波束形成的案例
褚教授專欄 | 波束形成聲源識別技術
2024/08/20 15:00-16:00 噪聲源識別網絡研討會
點擊這里，即可報名
波束形成聲源識別技術是利用一組傳聲器構成的陣列測量聲壓信號，基于特定方法后處理測得的聲壓信號來獲取被測對象表面的聲學成像圖，通過匹配光學照片等方式來確定聲源，又名“聲學照相機”，具有測量速度快、因適宜中遠距離測量而易于布置等優勢，在噪聲源識別、目標探測、故障診斷等領域被廣泛應用，自1974年由 Billingsley 和Kinns提出至今一直備受關注。
傳聲器陣列的結構形式決定波束形成聲源識別的空間范圍和應用場景。平面和球面是最常用的傳聲器陣列結構形式。平面傳聲器陣列的所有傳聲器共平面，幾何形狀有矩形網格形、圓環形、螺旋形、Fibonacci形、扇形輪形等；球面傳聲器陣列的所有傳聲器共球面，幾何形狀有開口球和剛性球。
平面傳聲器陣列適宜識別陣列前方局部區域內聲源，典型應用場景包括發動機噪聲源識別、道路及軌道車輛通過噪聲源識別等。憑借旋轉對稱性好和聲場記錄全面，球面傳聲器陣列能360°全景識別聲源，適宜在艙室等封閉環境內使用，典型應用場景包括汽車及高速列車車內噪聲源識別等。
傳聲器陣列測量聲壓信號的后處理方法決定波束形成聲源識別的性能。延遲求和（delay and sum, DAS）和球諧函數波束形成（spherical harmonics beamforming，SHB）是常用的傳統方法。平面傳聲器陣列采用DAS；球面傳聲器陣列理論上既可采用DAS 可采用SHB，實際上主要采用SHB（低頻表現更佳）。
展開 多通道DSP控制陣列高度的技術
（4）波束形成和控制：使用DSP通道的延遲功能，對不同驅動單元的信號進行適當的延遲處理，以形成所需的聲音波束。通過調整每個驅動單元的延遲時間，可以控制聲音在垂直方向上的定位和集中。它涉及以下步驟：
（4.1）陣列幾何設計：根據系統需求和場地條件，設計合適的揚聲器陣列幾何結構。這包括確定驅動單元的數量、間距和布置方式。通過合理的陣列幾何設計可以實現所需的波束形成效果。
（4.2）波束形成算法選擇：根據系統需求和目標，選擇適當的波束形成算法。常見的波束形成算法包括波束型權重（Beamforming weights）算法和最小均方誤差（Minimum Mean Square Error）算法等。
（4.3）驅動單元信號處理：將來自每個驅動單元的音頻信號輸入到多通道DSP中進行信號處理。針對波束形成，需要對每個驅動單元的音頻信號應用適當的波束形成算法和參數設置。
（4.4）波束形成參數配置：通過DSP設備的用戶界面或軟件工具，配置每個驅動單元的波束形成參數。這包括波束型權重的設置、延遲值的調整以及相位校正等。這些參數的設置可根據系統需求、陣列幾何和目標場景等因素進行優化。
（4.5）調試和優化：完成配置后，進行系統調試和優化。通過實時監測音頻輸出和波束形成效果，評估是否達到了預期的聲音投射效果。如果需要調整，可以根據實際情況微調DSP參數，如波束型權重、延遲和相位設置等。對于復雜的場景或要求更高的應用，可能需要進行進一步的驗證和調整。這會涉及實際測試、聽覺評估和實地優化等。通過不斷的驗證和調整，確保波束形成在實際使用中能夠達到最佳性能。
展開 手持便攜式聲學相機漢航NTS.LAB ACP系統介紹
圖1 精密陣列式聲學相機軟件模塊NTS.LAB ACM
