jià)法

目前汽車異響源識(shí)別在工程應(yīng)用中由專家主觀評(píng)估，通過(guò)人的主觀判斷進(jìn)行定位。一般是在消音室中進(jìn)行，將待測(cè)部件置于振動(dòng)臺(tái)架，通過(guò)采集的實(shí)車道路譜激勵(lì)臺(tái)架，依靠人耳的雙耳效應(yīng)來(lái)識(shí)別異響源位置[9]。對(duì)于有爭(zhēng)議性的復(fù)雜部件異響位置判斷，則需要通過(guò)回放定位結(jié)合換件、隔離、潤(rùn)滑等方法來(lái)判別?；胤哦ㄎ慌袛喾椒?，是通過(guò)測(cè)量人耳旁聲音信號(hào)，并進(jìn)行濾波回放，確定異響主要頻率范圍及響度大小，然后根據(jù)測(cè)量部件主要振動(dòng)頻率和響度，確定異響位置，一般應(yīng)用于復(fù)雜底盤(pán)件異響問(wèn)題確認(rèn)。

主觀定位法的優(yōu)點(diǎn)是可以快速找到異響部件，定位簡(jiǎn)單，缺點(diǎn)是對(duì)工程師經(jīng)驗(yàn)要求較高，存在貢獻(xiàn)量相近地眾多噪聲源，不能精準(zhǔn)地識(shí)別各個(gè)噪聲源地貢獻(xiàn)量大小，且對(duì)于鈑金件內(nèi)部的聲源往往難以判別，對(duì)于難以判定的異響問(wèn)題容易引發(fā)爭(zhēng)議[10]。

2.2 分步運(yùn)行法

分步運(yùn)行法測(cè)試時(shí)，首先要測(cè)試整體噪聲聲壓級(jí)，然后依次將某些部件停止運(yùn)行，通過(guò)聲學(xué)的計(jì)算方法，得到各個(gè)部件運(yùn)行時(shí)對(duì)整車噪聲的貢獻(xiàn)量[11]。分布運(yùn)行法可以較為準(zhǔn)確的判斷出異響發(fā)生的部件，缺點(diǎn)是實(shí)測(cè)中停止某一部件會(huì)影響其他部件運(yùn)行的狀態(tài)，導(dǎo)致測(cè)量狀態(tài)不同，影響聲源識(shí)別的準(zhǔn)確性且測(cè)試時(shí)間比較長(zhǎng)[12]。

2.3 表面測(cè)振及近場(chǎng)聲壓法

振動(dòng)表面的聲輻射與法向振動(dòng)速度密切相關(guān)。根據(jù)測(cè)得的表面振動(dòng)速度，通過(guò)計(jì)算可求得聲輻射。宋艷華等[13]研究了測(cè)點(diǎn)位置對(duì)聲源識(shí)別的影響，利用輻射模態(tài)對(duì)平板表面的振速分布進(jìn)行重構(gòu)，從而達(dá)到識(shí)別噪聲源的目的。該方法測(cè)試的精度不高，可作為聲學(xué)測(cè)量環(huán)境很差時(shí)的備用方法。

近場(chǎng)聲壓法是利用聲級(jí)計(jì)測(cè)量噪聲源表面聲壓級(jí)，然后通過(guò)比較各噪聲源聲壓級(jí)貢獻(xiàn)大小來(lái)判斷噪聲源位置。測(cè)試時(shí)使聲級(jí)計(jì)傳聲器貼近被測(cè)部件表面，并沿其表面各點(diǎn)依次掃描，得到噪聲源表面聲壓分布信息[14]。該方法測(cè)試時(shí)無(wú)法避免鄰近表面聲輻射的影響，定位精度不高，且在混響聲場(chǎng)環(huán)境下測(cè)量時(shí)效果較差。

綜上所述，傳統(tǒng)的聲源識(shí)別方法有著方法簡(jiǎn)單的優(yōu)點(diǎn)，但同時(shí)存在識(shí)別精度不高等缺點(diǎn)。為了更加精確、高效、便捷地實(shí)現(xiàn)異響源的定位，探索新的定位方法是十分必要的。以下將對(duì)整車噪聲源常用定位方法的原理及應(yīng)用進(jìn)行介紹，期望為汽車異響檢測(cè)定位提供參考。

