论文部分内容阅读
本文主要从事基于压缩感知的气动噪声源定位研究。随着民航客机数目和机场飞机起降密度的日益增加,飞机噪声与环境要求之间的矛盾日渐凸显。飞机起落架由于其复杂的形状,在飞机起、降过程中会产生强大的感知噪声,对机场附近居民的正常工作与生活造成困扰。因此,飞机起落架噪声问题已成为世界范围内关注的焦点。现有的飞机起落架气动噪声研究方法主要包括计算方法和基于麦克风阵列的试验方法。计算方法存在需要试验进行校正、模型过于简化以及计算效率低等问题。基于麦克风阵列的试验方法,通常采用波束形成方法获得声源分布图。而现有的波束形成方法主要存在着分辨率低、计算效率低及需要满足特定假设等中的一个或多个问题。为了克服现有方法存在的问题和不足,本文提出了一种基于压缩感知的气动噪声源定位方法。本方法基于声源的空间稀疏性,将压缩感知用于气动噪声源定位。分别进行了仿真与气动噪声试验,对窄带声源和宽带声源定位进行了分析研究。首先,对平面阵列的常用布局形式进行了分析。基于远场延时求和波束形成方法,对阵列的分辨率和最大旁瓣级进行了研究,为后续阵列布局形式的选择奠定了基础。其次,针对窄带气动噪声源定位,建立了声源定位观测模型,并对?1-最小化方法和?1-奇异值分解方法（?1-Singular Value Decomposition,?1-SVD）进行了介绍。分别进行了仿真和气动噪声源定位试验,并对常规波束形成方法（Conventional Beamforming,CBF）、?1-最小化方法和?1-SVD方法的定位性能进行了对比与分析。最后,基于联合稀疏模型,建立了宽带噪声源定位模型,并介绍了宽带基追踪算法（Basis Pursuit,BP）和分布式压缩感知-同步正交匹配追踪算法（Distributed Compressed Sensing-Simultaneous Orthogonal Matching Pursuit,DCS-SOMP）。分别进行了仿真和气动噪声源定位试验,对比了宽带BP算法和DCS-SOMP算法的性能。从仿真和试验结果来看,对于窄带声源定位。除了具有超分辨率的优势以外,?1-SVD方法能够大幅提高抗噪性。当测量矩阵满足限制等距条件（Restricted Isometry Property,RIP）时,?1-SVD方法总能够以很高的精度进行气动噪声源定位。对?1-SVD方法求解所需参数分析发现,对声源数目的错误估计不会对求解结果产生影响。当信噪比情况未知时,选择较大的值作为信噪比的估计值,可以保证?1-SVD方法具有良好的定位性能。对于宽带声源定位,将多个窄带联合进行求解提高了计算效率。DCS-SOMP算法的计算效率非常高,且抗噪性优于宽带BP算法。宽带BP算法亦受到RIP限制,测量矩阵在低频范围一般不满足RIP,但是通过将低频范围与高频范围联合进行求解,仍可以较精确的进行气动噪声源定位。而DCS-SOMP算法虽然不会严格的受到RIP限制,但在低频范围内其求解结果不稳定。此外,同窄带声源定位方法相比,宽带BP算法提高了正确求解的声源数目。因此,基于压缩感知的气动噪声源定位方法能够有效的克服现有方法中的不足,具有良好的工程应用前景。