圖2 手持式MEMS聲學相機軟件模塊NTS.LAB ACP
2聲源定位算法原理
基于傳聲器陣列測量的聲源定位系統的核心是定位算法，目前主流的算法包括波束形成和聲全息兩種。波束形成算法在高頻具有較好的定位分辨率，而聲全息算法在中低頻具有較好的定位分辨率，因此兩者可以形成很好地互補。下面將闡述兩種算法的具體原理。
2.1波束形成算法原理
波束形成算法原理是根據傳聲器陣列中各陣元的位置以及接收到聲波時間的差異，來確定聲源的位置。延時求和算法是最經典穩定的波束形成算法，其基本原理如圖3所示，以參考傳聲器為基準，對陣列中其他傳聲器接收到的信號進行延時操作，補償接收到聲波的傳播延時，使得所有傳聲器對于某期望位置上接收到的聲波在經過延時后相位相同，接著對所有信號進行加權、求和運算。經過算法處理后，期望位置上的聲信號會得到增強，進而產生一個空間響應極大值，而其他位置上的信號則被減弱，信號得到增強出現極大值的位置即為潛在聲源位置。
圖3 延時求和波束形成算法原理圖
傳統的波束形成技術是基于平面波假設發展起來的。理想條件下，聲源位于傳聲器陣列無窮遠處時，其輻射出的聲波為平面波。實際測量時，當聲源與傳聲器陣列之間的距離，其中為D陣列孔徑，為聲波波長，此時聲源即被認為是遠場聲源，傳聲器接收到的聲波可視為平面波，如圖4所示。然而，當前可視化聲源定位的一個發展趨勢是使用大孔徑陣列近距離測量，這樣可以獲得更多的聲源信息。例如，在工廠車間等嘈雜環境對機器設備進行故障診斷或降噪處理時，在一定條件下應該盡量減小測量距離，才能獲得比較高的信噪比，更準確地定位出噪聲源的位置。
展開 傳聲器陣列是什么？該如何選擇適合的類型？
選購陣列時所需要考慮的重要因素：
環境（機艙內、室內、室外、水下）
所需的頻率范圍
聲學成像圖所需分辨率
聲源距離（近場或遠場）
聲源類型（靜止或移動）
球 形 陣 列
主要用途：機艙內、室內
球面波束形成根據一種簡單的測量法，在各種聲學環境中都能提供完整的360°聲學成像圖。提供兩種算法：一種基于球諧函數的算法，稱為SHARP；另一種是濾波與求和，稱為FAS（專利申請中）。FAS能夠極大降低最大旁瓣水平。低頻增強技術幫助解決低頻聲源空間分辨率差的問題。結合CLEAN-SC的FAS能夠極大提高中高頻聲源的空間分辨率。
其它的方法只能描繪部分周圍環境，而球面波束形成則運用球形陣列繪制出所有方向上的噪聲，而裝在圓球上的12臺攝像頭會同時記錄下所有方向上的圖像。
記錄下來的圖像會作為聲成像圖的背景。球面波束形成無需假定聲學環境，因此，在自由場以及混響環境均可使用。
在狹小以及半阻尼空間中（如車輛與飛機機艙）通常都會用到球面波束形成。
噪聲源識別方式：球面波束形成
通道數：36或50
尺寸：20cm直徑
最大頻率：12kHz（最大旁瓣級優于6dB）
平 面 輪 形 陣 列
主要用途：室內、戶外
我們創新性的輪形陣列具有多種直徑與傳聲器配置，視具體應用而定。可與PULSE波束形成軟件搭配使用，并且可達到理想的效果，同時保證使用便捷。
該陣列主要用于波束形成測量，不過如果足夠接近聲源，也可以用于聲全息測量。
展開 
技術評論 | 風洞內傳聲器陣列互譜矩陣的去噪
