高速列车气动噪声评估X指标论文

高速列车气动噪声评估X指标论文一.摘要

高速列车作为现代交通体系中不可或缺的一环，其运行过程中产生的气动噪声问题日益受到关注。气动噪声不仅影响乘客的舒适度，还对沿线居民的环境质量构成潜在威胁。随着列车速度的不断提升，气动噪声的预测与控制成为轨道交通领域亟待解决的关键技术难题。本研究以某高速列车型号为对象，针对其在不同速度区间下的气动噪声特性进行了系统性的评估与分析。研究采用数值模拟与实验验证相结合的方法，首先利用计算流体力学（CFD）技术构建了列车周围的流场模型，通过大涡模拟（LES）方法获取了关键区域的压力脉动数据。随后，在风洞试验台上对列车模型进行了噪声测量，并同步记录了声压分布数据。研究发现，列车头部与车尾的湍流脱落是产生气动噪声的主要源区，其噪声频谱呈现明显的宽频特性，峰值频率随着速度的增加呈现右移趋势。通过声学超材料等降噪措施的引入，实验结果显示噪声级降低了3-5dB（A），验证了该方法的实际应用潜力。研究结果表明，气动噪声的抑制效果与列车运行速度、车头车尾设计形态以及降噪措施的选择密切相关。基于此，本文提出了针对高速列车气动噪声的优化设计方案，为实际工程应用提供了理论依据和参考模型。研究成果不仅丰富了高速列车噪声控制领域的理论体系，也为后续相关研究指明了方向，具有重要的学术价值和工程应用意义。

二.关键词

高速列车；气动噪声；数值模拟；声学超材料；噪声控制；流场分析

三.引言

高速铁路作为现代社会高效、便捷、环保的交通方式，其网络化运营正以前所未有的速度改变着人们的出行习惯和城镇化格局。然而，伴随着列车运行速度的持续攀升，其产生的环境效应，特别是气动噪声问题，日益凸显，成为制约高速铁路可持续发展和民众生活质量提升的重要瓶颈。气动噪声是由高速列车运动时扰动周围空气介质而产生的声音，主要包括列车头部、车尾、轮轨接触区以及车体表面流动分离等部位产生的湍流边界层噪声、尾迹噪声和剪切层噪声等复杂声源构成的复合噪声。研究表明，当列车速度超过250km/h时，气动噪声往往成为总噪声的主要组成部分，其声压级和频谱特性与列车速度、车型设计、运行环境等因素密切相关。随着社会对生活环境质量要求的不断提高，以及高速铁路向更高速度、更大运量、更广覆盖范围发展的趋势，如何有效评估和控制高速列车的气动噪声，已成为声学工程、流体力学以及轨道交通工程交叉领域共同面临的核心挑战。这不仅关系到乘客的乘坐舒适度体验，直接影响到高速铁路的社会接受度和经济效益；同时，列车噪声对沿线居民区的声环境质量构成潜在威胁，可能引发噪声污染投诉，影响社会和谐稳定。因此，深入系统地研究高速列车的气动噪声产生机理、传播特性及其控制方法，具有重要的理论价值和紧迫的现实意义。当前，国内外学者在高速列车气动噪声方面已开展了大量研究工作。在噪声源分析方法上，从早期的等效点源模型，到基于线性声学理论的声学类比方法，再到近年来广泛应用的数值模拟技术，如计算流体力学（CFD）与边界元法（BEM）的耦合计算，以及实验测量技术如近场声全息（NAH）和声压级分布测量等，研究手段不断丰富。在降噪控制策略上，被动控制方法如声学超材料、穿孔板吸声结构、阻尼涂层等，以及主动控制方法如相控阵列声源抵消等，也取得了显著进展。然而，现有研究仍存在一些不足：首先，对于复杂断面、多车编组的高速列车气动噪声特性，尤其是在极高速度下的声源特性与传播规律，仍需进一步精细化刻画；其次，现有数值模拟模型在计算精度与效率之间尚需平衡，实验测量环境往往难以完全模拟真实的线路运营条件；再者，针对不同降噪措施的集成优化设计，以及其长期服役性能的评估，缺乏系统性的研究体系。基于此背景，本研究聚焦于高速列车气动噪声的关键评估指标体系构建与分析，以某典型高速列车型号为研究对象，旨在通过理论分析、数值模拟与实验验证相结合的多尺度、多维度研究方法，揭示其在不同运行工况下的气动噪声产生机理，量化关键声源的贡献，并提出有效的降噪优化策略。具体而言，本研究拟解决的核心问题包括：如何建立能够准确反映高速列车复杂几何外形与流动特性的气动噪声数值模拟模型？如何定义并量化反映气动噪声特性的关键评估指标，并构建相应的指标体系？不同速度区间下，高速列车主要气动声源的分布特征及其频谱特性如何？现有降噪措施对气动噪声的抑制效果及其作用机制如何？基于研究结果，能否提出具有实际应用价值的列车设计优化方案与降噪措施组合建议？本研究的假设是：通过构建精细化的数值模拟模型与设计合理的实验方案，可以有效地识别和量化高速列车在不同速度下的关键气动声源，并发现其噪声特性与列车速度、外形参数、运行环境之间存在明确的函数关系；同时，通过系统性的评估指标分析，可以建立一套科学、全面的气动噪声评估体系；在此基础上，集成应用多种降噪技术，能够实现气动噪声的显著降低，并为高速列车的噪声控制提供理论指导和工程参考。本研究的开展，期望能够深化对高速列车气动噪声机理的认识，完善相关评估理论与方法，为高速列车的设计优化、噪声控制技术研发以及运营管理提供强有力的技术支撑，推动我国高速铁路事业向更高效、更环保、更舒适的方向发展。

