噪声源识别

噪声源能识别技术（Noise Source Identification）可以用来优化产品及其部件的声辐射特性，在交通、航空、动力设备、家电、风机等领域有着广泛的应用。识别最主要声源的位置，频率和声功率，有助于决定怎样改变设计以便降低总体辐射噪声。B&K既提供传统的用于稳态的声源、基于声强测量的噪声源识别技术，也提供以阵列为基础的噪声源识别技术，后者具有速度更快、质量更高、稳态非稳态均可适用的特点。

三种主要的阵列应用软件是全声息（NAH）、波束形成（Beamforming）和球面波束形成（Spherical Beamforming），并有多个选项可以进一步提升性能。所有的计算和后处理都在相同的用户界面下进行，可实现数据检验、自定义计算参数、存储计算模板、检索数据、计算自绘制区域的声功率和自动报告生成功能。

8608型平面波束形成（Beamforming）

波束形成技术（Beamforming）和光学照相技术原理相似，适合对被测对象进行中远距离的快速声源识别。技术基于延时求和算法，采用传声器阵列捕捉声场信息，采用非平面阵列还可有效抑制后方的背景噪声。波束形成声源识别方法特别适用于汽车、火车和飞机等对象的外部噪声以及在风洞中对被测对象或者其缩尺模型进行声源识别。

8607型进场声全息（STSF+SONAH+ESM）

基于空间傅里叶变换的声场空间变换（STSF）是最先获得应用的全声息算法，它利用矩形网格阵列传声器对被测物近距离测量得到的一组声压数据实现对空间声场的数学建模，建模参数包括声压、声强、质点速度等。亦可利用该模型基于赫姆霍兹积分方程（HIE）

计算远场相应、沿直线估计远场声压分布。基于统计最优的近场声全息（SONAH）克服了传统近场声全息的空间窗效应和卷绕效应，该算法允许使用不规则的、尺寸小于被测对象的阵列。

8606型球面波束形成（Spherical Beamforming）

提供360度全方位的声场成像，特别适合汽车、高速列车、飞机或者船舶舱室内声场的声源识别。采用经过优化的36通道或50通道的闭口硬质球阵列、基于球谐函数角度域分解算法（SHARP）或滤波与求和算法（FAS）实现高分辨率和动态范围及稳定的成像结果。通过内置的12个摄像头，实现对阵列周围场景的全方位空间光学照相，并与声场成像结果自动重叠实现噪声源的快速定位和识别。

详见：B&K官网