一种变电站低频噪声源定位方法与流程

1.本发明涉及变电站噪声测量技术领域，尤其是涉及一种变电站低频噪声源定位方法。


背景技术：

2.由于变电站内环境复杂、设备众多，其中电压器、电抗器和输变电线路等工作时都会产生不同程度的噪声，因此精准定位噪声源位置对于明确变电站声场分布进而采取相应的降噪措施意义重大。
3.近几十年来，基于声阵列的波束形成技术凭借其原理简单、定位准确等优势在噪声识别领域得到了广泛的应用与发展。但由于变电站内的电气设备产生的噪声多以低频噪声为主，而传统基于声阵列的波束形成技术受“瑞利判据”的限制，识别低频噪声源往往需要更大尺寸的阵列装置，这无疑增加了测量成本，且为其在携带运输、测量使用与应用普及等方面增加了难度。传统算法大多存在低频分辨效果不理想、抗噪性差的问题，尤其在远场的条件下难以达到较好的噪声源定位效果。因此，亟需一种能够有效定位低频、远场噪声源位置，同时极大提高算法抗噪性的声源定位方法。


技术实现要素：

4.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种识别准确的变电站低频噪声源定位方法。
5.本发明的目的可以通过以下技术方案来实现：
6.一种变电站低频噪声源定位方法，包括：
7.确定声源期望区域，同时获取声阵列测得目标声源的声压数据并计算声压互谱矩阵；
8.定义与真实声源向量相位、幅值相关的模态向量，根据模态向量和声压互谱矩阵的特征值、特征向量，基于广义逆波束形成过程求解真实声源向量在声源期望区域中的分布，并将其转化为积分形式；
9.对积分形式进行优化求解，获取真实声源的权重系数向量，根据真实声源的权重系数向量对噪声源进行定位。
10.在上述过程中，与真实声源向量相位、幅值相关的模态向量ai的表达式为：
[0011][0012]
式中，λi为声压互谱矩阵的第i个特征值，i＝1,2,
…
mh，mh为声阵列麦克风数量，ui为声压互谱矩阵的特征向量u的第i个列向量，为声压互谱矩阵c
p
的特征向量，c
p
＝u∑uh。
[0013]
真实声源向量在声源期望区域中的分布的表达式为：
[0014][0015]
式中，s为声源期望区域，声源期望区域s通过划分得到ns个期望区域划分点；a为mh×
1阶的模态向量；g
hs
为声阵列与声源期望区域s之间的mh×ns
阶声学传递矩阵，q为待求的目标区域中真实声源的权重系数向量。
[0016]
真实声源向量在声源期望区域中的分布，并将其转化为积分形式的表达式为：
[0017]
a(rh)＝∫sq(rs)g
hs
(rh,rs)ds
[0018]
式中，声阵列与声源期望区域s之间的mh×ns
阶声学传递矩阵为虚数单位，rh＝(xh,yh,zh)、rs＝(xs,ys,zs)分别为各个声阵列、声源期望区域划分点的位置向量。
[0019]
本发明方法中，对积分形式进行优化求解的具体步骤包括：
[0020]
1)将积分形式的真实声源向量在声源期望区域中的分布中的未知权重系数q沿声源期望区域s上x轴和y轴进行双向傅里叶级数展开；x轴为声源期望区域的长边所在轴，y轴为声源期望区域的宽边所在轴，展开后的表达式为：
[0021][0022]
式中，a
mn
为未知权重系数q的傅里叶展开系数；m、n分别为y轴、x轴的傅里叶展开项数；l
x
、ly分别为声源期望区域s的长、宽。
[0023]
2)将步骤1)展开的结果重新带入积分形式的真实声源向量在声源期望区域中的分布中；得到：
[0024][0025]
3)对步骤2)得到的结果中的坐标进行等分，并对积分进行数值计算，即将上式中积分区间xs∈[-l
x
,l
x
]、ys∈[-ly,ly]分别进行m、n等分，并对积分进行数值计算，得到：
[0026][0027]
4)对步骤3)的计算结果的级数求和范围进行截断，得到：
[0028][0029]
式中，m
t
、n
t
表示求和截断项数；且：
[0030][0031]
5)将步骤4)中截断后的结果转化为矩阵形式，表达式为：
[0032][0033]
式中，a表示mh×
1阶的模态向量；s表示mh×
mf阶的声阵列测量面与未知权重傅里叶展开系数之间的声学传递矩阵，mf＝(2
×mt
1)
·
(2
×nt
1)为傅里叶展开总项数；a
mn
