本發明公開了一種軌道車輛車內噪聲源識別方法及系統，在軌道車輛運行的狀態下，實時利用球面麥克風采集軌道車輛內不同位置的聲壓數據；對聲壓數據進行球傅里葉變換處理，得到對應的聲源頻率；每隔預設區間統計一次聲源頻率得到N組聲源頻率；將統計M次得到的M*N組聲源頻率作為神經網絡模型的輸入，輸出M*N組聲源位置信息；按照聲源位置信息對應的聲源頻率的大小排列每一組聲源位置信息，得到M*N組新的聲源位置信息；由每一組新的聲源位置信息中，選取對應的聲源頻率超過預設聲源頻率的第一聲源位置信息所指示的聲源為統計區間內的噪聲源的位置。從而實現在確保噪聲識別適用于各個場合的情況下，高效率的完成噪聲識別的目的。

技術領域

本發明涉及噪聲源識別技術領域，尤其涉及一種軌道車輛車內噪聲源識別方法及系統。

背景技術

目前針對表面噪聲的識別存在多種多樣的方式，具體包括聲強法、近場聲全息技術、平面相控陣列技術和球型相控陣列技術等。不同的表面噪聲識別技術適用于不同的場合。

聲強法即使用聲強探頭對測量面上網格點逐一進行測量，進而對噪聲源進行準確定位。這不僅使得聲強法測量復雜，測量時間較長，并且被測聲源必須是穩態和非移動的，這也使得聲強法有很大的局限性。

近場聲全息技術通過測量聲源近場全息面上的復聲壓或質點振速，利用空間聲場變換算法重建出聲源的表面聲壓、法向振速和整個三維聲場中任意點處的聲壓、聲強等聲學量，進而對噪聲源進行精確的識別和定位。該方法要求全息測量面必須很靠近聲源表面，要小于最小聲波波長的一半，當聲源有很高頻率成分時，會使測量變的十分復雜。

平面相控陣列技術將一定幾何形狀排列的多元基陣各陣元的輸出進行加權、延時、求和等處理，增強特定方向上的有用信號，衰減其它方向上的干擾信號，形成一定的空間指向性，進而確定噪聲源的位置。但是，平面相控陣列技術由于受到傳聲器布置的限制，僅能分析在平面傳聲器陣列前方的一個受限聲場區域，不能定位其他方向的噪聲源。

球型相控陣列技術基于聲壓球諧函數角度分解的球面波束形成聲源識別技術，由于其特殊的球對稱結構使其能夠對三維空間所有方向進行聲源定位，且測量速度高，能夠同時識別入射噪聲和反射噪聲，可以用于任意的聲場環境(消聲室或非消聲室)，對于穩態和瞬態的聲源都可以進行測量。但是，其識別過程比較負責，且計算量比較大。如果有大量的數據需要進行識別時，效率會明顯降低。

由此可知，現有的表面噪聲識別技術要么基于各自的特性適用于不同的場合，并不通用，要么雖然通用，但是在數據量大的情況下效率比較低。

發明內容

有鑒于此，本發明實施例提供一種軌道車輛車內噪聲源識別方法及系統，以實現在確保噪聲識別適用于各個場合的情況下，高效率的完成噪聲識別的目的。

為實現上述目的，本發明實施例提供如下技術方案：

本發明第一方面公開了一種軌道車輛車內噪聲源識別方法，所述方法包括：

在軌道車輛運行的狀態下，實時利用球面麥克風采集軌道車輛內的聲音，得到所述軌道車輛內不同位置的聲壓數據，每一車廂至少設置有一球面麥克風；

對所述聲壓數據進行球傅里葉變換處理，得到對應的聲源頻率；

每隔預設區間統計一次所述聲源頻率，得到N組聲源頻率，每一所述球面麥克風對應一組聲源頻率，N為所述球面麥克風的個數，取值為大于等于1的正整數；

將統計M次得到的M*N組聲源頻率作為神經網絡模型的輸入，在所述神經網絡模型中對所述M*N組聲源頻率進行處理，輸出M*N組聲源位置信息，所述神經網絡模型基于聲源樣本頻率，以及聲源頻率和球面麥克風陣列動力學性能的對應關系進行訓練得到，M的取值為大于等于1正整數；

按照所述聲源位置信息對應的聲源頻率的大小排列每一組聲源位置信息，得到M*N組新的聲源位置信息；