Abstract
在科技進步的現代，由於大量的使用機械設備來提昇人們工作的效率，造成了民眾長期暴露在噪音量過高的惡劣環境中，因此改善機械的噪音實為刻不容緩之事。又若欲改善機械的噪音，就必須先了解噪音源的位置及產生噪音的機制，加以改善之。因此，如何確切地使用聲學物理模型來模擬機械的噪音源，並鑑別出其噪音源的強度，便是改善機械噪音中最重要的一環，也是本文研究的重點。 本論文使用奇異值分解（Singular Value Decomposition）來鑑別音源數目；而在音源位置之鑑別上是以多訊號分類分析法（Multiple Signal Classification）為基礎加以修正來使用。在多訊號分類分析法的理論上有一基本假設，就是各量測麥克風之雜訊皆為相同。但在實際的量測過程中，各量測麥克風之雜訊是不可能會相同的，所以若直接使用多訊號分類分析法來進行位置鑑別，可能會無法鑑別出音源位置。因此本論文提出了修正之方法，在各個量測麥克風上外加適當的雜訊參數，使得各個量測麥克風之雜訊變成相同，並經由數值模擬與實際實驗之結果可以發現，確實可以提高位置鑑別之準確性。最後在音源強度鑑別上，採用了Tikhonov Regularization。此方法在反算的過程中，可有效地抑制雜訊的影響，進而使得噪音源鑑別的結果更加準確。