基于贝叶斯推断的远置麦克风探针单步标定

《Acoustics》：Single-Step Calibration of Remote Microphone Probes Using Bayesian Inference

　　

远置麦克风探针（remote microphone probes, RMPs）广泛用于多种流体动力学应用中，以获取非定常压力脉动。对此类探针进行经验标定时，由于通常需要多个步骤，往往会在探针估计频率响应，即传递函数（transfer function, TF）中引入伪共振（spurious resonance）。为防止这种伪共振影响非定常压力测量，传递函数通常需要人工后处理。然而，这一过程本身可能构成额外的不确定性来源，从而削弱结果精度。此前，已有研究开发了一种基于贝叶斯推断（Bayesian inference, BI）的半经验标定方法——ASSIST（BAyesian proceSsing of SpurIous reSonance in calibraTion data），用于解决该问题。通过该技术，可以以显著降低对操作者依赖的方式去除伪共振，并以物理上正确的替代结果加以替换。然而，该方法的应用要求对模型及其相关假设具备较为深入的理解。本文提供了将ASSIST应用于远置麦克风探针标定所需的相关知识，内容涵盖标定数据采集、方法设置、结果分析，以及为获得最优拟合而对输入参数进行迭代调节。这些步骤在一个开源声学有限元法（finite-element method, FEM）仿真数据集上进行了演示，从而能够将解析线-腔（line-cavity）模型与三维（3D）模型进行比较，并讨论构成该方法的相关参数所产生的影响。最后，本文利用这一框架提出了该技术的一项新发展，使远置麦克风探针的标定过程可简化为单一步骤，从而消除伪共振来源，并实现其在非密封表面上的原位（in-situ）标定。

本文发表于《Acoustics》，围绕远置麦克风探针（remote microphone probes, RMPs）标定中的关键难题展开，即传统多步经验标定会因校准器（calibrator）在不同步骤中所处声场不完全一致而引入伪共振（spurious resonance），进而污染探针传递函数（transfer function, TF）的估计结果。RMPs广泛用于气动声学与流体动力学研究中，用于测量壁面非定常压力脉动，以分析机翼、火箭喷管等构型上的压力分布、非定常载荷及边界层湍流结构。然而，与齐平安装麦克风相比，RMPs依赖针孔、管路与腔体传递压力波，内部会产生黏性衰减、反射和相位延迟，因此必须通过标定获得TF并据此修正测量值。问题在于，平面波管的截止频率受直径限制，参考麦克风与RMP通常不能同时安装，因而需要借助校准麦克风分多步建立关联；但正是这种跨步骤拼接，使校准器自身的共振不能完全相消，从而在最终TF中形成非物理的伪共振。过去这类伪共振通常依赖人工识别与手动平滑或带通处理，但该过程高度依赖操作者经验，也会引入新的不确定性。

为应对上述问题，研究人员采用先前提出的ASSIST（BAyesian proceSsing of SpurIous reSonance in calibraTion data）半经验方法，将解析频率响应模型与经验标定数据结合，并借助贝叶斯推断（Bayesian inference, BI）区分物理共振与伪共振。本文的核心目标有二：其一，系统说明如何利用公开Python代码配置ASSIST，包括数据处理、先验概率密度函数（prior PDF）选择、测量误差设定、马尔可夫链蒙特卡罗（Markov chain Monte Carlo, MCMC）采样及结果后处理；其二，进一步提出一种新的单步标定发展方案，将原本需要多步的RMP标定压缩为单步流程，从源头上消除由校准器跨步骤耦合引起的伪共振，并为非密封表面的原位标定提供可能。

从研究背景看，纯解析标定虽然原则上可实现单步，但其准确性强烈依赖于探针几何尺寸、端部效应、附加腔体体积及流体参数的准确已知；而经验标定虽避免了对几何先验的过度依赖，却天然面临多步拼接和伪共振问题。因此，如何兼顾解析法的直接性与经验法的真实性，是RMP标定长期存在的空白。本文的意义在于，通过物理模型驱动的数据拟合策略，不仅减少了人工后处理的主观性，还展示了在单步条件下恢复探针真实TF的可行性，为复杂表面上的声压测量提供了更稳健的技术路径。

研究人员采用的主要技术方法包括：基于Whitmore线-腔模型（line-cavity model）建立RMP解析TF模型，将探针几何离散为串联或分支线-腔单元；利用贝叶斯推断（BI）融合解析模型与标定数据，并分别采用Metropolis-Hastings（MH）与ParaDRAM两类MCMC算法对后验分布（posterior PDF）进行采样；借助公开声学有限元法（FEM）平面波管仿真数据集作为参考数据，比较解析模型与3D声学模型间差异；对经验标定数据执行频域预处理，包括相干性（cross-coherence）分析与特定频带剔除（band-removal），以抑制非物理频段对拟合的干扰；最终在真实针孔探针单步经验数据上验证方法。

