EEPW论坛

降低发动机噪声是提升汽车NVH性能的关键之一，而解决这一问题的核心在于准确识别主要的噪声源。传统的识别方法主要包括声压法、表面振动法和声强法等。声压法操作简便、效率高，但容易受到声源位置和测试条件的影响，因此只能用于简单的噪声源识别。表面振动法能够识别结构辐射的噪声源，但对通过空气传播的噪声无效，同时测量易受振动位置的限制。声强法虽然对测试环境要求低，具备宽频带、高分辨率等优点，但只能逐点扫描稳定工况的噪声源，测试耗时长，效率较低。近年来，基于麦克风阵列的声源识别技术因其测量速度快、成像效率高、空间分辨率好，且能适用于稳态和瞬态声源的优势，在各类工业领域中得到了广泛应用。

声学相机是一种可以将声音信号转化为可视化图像的设备，通常由多个麦克风阵列组成，通过拾取不同位置的声波信号，结合波束形成算法或其他空间定位算法，生成声源位置的图像。声学相机可用于快速定位噪声源，特别适合复杂噪声环境下的多源分析。

本文以汽车发动机的噪声定位为例介绍汉航NTS.LAB ACX声学相机模块。发动机噪声是一种典型的机械噪声，主要包括以下几类：

①  空气动力学噪声：由发动机运转时气体流动、排气系统引起的噪声，频率范围较广。

②  机械噪声：由发动机内部机械部件的运动、摩擦、振动等引起，如活塞、曲轴、气门等，通常在中高频段。

③  结构噪声：发动机运行时，噪声通过车体或其他部件结构传递和辐射产生的噪声。

④  爆燃噪声：燃烧过程中产生的爆燃或爆震所带来的短时脉冲噪声，频率较高且随机。

通常情况下，阵列的波束若能有足够窄的带宽和较大的动态范围，则对于成像精度有显著的提升。由“瑞利极限”可知阵列的带宽反比于阵列的孔径和声源频率，正比于声源的距离。传感器阵列的阵列指向性图仅与阵元位置相关，因此阵列的布局会影响其指向性能。合理的阵列布局能够在可接受的动态范围内获得较高的分辨率。总而言之，影响阵列成像效果的关键因素包括：①声源的频率；②声源与阵列的距离；③阵列的孔径；④传感器数目与分布形式；⑤传感器性能。

图1为汉航NTS.LAB ACX声学相机模块计算的2000Hz频率下各典型阵列在正前方向的阵列指向性图。

图1 阵列指向性图

汉航NTS.LABACX声学相机模块包含波束形成(Beamforming)和近场声全息(Nearfield Acoustic Holography, NAH)两类算法，本文主要介绍Beamforming算法。

Beamforming算法通过利用传声器阵列中各阵元的位置和接收到声波的时间差来确定声源位置。最经典的波束形成算法是延时求和(Delay-and-Sum)算法。如图2所示，延时求和算法以参考传声器为基准，对阵列中其他传声器接收到的信号进行延时调整，以补偿声波在传播过程中到达各传声器的时间差。这一延时操作使得阵列所有传声器在某期望位置接收到的声波经过延时后在正确的方向上相位一致。接着，算法对所有信号进行加权求和处理，以使该位置上的声信号得到显著增强。经过这一处理后，期望位置的声信号形成一个空间响应的极大值，而其他位置的信号被有效抑制。增强信号所对应的极大值即表明潜在声源的位置，从而实现了精确的声源定位。

图2 声信号传播示意图

声源传播至参考阵元与其他各阵元间的时间差τ_n可表示为：

由测量得到的传声器信号对成像面某一点进行聚焦，即用声波传播至参考阵元与至所有阵元的相对延迟时间来进行时延补偿，接着对补偿后的信号进行加权、求和，可得到系统的输出为：

