中文摘要近年來(lái)，由于計(jì)算機(jī)、軟件等方面的廣泛運(yùn)用，使其在檢測(cè)與控制方面得到了廣泛的關(guān)注。為了更好地滿足現(xiàn)代檢測(cè)的要求，為了進(jìn)一步提高檢測(cè)的準(zhǔn)確性，對(duì)檢測(cè)過(guò)程中的噪音進(jìn)行必要的檢測(cè)已經(jīng)成為了一個(gè)很有意義的課題。因而，在科研與工程實(shí)踐中，對(duì)振動(dòng)噪音的檢測(cè)方法一直在持續(xù)地發(fā)展著，以往對(duì)振動(dòng)噪音的檢測(cè)，大多依賴于對(duì)其進(jìn)行測(cè)量和分析，但是，存在一些不足之處，如：研制和維修費(fèi)用高，技術(shù)更新周期長(zhǎng)，費(fèi)用高。近年來(lái)，基于PC機(jī)的檢測(cè)與檢測(cè)是一種全新的發(fā)展趨勢(shì)，由此衍生出一種全新的檢測(cè)儀表-虛擬儀表。本項(xiàng)目利用LabVIEW作為軟件開(kāi)發(fā)平臺(tái)，對(duì)具有普適性的振動(dòng)信號(hào)進(jìn)行高斯白噪音的統(tǒng)計(jì)和分析。首先，本文闡述了常用的各種聲源辨識(shí)方法的基本理論，然后利用數(shù)值模擬方法，從空域分辨與運(yùn)算速度兩個(gè)角度對(duì)以上方法進(jìn)行對(duì)比分析，最終得出相應(yīng)的解決方案。在此基礎(chǔ)上，研究一種利用有限學(xué)習(xí)機(jī)進(jìn)行噪聲源辨識(shí)的新算法，通過(guò)對(duì)現(xiàn)有的采樣點(diǎn)的學(xué)習(xí)，獲得一種新的噪聲源的數(shù)學(xué)模型，并以此為基礎(chǔ)，以該模型的判定結(jié)果為基礎(chǔ)，實(shí)現(xiàn)對(duì)目標(biāo)的準(zhǔn)確、高效的辨識(shí)。關(guān)鍵詞：LabVIEW高斯噪聲數(shù)學(xué)模擬有限學(xué)習(xí)機(jī)StatisticsandProcessingofGaussianNoiseBasedonLabviewAbstractWiththedevelopmentandapplicationofcomputertechnologyandsoftwaretechnology,virtualinstrumenttechnologyhasgraduallybecomearesearchhotspotinthefieldoftestingandcontrol,andithasevenrepresentedthedevelopmentdirectionoftestingandcontrolinstrumenttechnology.Tomeettheneedsofmodernizationandimprovetestingaccuracy,ithasbecomeoneoftheimportanttasksforengineeringandtechnicalpersonneltoconductnecessaryanalysisofvibrationandnoisesignals.Thetestingtechnologyofvibrationandnoisehasthereforebecomeanimportantpracticaltechnologyinscientificresearchandpracticalengineeringandhasbeencontinuouslydeveloping,Thetraditionalanalysisofvibrationandnoisesignalsmainlyreliesonelectronicinstrumentsforanalysisandprocessing.Althoughthistechnologyisrelativelymaturebuttherearesomeshortcomings,ithasdrawbackssuchashighdevelopmentandmaintenancecosts,longtechnologyupdatecycles,andhighprices.Withthedevelopmentofcomputertechnologyandelectronicmeasurementtechnology,usingaPCtotestandanalyzesignalshasbecomeanewdirectionofdevelopment,andonthisbasis,anewtypeofmeasurementinstrument-virtualmeasurementinstrument-hasemerged.TheprojectusesLabVIEWasasoftwareplatformtoestablishauniversallymeaningfulstatisticalandprocessingmethodforvibrationGaussiannoise.Firstly,adetailedintroductionwasgiventotheprinciplesofseveralimportantnoisesourceidentificationalgorithms,andtheperformanceofthesealgorithmswascomparedintermsofspatialresolutionandcomputationalefficiencythroughnumericalsimulation.Thespecificalgorithmusedinthesystemwasdetermined.Asoundsourcerecognitionmethodbasedonextremelearningmachinewasproposed.Afterlearningfromexistingdatasamples,amodelwastrainedtousetestdataasinputandclassifysoundsourcepositionsbasedonthemodel'sjudgment.Thismethodhastheadvantagesofhighcomputationalefficiencyandhighpositioningaccuracy.Keywords:LabVIEWGaussiannoisemathematicalsimulationlimitedlearningmachine目錄TOC\o"1-3"\h\u7221第一章緒論 1262621.1研究背景 1217681.2國(guó)內(nèi)外噪聲源識(shí)別技術(shù)的發(fā)展與現(xiàn)狀 275801.2.1近場(chǎng)聲全息技術(shù) 2210121.2.2波束形成技術(shù) 3277151.2.3機(jī)器學(xué)習(xí)聲源識(shí)別方法 441931.3虛擬儀器技術(shù) 5163151.4本章小結(jié) 617279第二章實(shí)現(xiàn)高斯噪聲分析的軟件技術(shù) 851002.1虛擬儀器LabVIEW概述 871462.1.1虛擬儀器LabVIEW的系統(tǒng)構(gòu)成 8130052.1.2虛擬儀器LabVIEW的應(yīng)用優(yōu)點(diǎn) 10208642.1.3虛擬儀器LabVIEW軟件設(shè)計(jì)注意事項(xiàng) 10152292.2虛擬儀器技術(shù)的現(xiàn)實(shí)應(yīng)用 1168402.3高斯噪聲信號(hào)的LabVIEW時(shí)頻分析VI 1159232.3.1高斯噪聲信號(hào)的LabVIEW時(shí)域分析VI 11159922.3.2高斯噪聲信號(hào)的LabVIEW頻域分析VI 17291612.4虛擬儀器LabVIEW的MATLAB調(diào)用 2076132.4.1虛擬儀器LabVIEW與MATLAB的調(diào)用概述 20165082.4.2虛擬儀器LabVIEW軟件與MATLAB的調(diào)用方法 21152252.5本章小結(jié) 2224325第三章高斯噪聲識(shí)別算法研究 23154323.1平面近場(chǎng)聲全息 23318643.1.1理論推導(dǎo) 23258403.1.2數(shù)值仿真 24239653.2互譜成像算法 2555793.2.1理論推導(dǎo) 2575043.2.2數(shù)值仿真 26293193.3本章小結(jié) 2731682第四章高斯噪聲信號(hào)的時(shí)頻分析 2984174.1信號(hào)的時(shí)域分析方法 2973634.1.1有量綱統(tǒng)計(jì)指標(biāo) 3077534.1.2無(wú)量綱統(tǒng)計(jì)指標(biāo) 31218574.2信號(hào)的頻域分析方法 3227535小波變換應(yīng)用 33274764.3.1小波分析用于信號(hào)降噪處理 3317994.3.2利用小波分析對(duì)系統(tǒng)進(jìn)行故障監(jiān)測(cè) 35320264.4本章小結(jié) 3612490結(jié)論 3716306致謝 384603參考文獻(xiàn) 39第一章緒論1.1研究背景伴隨著社會(huì)的進(jìn)步，人民的物質(zhì)條件越來(lái)越好，噪音給人體帶來(lái)的傷害也越來(lái)越為人所重視。與其它的環(huán)境污染物相比，噪音污染具有覆蓋范圍大、覆蓋范圍大、給人類身心帶來(lái)巨大傷害的特點(diǎn)，因而，如何有效地防治噪聲污染已成為當(dāng)前研究的熱點(diǎn)。以汽車(chē)行業(yè)為例，其噪音特性是整車(chē)NVH指標(biāo)中最重要的一個(gè)指標(biāo)，而我國(guó)對(duì)其相應(yīng)的噪音標(biāo)準(zhǔn)也日益提高。所以，如何有效地抑制噪音、減少噪音，就成了人類的日常生活與工業(yè)生產(chǎn)中急需解決的課題。目前已有多種抑制噪音的手段，大致可歸納為：從源頭對(duì)其進(jìn)行控制、對(duì)其傳輸?shù)倪M(jìn)程進(jìn)行調(diào)控、對(duì)其接收位置的控制。其中，對(duì)聲源進(jìn)行降噪是最直接、最高效的途徑，而要實(shí)現(xiàn)對(duì)聲源的抑制，就需要精確地確定聲源的具體方位。但是，聲波是無(wú)形的，無(wú)法觀測(cè)到聲波和聲波在空間中的空間分布，無(wú)法方便、直觀、準(zhǔn)確地定位并處理。為了克服這一難題，很多公司利用高斯白噪音的統(tǒng)計(jì)學(xué)原理，發(fā)展出了與之對(duì)應(yīng)的高斯噪音統(tǒng)計(jì)學(xué)體系，比如Gfai公司的聲像機(jī)[1]。另外，丹麥B&K、德國(guó)BBM等也已研制出相似的天線，但其主要是采用時(shí)延疊加或交叉能譜成像的方法，雖然運(yùn)算速度快，但其空間分辨能力不強(qiáng)，對(duì)低頻信號(hào)源的辨識(shí)能力不強(qiáng)[2]。為此，急需發(fā)展一種新的、更高的空間分辨能力的高斯白噪音統(tǒng)計(jì)體系。但是，當(dāng)高斯隨機(jī)分布在同一陣列中時(shí)，它的性能很大程度上取決于該體系的算法，所以本文對(duì)高斯隨機(jī)分布的算法進(jìn)行了較為詳盡的闡述，并對(duì)該算法的發(fā)展和研究現(xiàn)狀進(jìn)行了較為詳盡的闡述。