高速工况下乘员耳侧噪声信号重构方法

高速工况下,车内噪声信号具有随机性和波动性的特征.将一种基于经验模态分解(Empirical Mode Decom-position,EMD)和反向传输(Back Propagation,BP)神经网络的算法,用于重构车内乘员耳侧噪声信号.首先通过对车内乘员耳侧噪声贡献量分析,确定关键噪声源信号;其次对选择的噪声源信号进行EMD分解,得到有限个相对平稳的固有模态函数(Intrinsic Mode Function,IMF)分量;然后采用极值点划分法,按各个分量的波动情况进行重新划分,将信号分量重构为高频、中频和低频3个分量;最后对不同频段的部分建立相应BP神经网络模型,并将不同频段分量的重构结果叠加作为原信号的重构结果.以在某轿车采集到的5个噪声信号源为基础,利用该方法进行乘员耳侧噪声信号重构,并对其进行分析.结果表明:提出的噪声重构方法可以实现高速工况乘员耳侧噪声信号的重构,并具有良好的性能.