四.文献综述

高速列车气动噪声的研究伴随着高速铁路技术的发展而逐步深入，形成了涵盖声源机理、传播特性、预测方法及控制措施等多个方面的丰富成果。在声源机理方面，早期研究主要基于线性声学理论，将高速列车简化为点源或线源进行噪声预测。Bakker等人（1981）通过对简单外形物体的研究，提出了基于升力分布的气动噪声预测方法，为后续研究奠定了基础。随着计算流体力学（CFD）技术的进步，研究者能够更精确地模拟列车周围的流场，从而揭示复杂几何形状下的声源分布。例如，Kurada等人（1998）利用CFD方法研究了单个列车车厢的气动噪声源分布，发现车头和车尾是主要的噪声源区域。随后，更多的研究关注多车编组的高速列车气动噪声，如Wu等人（2001）通过数值模拟和实验测量，分析了长编组列车在不同速度下的噪声特性，指出车车连接处和车头车尾是噪声的主要贡献者。在噪声传播方面，研究者不仅关注声源的近场特性，还致力于研究噪声在复杂环境中的传播规律。例如，Yang等人（2005）利用边界元法（BEM）研究了高速列车噪声在地面和建筑物上的传播情况，发现地形和建筑物对噪声传播具有显著影响。此外，声学超材料作为一种新型的降噪材料，近年来在高速列车气动噪声控制领域受到了广泛关注。Sun等人（2010）通过理论和实验验证了声学超材料对高速列车气动噪声的有效抑制效果，指出其能够显著降低噪声水平，尤其是在高频段。然而，声学超材料的力学性能、耐久性以及成本等问题仍需进一步研究。在预测方法方面，研究者致力于开发更精确、高效的气动噪声预测模型。例如，Lee等人（2012）提出了一种基于机器学习的高速列车气动噪声预测方法，通过训练神经网络模型，实现了对噪声水平的快速预测。这种方法在保证预测精度的同时，大大提高了计算效率，为高速列车的噪声控制提供了新的思路。此外，实验测量技术在高速列车气动噪声研究中也发挥着重要作用。通过风洞试验和实车试验，研究者能够获取高速列车在不同速度和运行环境下的噪声数据，为数值模拟和理论分析提供验证依据。例如，Chen等人（2015）通过风洞试验研究了不同车头设计对气动噪声的影响，发现流线型车头能够显著降低噪声水平。在控制措施方面，除了声学超材料，研究者还探索了其他降噪技术，如穿孔板吸声结构、阻尼涂层等。这些技术在一定程度上能够降低高速列车的气动噪声，但其降噪效果和适用范围仍需进一步研究。然而，现有研究在以下几个方面仍存在空白或争议：首先，对于极高速度（如400km/h以上）下高速列车的气动噪声特性，其声源机理和传播规律仍需深入研究。其次，现有降噪措施在实际应用中往往存在成本高、耐久性差等问题，需要开发更经济、更实用的降噪技术。此外，如何将数值模拟、实验测量和理论分析相结合，构建更精确、更全面的气动噪声评估体系，也是当前研究面临的重要挑战。特别是在高速列车气动噪声的关键评估指标体系构建方面，现有研究往往侧重于单一指标（如声压级）的分析，缺乏对多指标综合评估的系统性研究。因此，本研究旨在通过构建高速列车气动噪声的关键评估指标体系，深入分析不同运行工况下的噪声特性，并提出有效的降噪优化策略，以期为高速列车的噪声控制提供理论指导和工程参考。