3 基于工程信號(hào)處理的聲源定位

工程信號(hào)的處理方法很多，其中相關(guān)分析、頻譜分析等方法一般處理對(duì)象為平穩(wěn)信號(hào)；小波分析、希爾伯特-黃變換等方法對(duì)非平穩(wěn)信號(hào)分析有很好效果。下文將對(duì)相關(guān)分析、頻譜分析、時(shí)頻分析、盲源分離在聲源定位中的應(yīng)用展開(kāi)綜述。

3.1 相關(guān)分析

相關(guān)分析是指研究2個(gè)或2個(gè)以上處于同等地位的隨機(jī)變量間的相關(guān)關(guān)系的統(tǒng)計(jì)方法[15]。在聲源定位時(shí)，對(duì)整體噪聲信號(hào)與某噪聲信號(hào)進(jìn)行相關(guān)分析，根據(jù)相關(guān)程度判定某噪聲信號(hào)對(duì)整體噪聲貢獻(xiàn)量的大小，來(lái)識(shí)別聲源區(qū)域[16-17]。不足是對(duì)于兩同頻率信號(hào)，相關(guān)分析結(jié)果將出現(xiàn)“偽相關(guān)”，對(duì)識(shí)別帶來(lái)干擾，而且相關(guān)分析一般需要信號(hào)為周期性的，對(duì)于隨機(jī)性較強(qiáng)的異響信號(hào)，相關(guān)分析往往難以發(fā)揮作用。

3.2 頻譜分析法

頻譜分析是指通過(guò)傅里葉變換將時(shí)域信號(hào)轉(zhuǎn)換為頻域進(jìn)行分析，其原理是把復(fù)雜的時(shí)間歷程波形，經(jīng)傅里葉變換轉(zhuǎn)換為若干單一的諧波分量來(lái)研究，以獲得信號(hào)的頻率結(jié)構(gòu)以及各諧波幅值、相位、功率及能量與頻率的關(guān)系[18]。Santana等[19]通過(guò)測(cè)試信號(hào)頻譜分析對(duì)內(nèi)燃機(jī)振動(dòng)與噪聲進(jìn)行分析，確定內(nèi)燃機(jī)振動(dòng)和噪聲的主要來(lái)源。陳江艷等[20]針對(duì)汽車空調(diào)管路異響，采用主觀評(píng)級(jí)、橫向?qū)Ρ取㈩l譜等方法進(jìn)行分析，并通過(guò)空調(diào)系統(tǒng)臺(tái)架模擬及脈動(dòng)數(shù)據(jù)分析確定了“水擊”是引起管路異響的原因。頻譜分析對(duì)于平穩(wěn)噪聲源定位是有效的，但是對(duì)于時(shí)變非平穩(wěn)信號(hào)分析，往往不能判斷出某頻率成分發(fā)生的具體時(shí)刻，無(wú)法對(duì)信號(hào)做局部分析。一般噪聲由不同頻率的源共同組成時(shí)，由于頻率混疊，頻譜分析方法難以區(qū)分。在實(shí)際中信號(hào)常是時(shí)變的，往往需要結(jié)合主觀評(píng)價(jià)方法來(lái)確定異響位置。

3.3 時(shí)頻分析

頻譜分析只能提供能量分布與時(shí)間或者頻率的變換關(guān)系，但不能同時(shí)考慮兩個(gè)域的整體和局部特征，在時(shí)空域中沒(méi)有分辨率[21]。而異響信號(hào)是一種時(shí)變的非平穩(wěn)信號(hào)，需要利用時(shí)間和頻率的聯(lián)合函數(shù)來(lái)體現(xiàn)信號(hào)的全部信息，頻譜分析不能準(zhǔn)確表達(dá)異響信號(hào)的時(shí)-頻信息。以下將以小波分析為例介紹時(shí)頻分析的原理和應(yīng)用。

Morlet提出的小波分析，能成功克服Fourier的缺陷，是Fourier分析發(fā)展史上的一個(gè)里程碑[22]。小波變換的原理類似傅里葉變換，與Fourier不同的只是把三角函數(shù)基換成了小波基。小波變換有2個(gè)變量：尺度因子和平移因子。尺度因子可以調(diào)控小波函數(shù)的帶寬，平移因子控制小波函數(shù)的平移，平移量對(duì)應(yīng)時(shí)間。通過(guò)信號(hào)的伸縮平移，可以得到某種重合情況，這樣積分也會(huì)得到一個(gè)極大值，小波分析得到頻率成分的同時(shí)，還可以確定該頻率的時(shí)間信息。