表示mf×
1阶的待求傅里叶展开系数权重向量。
[0034]
6)对步骤5)转化为矩阵形式的结果，利用稀疏采样技术中的l1范数最小化求解傅里叶展开系数权重向量。采用的优化函数为：
[0035][0036]
式中，a
mn
为未知权重系数q的傅里叶展开系数；m为行数，n为列数；λ为拉格朗日乘数。通过求解上式的优化函数，即可得到真实声源的权重系数向量。
[0037]
本发明提供的变电站低频噪声源定位方法，相较于现有技术至少包括如下有益效果：
[0038]
本发明方法基于常规广义逆波束形成构造求解目标区域的真实噪声源向量分布方程；其次利用快速傅里叶变换方法改造求解积分，使得待求的噪声源权重系数向量具备一定的稀疏性，最后利用稀疏采样技术构造新的求解噪声源权重系数向量的优化函数，通过测量噪声源权重系数向量的最大峰值，定位噪声源的位置与强度量化结果，最终达到噪声源定位的目的，能够准确地重构目标声源的相关声学量，进而实现声源的有效定位，并在复杂的情况下也具备较强的抗干扰性能；此外，在基于广义逆波束形成高分辨率优势的同时，也具有很强的抗干扰性能，最终得到的定位结果不仅在中高频段展现出良好的性能，在低频段仍保持着较好的定位精度。
附图说明
[0039]
图1为实施例中本发明变电站低频噪声源定位方法的流程示意图；
[0040]
图2为实施例中声源、聚焦区域、声阵列的位置示意图；
[0041]
图3为实施例中本发明方法与传统广义逆波束形成方法在测试频率为300hz、测试距离为1m时的定位效果图，其中，子图(a)为本发明方法的定位效果图，子图(b)为传统广义逆波束形成方法的定位效果图；
[0042]
图4为实施例中本发明方法与传统广义逆波束形成方法在测试频率为1500hz、测试距离为1m时的定位效果图，其中，子图(a)为本发明方法的定位效果图，子图(b)为传统广义逆波束形成方法的定位效果图；
[0043]
图5为实施例中本发明方法与传统广义逆波束形成方法在测试频率为300hz、测试距离为2.5m时的定位效果图，其中，子图(a)为本发明方法的定位效果图，子图(b)为传统广义逆波束形成方法的定位效果图。
具体实施方式
[0044]
下面结合附图和具体实施例对本发明进行详细说明。显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
[0045]
实施例
[0046]
本发明提供了一种变电站低频噪声源定位方法，该方法首先基于常规广义逆波束形成构造求解目标区域的真实噪声源向量分布方程；其次利用快速傅里叶变换方法改造求解积分，使得待求的噪声源权重系数向量具备一定的稀疏性，最后利用稀疏采样技术构造新的求解噪声源权重系数向量的优化函数，通过测量噪声源权重系数向量的最大峰值，定位噪声源的位置与强度量化结果，最终达到噪声源定位的目的。上述方法在基于广义逆波束形成高分辨率优势的同时，也具有很强的抗干扰性能。
[0047]
图1示出了本发明方法的流程图，本发明方法的实施步骤分两步对声源进行定位，结合图1所示，具体实现步骤如下：
[0048]
步骤一：常规广义逆波束形成过程。
[0049]
1)首先利用声阵列测得目标声源的声压数据ph，计算得声压互谱矩阵c
p
：
[0050][0051]
式中，上标“h”表示共轭。
[0052]
2)进一步地，将声压互谱矩阵c
p
进行特征值分解：
[0053]cp
＝u∑uhꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0054]
式中，表示声压互谱矩阵的特征向量，mh为声阵列麦克风数量，∑＝diag(λ1,λ2…
λm)为其对应的特征值。
[0055]
3)进一步地，定义一个与真实声源向量相位、幅值相关的模态向量ai，模态向量ai为：
[0056][0057]
式中，λi为第i个特征值，i＝1,2,
…
mh，ui为特征向量u的第i个列向量。
[0058]
4)进一步地，确定期望识别噪声源的区域(期望声源聚焦区域)s划分得ns个期望区域划分点，进而求解真实声源向量在目标区域s中的分布，得：
[0059][0060]
式(4)也可写成如下积分形式：
[0061]
a(rh)＝∫sq(rs)g
hs
(rh,rs)ds