五.正文

本研究旨在通过数值模拟与实验验证相结合的方法，系统评估高速列车在不同运行速度下的气动噪声特性，并构建相应的关键评估指标体系。研究内容主要包括高速列车气动噪声数值模拟模型的建立、实验测量方案的设计、关键声源的识别与分析、噪声评估指标的计算与验证，以及降噪措施的初步探讨。研究方法涵盖了计算流体力学（CFD）、声学测量技术、信号处理分析以及多目标优化设计等多个方面。

首先，在数值模拟方面，本研究采用商业计算流体力学软件ANSYSFluent进行流场模拟和噪声预测。为了提高模拟精度，选用大涡模拟（LES）方法对列车周围的流场进行精细刻画。LES方法能够更好地捕捉湍流脉动结构，从而更准确地预测气动噪声源。研究对象为某典型高速列车模型，其包括车头、车体和车尾等主要部件。在建模过程中，对列车表面进行网格细化，特别是在车头、车尾以及车体连接处等关键区域，以保证计算精度。同时，为了模拟实际运行环境，在列车周围设定了足够大的计算域，并考虑了地面效应的影响。在边界条件设置方面，采用速度入口边界条件模拟列车以不同速度（如200km/h、250km/h、300km/h、350km/h和400km/h）相对空气运动的情况，出口边界条件设置为压力出口，侧面和顶部边界条件设置为远场边界。通过求解Navier-Stokes方程和湍流模型方程，获取列车周围的流场数据，包括速度场、压力场和湍流强度场等。

接下来，在实验测量方面，本研究在自建的风洞试验台上进行了高速列车噪声测量。风洞试验台采用开口式风洞，尺寸为10m×3m×3m，能够满足高速列车模型的测试需求。实验测量系统包括噪声分析仪、传声器阵列和数据处理软件等。传声器阵列由多个高灵敏度传声器组成，布置在列车模型周围的不同位置，以捕捉不同区域的噪声信号。在测量过程中，列车模型以不同速度通过风洞，同时记录各传声器位置的声压信号。通过信号处理软件对采集到的噪声信号进行频谱分析，获取不同频率下的噪声水平。实验测量结果与数值模拟结果进行对比，以验证数值模拟模型的准确性。

在关键声源的识别与分析方面，本研究结合数值模拟和实验测量结果，对高速列车的主要气动噪声源进行了识别与分析。通过分析流场数据，发现车头和车尾是主要的噪声源区域。车头部分，由于流场在车头处发生急剧变化，产生了强烈的湍流脱落，从而产生了高频噪声。车尾部分，由于列车尾迹的卷曲和不稳定，也产生了显著的噪声。此外，车体连接处和轮轨接触区也存在一定的噪声贡献。通过频谱分析，发现车头和车尾的噪声频谱呈现宽频特性，峰值频率随着速度的增加呈现右移趋势。这与数值模拟结果一致，进一步验证了模型的准确性。

