STM32F103与AD7606-MATLAB设计的声学照相机

    在机电设备故障检测中，依据设备的某些故障具有发声特征，运
用声源定位技术，定位故障发声源位置，达到故障检测的目的。本文
以中央空调外机作为机电设备的研究对象，用a稳定分布建模环境噪声，
对故障噪声介绍和分析，设计数字陷波器对运行噪声源进行消除。采
集中央空调外机噪声，对数据进行处理，并用声级计测得环境噪声分
贝范围。

    理论分析了相关算法、共变算法、分数低阶协方差算法和共变相
关算法，用计算机进行仿真实验。对非整数自适应时延估计算法
  C LMPFTDE)进行改进，共变相关法的时延估计值作为LMPFTDE
的迭代初值，共变序列作为LMPFTDE的输入信号，仿真实验验证了
改进方法在脉冲环境和低信噪比条件下有更好的性能。
    分析了声源的声场模型，确定麦克风阵列尺寸，对几何定位法进
行数学公式推导，依据麦克风阵列与声源的位置关系，计算机仿真声
源定位，得到不同俯仰角和方位角下的估计误差，并分析误差原因。
    设计数据采集平台，依据模型搭建四元十字麦克风阵列，
STM32F 103ZET6作为系统控制采集部分，承担AD7606芯片的信号采
集、数据读取、储存、发送;MATLAB软件设计接口程序，接收和处
理下位机发送的数据。对数据采集平台的采集效果进行测试和分析，
验证了采集系统的有效性。

    应用机电设备故障监测系统的优点:帮助维修人员及早发现异常，迅速查明
故障原因，减少或避免机电设备由不正常运行状态发展形成大故障的可能，提高
设备使用的合理性、运行的安全性和经济型，充分挖掘设备潜力，延长服役期限;
利用设备状态监测及故障诊断技术，就有可能由局部推测整体、由现象判断本质、
以及由当前预测未来，实现设备的在线、实时、动态监测，保证各种生产自动线
可靠运转，极大地满足现代化设备使用、维修的需要。
    机电系统故障诊断技术是机械故障诊断技术的一个组成部分，它是在机械故
障诊断技术基础上发展而来的。机械故障诊断技术是指在机器设备运行中或基本
不拆卸下，掌握设备状态，早期发现故障，判别故障的部位和原因，并预测故障
的发展趋势。它是防止事故和计划外停机的有效措施，也是设备维修的发展方向。

    美国西屋公司于20世纪80年代中期推出的过程控制系统PDS，该系统利用
汽轮机专家建立知识库，采用基于规则的正向推理方式，到1990年，该系统规则
库己扩展到近一万条。
    美国Bently公司于1993年推出的工程师帮助软件，具有两级法诊断能力。初
级诊断供现场运行人员使用，高级诊断供中试所和其他专业人员使用。
    美国Radian公司研制的对大型机组进行诊断的专家系统Turbo mac，它采用
正向推理方式进行诊断。

    研究意义:声源定位能够不接触、不干扰设备正常工作，不受光照、障碍物、
设备结构影响，与其他检测系统进行协同工作和长期连续监测;能够采用相关的
处理算法和硬件设备实现多个故障声源的定位，也能够远距离对故障声源定位。

    基于麦克风阵列的声源定位运用数字信号处理，阵列处理技术确定声源的空
间位置，目前使用广泛的声源定位方法[}Zo]分为三类:基于波束形成定位、基于高
分辨率谱估计定位和基于到达时间差定位。

    波束形成的基本思想是将各阵元采集信号进行加权求和形成波束，进而通过
搜索声源可能的位置来引导波束，修改权值使传声器阵列的输出信号功率达到最
大，功率最大的点就是声源的位置。现代的波束形成器突破了上述局限，在进行
时间校正的同时还对信号进行滤波，称为滤波求和波束形成器。
    基于最大输出功率的可控波束形成技术出现较早且己应用于实际的一种定位
方法，较多用于雷达、声呐以及移动通信的信号处理中。可控波束形成技术本质
上是一种最大似然估计，它需要声源和环境噪声的先验知识。而实际使用中，这
种先验知识往往很难获得。同时，进行定位估计是一个非线性优化问题，这类非
线性优化的目标函数往往有多个极点，对初始点选取很敏感。用传统的梯度下降
法往往容易陷于局部极小点，从而不能找到全局最优点，若采用别的搜索方法来
找全局最优点，就会增加计算复杂度，不适用于实时系统。

    基于高分辨率谱估计定位技术是利用接收信号相关矩阵的空间谱，求解传声
器间的相关矩阵来确定方向角，从而进一步确定声源位置。高分辨率谱估计定位
技术包括现代高分辨率谱估计技术，如自回归模型、最小方差谱估计和特征值分
解方法，例如MUSIC算法。
    基于高分辨率谱估计的定位方法是通过时间平均来估计信号之间的相关矩阵
需要信号是平稳过程，估计参数固定不变。该定位方法的效果和稳定性不如可控
波束形成法，但每次迭代的计算复杂度不像可控波束形成那么苛刻，但须假定理
想的信号源和相同特性的传声器，在实际环境中不可能做到这点。

    国内对声源定位研究比国外稍晚，一些高校、企业和研究所在这个领域内做
了大量的工作，并且取得了一定的进展。祖丽楠等人基于机器人声源定位，在时
延估计算法、定位算法和麦克风阵列入手，改进GCC-PHAT时延估计算法，结合
神经网络算法，提出一种基于反向传播神经网络的声源定位计算模型「30]，后来又
提出基于正四面体定位算法，根据麦克风阵列和声源的几何关系推导出声源俯仰
角、方位角和距离公式[[31 ]
    大连理工大学邱天爽等人用a稳定分布函数建模噪声，模型更符合实际噪声的
统计特征，研究了分数低阶统计量时延估计算法，提出新的自适应算法优化准则，
提出共变相关算法。用随机共振技术对信号进行处理，使时延估计在低信噪比下
更具稳健性「32]。同时，也对定位方法做了研究，对搜索定位法给出三种误差准则，
讨论了线性修正最小均方声源定位法(含球形插值法)。

    声级计可以测量空间环境的信噪比，其信噪比的计算是声功率与基准声功率
之比的以10为底的对数乘以10，以分贝计。在远离运行噪声源或通过覆盖法消
除运行噪声情况下，通过手机软件sound meter测量空调外机工作过程中环境的信
噪比，将其确定在某个范围内。在空调外机待机状态下，软件测得的信噪比在60dB
附近(运行噪声源微弱)。