文章编号：1006-1355(2012)05-0011-05车辆噪声源识别方法综述胡伊贤，李舜酩，张袁元，孟浩东（南京航空航天大学能源与动力学院，南京210016）摘要：在车辆产业中，噪声问题越来越突出，噪声源识别方法是车辆噪声控制的重要前提。
近年来，车辆噪声源识别的方法得到快速发展，但仍需不断改进和完善。
本文对车辆噪声源识别方法进行总结，将车辆噪声源识别方法分为传统方法、基于信号处理方法和基于声阵列技术方法三类，并描述和分析各种识别方法的特点。
最后总结全文，展望未来车辆噪声源识别方法。
关键词：声学；车辆；噪声控制；综述；噪声源识别方法中图分类号：V231.92文献标识码：A DOI编码：10.3969/j.issn.1006-1335.2012.05.003 Reviews of Vehicle Noise Source Identification Methods HU Yi-xian,LI Shun-ming,ZHANG Yuan-yuan,MENG Hao-dong(College of Energy and Power Engineering,Nanjing University of Aeronautics and Astronautics,Nanjing210016,China)Abstract:In the vehicle industry,noise issues have become more evident.Vehicle noise source identification is an important prerequisite for noise control.In recent years,new methods of vehicle noise source identification have been developed,but it is necessary still for them to improve and optimize.The different methods for identifying noise sources are reviewed in this paper.All methods are divided into three categories,i.e.the traditional analysis method,the method based on signal processing,and method based on acoustic array technology.The features of various identification method are described and compared.Finally,some prospects of noise source identification method are given.Key words:acoustics;vehicle;noise control;review;noise source identification method车辆噪声源识别是指在有许多噪声源或包含许多振动发声部件的复杂声源情况下，为了确定各个声源或振动部件的声辐射的性能，区分噪声源，并加以分等而进行的测量与分析。
车辆的噪声主要分为发动机噪声、进排气噪声、传动噪声、轮胎噪声以及其他机械噪声[1，2]。
车辆噪声产生机理不同，针对不同噪声源有不同的识别方法[3]。
本文将车辆噪声源识别方法分为三类：一类是传统噪声源识别方法，包括主观识别法、铅覆盖法、分部运行法、表面振速法和近场声压收稿日期：2011-11-23；修改日期：2012-01-21项目基金：江苏省普通高校研究生科研创新计划资助(基金编号：CX10B_094Z)作者简介：胡伊贤（1986-），男，江苏，江苏宿迁泗阳县人，硕士，目前从事车辆噪声与振动控制研究。
E-mail:nuaayixian@ 测试法等。
这些方法可以简单的对车辆噪声源进行识别。
第二类是以信号处理为基础的噪声源识别方法，典型的有时域平均法、相关分析法、相干分析法、倒谱分析法、阶次分析法、小波分析法以及盲源分离法等。
其中时域平均与相关分析是描述幅值随时间变化的时域分析方法。
相干分析、倒谱分析在频域内对噪声信号进行分析，主要针对平稳噪声信号；阶次分析、小波分析、盲源分离识别方法在时频域内对信号进行分析，一般用于非平稳噪声信号。
第三类是以声阵列技术为基础的噪声源识别方法，主要包括声强测试、波束成形以及声全息测试技术，它们主要特征是以全息面来直观全面反映各声源对整车噪声贡献的大小。
本文在对各种声源识别方法总结基础上，分析声源识别方法的使用特点、优点与不足，对车辆噪声源识别方法进行总结与展望。
1传统声源识别方法1.1主观识别法主观识别法是个人主观区别噪声来自于哪一噪声源。
它要求识别者对于车辆的主要噪声源有一定的了解，同时要有足够的经验，才能有效对噪声源进行辨识。
主观识别法的不足在于它没有能够定量的给出噪声源的贡献大小，对于噪声贡献相当的多个噪声源，主观识别法不能有效的辨识。
1.2铅覆盖法铅覆盖法是用内部加上吸声材料（减少内部混响）的铅板把所有的噪声源覆盖住，测试时针对某一噪声源所在的位置在铅板上打开一定大小的“窗口”，使所测量的声源或声源表面暴露在外，测量声源的声压级，这样依次打开各个声源的“窗口”分别测量各声源的声压级以判断噪声源的贡献主次。