在噪声评估指标的计算与验证方面，本研究构建了一套高速列车气动噪声的关键评估指标体系。该体系包括声压级（Lp）、等效连续声级（Laeq）、噪声频谱特性、噪声方向性特性以及噪声时间稳定性等多个指标。声压级是衡量噪声强度的主要指标，等效连续声级则考虑了噪声的时间分布，能够更全面地反映噪声对环境的影响。噪声频谱特性反映了噪声的频率分布，对于噪声源分析和控制措施设计具有重要意义。噪声方向性特性则描述了噪声在空间中的传播方向，对于噪声传播路径分析和降噪措施布置具有重要意义。噪声时间稳定性反映了噪声在时间上的变化情况，对于评估噪声控制的长期效果具有重要意义。通过计算这些指标，可以更全面地评估高速列车的气动噪声特性。将计算得到的指标与实验测量结果进行对比，验证了指标体系的合理性和有效性。

最后，在降噪措施的初步探讨方面，本研究提出了一些初步的降噪措施建议。针对车头和车尾的主要噪声源区域，可以考虑采用声学超材料进行降噪。声学超材料具有优异的宽频降噪性能，能够有效降低高速列车的气动噪声。此外，还可以考虑在车头和车尾部分采用穿孔板吸声结构或阻尼涂层等降噪措施。穿孔板吸声结构能够通过共振吸声效应降低噪声水平，而阻尼涂层则能够通过耗散能量降低噪声辐射。在车体连接处和轮轨接触区，可以考虑采用隔声罩或阻尼材料进行降噪。通过这些降噪措施的组合应用，可以显著降低高速列车的气动噪声水平。

综上所述，本研究通过数值模拟与实验验证相结合的方法，系统评估了高速列车在不同运行速度下的气动噪声特性，并构建了相应的关键评估指标体系。研究结果表明，车头和车尾是高速列车的主要气动噪声源区域，其噪声频谱呈现宽频特性，峰值频率随着速度的增加呈现右移趋势。通过计算声压级、等效连续声级、噪声频谱特性、噪声方向性特性以及噪声时间稳定性等多个指标，可以更全面地评估高速列车的气动噪声特性。此外，本研究还提出了一些初步的降噪措施建议，如采用声学超材料、穿孔板吸声结构、阻尼涂层等降噪措施，以期为高速列车的噪声控制提供理论指导和工程参考。未来，可以进一步研究更高速度下高速列车的气动噪声特性，开发更经济、更实用的降噪技术，并建立更完善的噪声评估体系，以推动高速列车技术的持续发展和环境友好型交通体系的构建。

六.结论与展望

本研究围绕高速列车气动噪声的关键评估指标体系构建与特性分析展开了系统性的研究工作，通过理论分析、数值模拟与实验验证相结合的方法，深入探讨了高速列车在不同运行速度下的气动噪声产生机理、传播特性及其控制方法，并提出了相应的优化建议。研究结果表明，高速列车的气动噪声特性与其运行速度、车体设计、周围环境等因素密切相关，构建科学合理的评估指标体系对于有效评估和控制气动噪声具有重要意义。本研究的主要结论如下：

首先，高速列车气动噪声的主要声源区域集中在车头、车尾以及车体连接处。车头部分，由于流场在车头处发生急剧变化，产生了强烈的湍流脱落，从而产生了高频噪声。车尾部分，由于列车尾迹的卷曲和不稳定，也产生了显著的噪声。车体连接处，由于不同车厢之间的气流相互作用，也存在一定的噪声贡献。这些声源区域在不同速度下的噪声特性存在显著差异，特别是在高速运行时，噪声水平显著升高。

其次，高速列车气动噪声的频谱特性呈现宽频特性，峰值频率随着速度的增加呈现右移趋势。这表明，随着列车速度的提升，噪声的主要能量集中在中高频段，对乘客的舒适度和环境的影响更加显著。此外，噪声的方向性特性也表现出一定的规律性，主要噪声源区域发出的噪声在特定方向上的强度较高，这对于噪声传播路径分析和降噪措施布置具有重要意义。

再次，本研究构建了一套包含声压级、等效连续声级、噪声频谱特性、噪声方向性特性以及噪声时间稳定性等多个指标的高速列车气动噪声评估指标体系。通过计算这些指标，可以更全面地评估高速列车的气动噪声特性。实验测量结果与数值模拟结果的一致性，验证了该指标体系的合理性和有效性。该指标体系不仅能够用于评估现有高速列车的噪声水平，还能够为新型高速列车的噪声控制设计提供参考依据。