<p>在風洞中使用傳聲器陣列進行波束形成測量時，傳聲器信號會被氣流噪聲嚴重干擾。考慮穩態運行工況，傳統的頻域波束形成方法會對互譜矩陣（CSM）進行長時間的平均，假定傳聲器之間的氣流噪聲是不相關的，氣流噪聲與真實噪聲源信號也是不相關的，這樣氣流噪聲的貢獻會<strong>逐漸地集中在CSM主對角線上</strong>。</p><p><br></p><p>目前廣泛使用的方法是<strong>主對角線移除（Diagonal Removal, DR）</strong>，即避免使用CSM主對角線，這對于一些波束形成算法是有效的，但其缺點是會低估聲源幅值，在聲源云圖上產生負的聲功率。反卷積波束形成如NNLS可以使用DR去噪，CLEAN-SC也包含了DR過程，它對強聲源有很好地識別能力，但對弱聲源就無法收斂。</p><p><br></p><p>對于其他波束形成算法，如函數波束形成，以及與聲全息相關的算法，CSM主對角線是必需的。為此，本文介紹兩種新方法，即<strong>主對角線去噪</strong>（Diagonal Denoising, DD）和<strong>典型相干去噪</strong>（Canonical Coherence Denoising, CCD）。</p><p><br></p><p>DD從主對角線上最大可能地減去功率和，同時保持所有非主對角線不變并且矩陣是半正定的。當主對角線以外的噪聲貢獻都被平均掉，且不相干聲源的數目不超過<img src="https://mmbiz.qpic.cn/mmbiz_jpg/OZOcVSxAOZVOaIuIaYLw6SdFVJBRpwhvxz6BMJkeC3UnntRexHVeq03OiaVibhWQO7JgCH4F1yu8pCjd47bulY0g/640?
展開 傳聲器陣列是什么？該如何選擇適合的類型？
可與PULSE波束形成軟件搭配使用，并且可達到理想的效果，同時保證使用便捷。
該陣列主要用于
波束形成測量，不過如果足夠接近聲源，也可以用于聲全息測量。
噪聲源識別方式：波束形成、聲全息或寬帶聲全息（專利）
通道數：18、36、60或84
尺寸：0.35-2.0m直徑
最大頻率：
- 波束形成
36通道：6.0kHz（最大旁瓣級優于8dB）
60通道：8.0kHz（最大旁瓣級優于8dB）
- 聲全息
36通道：1.5kHz
60通道：1.2kHz
手 持 式 陣 列
主要用途：機艙內、室內
手持式陣列的使用場景為
離聲源近的聲場與狹小的空間，如在車輛內或接近復雜機械進行泄漏探測以及保形成像。
為了適應待測量的頻率范圍，我們有多種間隔（25毫米到40毫米）可供選擇，而且雙層陣列有助于
在混響環境中進行測量。
展開 如何使用更少的投入在研發階段進行高級噪聲源識別？
通過使用頻譜圖中的時間光標，可以將注意力集中在單個事件上
波束形成測量
為了獲得被測設備附近噪聲環境的概況，理想情況下，聲學攝像機應放置在距聲源約35cm（一個陣列直徑）的位置。
然后，基于聲音信號從聲源到陣列傳播時間的延遲求和波束形成技術，可用于計算噪聲云圖。
這被稱為聲壓貢獻圖。為了進行波束形成測量，需將陣列中的30個傳聲器齊平安裝在反射板上，從而顯著降低了來自背景噪聲的干擾。
聲學攝像機與反射板和平板設備一起使用
聲全息技術的詳細介紹
當必須對特定區域進行詳細調查時，可以將反射板移開，并將陣列放置在距被測設備5cm（傳聲器之間的平均間距）的位置。
在如此近的距離處，陣列傳聲器可以檢測到傳播波和倏逝波的所有振幅和相位信息，從而完整地描述聲場。這就是聲全息技術。