圖1.1聲學(xué)照相機(jī)1.2國(guó)內(nèi)外噪聲源識(shí)別技術(shù)的發(fā)展與現(xiàn)狀1.2.1近場(chǎng)聲全息技術(shù)近場(chǎng)聲學(xué)全息（近場(chǎng)）是由Williams和Maynard等學(xué)者發(fā)展起來(lái)的一種新型的聲源檢測(cè)手段。重構(gòu)聲源表面的聲場(chǎng)。近場(chǎng)聲學(xué)法是一種通過(guò)計(jì)算聲波陣面上與聲源陣面上的聲場(chǎng)圖來(lái)重構(gòu)聲場(chǎng)場(chǎng)的方法。目前，近場(chǎng)光學(xué)技術(shù)已被廣泛應(yīng)用于平面和圓柱體等形狀較為復(fù)雜的聲學(xué)問(wèn)題中。Williams等人對(duì)柱面聲強(qiáng)度進(jìn)行了試驗(yàn)研究，得到了柱面聲強(qiáng)度的分布曲線，并對(duì)柱面聲強(qiáng)度進(jìn)行了計(jì)算[3]。李等人進(jìn)一步把近場(chǎng)聲全息法推廣到了球面聲全息，并進(jìn)一步發(fā)展了球面聲全息法。雖然在面內(nèi)和柱面上，近場(chǎng)聲音全息的計(jì)算方法基本相同，但是與球面的聲場(chǎng)計(jì)算方法有較大區(qū)別，后者是利用球面波來(lái)進(jìn)行重構(gòu)的[4]。上述三種近場(chǎng)聲學(xué)方法都適用于具有一定規(guī)則外形的噪聲源，而不能適用于任意外形的噪聲源。為實(shí)現(xiàn)近場(chǎng)聲學(xué)成像對(duì)任何外形的聲源聲場(chǎng)進(jìn)行有效的分析與重構(gòu)，基于此，Veronesi等人利用離散Helmholtz方程建立了一種新的基于邊界元法的三維重構(gòu)算法。其后，趙守良等人又采用最小二乘法，避免了許多繁瑣的運(yùn)算，因而比傳統(tǒng)的邊界單元法所需的計(jì)算量要小得多[5]。已有的近場(chǎng)成像技術(shù)大多局限于聲源一端為全像平面，而實(shí)際應(yīng)用中難以達(dá)到。針對(duì)這一問(wèn)題，國(guó)內(nèi)外研究者紛紛研究并建立相應(yīng)的聲學(xué)模型，如俞斐等人建立了“雙重全息表面”隔離場(chǎng)，王冉等人建立了“聲波重疊”和“統(tǒng)計(jì)優(yōu)化近場(chǎng)”的“單向”聲全息圖，李衛(wèi)兵等采用“兩幅”表面檢測(cè)的“場(chǎng)”“隔離”。由于全息表面所產(chǎn)生的壓力分布于被測(cè)口徑上，因此，在重構(gòu)時(shí)往往會(huì)產(chǎn)生一定的誤差。針對(duì)該問(wèn)題，湯姆斯與帕斯卡采用小波對(duì)其進(jìn)行預(yù)處理，以減小在測(cè)試過(guò)程中出現(xiàn)的“截尾”現(xiàn)象。針對(duì)100Hz以下的噪聲源，采用聲全息法重建的成像分辨率很低的問(wèn)題，MasaoNagamatsu等人提出了一種基于雙近場(chǎng)聲學(xué)全息（DNAH）的新算法，該算法利用兩個(gè)測(cè)試面之間的對(duì)比分析，可以獲得更高的分辨率[6]。近場(chǎng)超聲三維重構(gòu)聲場(chǎng)時(shí)，需借助多個(gè)麥克風(fēng)對(duì)其進(jìn)行實(shí)時(shí)檢測(cè)，Harris等人通過(guò)在全像平面內(nèi)插補(bǔ)的方式實(shí)現(xiàn)了對(duì)聲源的壓力和振動(dòng)速度的檢測(cè)，極大地降低了麥克風(fēng)的使用[7]。盡管近場(chǎng)光學(xué)全息已經(jīng)發(fā)展了30多年，但是它僅能用于近場(chǎng)和中低頻的聲源辨識(shí)。而對(duì)近程與中高頻的聲源，則采用了波束成形的方式，二者具有各自的優(yōu)點(diǎn)。1.2.2波束形成技術(shù)在此基礎(chǔ)上，提出了一種新的基于小波變換的波束賦形方法。其核心思想是利用各種方法對(duì)各個(gè)單元進(jìn)行權(quán)重，以達(dá)到增強(qiáng)和壓制干擾的目的，最終獲得目標(biāo)的DOA。延時(shí)求和是最早期的一種波束賦形方法，它通過(guò)對(duì)接收到的各單元的數(shù)據(jù)進(jìn)行加權(quán)、時(shí)延、求和等操作，對(duì)時(shí)延進(jìn)行補(bǔ)償，得到方向性信息，進(jìn)而指示出聲源的方位。Caponetal.針對(duì)這一問(wèn)題，研究基于最小方差的無(wú)失真反應(yīng)（MVDR）算法，Dougherty（Dougherty）等人提出的基于最小方差的無(wú)失真反應(yīng)（MVDR）算法，通過(guò)對(duì)聲波信號(hào)進(jìn)行自相關(guān)矩陣法的正交分解，極大地提升了聲波壓縮信號(hào)的空間分辨能力，并利用風(fēng)洞實(shí)驗(yàn)研究了聲波傳播過(guò)程中的聲源效應(yīng)[8]。介紹了在進(jìn)行風(fēng)洞實(shí)驗(yàn)時(shí)應(yīng)考慮的一些問(wèn)題以及各種因素對(duì)實(shí)驗(yàn)結(jié)果的影響。Koop等人以高頻率的正弦波為噪聲源，對(duì)其產(chǎn)生機(jī)理進(jìn)行了分析，得出了其與頻率范圍密切相關(guān)的結(jié)論。交叉頻譜成象技術(shù)是近年來(lái)發(fā)展起來(lái)的一種新的技術(shù)，它在去除語(yǔ)音自頻譜的同時(shí)，有效地去除了不相關(guān)的噪音，極大地提高了對(duì)聲源的辨識(shí)精度[9]。上述兩種方法均使聲源位于其“主瓣”周?chē)摹芭园辍?，使其成像質(zhì)量大大下降。布魯克斯和Humphreys在前期工作的基礎(chǔ)上，結(jié)合前期研究結(jié)果，提出了一種利用反向卷積實(shí)現(xiàn)“旁瓣”的方法，并通過(guò)與實(shí)測(cè)的聲源分布和陣列的點(diǎn)彌散函數(shù)相結(jié)合的方法，實(shí)現(xiàn)了源信號(hào)的準(zhǔn)確提取，從而達(dá)到10個(gè)精確的目標(biāo)[10]。然而，DAMAS的迭代過(guò)程比較繁瑣，計(jì)算量也比較大。Dougherty等基于DAMAS，分別給出了DAMAS2和DAMAS3兩種方法。DAMAS2采用低通濾波來(lái)加速迭代和正則化，DAMAS3降低了迭代時(shí)間。在此基礎(chǔ)上，Ehrenfried等提出一種基于微分方程的梯度投影算法[11]，對(duì)最小二乘解進(jìn)行數(shù)值模擬，以實(shí)現(xiàn)對(duì)目標(biāo)的有效辨識(shí)，并在此基礎(chǔ)上結(jié)合FFT，實(shí)現(xiàn)對(duì)目標(biāo)的有效定位。Lylloff等人提出了FISTA(FISTA)-DAMAS(FISTA-DAMAS)，其特點(diǎn)是利用了點(diǎn)彌散函數(shù)的空間平移不變特性，提高了FISTA-DAMAS的運(yùn)算效率[12]。利用信號(hào)在空間上的稀疏特性，利用壓縮傳感中的稀疏重建技術(shù)來(lái)求解信號(hào)的分布。Peillot等提出了一種基于壓縮感知的聲源辨識(shí)方法，該方法可以在很少的麥克風(fēng)數(shù)量下實(shí)現(xiàn)高分辨。Yardibi等人在研究中引入了基于L1范數(shù)正則解的稀疏約束去卷積噪聲源（SC-DAMAS)，但該方法屬于凸規(guī)劃問(wèn)題，存在巨大的計(jì)算量[13]。針對(duì)該問(wèn)題，Padois等人在前期研究基礎(chǔ)上，提出一種利用正交匹配跟蹤方法進(jìn)行逆卷積噪聲源的反演方法（OMP-DAMAS)，通過(guò)迭代次數(shù)獲得準(zhǔn)確的求解結(jié)果，從而大幅提升求解效率[14]。近場(chǎng)聲學(xué)全息可以對(duì)中低頻段的聲源進(jìn)行探測(cè)，可以實(shí)現(xiàn)遠(yuǎn)程探測(cè)，而光束成形則可以對(duì)中、高頻段的聲源進(jìn)行準(zhǔn)確的分辨和遠(yuǎn)程探測(cè)。目前，近場(chǎng)聲學(xué)全息和光束合成已經(jīng)相對(duì)比較完善，但是兩者還有著各自的區(qū)別和限制，如果把這兩種方式結(jié)合起來(lái)，就可以實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)。1.2.3機(jī)器學(xué)習(xí)聲源識(shí)別方法伴隨著人工智能技術(shù)的發(fā)展，利用機(jī)器學(xué)習(xí)方法求解噪聲源，其核心思想是通過(guò)采集噪聲信號(hào)中的特征矢量來(lái)構(gòu)建“模型”，并在新的噪聲源出現(xiàn)時(shí)給出對(duì)應(yīng)的聲源方位判定。常用的機(jī)器學(xué)習(xí)方法有極限學(xué)習(xí)機(jī)，SVM,Naive貝葉斯等[15-16]。Hu等人在此基礎(chǔ)上，研究了一種利用高斯混響信號(hào)的高斯混合方式來(lái)識(shí)別目標(biāo)的方法，即利用兩傳聲器間的相位差來(lái)建立混合信號(hào)的混合模態(tài)，并將兩者進(jìn)行比較，選擇后一種可能性較大的方法來(lái)進(jìn)行目標(biāo)識(shí)別[17]。束佳明等利用聽(tīng)覺(jué)信息的相關(guān)系數(shù)和聲音的灰階差為信號(hào)的特征向量，利用softmax的回歸方法，確定了以最大概率方向?yàn)槟繕?biāo)的聲源位置。談雅文等利用兩耳噪聲在各種信噪比較時(shí)的相關(guān)系數(shù)和耳朵之間的差異作為特征矢量，通過(guò)BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了聲源的位置估計(jì)。Wan等通過(guò)線性麥克風(fēng)陣獲取目標(biāo)的方位信息，基于廣義交叉相關(guān)相轉(zhuǎn)換（GCC-PHAT）獲取目標(biāo)的關(guān)聯(lián)函數(shù)，并將其作為目標(biāo)的特征矢量，通過(guò)基于樸素貝葉斯分類器的目標(biāo)定位算法實(shí)現(xiàn)目標(biāo)的定位。Yue等將GCC-PHAT作為信號(hào)源的特征矢量，利用LLDA作為分類器對(duì)目標(biāo)進(jìn)行識(shí)別[18]。Beck等人從對(duì)環(huán)境感知的角度，提出了一種基于8個(gè)傳聲器的環(huán)形傳聲器陣的脈沖神經(jīng)網(wǎng)絡(luò)模型。楊鵬等利用搭建的四面體微音器陣列獲取聲學(xué)信息，以聲波抵達(dá)各微音器的時(shí)間間隔為基準(zhǔn)，利用各微音器間的時(shí)間之差，得到各微音器間的時(shí)間之差，并利用此訊號(hào)的訊號(hào)來(lái)表征各微音器的訊號(hào)；然后將其輸入BP神經(jīng)網(wǎng)絡(luò)，完成對(duì)被測(cè)信號(hào)的位置檢測(cè)。Chen等采用交叉相關(guān)方法尋找信號(hào)的峰值，并估算出信號(hào)的時(shí)差，再將TDOA作為信號(hào)的特征向量，采用LS-SVM作為分類器，實(shí)現(xiàn)對(duì)目標(biāo)的定位。