准确找出声源的所在位置是进行噪声控制的关键。随着信号处理与计算机技术的发展,对噪声源进行可视化识别与定位在技术上已成为可能:在计算机上通过噪声源识别算法对声压数据进行处理得到声源分布图,并与背景图片进行像素融合,形成包含背景的声源分布图,从而达到对声源进行可视化定位的目的。波束形成技术就是一类常用的噪声源识别方法,其包含的算法有很多比如传统的延时求和、互谱成像波束形成以及近年来出现的反卷积声源成像等。传统的延时求和波束形成是通过传感器接收信号,然后对传感器接收到的信号进行延迟、加权与求和,从而增加了期望信号与拟制了干扰信号来达到信号识别与定位的目的。该技术的优点是计算效率高,进行噪声源定位所需要的时间短,但空间分辨率较低。而反卷积声源成像算法是建立互谱成像波束形成输出结果与真实声源分布以及阵列点扩展函数矩阵三者间的卷积关系,然后通过不同的方法进行解卷积,来得到真实的声源分布,从而实现对噪声源进行准确定位。由于该技术获得的是声源源强的空间分布,因此空间分辨率较高,但由于计算量较大,因此计算时间较长。因此在实际的运用中,应该根据相应的场合和需求选择相应的算法。为了使工程师们能够方便快捷地“看到”真实声源的位置,本文以传统波束形成技术和反卷积声源成像算法为理论依据,基于NI公司的LabVIEW平台,开发了一套噪声源可视化定位系统。该系统可以实现传感器的标定、声压数据的采集与处理、可视化定位以及实时定位等功能。该系统内置了三种不同的噪声源识别算法,使系统可以在不同场合下进行可视化定位,而且系统中提供了实时定位模块,使得系统不仅仅可以对静止的声源进行可视化定位,而且可以对移动的声源或非稳态声源进行实时的跟踪定位。论文首先对几种重要的噪声源识别算法的原理进行了详细的介绍,并通过数值仿真从空间分辨率和计算效率两方面比较了上述算法的性能,确定了系统采用的具体算法。然后介绍了系统的硬件设计方案,包括系统的硬件构成及其选择。随后重点介绍了系统的软件设计方案:详细介绍了软件的总体结构、各个模块的编程实现方法、模块功能以及所采用的重要技术等,最后通过实验验证的方式来说明该系统可以进行可视化定位与实时定位,验证该系统的实用性和所得结果的正确性。