小波分析方法在噪聲分析方面有很多應(yīng)用，如提取特征信號(hào)[23]、對(duì)Lamb波傳播過(guò)程的頻散效應(yīng)進(jìn)行分析[24]、確定信號(hào)到達(dá)時(shí)刻[25]等。在聲源定位方面，陳書(shū)明等[26]利用小波分析，得到各信號(hào)的特征向量，并據(jù)此得到車內(nèi)噪聲與各部件振動(dòng)、噪聲信號(hào)的相關(guān)系數(shù)，從而判斷了噪聲源位置。黃海波等[27]提出了一種基于小波偏相干分析的噪聲源識(shí)別方法，經(jīng)試驗(yàn)驗(yàn)證可以快速準(zhǔn)確地識(shí)別汽車車內(nèi)噪聲源。

小波分析具有實(shí)現(xiàn)對(duì)非平穩(wěn)信號(hào)的時(shí)頻分析、對(duì)淹沒(méi)在噪聲中的異響信號(hào)提取、確定信號(hào)到達(dá)時(shí)刻等優(yōu)點(diǎn)，可作為時(shí)變、非平穩(wěn)、微弱的異響信號(hào)提取和特征分析的工具。

3.4 盲信號(hào)分離

盲信號(hào)分離是指在未知源信號(hào)和傳遞函數(shù)參數(shù)的條件下，根據(jù)輸入源信號(hào)的統(tǒng)計(jì)特性，僅由觀測(cè)信號(hào)來(lái)恢復(fù)源信號(hào)的各個(gè)獨(dú)立成分的方法[28]。典型情況下，觀測(cè)數(shù)據(jù)向量是一組傳感器的輸出，每個(gè)傳感器接收到的是源信號(hào)的不同組合，其核心問(wèn)題是分離矩陣的學(xué)習(xí)算法，基本思想是抽取統(tǒng)計(jì)獨(dú)立的特征作為輸入的表示，同時(shí)不丟失信息[29]。時(shí)頻盲信號(hào)分離是盲信號(hào)分離中的一種，適用于非平穩(wěn)信號(hào)的分析，具有較強(qiáng)的抗噪聲性能。在實(shí)際測(cè)量中，將多路測(cè)試信號(hào)記為矩陣形式，則觀測(cè)信號(hào)可以表示為[30]：

X(t)=AS(t)+n(t)

(1)

式中：X(t)為M維觀測(cè)信號(hào)矢量；S(t)為N維未知源信號(hào)矢量；n(t)引入噪聲；A為未知混合矩陣；每個(gè)觀測(cè)信號(hào)都是N個(gè)未知源信號(hào)Si(t)的瞬時(shí)線性組合。

盲信號(hào)分離問(wèn)題就是求出分離矩陣W，使得通過(guò)該矩陣僅從觀測(cè)信號(hào)X(t)來(lái)恢復(fù)出源信號(hào)S(t)，設(shè)y(t)為源信號(hào)的估計(jì)矢量，則分離系統(tǒng)輸出可通過(guò)以下數(shù)學(xué)模型表示：

y(t)=WX(t)

(2)

近年來(lái)，盲信號(hào)分離方法已經(jīng)在機(jī)械故障診斷[31]，強(qiáng)噪音環(huán)境下盲信號(hào)的分離[32]等方面取得一定的成果。在對(duì)車輛運(yùn)行過(guò)程中產(chǎn)生的異響信號(hào)特征有一定認(rèn)識(shí)后，基于盲信號(hào)分離方法來(lái)分離其中的異響信號(hào)，是十分具有參考意義的。

4 基于陣列技術(shù)的噪聲源定位

基于陣列技術(shù)的噪聲源定位方法、聲場(chǎng)可視化是目前聲學(xué)領(lǐng)域研究的前沿問(wèn)題。陣列技術(shù)主要包括聲強(qiáng)測(cè)量技術(shù)、波束形成、聲全息、時(shí)間反轉(zhuǎn)法等，本章將對(duì)這幾種主要陣列技術(shù)定位方法的特點(diǎn)和應(yīng)用進(jìn)行分析。