顧曉瑜等人通過(guò)對(duì)交叉關(guān)聯(lián)函數(shù)進(jìn)行權(quán)重處理，使其在峰上的相關(guān)性更為顯著，并將其作為特征向量，利用SVM作為分類器，完成對(duì)噪聲源的準(zhǔn)確識(shí)別[19]。孫超等提出了一種利用有限學(xué)習(xí)機(jī)實(shí)現(xiàn)局域近場(chǎng)聲學(xué)全息的方法，該方法利用在三維空間中對(duì)所處的全息表面進(jìn)行處理，從而實(shí)現(xiàn)對(duì)所處的三維空間的聲場(chǎng)場(chǎng)的預(yù)報(bào)[20]。在噪聲源的辨識(shí)與定位中，采用了一種新的方法，既能有效地降低系統(tǒng)的運(yùn)算速度，又能有效地提升系統(tǒng)的定位精度。而在實(shí)際應(yīng)用中，獲取的聲波壓力數(shù)據(jù)往往含有大量的噪音，因此，如何選取適當(dāng)?shù)奶卣鞑?duì)其進(jìn)行優(yōu)化，是實(shí)現(xiàn)聲源定位的關(guān)鍵。1.3虛擬儀器技術(shù)因此，本項(xiàng)目擬采用圖像分析和圖像分析相結(jié)合的方式對(duì)圖像進(jìn)行分析。在普通儀器中，許多功能都是通過(guò)硬件實(shí)現(xiàn)的，例如采集、加工、顯示等。而虛擬儀器就不同了，通過(guò)一塊數(shù)據(jù)采集板，將所有的數(shù)據(jù)都輸入到計(jì)算機(jī)中，然后通過(guò)計(jì)算機(jī)中的程序來(lái)進(jìn)行運(yùn)算和分析。在計(jì)算機(jī)的屏幕上顯示出測(cè)試的數(shù)據(jù)，大多數(shù)的操作都是通過(guò)軟件實(shí)現(xiàn)的。虛擬儀器最顯著的優(yōu)勢(shì)在于它能夠提供多種不同的接口總線，因此能夠用這些接口來(lái)構(gòu)建各種大小的試驗(yàn)系統(tǒng)，并且還能夠通過(guò)接口通訊，把各種虛擬儀器、電子設(shè)備和各種插件式的裝置結(jié)合起來(lái)，組成一套中、大、中型的自動(dòng)化試驗(yàn)系統(tǒng)。與傳統(tǒng)的儀器比較，虛擬儀器具有如下優(yōu)點(diǎn)：一是研制周期短，因?yàn)樗袑Ｓ玫拈_(kāi)發(fā)平臺(tái)，比如LabVIEW開(kāi)發(fā)平臺(tái)，它可以為使用者提供很多的功能性，所以使用者在進(jìn)行程序的時(shí)候，可以使用它本身的某些功能來(lái)完成所要完成的事情[21]。第二個(gè)特點(diǎn)是實(shí)現(xiàn)了數(shù)據(jù)的無(wú)縫整合，因?yàn)樵撓到y(tǒng)能夠?qū)Ω鞣N數(shù)據(jù)采集裝置進(jìn)行統(tǒng)一的接口。這樣，就能與多種數(shù)據(jù)采集裝置相配合，實(shí)現(xiàn)了系統(tǒng)的無(wú)縫整合；第三，它的功能強(qiáng)大，由于它是建立在PC上的，PC技術(shù)本身就具有強(qiáng)大的處理能力，能夠?qū)?shù)據(jù)進(jìn)行比較復(fù)雜的分析，因此，它可以充分地發(fā)揮PC技術(shù)的優(yōu)勢(shì)，具有較高的功能，同時(shí)，隨著互聯(lián)網(wǎng)的發(fā)展，也會(huì)推動(dòng)虛擬儀器的迅速發(fā)展。第四個(gè)方面是對(duì)其功能的定制，因?yàn)槠湫阅芡ǔＪ峭ㄟ^(guò)編程的程序來(lái)實(shí)現(xiàn)的，因此可以根據(jù)需要定制其性能[22]。隨著虛擬儀器的理念被提出，NI公司又推出了Vvis系統(tǒng)的虛擬設(shè)備開(kāi)發(fā)平臺(tái)，它以其獨(dú)特的優(yōu)勢(shì)，逐漸發(fā)展成目前最流行的虛擬設(shè)備開(kāi)發(fā)平臺(tái)。相對(duì)于常規(guī)的文字程序，該程序使用了圖形化的方法，從而使程序變得更加簡(jiǎn)潔、直接。虛擬儀器采用圖形化的方式對(duì)圖形進(jìn)行編程，在圖形化的過(guò)程中，圖形與文字等效，再通過(guò)連接線傳送數(shù)據(jù)，確定程序的操作次序。和一般的程序設(shè)計(jì)程序一樣，LabVIEW也為程序設(shè)計(jì)了大量的函數(shù)，用來(lái)完成各種不同的功能，例如數(shù)據(jù)的計(jì)算，程序結(jié)構(gòu)的控制，文件的傳送，信號(hào)的處理等等。利用LabVIEW編寫(xiě)程序，可以迅速、簡(jiǎn)便地完成所需的虛擬儀表的開(kāi)發(fā)，再與相關(guān)的硬件裝置進(jìn)行數(shù)據(jù)采集，從而迅速建立起一套完備的測(cè)量和控制系統(tǒng)。最近幾年，在國(guó)際上，虛擬設(shè)備的發(fā)展非?？?，除NI公司的LabVIEW之外，其它幾家公司也相繼發(fā)布了相應(yīng)的產(chǎn)品，如AgilentVEE,CECTestPoint,MeasureFOUNDRY,Tek-TNS等。為了使其能夠應(yīng)用在USB和PXI總線等多種總線上，很多公司都投入了很大的精力，研發(fā)出了很多的軟硬件[23]。這樣就可以很容易地構(gòu)造出一個(gè)十分復(fù)雜的試驗(yàn)系統(tǒng)。同時(shí)，虛擬設(shè)備公司也通過(guò)開(kāi)發(fā)工具和先進(jìn)的分析庫(kù)來(lái)支持該公司的工作。與世界先進(jìn)水平相比，國(guó)內(nèi)在虛擬儀器領(lǐng)域的研究與發(fā)展水平還相差甚遠(yuǎn)；經(jīng)過(guò)研究人員的不懈努力，該研究也取得了很大進(jìn)展。包括四川、復(fù)旦、重慶等高校；西安交通大學(xué)和其他一些大學(xué)都在進(jìn)行這方面的研究，并且取得了一些成果。其中，重慶大學(xué)自主開(kāi)發(fā)的一套新的虛擬入侵檢測(cè)裝置開(kāi)發(fā)平臺(tái)也在此基礎(chǔ)上完成。本系統(tǒng)分為兩個(gè)主要部分，分別是：軟件組件、測(cè)試儀器組件組件、功能組件組件。然后，編寫(xiě)并調(diào)試了這兩個(gè)數(shù)據(jù)庫(kù)，使得該系統(tǒng)可以用于開(kāi)發(fā)虛擬儀器。與虛擬儀器系統(tǒng)軟件相比，虛擬儀器入侵檢測(cè)系統(tǒng)將大量的專業(yè)工作置于其自身的電腦中，因此用戶只需要完成一些相對(duì)簡(jiǎn)單的工作即可，從而極大地降低了用戶編程的要求[24]；讓用戶可以輕松地進(jìn)行操作。但是，總體來(lái)說(shuō)，我國(guó)在虛擬儀表領(lǐng)域的研究水平還遠(yuǎn)遠(yuǎn)落后于國(guó)外；中國(guó)還有很多工作要干，而隨著中國(guó)的經(jīng)濟(jì)持續(xù)增長(zhǎng)，各行各業(yè)都在不斷進(jìn)步；由此可見(jiàn)，中國(guó)在這一領(lǐng)域有著巨大的潛力和潛力。1.4本章小結(jié)經(jīng)研究表明，噪聲污染會(huì)損害人的生理和心理健康，如何去降低甚至消除噪聲成為了工程技術(shù)人員亟需解決的問(wèn)題。一般來(lái)說(shuō)，控制噪聲有三種渠道，分別是從噪聲源控制噪聲、由傳播過(guò)程中控制噪聲和從聲音接收處控制噪聲。研究發(fā)現(xiàn)，從噪聲源處控制最為有效。但要想從噪聲源控制，識(shí)別噪聲源是關(guān)鍵。因此研究先進(jìn)的聲源識(shí)別方法和研制一套噪聲源識(shí)別系統(tǒng)具有深遠(yuǎn)的意義。第二章實(shí)現(xiàn)高斯噪聲分析的軟件技術(shù)虛擬技術(shù)、計(jì)算機(jī)與網(wǎng)絡(luò)技術(shù)是信息技術(shù)最重要的組成部分，它們被稱為21世紀(jì)科學(xué)技術(shù)中的三大核心技術(shù)。虛擬儀器是現(xiàn)代計(jì)算機(jī)軟件技術(shù)、通信技術(shù)和測(cè)量技術(shù)相結(jié)合的產(chǎn)物，它的出現(xiàn)導(dǎo)致傳統(tǒng)儀器的結(jié)構(gòu)、概念和設(shè)計(jì)觀點(diǎn)都發(fā)生了重大變革，使得人類的測(cè)試技術(shù)進(jìn)入一個(gè)新的發(fā)展紀(jì)元。本課題的軟件基礎(chǔ)就是虛擬儀器LabVIEW。2.1虛擬儀器LabVIEW概述LabVIEW是當(dāng)前僅有的一種可用于匯編的、具有可擴(kuò)展性的、可擴(kuò)展的、基于程序設(shè)計(jì)的程序設(shè)計(jì)語(yǔ)言。電腦運(yùn)算，儲(chǔ)存，呼叫；最大限度地利用了展示和文檔管理等功能，將傳統(tǒng)的工具的特殊功能通過(guò)軟件實(shí)現(xiàn)，使其與電腦相融合，使其外觀和功能與普通的設(shè)備沒(méi)有什么不同；以及能夠充分利用電腦的各種資源的設(shè)備系統(tǒng)。在傳統(tǒng)的測(cè)量方式中，通常要進(jìn)行信號(hào)采集，信號(hào)分析和信號(hào)輸出。并將其劃分為三大功能：數(shù)據(jù)采集，數(shù)據(jù)分析處理，數(shù)據(jù)展示。從LabVIEW推出至今，眾多的儀器檢定工作者及科研工作者都利用LabVIEW建立了不同的性能指標(biāo)，具有很強(qiáng)的實(shí)際應(yīng)用價(jià)值。例如：汪成龍?jiān)谔摂M儀器上完成了繼電器質(zhì)量的測(cè)量，董亮在LabVIEW上完成了水泵的特性試驗(yàn)，張楠在LabVIEW上完成了火災(zāi)監(jiān)控與警報(bào)的開(kāi)發(fā)，董鵬等人的多通道數(shù)據(jù)采集系統(tǒng)的開(kāi)發(fā)。通過(guò)上述幾個(gè)例子，說(shuō)明采用LabVIEW編制的測(cè)量和控制系統(tǒng)是完全可行的，可以推廣到很多行業(yè)[25-26]。在聲源辨識(shí)領(lǐng)域，張亞虎和胡鵬分別采用傳統(tǒng)的波束賦形技術(shù)，采用傳統(tǒng)的波束賦形技術(shù)，采用反卷積成像技術(shù)，其分辨能力比傳統(tǒng)的波束賦形技術(shù)提高了10多倍。因此，在此基礎(chǔ)上，采用虛擬儀器技術(shù)，研制了一種基于多聲源辨識(shí)技術(shù)的噪聲源辨識(shí)系統(tǒng)。2.1.1虛擬儀器LabVIEW的系統(tǒng)構(gòu)成該系統(tǒng)由計(jì)算機(jī)、硬件平臺(tái)和應(yīng)用程序三部分構(gòu)成。它的體系結(jié)構(gòu)見(jiàn)圖2.1。圖2.1虛擬儀器系統(tǒng)構(gòu)成從結(jié)構(gòu)上看，PCR—DAQ/測(cè)試系統(tǒng)按其結(jié)構(gòu)可以劃分為GPIB、VXI、串行總線和Fieldbus，利用GPIB、VXI、串行總線、現(xiàn)場(chǎng)總線等硬件組成的數(shù)據(jù)采集實(shí)驗(yàn)平臺(tái)。目前常用的測(cè)量方法是把一塊數(shù)據(jù)獲取板插入計(jì)算機(jī)內(nèi)，由計(jì)算機(jī)進(jìn)行分析、處理，再把測(cè)量結(jié)果顯示在顯示器上。在此基礎(chǔ)上，提出了一種以PCI總線為核心的虛擬儀器系統(tǒng)。利用此軟件，可以進(jìn)行各種形式的虛擬儀器的開(kāi)發(fā)。然后建立了基于該模型的高斯噪聲識(shí)別和處理實(shí)驗(yàn)系統(tǒng)，具體實(shí)現(xiàn)過(guò)程如圖2.2所示。