A Residual Neural Network Framework for Rotating Sound Source Localization

想象一下，试图在一个人声鼎沸且所有人都在你周围旋转的房间里听清一个人的声音。传到你耳中的声波在音调和时序上不断变化，形成了一片混乱的噪音，使得定位说话者变得几乎不可能。这就是工程师在试图定位旋转机械（如风力涡轮机的叶片或喷气发动机内的风扇）的噪声源时面临的基本挑战。几十年来，科学家们一直使用麦克风阵列来捕捉这些声音并绘制它们的来源图。然而，当声源旋转时，这种运动会产生一种被称为多普勒效应（Doppler effect）的现象，它会扭曲声波，就像救护车疾驰而过时改变了警笛的音调一样。传统的处理这种失真问题的方法通常速度慢、计算量大，并且容易产生“幽灵”信号——即暗示存在噪声源但实际上并不存在的虚假报警。

上海交通大学与中国航空发动机集团有限公司（AECC）的一支研究团队开发了一种新方法来解决这一问题，即通过教计算机直接识别旋转噪声的模式。他们不再依赖复杂的数学公式来手动修正旋转运动，而是训练了一种名为残差神经网络（ResNet）的人工智能，让它直接观察来自麦克风的原始数据，并瞬间识别出声音的真实位置。在一系列详细的计算机模拟中，这一新系统表现出了卓越的效能。即使在多个旋转点同时发出噪声的情况下，它也能成功定位旋转声源，准确率高达 98.83%。或许最令人印象深刻的是，该系统做出决策的时间不到 50 毫秒，这一速度比目前使用的传统方法快了数个数量级，后者处理同样的信息可能需要数秒钟。

这项创新的核心在于研究人员如何为计算机准备学习数据。在标准的声学分析中，科学家通常使用一种称为互谱矩阵（cross-spectral matrix）的数学工具，它充当了不同麦克风之间声波关联的地图。对于静态物体，这张地图清晰且易于读取。但对于旋转物体，由于多普勒效应的影响，这张地图会变得杂乱无章，使得传统算法难以区分真实的声源与噪声。研究人员意识到，一种被称为模态组合波束成形（mode composition beamforming）的特定技术可以将这些被扰乱的数据重新组织成一种既保留了本质空间信息，又考虑了旋转因素的格式。他们将这种重新组织的数据输入到他们的神经网络中，该网络采用了特殊的结构，使其能够学习深层、复杂的模式，而不会产生困惑或迷失方向——这是训练大型计算机模型时常见的问题。

为了测试该系统，团队创建了数千个涉及不同转速、频率和强度的旋转声源的模拟场景。他们使用了一个由 16 个麦克风呈圆形排列组成的麦克风阵列，这种设置模拟了工业诊断中使用的实际设备。模拟涵盖了广泛的工况，包括转速在每分钟 500 至 2500 转之间、发射频率在 4500 至 5000 赫兹高频范围内的声源。研究人员还测试了不同的几何布置，将麦克风阵列分别平行于和垂直于旋转声源所在的平面。在每种情况下，神经网络都能识别出正确的声源数量及其精确位置，有效地过滤掉了困扰旧方法的虚假信号。

该系统最显著的发现之一是其消除“幽灵”贡献的能力。在传统的波束成形成法中，旋转引起的失真往往会在不存在的频率上产生幻象图像。这些“幽灵”可能会误导工程师，让他们认为存在多个噪声问题，而实际上只有一个；或者它们可能会掩盖关键故障的真实位置。然而，这种基于 ResNet 的新框架学会了完全忽略这些伪影。在系统面临多达六个不同旋转声源的挑战测试中，它准确识别了所有声源，且没有产生任何一个假阳性结果。这种精确度对于像飞机发动机故障诊断这样的应用至关重要，因为识别出噪声的确切来源可以防止灾难性的故障发生。

新方法带来的速度优势为实际工程提供了另一个重大优势。虽然被称为 ROSI 的传统时域方法分析单个案例可能需要超过 4 秒，而频域 MCB 方法需要超过 800 毫秒，但该神经网络在不到 50 毫秒内即可给出答案。这种处理时间的剧烈缩减意味着该系统最终可以用于实时监测，让工程师能够在机器运行时监控其健康状况，而不是等待延迟的分析结果。研究人员指出，当麦克风配置与训练时的配置相匹配时，系统的效果最好，并且生成用于模拟的大量训练数据需要耗费大量的时间和计算能力。然而，一旦模型训练完成，它的运行一致性和速度是手动计算无法比拟的。

这项研究还强调了现有方法的局限性以及这一新框架的特定优势。研究人员发现，仅仅增加神经网络的深度或复杂度并不总能保证更好的结果；事实上，在训练数据不足的情况下，更复杂的模型表现反而不如简单的模型。这表明，训练数据的质量和数量与网络本身的架构同样重要。此外，虽然该系统在测试的模拟环境中表现出色，但研究人员承认，现实世界的条件（如不可预测的背景噪声或不同的物理设置）仍需要进一步的适配。他们提出，未来的工作可以包括将模拟数据与真实的实验数据相结合，以增强系统的鲁棒性和适应性。

最终，这项研究代表了工程师应对旋转声音问题方式的一种转变。通过从僵化的数学修正转向数据驱动的学习方法，团队证明了利用前所未有的清晰度看穿旋转机械造成的失真是可能的。这种利用标准 16 麦克风阵列、且无需了解声波路径确切物理特性的能力，能够实现近乎完美的声源定位，为噪声控制和机械诊断开启了新的大门。随着技术的成熟，它有望改变我们聆听驱动世界运转的机器的方式，将混乱的旋转声流转化为一张清晰、可操作的噪声来源分布图。