检索结果

Select

1. 欠定无人机发动机开车声音信号盲源分离

唐铭阳, 吴亚锋, 周楠

噪声与振动控制 2022, 42 (4): 127-131.

摘要（212）

PDF（pc）（1400KB）（503）

针对无人机发动机开车实验，设计了一个四通道声音信号采集系统并对采集信号进行盲源分离。首先以相关系数为标准采集4 路信号，其次选取其中3 路信号利用EMD-NLPCA盲源分离算法进行欠定盲源分离，最后得到发动机螺桨噪声、排气噪声、试验间的风机噪声和其他背景噪声等4 种信号，为进一步进行发动机故障定位和诊断提供了必要的数据基础。

相关文章 | 多维度评价

Select

2. 变步长 CFxLMS算法及其在电梯噪声主动控制中的仿真

马英博，吴亚锋，杨鑫博

噪声与振动控制 2018, 38 (5): 57-61. DOI: 10.3969/j.issn.1006-1355.2018.05.010

摘要（296）

PDF（pc）（1517KB）（1247）

本文提出了一种改进的CFxLMS(Correlation FxLMS)算法，该算法使用滤波参考信号与误差信号的相关函数控制步长更新。即随着相关函数的减小，步长也逐渐减小，从而提高了算法的实时性，较好地解决了传统FxLMS算法因步长固定带来的稳态误差大和实时跟踪能力弱的问题。为进一步验证改进算法的性能，本文将CFxLMS算法应用于高速电梯的轿厢内噪声主动降噪仿真中，并与FxLMS算法的结果进行了对比。

相关文章 | 多维度评价

Select

3. 基于管道声模态的消声器传递损失计算

郭军丽 1，吴亚锋 1，徐俊伟 1，刘晓凌 2

噪声与振动控制 2013, 33 (5): 179-183. DOI: 10.3969/j.issn.1006-1335.2013.05.039

摘要（2024）

PDF（pc）（1005KB）（4103）

传递损失是评价消声器声学性能的一个重要指标。提出了一种方法—管道声模态法代替传统方法估算传递损失。对进出口截面积较小的消声器进行计算和检验，与传统方法比较，结果基本吻合，且过程简单，提高传递损失的计算效率。对进出口截面积较大的消声器，中高频段由于大量高次波的出现，传统方法失效；但低频段管中声波以平面波为主，其结果与传统法一致。因此可以采用管道声模态法快速估算传递损失。

相关文章 | 多维度评价

Select

4. 气动噪声数值计算方法的比较与应用

徐俊伟;吴亚锋;陈耿

2012, 32 (4): 6-10. DOI: 10.3969/j.issn.1006-1355.2012.04.002

摘要（2365）

当前气动噪声问题已日趋普遍和突出。虽然自Lighthill开创气动声学已有半个多世纪，但是由于气动声学方程的复杂性，因此在很长一段时间内都无法实现气动噪声的准确计算。计算流体力学和声学计算方法的成熟，数值计算正在成为解决气动噪声问题的主要工具。从气动声学基本理论出发，对现有的三种气动噪声数值计算方法进行介绍，分析这三种方法的适用性，并通过应用实例说明它们各自的求解过程和优缺点。由此可对气动噪声的预测提供一定的参考依据。

相关文章 | 多维度评价

Select

5. AANC次级通道建模方法研究

杨浩;吴亚锋;王春云;储妮晟

2011, 31 (3): 33-36. DOI: 10.3969/j.issn.1006-1355-2011.03.008

摘要（7862）

次级通道建模是自适应主动噪声控制（AANC）系统的一个关键问题。应用一种基于时间扩展脉冲（TSP）信号的脉冲响应测量方法。TSP信号具有脉冲能量分布于一段时间的特性，将其作为被测系统的激励，再将其响应信号中的分散能量聚集，即可重构得到系统的脉冲响应函数。该方法被应用于AANC的次级通道建模，仿真和实验分别得到20 dB和14 dB的降噪效果。研究结果表明，该方法实现简单易行，结果准确可靠，非常适用于实际的ANC工程实验。

相关文章 | 多维度评价

Select

6. 《基于参数模型的测试缺失数据恢复》

郜淑媛;吴亚锋;翟位雷

2010, 30 (3): 23-26. DOI: 10.3969/j.issn.1006-1355.2010.03.007

摘要（1780）

PDF（pc）（199KB）（1494）

工程实验测试中常会因测试系统部件选取不合适或发生故障等原因而造成数据缺失现象。研究利用参数模型方法对其进行恢复。通过对被测信号中正确数据的分析，确定出模型结构、阶次、具体参数，并进行检验和优化，得出最佳模型。针对实际的空测数据进行了仿真和应用，证明该方法是有效的。

相关文章 | 多维度评价

Select

7. 《利用聚合经验模态分解抑制振动信号中的模态混叠》

齐天;裘焱;吴亚锋

2010, 30 (2): 103-106. DOI: 10.3969/j.issn.1006-1355.2010.02.103

摘要（2655）

PDF（pc）（1492KB）（1948）

传统EMD易于造成分解模态的混叠，混叠后的IMF分量失去原有物理意义。聚合经验模态分解 (ensemble empirical mode decomposition，EEMD)，是一种将噪声辅助分析应用于经验模态分解中的新方法，可以较好的抑制EMD分解中产生的模态混叠现象，将其应用于振动信号的模态提取中，取得较好的工程效果。

相关文章 | 多维度评价