圖2.2系統(tǒng)流程圖2.1.2虛擬儀器LabVIEW的應(yīng)用優(yōu)點(diǎn)LabVIEW是一個(gè)以圖形代替文本的開(kāi)放的軟件開(kāi)發(fā)平臺(tái)，它提供了大量的VI類庫(kù)，可以方便地與其它的系統(tǒng)進(jìn)行交互。例如，在開(kāi)發(fā)過(guò)程中，利用ActiveX、DDE、SQL等技術(shù)，實(shí)現(xiàn)了與其它Windows操作系統(tǒng)的集成?？梢圆捎镁W(wǎng)絡(luò)接口、網(wǎng)絡(luò)服務(wù)器、TCP/IP、UDP等通信模式。在系統(tǒng)的硬件設(shè)計(jì)中，虛擬儀器與GPIB,VXI,PXI,RS-232/485,PLC及嵌入式數(shù)碼傳感器等多種通訊方式相結(jié)合。該系統(tǒng)不但可以進(jìn)行常規(guī)的數(shù)學(xué)運(yùn)算、邏輯運(yùn)算和輸入輸出，而且還配備了專用的庫(kù)函數(shù)和軟件，并配備了專用的數(shù)學(xué)解析軟件，基本能適應(yīng)多種復(fù)雜的工程應(yīng)用需求。由于其外形和工作方法都能很好地模仿真實(shí)的儀表，因此采用LabVIEW編寫(xiě)了一個(gè)虛擬儀表VI[27]。在本質(zhì)上，VI和常規(guī)的程序設(shè)計(jì)語(yǔ)言很相似。2.1.3虛擬儀器LabVIEW軟件設(shè)計(jì)注意事項(xiàng)在進(jìn)行軟件開(kāi)發(fā)時(shí)，要遵循“軟件工程”中給出的程序與方法，確保其高可靠性、高可用性、優(yōu)良的可移植性與兼容性。(1)采取自上而下的方式進(jìn)行結(jié)構(gòu)優(yōu)化。首先，對(duì)系統(tǒng)進(jìn)行了需求、功能、組織等方面的研究，并對(duì)其進(jìn)行了層層的分解與提煉，得到了該軟件的總體框架圖，并對(duì)其進(jìn)行了劃分，并進(jìn)行了具體的開(kāi)發(fā)；(2)在進(jìn)行系統(tǒng)的分析與詳細(xì)的程序編制時(shí)，應(yīng)當(dāng)采取模塊化、面向?qū)ο蟮乃枷?。重點(diǎn)研究了幾個(gè)可重復(fù)使用的基礎(chǔ)組件，以增強(qiáng)可移植、可維修的能力，減少其復(fù)雜性；(3)軟件的高可靠度要求，在軟件開(kāi)發(fā)過(guò)程中應(yīng)該予以足夠的關(guān)注；(4)在軟件開(kāi)發(fā)過(guò)程中，應(yīng)遵循有關(guān)技術(shù)標(biāo)準(zhǔn)，確保其可移植、兼容。2.2虛擬儀器技術(shù)的現(xiàn)實(shí)應(yīng)用當(dāng)前，在世界范圍內(nèi)，有惠普，泰克tronix,NI,Keithely等幾家公司。目前，美國(guó)各大高校的機(jī)械與電氣學(xué)系，幾乎所有與檢測(cè)與控制有關(guān)的工作，均采用虛擬儀表程式。它已經(jīng)被廣泛地用于VLSI的測(cè)試、現(xiàn)代化的家電測(cè)試和軍事、航空航天和工廠的測(cè)試等[28]。目前，國(guó)內(nèi)對(duì)虛擬儀器的研發(fā)起步比較慢，參與研發(fā)的機(jī)構(gòu)不多，與世界先進(jìn)水平還不相適應(yīng)。截至一九九九年，國(guó)內(nèi)僅有陜西海泰高技術(shù)有限責(zé)任公司申報(bào)加入VXIbus協(xié)會(huì)及VPP系統(tǒng)聯(lián)盟，尚未建立起具有獨(dú)立研發(fā)、獨(dú)立研發(fā)、獨(dú)立營(yíng)銷的體系。然而，火星卻能點(diǎn)燃整片森林。最近兩年，中國(guó)眾多的企業(yè)和高校紛紛投身到虛擬儀器的研究和開(kāi)發(fā)工作中，取得了一定的成果。除了與北京英維卡科技有限公司合作開(kāi)發(fā)的“虛擬儀表與流量實(shí)驗(yàn)”以外，我們還開(kāi)發(fā)出了臺(tái)式INV303電腦和便攜式筆記本電腦INV306智能信號(hào)采集與分析系統(tǒng)，并推出了DASP軟件虛擬測(cè)試系統(tǒng)，以“領(lǐng)先于實(shí)驗(yàn)室”為宗旨[29]。2.3高斯噪聲信號(hào)的LabVIEW時(shí)頻分析VI這一節(jié)將詳細(xì)介紹與高斯噪聲分析有關(guān)的LabVIEW各種子VI。需要說(shuō)明的是，雖然虛擬儀器LabVIEW提供了各種可以實(shí)現(xiàn)諸多功能的子VI，但是還是有許多算法需要用戶自行開(kāi)發(fā)設(shè)計(jì)。即使是那些已經(jīng)在LabVIEW中存在的子VI，也有許多功能上存在一定的局限性，需要用戶進(jìn)行改進(jìn)。這也使本課題的LabVIEW二次開(kāi)發(fā)具有了重要的現(xiàn)實(shí)意義。這些具體的程序框圖將在后面的章節(jié)中進(jìn)行詳細(xì)的介紹。2.3.1高斯噪聲信號(hào)的LabVIEW時(shí)域分析VI(1)幅值特征值的LABVIEW求取它的VI圖示：圓形）能夠方便、高效地完成LABVIEW中的幅度和等級(jí)測(cè)量。該軟件的參數(shù)界面被劃分成四個(gè)部分，即需要幅度特征值計(jì)算的內(nèi)容，當(dāng)前幅度特征值計(jì)算的結(jié)果，輸入信號(hào)預(yù)覽窗口和后預(yù)覽窗口。請(qǐng)參閱表格2.1中所提供的參數(shù)；參數(shù)設(shè)定的對(duì)話方塊，請(qǐng)參閱圖2.3。表2.1AmplitudeandLevelMeasurements.vi的特征值參數(shù)參數(shù)含義參數(shù)參數(shù)含義DC信號(hào)均值PeaktoPeak峰-峰值RMS信號(hào)均方值Cycleaverage一個(gè)周期的平均值MaximumPeak信號(hào)最大值CycleRMS一個(gè)周期的均方值MinimumPeak信號(hào)最小值然而，幅度與等級(jí)測(cè)量工具大多針對(duì)周期性的信號(hào)，對(duì)于一些常見(jiàn)的具有不確定性的數(shù)據(jù)，如標(biāo)準(zhǔn)偏差等，無(wú)法適用于工程實(shí)踐。在實(shí)踐中，最常用的方法就是與高度和等級(jí)相結(jié)合。vi在Statistics.vi的同一個(gè)子模版（它的VI圖標(biāo)是：圓圈）上。在它的參數(shù)設(shè)定中，ArithmeticMean,RMS，標(biāo)準(zhǔn)Dev分別與信號(hào)的均值，均方根值及標(biāo)準(zhǔn)偏差相對(duì)應(yīng)。圖2.3AmplitudeandLevelMeasurements.vi參數(shù)對(duì)話框設(shè)置對(duì)于平均和平均根的計(jì)算也可用三種波型幅度測(cè)定指數(shù)，基本A轉(zhuǎn)換DC-RMS.vi,A轉(zhuǎn)換DC-RMS.vi，循環(huán)轉(zhuǎn)換DC和RMS.vi（其VI圖示為：、）。同一子模板下的ExtractSingleToneInformation.vi、HarmonicDistortionAnalyzer.vi和SINADAnalyzer.vi還可以針對(duì)多諧波信號(hào)進(jìn)行幅值和頻率測(cè)量。(2)時(shí)間特征值的LabVIEW求取時(shí)域特征量的確定是進(jìn)行信號(hào)分析和處理的關(guān)鍵。vi可以在LabVIE中，定時(shí)和變換測(cè)量.vi可以直接得到周期性的信號(hào)頻率。請(qǐng)參閱表格2.2中的引數(shù)設(shè)定對(duì)話方塊中的可求參數(shù)數(shù)目；請(qǐng)參閱圖2.4中的參數(shù)設(shè)定對(duì)話方塊。表2.2TimingandTransitionMeasurements.vi的特征值參數(shù)參數(shù)含義參數(shù)參數(shù)含義Frequency頻率Preshoot前置尖頭信號(hào)Period周期Overshoot過(guò)沖Pulseduration脈沖寬度Slewrate上升速度Dutycycle占空比然而，與幅度與等級(jí)測(cè)量.vi類似，能夠使用時(shí)序與轉(zhuǎn)換度量.vi進(jìn)行分析的周期波還很少見(jiàn)。在工程實(shí)踐中，通常采用三種不同的波型，即：轉(zhuǎn)換計(jì)量器.vi，脈沖計(jì).vi，垂直和水平.vi，用于檢測(cè)一種波型的瞬時(shí)幅度信息，時(shí)間軸信息，以及與峰-峰相相似的參數(shù)。圖2.4TimingandTransitionMeasurements.vi參數(shù)對(duì)話框設(shè)置(3)信號(hào)相位特征值的LabVIEW求取在LABVIEW中實(shí)現(xiàn)正弦信號(hào)初始相位的求取，最簡(jiǎn)單有效的方式是用ToneMeasurements.vi（其VI圖標(biāo)為：）。在實(shí)際的測(cè)試中，經(jīng)常需要得到兩個(gè)信號(hào)之間的相位差。該算法首先對(duì)兩路信號(hào)進(jìn)行了初相處理，然后對(duì)其進(jìn)行了減法處理。然而，該算法僅適用于兩個(gè)被測(cè)量的信號(hào)均為正弦波的情況。在此基礎(chǔ)上，通過(guò)對(duì)兩個(gè)周期信號(hào)的交叉頻譜進(jìn)行研究，得到其相應(yīng)的相位信息，也就是兩個(gè)信號(hào)的相位差。比如，若要對(duì)兩路信號(hào)進(jìn)行相位差異檢測(cè)，首先將其輸入到互頻分析VI中，然后由其輸出端獲得相應(yīng)的弧段相位譜。然后用VVI對(duì)其作了單元轉(zhuǎn)換和倒相。在進(jìn)行操作前請(qǐng)注意，您需要使用基于name.vi的基礎(chǔ)功能來(lái)將集群的結(jié)構(gòu)化的資料型別轉(zhuǎn)化為陣列的資料型別。最后，采用Bundle功能，將該陣列的類型轉(zhuǎn)化為集群結(jié)構(gòu)的資料型別，以在波形圖上展示頻譜信息[30]。它的特定的程序見(jiàn)圖2.5。圖2.5兩個(gè)信號(hào)相對(duì)相位測(cè)量(4)LabVIEW實(shí)現(xiàn)相關(guān)分析及卷積運(yùn)算隨機(jī)信號(hào)x(t)的自相關(guān)函數(shù)提供了信號(hào)在某一時(shí)刻t的x值對(duì)其在時(shí)刻t+τ之值依賴程度的信息。對(duì)于穩(wěn)態(tài)隨機(jī)信號(hào)，自相關(guān)依賴于時(shí)間間隔τ而與絕對(duì)時(shí)間無(wú)關(guān)。它的定義是： （2.1）在信號(hào)的分析過(guò)程中，通常采用相關(guān)性函數(shù)來(lái)判定有無(wú)有周期信號(hào)，有無(wú)延時(shí)，有無(wú)位置檢測(cè)或相關(guān)性濾波器。用于關(guān)聯(lián)和卷積操作的VI與之前提到的信號(hào)處理功能不一樣，沒(méi)有相應(yīng)的VV，僅有ConvolutionandCorrelation.vi（其VI圖示為：）和四個(gè)基本函數(shù)VI，其中ConvolutionandCorrelation.vi包括了四個(gè)基本函數(shù)VI，為四個(gè)基本函數(shù)自相關(guān)、互相關(guān)、卷積和反卷積提供了一個(gè)公用的外殼。