4.1 聲強(qiáng)測(cè)量法

聲強(qiáng)定義為單位時(shí)間內(nèi)通過(guò)垂直于聲波傳播方向上單位面積的聲能[33]。聲強(qiáng)測(cè)量技術(shù)的發(fā)展基礎(chǔ)是聲強(qiáng)的互譜關(guān)系，即聲場(chǎng)中某點(diǎn)在某方向的聲強(qiáng)，在頻域與沿該方向2個(gè)相鄰聲壓信號(hào)的互功率譜函數(shù)之間的關(guān)系[34]。傳統(tǒng)的聲強(qiáng)定位測(cè)試有兩種方法，即掃描法和離散法[35]。孫嵩松等[36]利用聲強(qiáng)與頻譜分析相結(jié)合的方法，最終確定某款發(fā)動(dòng)機(jī)的主要噪聲源及各個(gè)部分噪聲源的主要頻率，進(jìn)而確定了各部分噪聲產(chǎn)生的機(jī)理。舒歌群等[37]研究了在汽車內(nèi)燃機(jī)噪聲測(cè)量中，雙傳聲器聲強(qiáng)測(cè)試技術(shù)及其在混響條件下的應(yīng)用，探討了應(yīng)用聲強(qiáng)測(cè)試方法在測(cè)試技術(shù)及處理中的一些有益經(jīng)驗(yàn)。

聲強(qiáng)測(cè)量技術(shù)同時(shí)適用于遠(yuǎn)場(chǎng)、近場(chǎng)噪聲測(cè)量，且對(duì)環(huán)境要求低，不需要消音室等較嚴(yán)格的聲學(xué)環(huán)境，對(duì)于單一聲源來(lái)說(shuō)識(shí)別效果很好，缺點(diǎn)是對(duì)于復(fù)雜的復(fù)合聲源無(wú)法識(shí)別，且只適用于穩(wěn)態(tài)聲源，對(duì)于非穩(wěn)態(tài)的異響聲源，難以定位。

4.2 波束形成技術(shù)

波束形成又名相控陣，是一種基于遠(yuǎn)場(chǎng)麥克風(fēng)陣列測(cè)量的信號(hào)處理技術(shù)。當(dāng)陣列完成聲場(chǎng)的空間采樣后，波束形成算法執(zhí)行空間濾波操作，使得有可能在距離陣列一定距離處繪制源的分布，定位最強(qiáng)的源[38]。

波束形成最早在20世紀(jì)40年代被提出，用于軍用無(wú)線電開(kāi)發(fā)[39]。1987年，Brooks等[40]設(shè)計(jì)了一種特殊的陣列系統(tǒng)，將時(shí)域信號(hào)轉(zhuǎn)換到頻域后，通過(guò)延時(shí)求和方法進(jìn)行計(jì)算，成功識(shí)別出了直升機(jī)旋翼上的噪聲源分布。1996年，Barsikow[41]使用多維陣列，對(duì)高速列車上的噪聲源進(jìn)行了準(zhǔn)確定位。波束形成作為一種適用于遠(yuǎn)場(chǎng)中、高頻聲源識(shí)別的技術(shù)，被廣泛應(yīng)用于聲源定位[42]、語(yǔ)音增強(qiáng)[43]等領(lǐng)域。

延遲求和波束形成法作為最基礎(chǔ)的算法，可以使用以下公式計(jì)算[38]：

(3)

圖2 波束形成示意圖

在汽車噪聲源定位方面，Lee[45]使用波束形成法開(kāi)發(fā)了BSR可視化系統(tǒng)。Zhang等[46]通過(guò)波束形成方法進(jìn)行聲源定位，以便于確定影響汽車關(guān)門(mén)聲品質(zhì)的關(guān)鍵區(qū)域。施全等[47]利用波束形成技術(shù)基本確定輻射聲源位置。波束形成法可以實(shí)現(xiàn)異響信號(hào)的定位，不過(guò)由于波束形成的空間分辨率與陣列和聲源之間的距離、波長(zhǎng)成正比，與陣列的尺寸成反比，這樣導(dǎo)致分辨率被限制在一個(gè)波長(zhǎng)左右，在對(duì)于低頻(低于1 kHz)的信號(hào)處理時(shí)沒(méi)有優(yōu)勢(shì)可言[48-50]。且對(duì)于鈑金內(nèi)部異響問(wèn)題，波束形成技術(shù)往往無(wú)法準(zhǔn)確定位異響噪聲源位置。根據(jù)中汽中心零部件異響實(shí)驗(yàn)室報(bào)告，使用波束形成技術(shù)對(duì)汽車車門(mén)、儀表板等零部件進(jìn)行異響測(cè)試時(shí)，可以定位到大概區(qū)域，對(duì)于底盤(pán)異響等復(fù)雜部件異響問(wèn)題，波束形成技術(shù)不能很好的識(shí)別其所在位置。

波束形成技術(shù)適用于遠(yuǎn)場(chǎng)的中高頻聲源定位，對(duì)于低頻目標(biāo)分辨率低、聚焦效果差。針對(duì)中低頻的聲源在近場(chǎng)成像問(wèn)題，較常用的方法是近場(chǎng)聲全息技術(shù)[51]。