這些技術的有效頻率范圍并未涵蓋噪聲工程師所關注的整個頻率范圍。波束形成的分辨率與聲音的波長有關，因此在高頻下更有效；而聲全息成像可以在低頻下使用，其分辨率由傳聲器之間的距離決定。
然而，對于穩態噪聲，有一種稱為寬帶聲全息的解決方案。對于寬帶聲全息，數據是在距被測設備10cm處的陣列（傳聲器之間平均間距的兩倍）處測得的，該陣列處于聲全息和波束形成的理想位置之間。然后數據將被導入到“陣列聲學后處理”應用程序，用于WBH計算。該專利算法可出色地估計低頻和高頻聲功率值。
波束形成的分辨率與聲音的波長有關，因此在高頻下更有效，而在低頻下可以使用聲全息成像，其解決方案取決于傳聲器之間的距離。
在您的研發項目中結合使用聲學相機
綜上所述，BK Connect聲學攝像機是一款非常有價值的噪聲源識別工具，適合有明確工作要做的中小型企業。其所涉及的行業范圍很廣，包括汽車聲學包供應商，密封條生產商，計算機、泵和電動工具制造商。
展開 有源相控陣雷達的科研利器—UltraLAB工作站集群推薦
有源相控陣雷達（Active Phased Array Radar）的研究涉及多個方面，主要包括以下內容：
1) 信號處理：研究雷達信號處理算法，包括波束形成、距離測量、速度測量、角度測量等。該部分主要涉及到信號處理和波束形成的算法研究。
2) 輻射與天線設計：研究雷達天線的設計與輻射特性，包括陣元布局、輻射特性優化等。該部分主要涉及到天線設計和輻射特性的仿真和優化。
3) 目標檢測與跟蹤：研究雷達目標檢測與跟蹤算法，包括目標檢測、目標跟蹤、目標識別等。該部分主要涉及到目標檢測與跟蹤算法的研究和性能優化。
4) 雷達性能評估與仿真：研究雷達性能評估與仿真方法，包括仿真模型建立、仿真數據生成、性能評估等。該部分主要涉及到雷達性能評估和仿真技術的研究。
在研究有源相控陣雷達時，常用的軟件和工具包括：
1) MATLAB：用于雷達信號處理、波束形成、目標檢測與跟蹤等算法的開發和仿真。
2) CST Studio Suite：用于雷達天線設計和輻射特性的仿真和優化。
3) ANSYS HFSS：用于天線和陣列的電磁仿真和優化。
4) FEKO：用于雷達天線和輻射特性的電磁仿真和分析。
5) SystemVue：用于雷達系統級建模和性能評估。
計算特點：
有源相控陣雷達的計算任務通常較為復雜和密集，需要大量的信號處理、數據處理和仿真計算。具體的計算特點取決于具體的算法和仿真模型，有些算法更加計算密集，有些仿真模型更加復雜。因此，對于一些復雜的任務，可能需要高性能計算資源來支持計算。
硬件配置：
對于有源相控陣雷達的研究和仿真，通常需要具備較高的計算性能和存儲容量。推薦的硬件配置應考慮以下因素：
處理器（CPU）：推薦使用高性能的多核CPU，以提供足夠的計算能力和并行處理能力。
展開 如何驗證軍用飛機的噪聲模型？
歐洲“臺風”戰斗機的聲強圖
利用波束形成的高性能軍用飛機噪聲模型的飛行試驗驗證
空中客車國防和航空公司正在開發軟件，以優化其軍用飛機的機場起飛和著陸路徑，從而減少對附近社區產生的噪音影響。對噪聲影響的計算需要對飛機上噪聲源，傳播路徑（包括可能的反射）和用于量化地面上感知噪聲的參數進行計算機建模。 飛機上的主要噪聲源通常是：噴氣，發動機進氣和起落架和機身周圍的空氣動力源。 最初，空客公司使用簡單的分析模型來量化聲源強度和指向性，但是為了基于模型獲得準確的預測，必須用測試的檢驗模型。