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0062]
式中，g
hs
为声阵列与声源期望区域s之间的mh×ns
阶声学传递矩阵，为虚数单位，rh＝(xh,yh,zh)、rs＝(xs,ys,zs)分别表示各个声阵列、声源期望区域划分点的位置向量，q表示待求的目标区域中真实声源的权重系数向量。其位置示意见图2，图中l
x
、ly分别表示声源期望区域的长、宽尺寸。
[0063]
步骤二：对求解真实声源的权重系数向量q进行优化求解。
[0064]
5)进一步地，将式(4)中的未知权重系数q在声源期望区域s上沿图2中的x轴和y轴进行双向傅里叶级数展开，x轴为声源期望区域的长边所在轴，y轴为声源期望区域的宽边所在轴，得：
[0065][0066]
式中，a
mn
为未知权重系数q的傅里叶展开系数，m、n分别为y轴、x轴的傅里叶展开项数。
[0067]
6)进一步地，将式(6)回带式(5)并整理得：
[0068][0069]
7)进一步地，将式(7)中积分区间xs∈[-l
x
,l
x
]、ys∈[-ly,ly]分别进行m、n等分，并对积分进行数值计算，可得：
[0070][0071]
8)进一步地，对式(8)的级数求和范围进行截断，可得：
[0072][0073]
式中，m
t
、n
t
表示求和截断项数；且：
[0074][0075]
9)进一步地，式(9)可写为矩阵形式：
[0076][0077]
式中，a表示mh×
1阶的模态向量；s表示mh×
mf阶的声阵列测量面与未知权重傅里叶展开系数之间的声学传递矩阵，mf＝(2
×mt
1)
·
(2
×nt
1)为傅里叶展开总项数；a
mn
表示mf×
1阶的待求傅里叶展开系数权重向量。
[0078]
10)进一步地，求解傅里叶展开系数权重向量a
mn
。
[0079]
稀疏采样是一种寻找欠定线性方程组最优稀疏解的有效技术，根据其理论：若信号本身可被稀疏表示，该技术就可以通过求解凸优化问题，在远低于奈奎斯特采样定理的采样频率下获得该信号的全部信息，仅需少量的测点信息即可高概率地重构出原始信号。将稀疏采样技术应用于阵列信号处理领域，利用稀疏波束图整形的手段可在减弱旁瓣量级的同时提高主瓣的增益水平，从而达到提高声源定位效果的目的。本步骤利用稀疏采样技术中的l1范数最小化求解傅里叶展开系数权重向量a
mn
：
[0080][0081]
式中，λ为拉格朗日乘数。通过求解上述式(11)的优化函数，即可得到真实声源的
权重系数向量。
[0082]
步骤三：通过测量步骤二得到的真实声源的权重系数向量的最大峰值，获得噪声源的估计位置信息及强度量化结果，最终达到噪声源定位的目的。
[0083]
本发明提出的面向变电站低频噪声源的定位方法能够准确地重构目标声源的相关声学量，进而实现声源的有效定位，并在复杂的情况下也具备较强的抗干扰性能。除此之外，该方法不仅在中高频段展现出良好的性能，在低频段仍保持着较好的定位精度。
[0084]
为验证本发明方法的优越性，本实施例借助matlab软件对本发明所提出的方法进行仿真，具体步骤如下：
[0085]
(1)设定两个强度不同的点声源，初始坐标分别为(-0.1,-0.1,0)和(0.1,0.1,0)；设定期望声源聚焦区域尺寸为0.5
×
0.5m，每边均匀划分8个网格节点；设定阵列测量面尺寸、划分结点数均与期望声源聚焦区域一致，共有64个传声器，位置在声源面上方1m处；设定本发明方法的等分数m、n均为27，截断项数m
t
＝20、n
t
＝10。在仿真计算时，本实施例在本发明方法、传统广义逆波束形成方法分别添加了信噪比为20db的高斯白噪声以模拟实际环境。并分别测试频率为300hz和1500hz时、测试距离1m和2.5m时的定位结果。定位结果如图3～图5所示。由图3和图4可见，随着频率的增大，两种方法的定位精度都随之提高，但本发明方法的识别效果始终优于传统方法，且在低频下具有良好的定位精度。由图3和图5可知，随着测试距离的增加，两种方法的定位精度都降低，传统方法无法识别、分离强度不相干的声源，而本发明方法仍具备较好的定位精度，且抗干扰性较强。
[0086]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。