4.3 近場(chǎng)聲全息技術(shù)

聲全息是利用干涉原理獲得被觀察聲場(chǎng)幅值和相位分布信息的聲成像技術(shù)，通過(guò)包圍聲源的全息測(cè)量面做聲壓全息測(cè)量，然后根據(jù)測(cè)量表面和全息面之間空間場(chǎng)變換關(guān)系，由全息面聲壓重建源面的聲場(chǎng)[49]。近場(chǎng)聲全息技術(shù)是指反演聲源的一種聲學(xué)逆問(wèn)題求解算法，典型的有基于邊界元法的近場(chǎng)聲全息、基于等效源法的近場(chǎng)聲全息、基于Helmholtz方程最小二乘法近場(chǎng)聲全息等[50]。

近場(chǎng)聲全息技術(shù)于80年代初由Williams提出，是一種有效的噪聲源識(shí)別、定位以及聲場(chǎng)可視化的技術(shù)[52]。在國(guó)內(nèi)相關(guān)研究中，哈爾濱工程大學(xué)自1989年起開(kāi)展了水下近場(chǎng)聲全息研究，在消聲水槽中完成薄板被激振動(dòng)平面全息場(chǎng)重建[49]。1991年中科院的張德俊等[53]針對(duì)聲源重建問(wèn)題的不適定性，提出一種新的空間頻率域?yàn)V波方法，改善了重建結(jié)果的穩(wěn)定性。自此，近場(chǎng)聲全息技術(shù)開(kāi)始廣泛應(yīng)用于聲場(chǎng)重建噪聲源定位與識(shí)別領(lǐng)域[54-56]。由于聲全息技術(shù)利用了聲壓和相位信息，因而具有一些其他噪聲識(shí)別技術(shù)不具備的特點(diǎn)，且近場(chǎng)聲全息測(cè)試時(shí)不僅測(cè)試傳播波成分，還保留了倏逝波的成分，可以真實(shí)的還原聲場(chǎng)信息。理論不受波長(zhǎng)的限制，適用于近場(chǎng)的低頻聲源識(shí)別定位。

在汽車噪聲源定位領(lǐng)域，Li等[57]通過(guò)近場(chǎng)聲全息技術(shù)確定了主觀傾聽(tīng)和更換零件都無(wú)法判斷的發(fā)動(dòng)機(jī)異響問(wèn)題。Shin等[58]對(duì)汽車儀表板異響源定位進(jìn)行研究，應(yīng)用近場(chǎng)可視化設(shè)備獲得了近場(chǎng)聲全息圖，確定了定位BSR的潛在源區(qū)域。

盡管聲全息技術(shù)可以真實(shí)的還原聲場(chǎng)信息，但是基于對(duì)測(cè)量陣列進(jìn)行空間變換，然后在波數(shù)域中處理數(shù)據(jù)，這一過(guò)程需要非常大的麥克風(fēng)陣列來(lái)避免空間截?cái)嘈?yīng)[59]。大量的傳感器布置以及傳感器標(biāo)定工作，無(wú)疑在一定程度上限制了其工程應(yīng)用。

4.4 時(shí)間反轉(zhuǎn)法

為了解決聚焦成像技術(shù)中常用的波束形成技術(shù)和聲全息技術(shù)所遇到的問(wèn)題，如對(duì)測(cè)量陣布置要求嚴(yán)格，測(cè)量工作復(fù)雜等，有學(xué)者提出基于相位共軛法對(duì)聲源進(jìn)行聚焦成像[60-61]。時(shí)間反轉(zhuǎn)法首先在光學(xué)中提出，信號(hào)在頻域中的相位共軛反映在時(shí)域就是時(shí)間的反轉(zhuǎn)，根據(jù)聲波方程的時(shí)間反轉(zhuǎn)不變性和介質(zhì)的空間互易性，在信號(hào)接收處發(fā)射時(shí)間反轉(zhuǎn)信號(hào)，能夠克服多徑效應(yīng)，在發(fā)射源位置實(shí)現(xiàn)信號(hào)在時(shí)間和空間上的聚焦[62-64]。聚焦過(guò)程不需要介質(zhì)不均勻性的先驗(yàn)知識(shí)和陣列的細(xì)節(jié)信息，具有抗多途干擾的作用，研究表明相位共軛法聚焦成像具有測(cè)點(diǎn)少，算法簡(jiǎn)單，對(duì)陣列偏移不敏感等優(yōu)點(diǎn)[61]。