在實(shí)踐中，對(duì)虛擬儀器的運(yùn)用仍有一些技術(shù)含量。從自相關(guān)（2.1）的自相關(guān)界定公式中可以看出，正弦波信號(hào)的自校正波形仍為一條正弦波。然而，在實(shí)踐中，利用先進(jìn)的VIConvolution和Correlation.vi對(duì)正弦波進(jìn)行自相關(guān)處理，從而產(chǎn)生了如下的波形。顯然，這種依賴關(guān)系的結(jié)論是錯(cuò)誤的。這是由于關(guān)聯(lián)卷積函數(shù)對(duì)輸入的全部數(shù)據(jù)進(jìn)行關(guān)聯(lián)運(yùn)算，所以在運(yùn)算的開(kāi)始和結(jié)束時(shí)，其數(shù)值均為0。同樣的情形也發(fā)生在其他的計(jì)算機(jī)軟件中。其具體的解決辦法是：在進(jìn)行關(guān)聯(lián)卷積運(yùn)算時(shí)，將其中一組數(shù)據(jù)的長(zhǎng)度設(shè)置得比另外一組數(shù)據(jù)要短得多；此外，還可以通過(guò)增加取樣次數(shù)、盡量獲取更多的信號(hào)，對(duì)x軸進(jìn)行調(diào)整，使得得到的數(shù)據(jù)更加接近真實(shí)情況。在圖22中給出了與類比信號(hào)有關(guān)的編程方法。圖2.6直接使用VI得到的波形圖2.7加工修改VI后得到的波形圖2.8自相關(guān)程序設(shè)計(jì)(5)越限檢測(cè)的LabVIEW實(shí)現(xiàn)越限檢測(cè)主要是對(duì)測(cè)量信號(hào)進(jìn)行幅度檢測(cè)，以提供越限報(bào)警信息。其實(shí)現(xiàn)原理其實(shí)就是簡(jiǎn)單的幅值比較。越限檢測(cè)VI，MaskandLimitTesting.vi（其VI圖標(biāo)為：）就是在此原理的基礎(chǔ)上，集成報(bào)警界限定義和報(bào)警信號(hào)輸出的功能，其輸出變量的含義：①檢測(cè)信號(hào)：包含報(bào)警極限、被檢測(cè)信號(hào)、檢測(cè)過(guò)的超出信號(hào)等；②點(diǎn)對(duì)點(diǎn)估計(jì)值：對(duì)每個(gè)點(diǎn)上的跨界探測(cè)值進(jìn)行估計(jì)；③偵測(cè)合格：若此數(shù)值為T(mén)rue，說(shuō)明偵測(cè)到之訊號(hào)處于一設(shè)置界限之內(nèi)，藉此輸出即可在其數(shù)值為錯(cuò)誤時(shí)告警。該VI能夠被用于后方的輪椅監(jiān)控，并且將其狀況由方形發(fā)光二極管控制。還可以通過(guò)對(duì)RGB和Color.vi三個(gè)輸入數(shù)值的改變來(lái)定制色彩框。使用彩色框的優(yōu)點(diǎn)在于可以在三種環(huán)境下呈現(xiàn)出各種色彩，而方形LED則沒(méi)有這個(gè)功能。2.3.2高斯噪聲信號(hào)的LabVIEW頻域分析VI(1)FFT在LabVIEW中的實(shí)現(xiàn)在傳統(tǒng)的頻率域中，F(xiàn)FT是建立功率譜、互譜、頻響函數(shù)和相關(guān)函數(shù)等的理論和方法。采用該方法，可以對(duì)具有N個(gè)連續(xù)變量的離散數(shù)組進(jìn)行DFT轉(zhuǎn)換。在一般的計(jì)算軟件中，通常只有FFT的子例程和功能，而沒(méi)有DFT的子例程和功能。對(duì)一個(gè)相繼的信號(hào)進(jìn)行快速傅立葉變換，通常按照下列程序來(lái)選擇參數(shù)：①對(duì)x（t）進(jìn)行x（t）的截?cái)啻螖?shù)fmax的估算，或者以期望的最大頻率進(jìn)行低通濾波，在此項(xiàng)目中，進(jìn)一步采用小波方法對(duì)噪聲進(jìn)行消噪處理，并對(duì)其進(jìn)行了濾波處理；②對(duì)期望的頻譜精度△f1進(jìn)行估算。快速傅立葉變換獲得的是一個(gè)不連續(xù)的光譜，要想?yún)^(qū)分出x（t）內(nèi)的兩個(gè)鄰近的兩個(gè)頻峰，那么相鄰兩個(gè)譜線之間的頻差δf一定要比△f1??；③確定采樣間隔Δ或采樣頻率fs(Δ≤fmax或fs≥2fmax)；④確定x(t)的一個(gè)樣本的最小采樣長(zhǎng)度Nmin(Nmin=1(Δf1Δ))；⑤對(duì)以2為基的FFT，按2的整數(shù)次冪及N≥Nmin圓整采樣點(diǎn)數(shù)N。由此確定的采樣間隔Δ和采樣長(zhǎng)度N將保證FFT后無(wú)混疊誤差產(chǎn)生，且譜線間隔Δf=(1(NΔ))<Δf1。如果對(duì)x（t）的物理特性缺乏足夠的認(rèn)識(shí)，很難估算其截止頻率fmax和頻率分辨能力△f1，可以采用更短的取樣區(qū)間△和更大的取樣長(zhǎng)度N來(lái)進(jìn)行快速傅立葉變換，然后根據(jù)得到的快速傅立葉變換來(lái)校正△和N。若x（t）的長(zhǎng)短不足以采集N個(gè)點(diǎn)的資料，則可以在xn之后加上0來(lái)補(bǔ)充N個(gè)點(diǎn)的資料。在LabVIEW中進(jìn)行FFT運(yùn)算，不論其長(zhǎng)度為N為奇或N，均以0為起始。只有在數(shù)據(jù)長(zhǎng)度N為偶數(shù)的情況下，N_2點(diǎn)是對(duì)稱的；若資料長(zhǎng)度N為奇數(shù)，則此時(shí)不會(huì)有任何數(shù)值，因?yàn)镹2并非整型數(shù)。LabVIEW中傅里葉變換的快速算法主要函數(shù)VI中有兩個(gè)最基本的傅立葉變換VI:FFT.vi（它的VI圖標(biāo)是：）和InverseFFT.vi（它的VI圖標(biāo)是：）。然而，就像自相關(guān)函數(shù)那樣，如果直接使用該指數(shù)，則無(wú)法得到真實(shí)的傅里葉轉(zhuǎn)換。舉例來(lái)說(shuō)，在圖2.9中顯示了直接利用FFT控制器對(duì)10Hz的有噪聲的正弦信號(hào)獲得的結(jié)果。圖2.9直接使用FFT.vi得到的波形因此，對(duì)于FFT.vi的基礎(chǔ)功能，在實(shí)際的測(cè)試中是必需的。在此基礎(chǔ)上，本文提出了一種基于數(shù)字信號(hào)的數(shù)字信號(hào)處理方法。通常，可以用ComplextoPolar.vi（它的VI圖標(biāo)是：f）來(lái)進(jìn)行順序變換，接著將該幅度頻率特征曲線輸入到波形顯示控制器中。此時(shí)，對(duì)10赫茲的含有噪聲的正弦信號(hào)再次執(zhí)行傅里葉操作，其結(jié)果顯示在圖2.10a中。此時(shí)所產(chǎn)生的波形曲線在10赫茲與90赫茲之間有兩個(gè)尖峰。通過(guò)改變圖形控制，將FFT取樣點(diǎn)僅顯示在波形圖上，并能對(duì)程序進(jìn)行修正。改進(jìn)后的程序，其效果符合現(xiàn)實(shí)，見(jiàn)圖2.10（b）。圖2.10(a)圖2.10(b)圖2.10加工修改后得到的波形(2)相干函數(shù)的LabVIEW實(shí)現(xiàn)在頻率域上，相關(guān)性是衡量?jī)蓚€(gè)信號(hào)的相關(guān)性的一個(gè)重要標(biāo)志，同時(shí)也能體現(xiàn)出一個(gè)系統(tǒng)的輸入與輸出的線性關(guān)系。這實(shí)際上是一個(gè)互相頻譜和實(shí)際測(cè)試中的自頻譜之間的聯(lián)系。在進(jìn)行相參函數(shù)的實(shí)際運(yùn)算中，只需簡(jiǎn)單地求取一次測(cè)得的各參數(shù)值與各參數(shù)值的相參函數(shù)，則毫無(wú)意義。關(guān)聯(lián)函數(shù)是指某一體系的一種統(tǒng)計(jì)性質(zhì)，它只能通過(guò)大量的實(shí)測(cè)資料求取平均值而得的相關(guān)函數(shù)，可以反應(yīng)出試驗(yàn)系統(tǒng)的線性關(guān)系或?qū)斎牒洼敵龅脑胍舾蓴_。網(wǎng)絡(luò)函數(shù)NetworkFunction(avg).vi（它的VI圖標(biāo)是：）是一種很實(shí)用的工具。該方法不但能夠進(jìn)行相參函數(shù)的運(yùn)算，還能夠通過(guò)譜解析的方法得到與試驗(yàn)體系的互譜函數(shù)、頻率響應(yīng)函數(shù)以及單元碰撞響應(yīng)。(3)其它一些頻譜分析VI在LabVIEW8.0的頻域子模板中增加和豐富了許多能夠進(jìn)行時(shí)域和頻域轉(zhuǎn)換的函數(shù)子VI，具體如表2.3所示。表2.3各種頻譜分析的VI波形操作VI名稱圖標(biāo)功能簡(jiǎn)介AutoPowerSpectrum計(jì)算時(shí)域信號(hào)的單邊自功率譜PowerSpectrum計(jì)算輸入序列的雙邊互功率譜CrossPowerSpectrum計(jì)算輸入信號(hào)的單邊互功率譜UnevenlySampledSignal使用Lomb周期法計(jì)算非均勻采樣信號(hào)的功率譜AmplitudeandPhaseSpectrum首先計(jì)算雙邊幅值譜，再將其轉(zhuǎn)換為單邊幅度譜SpectrumUnitConversion對(duì)譜類型PowerSpectrum、AmplitudeSpectrum、Gain進(jìn)行轉(zhuǎn)換STFTSpectrogram使用短時(shí)傅立葉變換計(jì)算信號(hào)能量的聯(lián)合時(shí)域分布CrossPower計(jì)算輸入信號(hào)的互功率譜2.4虛擬儀器LabVIEW的MATLAB調(diào)用2.4.1虛擬儀器LabVIEW與MATLAB的調(diào)用概述“MATLAB”這個(gè)單詞來(lái)自“矩陣實(shí)驗(yàn)室”，意思是“Matrix實(shí)驗(yàn)室”。“演算紙”型編程語(yǔ)言，是由美國(guó)Mathworks公司于一九八二年引進(jìn)的一種十分出色的計(jì)算工具。MATLAB具有科學(xué)計(jì)算能力強(qiáng)，運(yùn)算能力強(qiáng)，且有大量穩(wěn)定可行的算法庫(kù)，因此，MATLAB已是一種公認(rèn)的計(jì)算方法。MATLAB編程的思路實(shí)際上是當(dāng)今高級(jí)編程的一個(gè)重要發(fā)展趨勢(shì)。MATLAB提供了一個(gè)高效的矩陣操作及圖形化的能力，并且具有高效的程序設(shè)計(jì)能力，使得它能夠?yàn)榇蠖鄶?shù)的工程領(lǐng)域提供精確有效的工具包。這樣就可以很好地解決虛擬儀器由于工具包的局限性，對(duì)不同的計(jì)算方法缺乏足夠的支撐，因而不能用于大規(guī)模的軟件開(kāi)發(fā)。但是MATLAB軟件也存在很多缺點(diǎn)，比如接口的開(kāi)發(fā)性能不強(qiáng)，數(shù)據(jù)輸入，網(wǎng)絡(luò)通訊，硬件控制等都很麻煩。而MATLAB的上述缺點(diǎn)恰恰正是LabVIEW所具有的優(yōu)點(diǎn)。