以下结合论文主体的结构对研究结果进行概括。

2. Theory and Methods
本文首先建立了ASSIST的理论框架。在线-腔模型部分，研究人员选用了Whitmore模型，用长度L、半径R及末端腔体体积V的线-腔单元描述探针内部压力波传播。该模型可处理分支型几何，并通过复有效腔体体积将下游支路等效并入上游单元，从而构造整个探针的TF。模型参数采用归一化形式，包括约化频率、剪切波数和腔体-管道体积比等。文中进一步分析了这些参数对线共振、亥姆霍兹（Helmholtz）腔共振、黏热效应和相位变化的影响，为后续参数选择与拟合提供依据。随后，论文介绍了BI的统计基础，即先验、似然（likelihood）与后验之间的关系，并说明如何将TF振幅与相位作为观测量分别建模，假定测量误差为零均值、相互独立的高斯分布。该设定使ASSIST能够在模型约束下对受伪共振污染的频带进行物理替代，而非仅依赖数据平滑。

2.3. ASSIST Python Code
研究人员对公开Python代码的组织结构进行了说明。代码包括原始标定数据读取、功率谱密度（PSD）、互谱与TF计算、Whitmore与Bergh-Tijdeman模型实现、贝叶斯推断函数以及可视化模块。这一部分的贡献不在于提出新物理发现，而在于将ASSIST从概念方法落实为可重复实施的计算流程，降低其使用门槛。

2.4. Acoustic FEM Simulation Setup
为构建受控验证环境，研究人员采用Siemens Simcenter中的NASTRAN SOL 108声学/声振耦合求解器，对平面波管校准器进行了FEM仿真。该几何与既往实验校准装置一致，包含主通道、扬声器锥段和侧支路。仿真中使用单极子声源代替振动扬声器膜片，以简化边界条件，同时保证目标频带内的压力脉动激励。该数据集的价值在于其几何已知、环境可控，可用于检验ASSIST恢复的模型参数与“真实”几何参数之间的一致性，并分析模型假设失配带来的影响。

3.1. Calibration Data
在标定数据处理部分，研究人员指出，标定信号形式、测量时间、麦克风灵敏度估计及平面波管截止频率都会影响TF质量。文中强调，麦克风灵敏度误差会导致TF振幅整体缩放，进而影响模型拟合。以FEM数据为例，研究人员选取了两种TF：一是针孔情形的TF_{junction→cal}，二是分支RMP情形的TF_ref→cal。同时，将复TF拆分为实值振幅与相位并分别设置测量误差方差，以便更直观地控制拟合重点。这一结果表明，合理的数据表示方式是ASSIST稳定应用的重要前提。

3.2. Modeling the Microphone Probe
在模型建立中，研究人员根据几何结构为针孔与分支RMP分别定义了线-腔拓扑。针孔情况仅需一个侧支线-腔单元，其主要拟合参数为R与α；分支RMP则可由侧支与下游主通道两部分等效描述。通过将模型TF与FEM数据叠加比较，研究人员识别出各共振峰来源，并据此删减拟合参数，仅保留对目标共振频率最敏感的参数。这说明ASSIST并非盲目全参数搜索，而是在物理分析基础上进行受约束拟合，从而降低参数维数、提高收敛性。

3.3. Prior PDF
研究人员比较了均匀先验与高斯先验对针孔案例拟合结果的影响。结果显示，当采用信息量较少的均匀先验时，后验等价于有界最小二乘拟合，模型会被振幅失配严重的共振峰牵引；而高斯先验通过对参数偏离初值施加概率约束，可在一定程度上避免不合理参数漂移。该部分揭示，先验协方差与测量误差方差共同决定拟合结果与可信区间（credible region），因而先验不仅反映操作者知识，也在实际操作中承担调参与稳健化功能。

3.4. Pre-Processing the Calibration Data
论文进一步指出，当数据中的错误频带与模型差异过大时，仅依赖先验不足以保证稳定拟合，必要时需进行频带剔除。针孔FEM案例中，由于FEM为无黏模型，而Whitmore模型本质上含黏性，导致约8.5 kHz附近共振峰振幅和相位斜率严重失配，后验对先验高度敏感。研究人员因此将8.4–8.6 kHz频带移除，保留其两侧正确TF信息用于拟合。结果表明，经带剔除后，MCMC收敛改善，模型仍可恢复该共振的物理位置而不再受异常峰值牵引。这一部分说明，ASSIST的关键不是简单保留全部数据，而是利用足够多的“可信频段”重建全频TF。