2015年6月，空中客車國防和航空公司要求Brüel & Kj?r提供一系列飛越式波束形成的測量，用于校準其歐洲臺風戰斗機的聲源水平和方向。 該空中客車項目負責人是Christian Waizmann，而Ernst Grigat博士是技術項目協調員。 他們根據我們與日本航空研究開發機構（JAXA）在飛越式波束形成方面的合作，看到了我們的會議論文，其中描述了在地面上使用傳聲器陣列來定位和量化一架飛越的商務噴氣機的噪聲源。除了聲源強度，另一個空中客車測量相涉及到的挑戰是確定其指向性。
2015年11月在德國諾伊堡機場，用Brüel & Kj?r的標準135通道，29米直徑的傳聲器陣列進行了一系列測量。 兩天內共進行了20次飛越測量。通過使用GPS時間信獲得了陣列數據和飛機車載數據這兩個系統之間的同步。 該圖顯示了在高度為47米，速度為100米/秒的臺風戰機在飛越時其底部聲強云圖。對飛機在陣列垂直軸的前10米和前20米之間的數據進行平均。
起落架收起，但是兩個外部燃料箱安裝在機翼下方（以藍色顯示）。
展開 一期一會 | 什么是相控陣列天線？
當波束方向在輻射方向圖上移動時，這被稱為波束掃描。更復雜的相控陣列天線，能夠以略微不同的頻率在不同方向控制多個波束。
旁瓣
旁瓣是輻射方向圖中除主波束之外的任意局部最大值。它們會消耗能量，并且造成干擾。陣列設計旨在最大限度地減小旁瓣的幅度。
相控陣列天線的類型
相控陣列天線有多種形式。業界專家會根據所用的拓撲和波束成形技術，對不同類型的相控陣列天線進行分類。
相控陣列拓撲
一種區分相控陣列系統類型的方法是，根據天線單元的相對位置對其進行分類。大多數系統都屬于下列其中一種拓撲類型：
線（1D）陣列：天線單元沿水平線排列，以更改波束的方位角；或沿垂直線排列，以控制俯仰角。
平面（2D）陣列：天線單元排列在平面（平面結構）上，可以控制俯仰角和方位角，以覆蓋天線上方的整個空間。
3D陣列：天線單元呈立體排列，能夠在任何方向上控制一個或多個波束。
波束成形器的類型
無源電子掃描陣列（PESA）：無源相控陣列，是整個陣列只有一個收發器的天線。這是最常見的相控陣列配置類型。
有源電子掃描陣列（AESA）：在有源相控陣列天線中，每個天線單元或單元子集都有一個模擬收發器模塊，用于在每個單元中產生相移。這種更先進的方法通常用于軍事應用。
數字波束成形（DBF）相控陣列：DBF陣列天線使用數字收發器模塊來改變每個天線單元中的相位和振幅。它還可以產生多個波束，并使用FPGA芯片或陣列計算機，以數字方式形成天線輻射模式。此外，數字波束成形陣列還可以在輻射方向上形成零點（null），用于故意最大限度地降低接收靈敏度，減少已知方向上的相互干擾。
混合波束成形相控陣列：AESA和DBF方法可以結合使用，以形成混合波束成形相控陣列。這種方法包括子陣列。每個子陣列都使用一個模擬收發器，而且子陣列中的每個單元都有自己的數字收發器。
展開 如何更高效地完成噪聲源定位與故障排除？
使用場景
基本陣列測量
產品噪聲源定位與故障排除
探測并記錄車廂異響（BSR）
適用于各種產業的研發、質保和排障，例如：
塑料和橡膠
暖通空調
醫學設備
大型家用電器
高頻聲泄漏探測
功能
測量并記錄事件音頻與視頻
通過頻譜圖可以得到測量和回放期間聲音事件的完整概覽
可顯示聲壓、聲強云圖，并計算表面聲功率
運用波束形成與SONAH技術在廣泛的頻率范圍內進行聲源成像
20秒內即可啟動運行