自時(shí)間反轉(zhuǎn)法提出以來(lái)，在水聲通訊、結(jié)構(gòu)健康檢測(cè)等領(lǐng)域大放異彩。國(guó)內(nèi)也有許多學(xué)者針對(duì)時(shí)間反轉(zhuǎn)法的應(yīng)用展開(kāi)研究，吳昊等[65]研究了固體板中橫波和縱波傳播的多徑效應(yīng)，并將時(shí)間反轉(zhuǎn)法應(yīng)用于固體板中聲波的傳播研究。時(shí)潔等[66]采用虛擬時(shí)間反轉(zhuǎn)技術(shù)，通過(guò)估計(jì)的水聲傳播信道，可以實(shí)現(xiàn)多目標(biāo)進(jìn)行定位。王強(qiáng)等[67-68]在復(fù)合材料和板材Lamb波檢測(cè)中應(yīng)用了時(shí)間反轉(zhuǎn)處理，提出了直接時(shí)反成像和合成時(shí)反成像，并分析了波包重建技術(shù)。夏夢(mèng)璐[69]研究了被動(dòng)時(shí)反通訊在時(shí)變環(huán)境中實(shí)現(xiàn)高速穩(wěn)定的上行通訊的作用。表明時(shí)間反轉(zhuǎn)聚焦法，在流體、固體、復(fù)合材料以及時(shí)變環(huán)境中，均有良好的適用性。

時(shí)間反轉(zhuǎn)信號(hào)聚焦原理如下。設(shè)待區(qū)域P某處存在聲源S，激發(fā)頻譜為s(ω)的信號(hào)。在待區(qū)域P表面布置n個(gè)信號(hào)傳感器，從聲源S到i傳感器處，兩者之間的傳遞函數(shù)為h(ri,ω)，ri表示聲源S到i傳感器之間的距離。時(shí)間反轉(zhuǎn)信號(hào)聚焦示意圖如圖3所示。i傳感器接收到的振動(dòng)信號(hào)為：

圖3 時(shí)間反轉(zhuǎn)信號(hào)聚焦示意圖

yi(ω)=s(ω)·h(ri,ω)

(4)

(5)

式(5)中，h(ri,ω)·h*(ri,ω)表現(xiàn)自相關(guān)，此時(shí)在異響源處信號(hào)疊加增強(qiáng)。

(6)

在汽車噪聲源定位方面，Kwak等[70]首次將時(shí)間反轉(zhuǎn)法應(yīng)用到汽車異響源定位中，用譜元法建立了振動(dòng)傳播傳遞函數(shù)，將汽車車身采集的振動(dòng)信號(hào)與傳遞函數(shù)進(jìn)行卷積，使用多節(jié)點(diǎn)的時(shí)間反轉(zhuǎn)，有效地定位車輛中的沖擊異響聲源，給汽車異響源定位提供了新的思路。時(shí)間反轉(zhuǎn)聲源定位方法，能夠克服不同傳播路徑對(duì)定位結(jié)果的影響，可以有效提高異響信號(hào)的信噪比和定位精度，為汽車異響源準(zhǔn)確定位提供了參考。

5 基于人工智能的聲源識(shí)別技術(shù)

5.1 基于壓縮感知技術(shù)的聲源定位

傳統(tǒng)的陣列信號(hào)處理方法在聲源定位應(yīng)用時(shí)，為了獲得足夠的聲場(chǎng)信息，聲學(xué)傳感器陣列需要一定數(shù)量陣元，且為了保證定位精度，必須滿足空間采樣定理。因此聲學(xué)傳感器陣列的整體尺寸比較龐大，系統(tǒng)也較為復(fù)雜，以上缺點(diǎn)無(wú)疑一定程度上限制了其應(yīng)用[71]。

壓縮感知理論2004年由Candes等從數(shù)學(xué)角度給出理論推導(dǎo)，作為一種對(duì)稀疏信號(hào)進(jìn)行采樣與重構(gòu)的理論，打破了Nyquist采樣定理的限制，迅速成為各個(gè)學(xué)科的研究熱點(diǎn)[72]。張陽(yáng)等[73]基于壓縮感知技術(shù)建立了基于壓縮感知和快速波疊加譜的等效源近場(chǎng)聲全息方法，結(jié)果表明，識(shí)別低頻聲源精度與傳統(tǒng)算法相當(dāng)，高頻聲源的識(shí)別精度優(yōu)于傳統(tǒng)算法。代超藍(lán)等[74]提出一種結(jié)合時(shí)間反演壓縮感知的目標(biāo)信號(hào)檢測(cè)方案，利用時(shí)間反演能夠在抗噪聲、降低多徑環(huán)境影響上具有優(yōu)勢(shì)，同時(shí)應(yīng)用壓縮感知技術(shù)，有效減輕信號(hào)處理壓力。