3.5. MCMC Proposal Distribution
在采样策略方面，研究人员系统讨论了提议分布（proposal distribution）对接受率（acceptance rate, AR）、样本自相关及后验核密度估计（KDE）的影响。过小步长虽提高AR，却导致样本高度相关；过大步长则增加拒绝率。研究结果支持将烧入（burn-in）后样本AR控制在约30%的经验准则，并通过自相关函数（ACF）与链轨迹图评估采样质量。使用ParaDRAM时，算法可自适应调整提议分布并执行重采样，以改善后验估计。由此可见，MCMC设置是ASSIST可靠性的另一核心环节。

4. Results and Discussion
在总体结果上，无论针孔还是RMP案例，ASSIST恢复的TF均包含数据中的物理共振，并成功消除了模型无法产生的伪共振。对于RMP案例，TF中3.3 kHz与10 kHz附近的破坏性线共振在FEM数据中表现为较浅的振幅谷值和较缓的相位变化，这是由于FEM与Whitmore模型在黏性处理上的差异所致；但因该案例未将剪切波数作为拟合参数，这种失配并未显著破坏TF拟合。研究人员还解释了为何这些线共振会在3D FEM针孔TF中以残余形式出现，而在线-腔1D模型中不出现：原因在于3D模型考虑了侧支感受面积上的空间分布压力，而1D模型仅以结点压力作为侧支入口条件。尽管如此，这类小特征在真实黏性数据中往往会被耗散，ASSIST仍可将其识别为非探针固有响应并加以替换。

关于参数辨识，研究人员发现FEM案例中后验最大值（MAP）参数与几何真实值存在明显偏差，尤其是由于无黏FEM数据迫使黏性模型通过增大剪切波数来模拟无黏行为，而参数间相关性又进一步牵连了半径和体积等参数。因而，本文认为，在伪共振去除这一主要任务上，只要TF拟合正确，参数与真实几何不完全一致并非决定性问题；但若将MAP参数进一步用于空间平均修正或掠流修正，其物理准确性仍需额外验证。相比之下，对于真实黏性标定数据，研究人员根据既有工作认为MAP参数更可能接近实际探针参数。

本文最重要的拓展结果在于单步标定。研究人员指出，若在单次标定中将校准器与探针整体视为一个线-腔系统进行拟合，则可先恢复包含两者的总TF，再在模型层面删除属于校准器的线-腔单元，仅保留探针部分，从而分离出探针自身TF。针对一个真实针孔探针经验数据集，单步拟合使用6个参数即可良好匹配实验数据，且由于不存在多步拼接，因此数据本身没有伪共振，ASSIST无需再剔除频带。与常规两步经验标定及其经ASSIST处理后的结果相比，单步法所恢复的探针TF在物理腔共振位置和整体频响上高度一致，同时避免了两步法中出现的伪共振。文中用均方根误差（RMSE）进行了量化：单步数据拟合后振幅与相位误差相对初始猜测显著降低，而从单步结果中提取出的探针TF与两步经验标定之间的误差，几乎与直接对两步数据应用ASSIST后得到的误差相当。这表明，单步方案在精度上接近传统方法，但在操作上更直接、对人工干预依赖更低。

讨论部分主要强调三点。第一，ASSIST的有效性依赖于存在足够宽、足够准确的TF频带，使模型能够据此识别并替换错误频带，因此高质量标定数据采集仍是前提。第二，当模型与数据在局部频带存在本质失配时，可通过收紧先验或剔除问题频带来恢复稳健性，但任何共振的移除都必须建立在对其物理来源的审慎判定之上。第三，单步标定的提出显著拓展了RMP标定适用场景，尤其适用于多孔衬垫、强曲率壁面等无法形成密封校准环境的表面，可实现传统技术难以完成的原位标定。

研究结论可译述如下：本文为利用新型半经验标定方法ASSIST实现远置麦克风探针严谨且稳健的单步标定奠定了基础。研究人员以声学仿真数据为示例，展示了从新数据集初始配置到参数精细调整的完整流程，并结合公开Python代码说明了方法实施路径。ASSIST要求拥有足够准确的TF数据，以便在拟合中忽略受伪共振影响的频带并用物理正确的TF加以替代；若问题频带影响过大，可通过先验约束或频带剔除加以解决。对参考声学仿真数据集的应用表明，ASSIST能够正确去除并替换所有伪共振；虽然在该特定无黏数据集上，收敛参数对先验较为敏感且与仿真几何存在偏差，但通过调整先验或剔除无黏共振可改善收敛，其中后者还能降低结果对先验的敏感性。ASSIST得到的模型参数未来有望用于进一步修正TF或非定常压力测量。最重要的是，ASSIST已证明能够基于单步标定为安装在平坦密封表面上的RMP估计TF；在真实针孔案例中，单步恢复的探针TF与传统两步标定结果高度一致，却无需对伪共振进行额外带通处理。对于安装在非密封表面上的麦克风探针，如多孔衬层结构，该方法使原位标定成为可能，而这通常是现有标定技术难以实现的。