通過平板設備可實現遠程控制
以下是一個30通道的陣列，直徑35cm，頻率范圍為140Hz到12kHz（MSL優于7dB），其中140Hz~3kHz利用SONAH算法成像，1kHz~12kHz利用波束形成算法成像。
圖1 系統組成
圖2 現場手持式測量
圖3 實時聲源成像
手持式傳聲器陣列和套裝結合使用，能迅速進行聲源定位、進行屏幕截圖、錄制有關問題區域的視頻；同時具有瞬時回放功能，可以快速調整設置，確保準確記錄數據；您還可以使用平板電腦拍攝、保存和共享屏幕截圖，也可以在電腦上制作、保存、查看錄制內容和視頻以及整個測量項目。
BK Connect 及 BK Connect 套裝
BK Connect and BK Connect Applets
BK Connect的界面和產品結構的設計貫穿于整個開發過程，用戶的角色是設計的中心主題。BK Connect套裝聚焦于操作員角色，提供一個易于使用的單擊界面，可以執行特殊的、經常是重復性的任務。
展開 
新發現 | 當小米10手機遇見BK Connect聲學攝像機
這就是在發布會上出現的“黑科技” ——
BK Connect聲學攝像機，它是由30個麥克風組成的陣列，是一個用于實時噪聲源識別（NSI）的完整系統，利用波束形成和聲全息技術進行聲源成像，可用于穩態和非穩態測量，既可以固定在三腳架上，也可以手持式邊走邊測，非常適合于
NSI故障排查、異響（BSR）檢測和高頻聲泄漏檢測等。
展會預告 | 誠邀您蒞臨2023汽車測試展HBK展臺
由于采用了聲學波束形成和統計優化近場聲全息(SONAH)技術，聲學攝像機可在一個很寬的頻率范圍內測量。
HBK道路車輛移動聲源波束形成
該PULSE軟件對Pass-by（通過噪聲）測試的移動車輛（如轎車與卡車）所發出的噪聲進行噪聲源定位。測量出的聲學結果以等值云圖的形式顯示，清晰地顯現噪聲“熱點”，并且顯示噪聲是如何從各個位置輻射開來的。該噪聲圖疊加在車輛圖之上，從而使用戶可以清楚地看到車輛各個部件的噪聲級值，如輪胎或側翼后視鏡，并且可以了解聲音的指向性。
Discom生產下線NVH分析系統
Discom生產下線NVH分析系統適用于汽車動力總成及其零部件生產下線測試分析：齒輪、變速箱（包括手動、自動、雙離合器和油電混合變速器設計）、車橋和分動器、內燃機、驅動電機、軸承和電子執行器。能夠在下線測試臺架上模擬測試駕駛工況。Discom移動式系統專門設計用于整車相關性測試。
HBK電功率測試
eDrive系列功率計和功率分析儀采用數字循環檢測進行功率計算。即使在高動態負載變化中也能提供可靠的測量結果，而傳統的功率計卻可能出現障礙。足夠高的采樣率可完全滿足目前逆變器的技術要求，并可擴展到更多通道，更高采樣率以及其它類型輸入信號，滿足您未來的更多需求。
HBK扭矩傳感器
T40B以高精度、再現性和魯棒性而著稱，非常適合用于靜態和動態扭矩測量。包括滯后和高溫穩定性，扭矩傳感器具有0.03%的線性精度。可內置磁學轉速測量系統，在傳動系統中進行功率測量。非接觸設計和數字信號傳輸確保了更高的安全性，并具有免維護特性。
展開 有條件自動駕駛落地有效助力--人機交互與接管