這兩種方法都存在著各自的不足之處，若能將MATLAB與LabVIEW結(jié)合起來(lái)，則可以使二者各自的優(yōu)點(diǎn)得以互補(bǔ)，從而使之更加智能。這種新型的智能設(shè)備，將為故障診斷，專家系統(tǒng)，復(fù)雜過(guò)程控制等領(lǐng)域帶來(lái)巨大的發(fā)展?jié)摿ΑＴ诨旌铣绦蛑?，一般采用虛擬儀器進(jìn)行人機(jī)交互，完成對(duì)數(shù)據(jù)的收集與通訊。LabVIEW能夠?qū)ATLAB進(jìn)行調(diào)用，是由于MATLAB對(duì)ActiveX的自動(dòng)控制功能。ActiveXAutomation是一種以COM(ComponentObjectModel,ComponentObjectModel）為基礎(chǔ)的一種新方法，可以使一個(gè)軟件或構(gòu)件能夠有效地控制其它軟件或構(gòu)件的工作。利用MATLAB的自動(dòng)伺服器函數(shù)，實(shí)現(xiàn)了MATLAB軟件在其他軟件上的運(yùn)行，以及與MATLAB工作區(qū)的數(shù)據(jù)交互。這樣就可以利用這個(gè)特征，將LabVIEW和其他軟件連接起來(lái)。將MATLAB與其相結(jié)合，可以將MATLAB所具有的眾多有效、實(shí)用的計(jì)算方法與LabVIEW良好的圖形程序設(shè)計(jì)相結(jié)合，使之成為一種可能。2.4.2虛擬儀器LabVIEW軟件與MATLAB的調(diào)用方法本文介紹了利用MATLAB實(shí)現(xiàn)虛擬儀表的兩種方式：(1)MATLAB語(yǔ)言中的節(jié)點(diǎn)在LabVIEW中，利用MATLAB語(yǔ)言編寫(xiě)程序，方便用戶使用。在LabVIEW中，利用ActiveX軟件實(shí)現(xiàn)了這個(gè)結(jié)點(diǎn)的運(yùn)行，并編寫(xiě)了一個(gè)MATLAB程序.從而為開(kāi)發(fā)人員提供了一個(gè)良好的平臺(tái)，并為開(kāi)發(fā)人員提供了一個(gè)良好的平臺(tái)。需要說(shuō)明的是：LabVIEW和MATLAB軟件的通訊只支持實(shí)數(shù)、實(shí)數(shù)和實(shí)數(shù)。矩陣，復(fù)合體，向量復(fù)合體，矩陣有6種形式，因此要針對(duì)不同的環(huán)境來(lái)選取。本文介紹了一種基于MATLAB語(yǔ)言的編程語(yǔ)言，該語(yǔ)言編程語(yǔ)言是一種基于MATLAB語(yǔ)言的編程語(yǔ)言。另外，由于LabVIEW采用了ActiveX語(yǔ)言編寫(xiě)程序，所以MATLAB語(yǔ)言中的腳本來(lái)就只有在Windows環(huán)境下才能運(yùn)行。利用MATLABSTScript語(yǔ)言進(jìn)行通訊很簡(jiǎn)單。這樣調(diào)用MATLAB時(shí)，會(huì)有一個(gè)MATLAB的圖標(biāo)顯示在工作板上，點(diǎn)擊這個(gè)圖標(biāo)就會(huì)開(kāi)啟MATLAB的視窗，可以在里面隨意的鍵入MATLAB的功能。(2)利用ActiveX功能模塊物件可以是檔案，裝置，網(wǎng)路連接等等。因?yàn)槭且粋€(gè)暫時(shí)的指標(biāo)，所以只有當(dāng)這個(gè)物件處于開(kāi)啟狀態(tài)時(shí)才會(huì)生效，而當(dāng)物件被關(guān)掉后，虛擬儀器將會(huì)自動(dòng)切斷。利用LabVIEW提供的相關(guān)子系統(tǒng)，在軟件框圖中生成并提取自動(dòng)目標(biāo)，并在此基礎(chǔ)上實(shí)現(xiàn)對(duì)目標(biāo)的操作。在沒(méi)有必要的時(shí)候，任何時(shí)候都可以將其釋放。對(duì)比兩種方式，MATLABScript的結(jié)點(diǎn)具有多輸入多輸出的特性，一次能對(duì)大量的信息進(jìn)行處理。MATLAB編程語(yǔ)言可以首先通過(guò)MATLAB進(jìn)行調(diào)試.在輸入之前沒(méi)有錯(cuò)誤MATLAB語(yǔ)言腳本。MATLAB腳本節(jié)點(diǎn)對(duì)數(shù)據(jù)的輸入和輸出都有清晰的規(guī)定.在MATLAB環(huán)境下，必須將LabVIEW所提供的數(shù)據(jù)格式與其對(duì)應(yīng)，方可實(shí)現(xiàn)數(shù)據(jù)的傳遞。利用MATLABSTABScript節(jié)點(diǎn)快速、便捷，能夠很好地適應(yīng)本項(xiàng)目的要求，因此在MATLAB中，我們選擇了MATLABScript節(jié)點(diǎn)方法來(lái)進(jìn)行調(diào)試。在LabVIEW中，MATLAB腳本和MATLAB之間的通信界面也要打開(kāi)，因此對(duì)MATLAB5.0及更高的軟件系統(tǒng)提出了更高的要求。另外，在LabVIEW中，利用MATLABScript節(jié)點(diǎn)和MATLAB通信時(shí)，必須將MATLAB的Web服務(wù)函數(shù)去掉。如果設(shè)置了該函數(shù)，則會(huì)導(dǎo)致LabVIEW不能與MATLAB接口。此外，編寫(xiě)或者調(diào)用MATLAB腳本中的代碼時(shí)，必須確保每個(gè)代碼都是完整的。如果一個(gè)聲明不能在一條線上完全寫(xiě)入，請(qǐng)確保在它的分支上加上一個(gè)鏈接，這樣可以使你的程序正常工作。2.5本章小結(jié)本章詳細(xì)介紹這三種算法的推導(dǎo)過(guò)程，并且通過(guò)數(shù)值仿真對(duì)三種算法進(jìn)行各方面的對(duì)比，說(shuō)明了在噪聲源可視化定位系統(tǒng)中集成CSPO-DAMAS算法的原因。第三章高斯噪聲識(shí)別算法研究3.1平面近場(chǎng)聲全息近場(chǎng)聲學(xué)全息（NAH）是一種常用的聲源識(shí)別方法，其基本思想是通過(guò)近場(chǎng)聲壓的近場(chǎng)聲壓測(cè)量，并根據(jù)其在源面-光闌平面內(nèi)的聲場(chǎng)聲轉(zhuǎn)移規(guī)律來(lái)重建聲源面的聲場(chǎng)。基于二維傅里葉變換的二維NAH方法是最早和發(fā)展最快的一種方法，其計(jì)算簡(jiǎn)單，易于實(shí)現(xiàn)，為此，文章對(duì)該方法作了簡(jiǎn)單的介紹。3.1.1理論推導(dǎo)理想、均勻、靜止流體中小振幅聲波的波動(dòng)方程為：（3.1）式(3.1)中，▽2為拉普拉斯算子，p(r,t)為空間坐標(biāo)r和時(shí)間t的函數(shù)。▽2p(r,ω)+k2p(r,ω)=0（3.2）式(3.2)中，p(r,ω)為在r處的聲波復(fù)聲壓；k為聲波數(shù)，k=ω/c,ω為角頻率，如圖3.1所示，用H來(lái)表示全息面，S來(lái)表示聲源面。圖3.1平面近場(chǎng)聲全息原理圖格林函數(shù)在聲源面S上滿足Dirichlet邊界條件，得到式(3.2)在平面近場(chǎng)聲全息中的解：（3.3）當(dāng)z=時(shí)：（3.4）對(duì)式(3.4)進(jìn)行二維Fourier變換，由卷積定理可得：P(kx,ky,zH)=P(kx,ky,zS)(kx,ky,zH-zS)(3.5)式(3.5)中，P(kx,ky,zH)、P(kx,ky,zS)和GD(kx,ky,zH-zS)分別是p(kx,ky,zH)、p(kx,ky,zS)和gD(kx,ky,zH-z)的二維空間Fourier變換。在狄利克雷邊值條件下，格林方程gD(kx,ky,zH-z)的二維空間Fourier變換公式為：(kx,ky,zH-zS)=eikz(zH-zS)(3.6)式(2.6)中，(3.7)因此，在狄利克雷邊值條件下，其重構(gòu)表達(dá)式如下：P(kx,ky,zH)=P(kx,ky,zS)eikz(zH-zS)(3.8)3.1.2數(shù)值仿真下面使用LabVIEW對(duì)平面NAH算法進(jìn)行仿真，仿真示意圖如圖3.2所示。圖3.2全息近場(chǎng)聲仿真示平面意圖本項(xiàng)目擬以1500赫茲（1500Hz）、球面（r=0.02米）的脈動(dòng)球型聲源作為研究對(duì)象，以球中心為坐標(biāo)原點(diǎn)，將其設(shè)定為2米*2米（-1.0米<x<1.0米，-1.0m<y<1.0米），每個(gè)測(cè)點(diǎn)間距0.05米，測(cè)點(diǎn)41×41，與聲源之間的距離為0.06m，重構(gòu)表面與聲源之間距離設(shè)定為0.03m。通過(guò)MATLAB軟件模擬實(shí)驗(yàn)，比較兩種方法所得的聲場(chǎng)壓力場(chǎng)的精度。利用MATLAB及LabVIEW對(duì)重構(gòu)表面的聲場(chǎng)進(jìn)行了分析，得到了三維聲場(chǎng)的分布曲線。圖3.3(a)是LabVIEW軟件中的平板NAH的聲場(chǎng)重構(gòu)結(jié)果，而在MATLAB環(huán)境下的平板NAH聲場(chǎng)重構(gòu)的效果。通過(guò)與圖3.3A、3.3B的比較，可以看到兩幅圖像的重構(gòu)結(jié)果是一致的，這表明在虛擬儀器的支持下，該方法可以精確地重構(gòu)出重構(gòu)表面的聲壓。(a)LabVIEW重建聲場(chǎng)圖 (b)MATLAB重建聲場(chǎng)圖圖3.3平面近場(chǎng)聲全息的LabVIEW和MATLAB聲場(chǎng)重建對(duì)比圖3.2互譜成像算法3.2.1理論推導(dǎo)互笛卡爾座標(biāo)系xoy以W為測(cè)量平面，在測(cè)試表面布置M個(gè)麥克風(fēng)，圖中黑色圓點(diǎn)代表麥克風(fēng)。將聚焦表面設(shè)為T(mén)，將聚焦表面均勻地分成N個(gè)聚焦點(diǎn)。其中，rm是第m個(gè)麥克風(fēng)的位置，其中，第n個(gè)聚集焦點(diǎn)的位置是rn，并且，將測(cè)定表面的中央與聚焦點(diǎn)的間距設(shè)為r。圖3.4互譜成像算法示意圖假設(shè)每個(gè)聚焦點(diǎn)都是潛在聲源的位置，p為測(cè)量面上傳聲器接收的聲壓，q為聚焦面潛在聲源的源強(qiáng)，G為測(cè)量面與聚焦面之間的傳遞矩陣，從而有：（3.9）（3.10）在公式(2.10)gm(rn)=e-jkrn-rm/rn-rm中,將第n焦點(diǎn)點(diǎn)到第m個(gè)換能器間的間距作為聲波的數(shù)目，設(shè)為rn-rm。由公式(2.9)可以獲得被測(cè)表面的聲波壓力，在焦點(diǎn)上的焦點(diǎn)r的輸出為：y(r)=v(r)Hp（3.11）式(3.11)中，v(r)=[v1(r)v2(r)…vM(r)]H，vm(r)為聚焦點(diǎn)r處的位置，用式(3.12)vm(r)=r-rme-jkr-rm（3.12）b(r)=y(r)y(r)H=v(r)HppHv(r)（3.13）3.2.2數(shù)值仿真下面基于LabVIEW平臺(tái)，使用互譜成像算法對(duì)聲源信號(hào)進(jìn)行處理，仿真模型如圖3.5所示。圖3.5互譜成像算法仿真示意圖在此基礎(chǔ)上，以單點(diǎn)源作為研究對(duì)象，以1000Hz作為源，在1米x1米范圍內(nèi)，每個(gè)聚焦點(diǎn)間距0.05米，焦斑數(shù)目為21×21個(gè)。