壓縮感知技術(shù)的提出，使得復(fù)雜的采樣過(guò)程一定程度上得到了簡(jiǎn)化，在波束形成、聲全息定位等領(lǐng)域均有應(yīng)用。在汽車異響噪聲源識(shí)別定位領(lǐng)域，通過(guò)壓縮感知技術(shù)，可以在一定程度上減少傳感器數(shù)量的布置。尤其是適用于低頻異響聲信號(hào)定位的近場(chǎng)聲全息技術(shù)，其在使用中往往需要大量麥克風(fēng)陣列來(lái)避免空間截?cái)鄦?wèn)題。可以使用壓縮感知技術(shù)來(lái)改善這一問(wèn)題[75]。缺點(diǎn)在于壓縮感知算法在實(shí)際場(chǎng)景應(yīng)用時(shí)，由于場(chǎng)景復(fù)雜，單一稀疏矩陣往往無(wú)法準(zhǔn)確表達(dá)全部信息，而混合稀疏表示比較復(fù)雜問(wèn)題尚待探索。

5.2 基于機(jī)器學(xué)習(xí)的聲源定位

通過(guò)機(jī)器學(xué)習(xí)來(lái)識(shí)別聲特征，在噪聲源識(shí)別中應(yīng)用越來(lái)越廣泛，為聲源識(shí)別定位提供了新的思路。目前機(jī)器學(xué)習(xí)在聲源定位中的應(yīng)用主要分為以下兩大類：① 基于模式分類的陣列信號(hào)處理聲源定位算法。張歲歲等[76]研究了通過(guò)相位變換加權(quán)的互相關(guān)函數(shù)來(lái)計(jì)算搜索區(qū)域離散位置的特征向量，利用Fisher加權(quán)樸素貝葉斯分類器估計(jì)聲源位置。Chen等[77]提出了使用最小二乘法支持向量機(jī)算法進(jìn)行聲源定位。比起傳統(tǒng)聲源定位算法，機(jī)器學(xué)習(xí)方法在低信噪比、高混響等聲學(xué)條件下，具有更強(qiáng)的魯棒性。缺點(diǎn)是識(shí)別特征所需樣本量較大，尤其是在復(fù)雜的汽車異響噪聲源定位方面，需要積累大量的試驗(yàn)數(shù)據(jù)才能滿足定位條件。② 基于計(jì)算場(chǎng)景分析的雙耳聲源定位。人的雙耳能夠同時(shí)定位和分離多個(gè)聲源，這種現(xiàn)象被稱為“雞尾酒效應(yīng)”。通過(guò)這個(gè)效應(yīng)，模擬人耳聽(tīng)覺(jué)的空間感知特性，通過(guò)兩個(gè)麥克風(fēng)就可以實(shí)現(xiàn)復(fù)雜聲學(xué)環(huán)境下的聲源定位[78]。雙工理論表明耳間時(shí)間差可用于低頻的聲源定位，耳間強(qiáng)度可用于高頻聲源定位[79]。錢偉杰[78]基于雙耳定位原理，提出一種基于電路耦合的仿生麥克風(fēng)陣列設(shè)計(jì)，試驗(yàn)表明該方法能夠?qū)崿F(xiàn)低頻聲源(500 Hz)的聲源定位。Liu等[80]提出一種新的基于特征和頻率加權(quán)的雙耳聲源定位方法，訓(xùn)練階段在無(wú)噪聲條件下計(jì)算每個(gè)頻帶中方向相關(guān)的耳間互相關(guān)函數(shù)和耳間強(qiáng)度差作為樣本，在測(cè)試階段，首先在所有特征和頻帶中，計(jì)算測(cè)試信號(hào)和樣本的耳間互相關(guān)函數(shù)和耳間強(qiáng)度差之間的余弦相似性，然后可以通過(guò)加權(quán)相似性來(lái)獲得聲源方向似然性，最大似然方向被認(rèn)定為聲源方向。