这种方法主要针对中、高频段噪声效果较好，对于低频噪声效果较差[4]。
1.3近场测试法近场测试方法是利用声级计测量噪声源表面声压级，通过声压级大小比较各噪声源贡献大小的一种方法。
这种方法比较简单，但是对于噪声环境的要求比较高，且在发生混响的声场环境下测量时，效果比较差。
1.4分部运行法分部运行法在测试时，首先要测量整体的噪声声压级，然后依次将某些运行部件停止运行，通过声学的计算方法，得到各个部件对整车的噪声贡献[5]。
由于实际运行中某一部分停止运行，会影响到其他部件的运行状态，因此测量状态常常不一致。
同时分部运行法的测量时间比较长，需要进行系统的试验设计。
1.5表面振速法结构表面振动往往是产生噪声的主要原因，其振动强弱程度可以反映结构辐射噪声大小。
测试时，用加速度传感器拾取各零部件振动表面的加速度值，通过表面法向振动速度比较各部件的振动强弱。
由于振动点对振动表面的声场重构至关重要，近年来对于振动测点的优化进行了大量的研究。
天津大学以及江苏大学利用近场声全息理论和标准Tikhonov正则化方法来控制场点声压测量误差对表面振速重构解的扭曲影响得到了“测量点位置分布不均匀时，声源识别效果较好”的结论[6，7]。
2基于信号处理的噪声源识别方法2.1时域法2.1.1时域平均法时域平均法主要针对噪声信号中的周期信号，对噪声信号进行整周期的截取与迭加，可以将信号中非周期成分或随机成分消除，以突出噪声信号中的周期成分。
时域平均识别方法存在一些缺陷。
一些非周期性噪声容易被剔除，因此不能完整有效的识别噪声源。
2.1.2相关分析法相关分析法，是噪声信号在时域相关性的数学描述。
相关分析一般要求分析原信号中的特征信号为周期信号，对于非周期信号则无能为力。
在车辆噪声源识别过程中，利用相关分析对整车噪声信号与某噪声源信号进行分析，确定两者之间的相关程度，从而确定噪声源对整车噪声的贡献大小。
浙江大学利用相关分析法，分析了车内驾驶员右耳旁噪声，结果发现右前车顶车身结构板块的振动是引起驾驶员耳旁噪声的主要噪声源，通过对右前车顶的振动控制，获得了明显的降噪效果[8，9]。
2.2频域法频域法对平稳噪声信号进行Fourier分析，获得噪声信号幅值与相位特性，根据噪声频谱特性定位主要噪声源。
2.2.1频谱分析法频谱分析法是以Fourier变换为理论基础发展起来的一种分析方法。
在频域内，对噪声信号进行分析，能够获得比时域分析更多、更丰富信号特征信息。
车辆噪声源识别中，频谱分析法广泛使用[10，11]。
频谱噪声识别法主要包括自功率谱与互功率谱分析。
噪声自功率谱描述了噪声信号的平均功率在各个频率上的分布。
由于自身的缺陷，它并没有解决同频成分的问题，需借助其他识别方法进行分析[12]。
互功率谱描述了两个噪声信号互相依赖的程度，可以用来计算系统的频响函数，进行传递路径的分析与识别，因此对产生噪声的激励源识别有一定的优势。
在此基础上新的识别技术不断出现[13]。
2.2.2相干分析法相干分析与相关分析类似，两者的主要区别在于前者针对频域分析而后者是时域分析。
相干分析是在信号的互功率谱的基础上发展起来的，在分析信号频率上相互依赖性或某种响应产生机制具有重要意义。
应用相干分析，可以探寻噪声谱中峰值的来由。
现阶段相干分析主要应用在多输入—单输出系统中，并且输入源比较少，因此对于多输入—多输出系统需要做进一步研究[14]。
2.2.3倒谱分析法倒频谱简称倒谱，它是对功率谱取对数后进行Fourier逆变换。
倒谱分析法在车辆容易发生混响的声腔内有很大的应用。
它能够将信号时域卷积的复杂关系转化为时延域的简单相加关系。
驾驶室中，由于有各种噪声在其内部进行声波的反射与衍射，容易形成大量的反射声，它们的存在使噪声频率产生失真，会影响声源识别的结果。
倒谱处理对功率谱的等距频率成分有很强的辨别能力，它能够有效地识别和删除噪声信号中的反射声。
重庆大学通过比较基于互相关分析的时延估计法、最小均方自适应滤波(LMS)时延估计法以及强混响条件下倒谱时延估计算法，得出倒谱时延估计的优越性。
2.3时频域法2.3.1阶次分析法阶次分析是针对周期性信号的倍频特性所提出的一种基于时频分析识别方法。
由于旋转机械（如齿轮等）振动的周期性，因此它在振动信号处理分析中运用比较广泛。
在车辆噪声源识别中它的应用也在慢慢体现[15]。
在初步确定车辆排气噪声的频谱特性时，可以进行阶次分析。
阶次分析针对非平稳信号，可以对不同转速的下噪声信号进行分析，通过对比分析声压图确定排气噪声在车辆运行的全部工况下的噪声情况[16]。
2.3.2小波分析法小波分析方法是一种时间窗和频率窗都可改变的时频局域化分析方法，这种特性使小波变换具有对信号的自适应性，克服了Fourier变换不能在时域和频域上局域化的缺点。
小波分析利用不同尺度（时延尺度—调节时延位置，扩展尺度—调节小波频率）的小波基函数对信号进行小波变换，一方面通过小波变换将噪声信号分解成不同频带的小波细节，使信号中不易察觉的特征在不同分辨率的子空间中显露出来；另一方面，采用小波逆变换可以根据需要对各级小波细节中的某一时刻的子波进行选择重构，提取噪声信号中的特征信息。