測(cè)試表面尺寸為1米*1米（-0.5米<x<0.5米，-0.5米<y<0.5米），每個(gè)聚焦點(diǎn)間距0.05米，測(cè)點(diǎn)數(shù)量為21×21，距聲源0.1米。利用LabVIEW對(duì)焦點(diǎn)面聲源的辨識(shí)效果見(jiàn)圖3.6(a)，利用同樣的參數(shù)通過(guò)MATLAB模擬，比較兩種方法的效果。利用MATLAB和LabVIEW對(duì)焦點(diǎn)面聲源進(jìn)行了分析，并給出了相應(yīng)的實(shí)驗(yàn)結(jié)果。圖3.6(a)是基于LabVIEW軟件的互頻譜成象方法對(duì)噪聲源進(jìn)行辨識(shí)的實(shí)驗(yàn)，（b）是利用MATLAB實(shí)現(xiàn)的互頻譜成象方法對(duì)噪聲源進(jìn)行辨識(shí)的結(jié)果。通過(guò)與圖3.6A和3.6B的比較，可以看到，這兩種聲場(chǎng)源的辨識(shí)圖形是完全一致的，這表明在LabVIEW的平臺(tái)下，交叉頻譜成象方法可以精確地分辨出聲場(chǎng)焦平面內(nèi)的聲壓。(a)LabVIEW聲源識(shí)別圖 (b)MATLAB聲源識(shí)別圖圖3.6互譜成像算法的LabVIEW和MATLAB聲源識(shí)別對(duì)比圖3.3本章小結(jié)在這一章中，我們將給出聲源辨識(shí)的理論和計(jì)算公式。主要研究?jī)?nèi)容有：1）基于近場(chǎng)聲學(xué)全息的中、低頻聲源的二維NAH；2）基于交叉頻譜的波束成形算法；3)DAMAS和DAMAS2等。最后，利用實(shí)驗(yàn)室VIEW軟件對(duì)上述四種算法進(jìn)行了模擬實(shí)驗(yàn)，證明了本文提出的算法在中高頻噪聲源中的應(yīng)用是可行的。本文首先對(duì)四種聲源的辨識(shí)進(jìn)行了詳細(xì)的闡述，并對(duì)它們進(jìn)行了詳細(xì)的分析。第四章高斯噪聲信號(hào)的時(shí)頻分析4.1信號(hào)的時(shí)域分析方法判斷時(shí)域的方法有很多種其中應(yīng)用較多的有：時(shí)域波形分析、時(shí)域統(tǒng)計(jì)分析、時(shí)域參數(shù)指標(biāo)法和GREEN函數(shù)指標(biāo)法等方法。時(shí)域波形分析具有直觀、易于理解等特點(diǎn)。由于是原始信號(hào)，所以包含的信息量較大。課題采用的是時(shí)域統(tǒng)計(jì)分析法。因?yàn)樵趯?duì)圖像的高斯噪聲進(jìn)行采集分析時(shí)很難用確切的數(shù)學(xué)關(guān)系式來(lái)描述這種信號(hào)的數(shù)據(jù)。相應(yīng)的，隨機(jī)數(shù)據(jù)的重要特征就是在相同條件下的重復(fù)試驗(yàn)，雖然每次試驗(yàn)的結(jié)果可能不一樣，但是如果進(jìn)行大量重復(fù)試驗(yàn)，其結(jié)果就會(huì)出現(xiàn)某種統(tǒng)計(jì)規(guī)律性。采用時(shí)域統(tǒng)計(jì)分析的目的，就是根據(jù)隨機(jī)過(guò)程理論，用概率統(tǒng)計(jì)的方法揭示隨機(jī)過(guò)程的統(tǒng)計(jì)規(guī)律。在實(shí)際應(yīng)用中，檢驗(yàn)測(cè)試資料的大小的概率分布法則，即對(duì)測(cè)試資料的幅度范圍進(jìn)行分析。本文提出了一種基于時(shí)域滾動(dòng)圖象的振幅信號(hào)檢測(cè)方法，實(shí)現(xiàn)了對(duì)滾動(dòng)圖象的實(shí)時(shí)監(jiān)測(cè)。這是由于在運(yùn)行的影像中，如果發(fā)生了斑點(diǎn)、剝離、刮擦等部分損壞類型的失效，則會(huì)造成撞擊；而該撞擊將引起幅度范圍內(nèi)的參量測(cè)量結(jié)果發(fā)生改變，通過(guò)對(duì)這些改變的分析和處理，可以判定成像機(jī)理有沒(méi)有發(fā)生故障。在實(shí)際分析中，幅域參數(shù)指標(biāo)通?？梢苑譃閮蓚€(gè)部分：一部分稱為有量綱特征值，其中包括最大值、最小值、峰值、均值、均方值、均方幅值、平均幅值和方差等；另一部分稱為無(wú)量綱特征分析值，其中包括峭度指標(biāo)、波形指標(biāo)、峰值指標(biāo)、脈沖指標(biāo)和裕度指標(biāo)等。在一般機(jī)械設(shè)備的故障監(jiān)測(cè)中，要特別注意這兩部分指標(biāo)的綜合運(yùn)用。采用有因次統(tǒng)計(jì)特性的幅值計(jì)算方法，其計(jì)算結(jié)果不僅與機(jī)器本身的狀況相關(guān)，還與機(jī)器的工作參數(shù)（如負(fù)載、轉(zhuǎn)速等）密切相關(guān)。即，量綱特征值通常會(huì)隨影像類型的變化而變化，且在不同尺寸的影像上所獲得的有量綱特征值并無(wú)可比性，且同一類別、同一規(guī)格的影像在不同情況下所獲得的有量綱特征值并不能進(jìn)行直接比較。與之對(duì)應(yīng)的是，該方法僅依賴于機(jī)器本身的工作狀態(tài)，而不受機(jī)器本身的工作條件影響，且不受負(fù)載及速度的影響。這意味著，對(duì)于各種影像數(shù)據(jù)，其無(wú)量綱化特性具有較好的可比性。因此，相對(duì)來(lái)說(shuō)，用無(wú)量綱特征值作為一個(gè)很好的診斷指標(biāo)是合適的。然而，由于該項(xiàng)目采用的是一幅真實(shí)路面上的運(yùn)動(dòng)場(chǎng)景，其運(yùn)動(dòng)過(guò)程中生成的高斯噪聲為純粹的隨機(jī)，因此，僅根據(jù)其無(wú)因次的運(yùn)動(dòng)狀態(tài)監(jiān)測(cè)也無(wú)法實(shí)現(xiàn)。4.1.1有量綱統(tǒng)計(jì)指標(biāo)對(duì)于有限長(zhǎng)度的離散時(shí)間序列x0，x1，x2，…，xN?1，其有量綱的主要統(tǒng)計(jì)特征值有：(1)峰值：是在某個(gè)時(shí)間內(nèi)振幅的最大值。即：（4.1）它對(duì)瞬時(shí)現(xiàn)象也可得出正確的指示值。特別是初期階段輪椅軸承結(jié)構(gòu)的表面剝落，非常容易由峰值的變化檢測(cè)出來(lái)。(2)均值：均值μx是指各態(tài)歷經(jīng)隨機(jī)信號(hào)的樣本函數(shù)在觀測(cè)時(shí)間T上的平均值，即：μx（4.2）其中T—樣本長(zhǎng)度，單位秒。它表示隨機(jī)過(guò)程的中心趨勢(shì)，隨機(jī)過(guò)程都是圍繞著它聚集和波動(dòng)，是隨機(jī)過(guò)程的靜態(tài)分量。(3)均方值：均方值ψEQ\*jc3\*hps13\o\al(\s\up5(2),x)描述的是隨機(jī)信號(hào)的強(qiáng)度，它是樣本函數(shù)x(t)平均值，即：（4.3）它有著明確的物理含義，代表信號(hào)的平均功率。工程上，常用均方值的平方根xrms=ψx來(lái)等效信號(hào)的當(dāng)量幅值大小，所以也稱xrms為有效值或均方幅值。(4)方差：方差σEQ\*jc3\*hps13\o\al(\s\up5(2),x)描述信號(hào)的幅值波動(dòng)程度。用樣本函數(shù)x(t)偏離均值μx的平方均值表示，即：EQ\*jc3\*hps13\o\al(\s\up4(2),x)（4.4）由定義可知，方差的量綱與均值的量綱不同。為達(dá)到兩者一致，常用的是方差的正平方根σx，也稱為標(biāo)準(zhǔn)偏差或標(biāo)準(zhǔn)差，它是分析隨機(jī)信號(hào)的重要參數(shù)。信號(hào)波動(dòng)的范圍愈大，則σx也愈大?？梢?jiàn)，標(biāo)準(zhǔn)差σx描述了隨機(jī)信號(hào)的動(dòng)態(tài)分量。均值、方差、均方值三者之間的關(guān)系為：EQ\*jc3\*hps13\o\al(\s\up5(2),x)EQ\*jc3\*hps13\o\al(\s\up5(2),x)（4.5）需要一提的是，均值、方差、均方值只是描述了隨機(jī)過(guò)程在各個(gè)孤立時(shí)刻的統(tǒng)計(jì)特征，它們不能反映隨機(jī)過(guò)程在不同時(shí)間的相互依從程度。4.1.2無(wú)量綱統(tǒng)計(jì)指標(biāo)時(shí)間域有量綱的分析指數(shù)，其對(duì)負(fù)荷、負(fù)荷等參數(shù)更為靈敏，可用于判定車(chē)輪轉(zhuǎn)動(dòng)的速率及負(fù)荷，而不能監(jiān)測(cè)其工作狀況。此外，該方法還嚴(yán)重地依靠歷史資料。由于其僅依賴于隨機(jī)分布的隨機(jī)分布，且與設(shè)備的構(gòu)造及運(yùn)行速率無(wú)關(guān)，因此能夠?qū)崿F(xiàn)對(duì)滾動(dòng)移動(dòng)輪椅的動(dòng)態(tài)監(jiān)測(cè)。對(duì)于某一物理量，當(dāng)它所有的量綱指數(shù)都為零時(shí)，即稱為無(wú)量綱量參數(shù)。由此可知,無(wú)量綱量參數(shù)應(yīng)該是由兩個(gè)具有相同量綱量的比值組成，當(dāng)它描述某一特定體系時(shí)就具有一定的物理意義。例如，對(duì)于元件表面損傷類故障，用峰值指標(biāo)判斷比較敏感，對(duì)磨損類故障，用均方幅值指標(biāo)比較有效。而峰值因子既考慮了峰值，又考慮了均方根，所以，對(duì)兩類故障都可以判斷。對(duì)振動(dòng)信號(hào)進(jìn)行幅值域處理最常用的有量綱指標(biāo)有均方根值、峰值、均值及方差等。而無(wú)量綱指標(biāo)由信號(hào)的幅值參數(shù)演化而來(lái)，其主要統(tǒng)計(jì)特征值有：(1)波形指標(biāo):（4.6）(2)峰值指標(biāo):（4.7）(3)脈沖指標(biāo)：（4.8）(4)峭度指標(biāo):（4.9）它表征了樣本分布與正態(tài)分布的偏離程度。其中μx為均值(μx=X=xi)。但是需要注意的是，這里面的均值μx不是簡(jiǎn)單的對(duì)平均值取絕對(duì)值，而只是一種記號(hào)。它主要表征了各個(gè)無(wú)量綱參數(shù)的穩(wěn)定性和敏感度。在無(wú)量綱的幅值參數(shù)指標(biāo)中峭度指標(biāo)的穩(wěn)定性和敏感度都很好，峰值指標(biāo)的穩(wěn)定性和敏感度一般，而脈沖指標(biāo)的穩(wěn)定性較好，敏感度卻一般。它們都反映了沖擊能量的大小，是故障診斷中常用的評(píng)價(jià)標(biāo)準(zhǔn)。但值得注意的是：當(dāng)輪椅因故障運(yùn)轉(zhuǎn)異常時(shí)，峭度值會(huì)隨著輪椅故障的增大而增大，然而當(dāng)故障特別嚴(yán)重時(shí)，其值反而會(huì)減小。前面已經(jīng)提到過(guò)，有量綱時(shí)域分析指標(biāo)受到的影響因素稍有不同，輸出的結(jié)果就可能完全不同，例如轉(zhuǎn)速30（轉(zhuǎn)/分鐘）和轉(zhuǎn)速60（轉(zhuǎn)/分鐘）的同一輪椅有效值就是完全不同的。而由于是輪椅顛簸運(yùn)動(dòng)，所以在不同轉(zhuǎn)速下求得的無(wú)量綱特征值也不盡相同。