語音增強涉及波束形成、聲源定位和聲源去躁。其中語音增強是一種利用聲源定位確定目標語音信號的方向，通過深度學習和波束形成的方法抑制噪聲和混響的算法模塊。如下圖，語音波束形成過程中實際是通過來自多個原始聲源和噪聲源的輸入疊加。其形成的聲源波束實際是各個音源的合成。在輸入后通過一定的算法提取出感興趣的且能量最高的聲源作為主處理聲源。隨后通過一些經典的程序，包括進行數據云端同步、多通信語音、目標掩蔽等處理手段形成的空間協方差矩陣，利用該矩陣進行掩模處理最終對聲源進行有效的去躁。期間，使用波束形成和深度學習相結合的系統，提升去噪性能。
除開以上初級的語音處理手段外，還需要通過一定懂得語音識別算法進行相應的語音識別。其中包括從語音數據庫中進行特征提取，聲學模型訓練，導出聲學模型。其次是利用文本數據庫中訓練的語言模型及語義字典輸入至語音解碼和搜索算法，最終實現語音算法輸出合適的語音。
3）語音測試評價
通過對采集的語音喚醒與指令數據進行多重標注，并建設車載語音識別模塊的自動化測評方案，對算法進行評價。評價過程包括數據切分、數據標注、實際測試過程。
數據切分包含設置喚醒詞、指令詞、多重交互指令。其中，喚醒詞測試用例中需要包含基礎喚醒詞、相似喚醒詞、干擾喚醒詞。指令詞測試用例中包含設置基礎指令詞、性別干擾、噪音干擾、相似指令詞、多媒體音頻、背景音、甚至方言干擾、位置影響等。多重交互指令中，涉及選擇詞、錯誤輸入、內容輸入等幾個方面。
數據標注內容主要是針對樣本庫中的不同類型進行文本內容、詞槽標注、意圖標注、響應時間標注等。樣例庫中的主要幾大類分為通訊、地圖、影音娛樂、系統、車身控制、車輛信息查詢、生活信息查詢、聊天互動等。
測試過程包括對場景模塊的數據輸入后通過“測試語科”識別語音是屬于背景音、車內噪聲還是車外噪聲。
展開 如何精確定位和量化高鐵外部噪聲？
案例分享
西南交通大學依據ISO 3095 標準在高架橋開展通過噪聲測量（傳聲器距軌道中線7.5m/25m、高度 3.5m），并采用HBK 78 通道輪式傳聲器陣列（直徑 4m，距軌中線 7.5m，高度2m）和軌道車輛移動聲源波束成形技術BZ-5939進行聲源識別。
結果表明：轉向架和受電弓區域是噪聲最強的聲源（350km/h時轉向架對總聲功率貢獻達 31.8%）；車廂區域聲源對通過噪聲的貢獻隨測量距離增加而上升，轉向架和車頭則下降；列車速度 200-350km/h 范圍內，轉向架與下部區域的貢獻隨速度升高而降低，車廂中部則升高。研究最終為高速列車外部噪聲控制提供了依據，同時指出未考慮軌道/ 橋梁噪聲、車身聲源貢獻可能被高估等局限。
更多信息請參閱Zhang, Jie, Xiao, Xinbiao, Wang, Dewei, Yang, Yan, Fan, Jing, Source Contribution Analysis for Exterior Noise of a High-Speed Train: Experiments and Simulations, Shock and Vibration, 2018, 5319460, 13 pages, 2018.
總結
通過“精確測量+ 精準定位 + 定量分析”為降噪設計提供直接依據，HBK移動聲源波束形成系統可實現核心能力包括：
噪聲源排序：可定義受電弓、輪對、轉向架、車廂間通道等小區域，計算各區域的聲功率貢獻量，按“噪聲重要性”對區域排序（例如明確轉向架是主要噪聲源）。
多維度特性分析：輸出噪聲源的位置信息（疊加車輛圖像，直觀顯示部件噪聲級）、頻率成分（明確高噪聲對應的頻率范圍）、聲功率輻射特性（量化噪聲源的貢獻）。
展開 