在汽車異響噪聲源定位方面，Ahn等[81]將在汽車內(nèi)部采集的時(shí)域聲信號(hào)預(yù)處理為2D圖像數(shù)據(jù)，然后基于深度機(jī)器學(xué)習(xí)來(lái)檢測(cè)異響信號(hào)，該方法為異響定位提供了新的方向。黃海波等[82]針對(duì)人工經(jīng)驗(yàn)提取特征進(jìn)行減振器異響鑒別的復(fù)雜性與不可擴(kuò)展性的問(wèn)題，分析了深度信念網(wǎng)絡(luò)在減振器異響鑒別中的應(yīng)用，提供了機(jī)器學(xué)習(xí)方法在異響信號(hào)分離方面應(yīng)用的方案。

基于機(jī)器學(xué)習(xí)的聲源定位方法，可以很大程度上降低傳統(tǒng)聲源定位技術(shù)的復(fù)雜性，且在低信噪比的環(huán)境下具有一定的魯棒性，是聲源定位領(lǐng)域的前沿問(wèn)題。缺點(diǎn)是訓(xùn)練所需樣本數(shù)量要求多，定位精度取決于所選參數(shù)的特征是否合適。

綜上所述，將人工智能與傳統(tǒng)聲源定位方法相結(jié)合，可降低測(cè)試系統(tǒng)的復(fù)雜性，減少測(cè)試成本、提高在低信噪比條件下的定位精度和魯棒性，因此在汽車異響噪聲源定位方面有著廣闊的應(yīng)用前景。

6 異響噪聲源定位方法對(duì)比

對(duì)比上述各類聲源定位方法，其中適用于異響噪聲源定位的方法及其應(yīng)用優(yōu)缺點(diǎn)如表1所示。在異響噪聲源定位中，可根據(jù)實(shí)際測(cè)試條件，選擇合適的定位方法。

7 結(jié)論

目前在解決汽車異響噪聲方面已經(jīng)積累了大量的經(jīng)驗(yàn)。但是對(duì)于異響噪聲源的識(shí)別定位方面，開(kāi)展的研究較少。一是因?yàn)楫愴懶盘?hào)的能量比較低，容易淹沒(méi)在噪聲信號(hào)中，不易分離；二是因?yàn)楫愴懙奶卣骱统掷m(xù)時(shí)間沒(méi)有規(guī)律，要對(duì)短暫、隨機(jī)的異響信號(hào)進(jìn)行數(shù)據(jù)處理比較困難。本文對(duì)聲源識(shí)別定位技術(shù)近年來(lái)國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行綜述，在汽車異響聲源的定位方面，有以下結(jié)論：

1) 傳統(tǒng)異響源識(shí)別方法比較簡(jiǎn)單、可靠，是目前工程應(yīng)用的首選。不過(guò)該方法對(duì)工程師的經(jīng)驗(yàn)要求較高，對(duì)異響源的特征信息分析不夠全面，對(duì)于難以判別的異響容易引起爭(zhēng)議；

2) 信號(hào)處理過(guò)程中，由于異響聲源容易被噪聲掩蓋，傳統(tǒng)的分析方法很難定位異響源位置，通過(guò)時(shí)頻分析、盲信號(hào)分離、基于機(jī)器學(xué)習(xí)的特征信號(hào)提取優(yōu)化等方法，獲得異響信號(hào)特征，是異響噪聲信號(hào)提取及源準(zhǔn)確定位的重要前提；

3) 波束形成技術(shù)適用于遠(yuǎn)場(chǎng)、中高頻異響信號(hào)的定位，對(duì)低頻異響信號(hào)分辨率較低；聲全息技術(shù)適用于低頻異響信號(hào)定位，但需要布置大量傳感器，測(cè)試過(guò)程較為復(fù)雜，一定程度上限制了其在異響噪聲源定位方面的應(yīng)用；

4) 時(shí)間反轉(zhuǎn)方法具有自適應(yīng)聚焦的特性，不需要布置大量傳感器即可實(shí)現(xiàn)時(shí)間反轉(zhuǎn)自適應(yīng)聚焦成像?？梢愿鶕?jù)這一特性，對(duì)汽車異響信號(hào)進(jìn)行時(shí)間反轉(zhuǎn)處理，實(shí)現(xiàn)自適應(yīng)聚焦定位異響源。目前在汽車噪聲源定位方面研究較少，有必要進(jìn)一步探索和研究；

5) 基于人工智能的聲源定位方法，包括壓縮感知算法、基于機(jī)器學(xué)習(xí)的模式分類算法，雙耳聲源定位方法等，是目前聲源識(shí)別定位領(lǐng)域的研究前沿?zé)狳c(diǎn)。