好在輪椅正常運(yùn)動(dòng)時(shí)的轉(zhuǎn)速確定的（67（轉(zhuǎn)/分鐘）），只要盡可能多的采集輪椅在這個(gè)轉(zhuǎn)速下滾動(dòng)運(yùn)動(dòng)的波形，就可以完成輪椅運(yùn)動(dòng)狀態(tài)的監(jiān)視。4.2信號(hào)的頻域分析方法頻譜分析是現(xiàn)代信號(hào)處理技術(shù)的最基本和最常用的方法之一，在生產(chǎn)實(shí)踐和科學(xué)研究中獲得日益廣泛的應(yīng)用。而頻譜分析中最常用到的分析方法就是傅立葉分析。自從法國(guó)科學(xué)家J.Fourier在1807年為了得到熱傳導(dǎo)方程的簡(jiǎn)便解法而提出著名的傅立葉分析技術(shù)以來(lái)，傅立葉變換首先在電氣工程領(lǐng)域取得了成功應(yīng)用，之后得到了深入研究。尤其是二十世紀(jì)四十年代，以傅立葉分析為代表的FFT以頻率分析、譜分析、譜分析等多種分析方法，以其特有的頻率分析、譜分析和譜分析為主要手段，被廣泛應(yīng)用于當(dāng)代科技的各個(gè)方面。到目前為止，傅立葉分析與快速傅里葉分析（FFT）作為一種最基礎(chǔ)的、最高效的分析手段，被廣泛地用于各種數(shù)據(jù)的分析與計(jì)算。根據(jù)離散傅立葉的變換公式，設(shè)由DFT得到的傅立葉變換實(shí)部為XR(k)，虛部為XI(k)，則：(1)幅值譜：Gxamp(k)=XEQ\*jc3\*hps13\o\al(\s\up5(2),R)(k)+XEQ\*jc3\*hps13\o\al(\s\up5(2),I)(k)Gxp(k)=[XEQ\*jc3\*hps13\o\al(\s\up5(2),R)(k)+XEQ\*jc3\*hps13\o\al(\s\up5(2),I)(k)]k=0,1,2,…,?1信號(hào)的功率譜反映了信號(hào)的能量隨頻率的分布情況，即反映了信號(hào)中的頻率成份以及各頻率成份的能量大小情況。當(dāng)信號(hào)中各頻率成份的能量比發(fā)生改變時(shí)，功率譜主能量的譜峰位置也將發(fā)生變化。另一方面，當(dāng)信號(hào)的頻率成份增多時(shí)，功率譜上能量分布將表現(xiàn)為分散；當(dāng)信號(hào)中頻率成份減少時(shí)，功率譜上能量分布將表現(xiàn)為集中。由此可以看出，通過(guò)描述功率譜中主頻帶位置的變化以及譜能量分布的分散程度，可以較好的描述信號(hào)頻域特征的變化。小波變換應(yīng)用4.3.1小波分析用于信號(hào)降噪處理信號(hào)的消噪，就是將信號(hào)中夾雜著的一些無(wú)用噪聲，通過(guò)各類電路或算法將其從所要處理的信號(hào)中消除。由于要被處理的信號(hào)通常包含大量的脈沖或突然的成分，而且噪音并非平穩(wěn)的白噪音，此時(shí)采用常規(guī)傅立葉變換對(duì)其進(jìn)行去噪已是無(wú)效的，這是由于傅立葉分析需要在頻域內(nèi)對(duì)其進(jìn)行完整的分析；因此，在時(shí)間線上，只要有一次突然的改變，就會(huì)對(duì)整個(gè)頻譜產(chǎn)生一定的影響。應(yīng)用小波進(jìn)行信號(hào)的消噪處理是小波分析的一個(gè)重要應(yīng)用。而小波變換雖然在信號(hào)消噪中的思想同傅立葉變換相似，但卻是在時(shí)頻域中對(duì)信號(hào)進(jìn)行分析。另外，小波分析具有多分辨的特點(diǎn)，充分發(fā)揮小波分析中的模極大值系數(shù)的特點(diǎn)，不僅可以從多個(gè)分辨率的角度，從多個(gè)分辨率的角度對(duì)其進(jìn)行分析，并依據(jù)其小波系數(shù)模極大值的傳輸特點(diǎn)進(jìn)行分析。以達(dá)到對(duì)信號(hào)波形進(jìn)行高效探測(cè)的目的。這種方法不僅可以省去矩陣操作，減少計(jì)算量，而且還可以提高SNR的提高；該算法具有良好的特征提取精度和對(duì)探測(cè)信號(hào)的形狀不靈敏等特點(diǎn)。因此，在系統(tǒng)的設(shè)計(jì)中，利用小波分析技術(shù)，并結(jié)合傳統(tǒng)的抗干擾手段，不僅能有效地抑制噪音，而且能有效地改善系統(tǒng)的穩(wěn)定性；同時(shí)也能保持有效的高頻段。為了具體說(shuō)明一下小波的優(yōu)越性，這里用傅立葉分析和小波分析分別對(duì)同一個(gè)含噪信號(hào)進(jìn)行消噪，運(yùn)行結(jié)果如圖4.1所示。圖4.1傅立葉消噪與小波消噪通過(guò)比較，可以看出，用小波進(jìn)行消噪可以很好地保存有用信號(hào)的尖峰和突變部分。由于有用信號(hào)主要集中在低頻部分，噪聲分布在高頻部分，所以用傅立葉分析進(jìn)行濾波時(shí)一般使用低通濾波器進(jìn)行濾波。但是，它不能將有用信號(hào)的高頻部分和由噪聲引起的高頻干擾加以有效地區(qū)分。若低通濾波器太窄，則在濾波后，信號(hào)中仍然存在著大量的噪聲；若低通濾波器太寬，則有可能將部分有用信號(hào)當(dāng)作噪聲濾掉。因此，應(yīng)用小波分析對(duì)非平穩(wěn)信號(hào)進(jìn)行消噪有著傅立葉分析不可比擬的優(yōu)點(diǎn)。一般來(lái)講，一維信號(hào)的消噪過(guò)程可以分成三個(gè)步驟：(1)一維信號(hào)的小波分解。選擇一個(gè)小波并確定一個(gè)小波分解的層次N，然后對(duì)信號(hào)s進(jìn)行N層小波分解；(2)小波分解高頻系數(shù)的閾值量化。對(duì)第1層到第N層的每一個(gè)高頻系數(shù)，選擇一個(gè)閾值進(jìn)行軟閾值量化處理；(3)一維小波的重構(gòu)。根據(jù)小波分解的第N層的低頻系數(shù)和經(jīng)過(guò)量化處理后的第1層到第N層的高頻系數(shù)，進(jìn)行一維信號(hào)的小波重構(gòu)。應(yīng)用小波進(jìn)行消噪時(shí)可以通過(guò)選擇不同的基來(lái)實(shí)現(xiàn)。事實(shí)上，基的選擇是具有相當(dāng)難度的，只能靠經(jīng)驗(yàn)來(lái)確定。盡管這樣，它仍然比傳統(tǒng)濾波法的濾波效果好。實(shí)際上，可以通過(guò)閾值的設(shè)置來(lái)改進(jìn)以上的缺點(diǎn)；把小于等于閾值的高頻系數(shù)置為零，而保留大于閾值的高頻系數(shù)，這樣就可以達(dá)到既可以保留信號(hào)細(xì)節(jié)又可以去除噪聲的目的。4.3.2利用小波分析對(duì)系統(tǒng)進(jìn)行故障監(jiān)測(cè)前面已經(jīng)提到過(guò)，課題是對(duì)在模擬顛簸路況上運(yùn)動(dòng)輪椅的振動(dòng)噪聲數(shù)據(jù)進(jìn)行測(cè)量分析。在現(xiàn)實(shí)中，輪椅很可能因?yàn)檩^強(qiáng)的沖擊顛簸而翻倒，甚至因長(zhǎng)時(shí)間的持續(xù)顛簸而被破壞掉。而在實(shí)驗(yàn)中，翻倒或損壞的輪椅還會(huì)繼續(xù)在試驗(yàn)臺(tái)上運(yùn)動(dòng)，這樣很可能會(huì)損壞實(shí)驗(yàn)臺(tái)。這就需要對(duì)輪椅進(jìn)行實(shí)時(shí)的滾動(dòng)運(yùn)動(dòng)狀態(tài)監(jiān)視，以便在輪椅運(yùn)動(dòng)出現(xiàn)異常時(shí)，及時(shí)停止實(shí)驗(yàn)臺(tái)工作。在實(shí)際機(jī)械設(shè)備故障監(jiān)測(cè)系統(tǒng)中，尤其是沖擊信號(hào)比較豐富的場(chǎng)合，比如，往復(fù)機(jī)械、磨合期的軸承，當(dāng)然也包括課題的測(cè)試分析對(duì)象——模擬顛簸路面上行走的輪椅，信號(hào)在任意時(shí)刻附近的頻率特征值都很重要。對(duì)于這類信號(hào)的處理，僅從頻域和時(shí)域上來(lái)分析是不夠的，必須要有一種新的方法能夠?qū)r(shí)域和頻域結(jié)合起來(lái)描述觀察信號(hào)的時(shí)頻特征，而小波分析的優(yōu)點(diǎn)使得小波分析能夠很好地解決這類問(wèn)題。例如，在低頻正弦信號(hào)中突然加入了一個(gè)高頻的正弦信號(hào)，造成了信號(hào)的不連續(xù)性。通過(guò)LabVIEW調(diào)用MATLAB，用分解層數(shù)為3的“db1、db3、db5”小波進(jìn)行分解重構(gòu)，分析結(jié)果如圖4.2所示。圖4.2間斷點(diǎn)的檢測(cè)由圖4.2可以看出，通過(guò)小波分析很容易對(duì)信號(hào)的不連續(xù)點(diǎn)做出精確的時(shí)域定位。而且一般來(lái)講，信號(hào)用小波分解的第一層就能夠估計(jì)出噪聲的大體位置，信號(hào)的斷裂點(diǎn)（頻率變化點(diǎn)）在更深的層次就可以表現(xiàn)出來(lái)。如果只是要辨別出信號(hào)的不連續(xù)點(diǎn)，三層就足夠了，另外最好采用的是“db1”小波。為了實(shí)現(xiàn)一個(gè)更長(zhǎng)的沖擊相應(yīng)濾波器，最好的選擇是“db1”小波。這是因?yàn)?，此刻小波基的選擇以正則性為主要參考原則，而“db1”小波的正則性就很好。如果選擇“db5”小波對(duì)上述信號(hào)進(jìn)行檢測(cè)，就會(huì)發(fā)現(xiàn)檢測(cè)效果很不理想。4.4本章小結(jié)本章并詳細(xì)介紹了傳感器的五種參數(shù)選擇、信號(hào)處理部分的五種信號(hào)處理方式、信號(hào)采集部分的三種采集數(shù)據(jù)指標(biāo)性能以及計(jì)算機(jī)的四種虛擬儀器系統(tǒng)的選擇方式。根據(jù)這些硬件選擇原則，選擇了本文研制的噪聲源識(shí)別系統(tǒng)適合的硬件，并詳細(xì)介紹各硬件部分的功能與參數(shù)。結(jié)論本文簡(jiǎn)單介紹了虛擬儀器技術(shù)，并且回顧了噪聲源識(shí)別技術(shù)的發(fā)展歷程與研究現(xiàn)狀，最后說(shuō)明開(kāi)發(fā)一套噪聲源可視化定位系統(tǒng)的原因，同時(shí)介紹該系統(tǒng)與其他公司類似的產(chǎn)品相比有什么優(yōu)點(diǎn)。介紹了該系統(tǒng)中使用的噪聲源識(shí)別方法的推導(dǎo)過(guò)程。闡述了四種噪聲源識(shí)別技術(shù)的理論基礎(chǔ)，并通過(guò)LabVIEW實(shí)施了這些方法的模擬驗(yàn)證，同時(shí)將結(jié)果與MATLAB的仿真輸出進(jìn)行了比較，證明了利用LabVIEW平臺(tái)實(shí)施噪聲源識(shí)別方法的精確性。現(xiàn)實(shí)世界的噪音千變?nèi)f化，有的保持靜態(tài)，有的呈現(xiàn)動(dòng)態(tài)。當(dāng)前研發(fā)的系統(tǒng)算法側(cè)重于靜態(tài)聲源的處理。未來(lái)計(jì)劃在該系統(tǒng)內(nèi)整合能識(shí)別動(dòng)態(tài)聲源的算法，以增強(qiáng)系統(tǒng)適應(yīng)各種復(fù)雜聲源類型的能力。本文開(kāi)發(fā)的噪聲源可視化定位系統(tǒng)雖然可以進(jìn)行噪聲源的可視化定位和移動(dòng)聲源的