经傅里叶变换到频域输出为：

式中为加权系数，由式可看出，若，此时补偿后的各信号具有相同的相位，聚焦后的输出最大；若，此时补偿后的各信号相位不同，求和时可能出现相互抵消。

延时求和波束形成输出的平均功率即为：

式中，是传声器信号的互功率谱，将波束形成输出的平均功率谱分解成自谱和互谱两个部分：

由于各个传声器之间的噪声通常是互不相干的，因此在实际工程应用中，可去除功率谱中的自谱部分，产生更好的降噪效果和抗干扰能力，最终输出为：

传统的波束形成技术基于平面波假设，在实际测量中，当声源与传声器阵列的距离较大时，声源可以被认为是远场声源，传声器接收到的声波可视为平面波。当前声源定位可视化的一个发展趋势是使用大孔径阵列进行近距离测量，从而捕捉更多声源细节信息。例如，在工厂车间等嘈杂环境中，为了更准确地诊断设备故障或进行降噪处理，通常需要缩短测量距离，以提升信噪比并精确定位噪声源。然而，当声源与阵列之间的距离无法满足远场条件时，若仍使用远场平面波模型，会导致波束形成性能严重下降，出现波束主瓣变宽、旁瓣增高等现象，从而影响定位效果，如图3所示。因此，在这种情况下，采用更适合近场条件的球面波模型，能够避免这些问题，实现更理想的波束成像效果。

图3 近场波与远场波示意图

在近场声源定位中，声源的方向和其与传声器的距离都需纳入模型的考虑。当声源的尺寸远小于其辐射声波的波长时，可以将其近似为点声源。点声源辐射的波形为球面波，因此球面波模型的声压表达式会根据声波的传播距离调整幅值，更加贴近实际的声波衰减特性。

在实际测量中，阵列面与声源面之间的距离通常决定了是采用近场还是远场模型。近场球面波模型与远场平面波模型的主要差异在于计算声波到达各传声器的时间差方式，但二者的波束形成原理基本一致。采用球面波模型能够更精确地反映近场条件下的声波传播特性，提升测量的准确性。

汉航（北京）科技有限公司开发了便携式手持声学相机系统，以高效FPGA平台作为数据处理核心，形成了精度高、体积小、实时性强的声源定位方案，具备广泛的工程应用价值。

该系统的软件部分依托汉航NTS.LAB测试平台，显著提升了性能及海量数据处理能力。汉航NTS.LAB ACX声学相机模块的波束形成算法适用于远场和近场声源定位，系统能够根据用户设置的分析需求，自动生成匹配的波束形成算法模型，实时计算并提供精准的声源定位结果。这种设计不仅确保了精确的定位效果，也为实际应用场景中的噪声源分析和问题解决提供了更强的支持。

本次试验采用了汉航公司自主研发的30通道螺旋型阵列进行噪声测量。测量过程中，阵列中的每个传声器同步接收声音信号，并通过汉航高精度Hunter系列数据采集硬件将数据实时传输至汉航NTS.LAB ACX声学相机模块。汉航NTS.LAB  ACX声学相机模块利用高效的算法处理获取到的完整互谱矩阵，并基于波束形成反向计算声源表面各位置的声功率分布，实现声源区域的声学成像。

如图4所示，试验现场展示了阵列与发动机的测量布局。

图4 发动机声源定位试验现场图

通过使用汉航NTS.LAB ACX声学相机系统对实时噪声数据进行观测，可以从图5中的示波界面可观测到1300-1600Hz的频率范围内噪声信号表现出显著的能量峰值。结合前文对发动机噪声的分析，这一频段内的噪声主要源于动力总成系统内部机械部件的运动产生的机械噪声。因此，在1300-1600Hz频段范围内进行声源定位分析，清晰地识别出机械噪声源的位置，能够为后续的噪声优化和控制提供关键数据支持。

图5 NTS.LAB DSA示波信号

在1300-1600Hz频段，应用Beamforming算法，对整个动力总成系统进行声源定位成像，结果如图6所示。

图6 NTS.LAB ACX声源实时定位结果

在汉航NTS.LAB ACX声学相机模块的支持下，系统能够在测量过程中同时采集数据和画面，并将其实时导入NTS.LAB Analysis平台进行每帧数据的声学成像分析。在NTS.LAB Analysis中打开该段测量信号，可以观察到1500Hz下的声源成像结果，图像清晰地显示了噪声主要来自汽车发动机部位。这种直观的声源成像结果为噪声源定位提供了高效、精准的参考，有助于工程师更快速地开展降噪和优化工作。

图7  NTS.LAB Analysis声学相机后处理模块

汉航NTS.LAB ACX声学相机模块可以帮助工程师迅速且准确地识别噪声来源，结合强大的Beamforming算法，不仅能够生成清晰的声源分布可视化图，还能深入分析噪声的特性和来源。这一过程极大地提升了工程师分析和解决噪声问题的效率，为汽车行业的降噪设计提供了可靠的技术支持。