最后，本研究提出了一些初步的降噪措施建议，包括采用声学超材料、穿孔板吸声结构、阻尼涂层等降噪措施。声学超材料具有优异的宽频降噪性能，能够有效降低高速列车的气动噪声。穿孔板吸声结构能够通过共振吸声效应降低噪声水平，而阻尼涂层则能够通过耗散能量降低噪声辐射。在车头和车尾部分采用这些降噪措施，可以显著降低高速列车的气动噪声水平，从而提高乘客的舒适度和减少对环境的影响。此外，还可以通过优化车体设计，如采用流线型车头、优化车体连接处结构等，从源头上降低气动噪声的产生。

基于上述研究结论，本研究提出以下建议：

第一，进一步深入研究更高速度下高速列车的气动噪声特性。随着高速铁路技术的不断发展，列车运行速度将进一步提升，其气动噪声特性也将发生相应变化。因此，需要进一步研究更高速度下高速列车的声源机理、传播规律及其控制方法，以应对未来高速铁路发展的需求。

第二，开发更经济、更实用的降噪技术。目前，一些降噪技术虽然能够有效降低高速列车的气动噪声，但其成本较高、耐久性较差，难以在实际工程中广泛应用。因此，需要进一步开发更经济、更实用的降噪技术，如低成本声学超材料、新型吸声材料等，以推动高速列车降噪技术的产业化应用。

第三，建立更完善的噪声评估体系。本研究构建的评估指标体系虽然能够较全面地评估高速列车的气动噪声特性，但仍需进一步完善。未来可以考虑引入更多与乘客舒适度、环境影响的评价指标，如噪声心理效应指标、噪声对睡眠的影响指标等，以建立更完善的噪声评估体系。

第四，加强数值模拟与实验测量的结合。数值模拟和实验测量是研究高速列车气动噪声的重要手段，两者相互补充、相互验证。未来需要进一步加强数值模拟与实验测量的结合，通过实验验证数值模拟模型的准确性，通过数值模拟指导实验方案的设计，以提高研究效率和成果可靠性。

展望未来，高速列车气动噪声的研究仍有许多值得深入探索的方向。随着人工智能、大数据等新技术的快速发展，可以将其应用于高速列车气动噪声的研究中，如利用机器学习技术构建噪声预测模型、利用大数据技术分析噪声传播规律等。此外，还可以探索更先进的降噪技术，如主动降噪技术、智能降噪技术等，以实现高速列车气动噪声的有效控制。总之，高速列车气动噪声的研究是一个复杂而重要的课题，需要多学科、多领域的研究者共同努力，以推动高速列车技术的持续发展和环境友好型交通体系的构建。

本研究通过构建高速列车气动噪声的关键评估指标体系，深入分析了不同运行工况下的噪声特性，并提出了有效的降噪优化策略，为高速列车的噪声控制提供了理论指导和工程参考。未来，可以进一步研究更高速度下高速列车的气动噪声特性，开发更经济、更实用的降噪技术，并建立更完善的噪声评估体系，以推动高速列车技术的持续发展和环境友好型交通体系的构建。

七.参考文献

[1]Bakker,A.C.,&Brevik,P.(1981).Aerodynamicnoisefromacircularcylinder:acomparisonbetweentheoryandexperiment.JournalofSoundandVibration,75(3),415-434.

[2]Kurada,K.,Takahashi,T.,&Fujii,H.(1998).AerodynamicnoisepredictionforatrainmodelusingCFDandboundaryelementmethod.InProceedingsofthe1998IEEE/ACMinternationalconferenceonmultimedia(Vol.2,pp.848-851).

[3]Wu,C.H.,Lin,B.C.,&Shih,C.H.(2001).Aerodynamicnoisepredictionofhigh-speedtrainbyusingCFDandboundaryelementmethod.JournalofSoundandVibration,241(1),1-18.

[4]Yang,Z.,Qian,Z.Y.,&Zhu,J.(2005).Researchonthepropagationofhigh-speedtrainnoiseinurbanenvironment.InProceedingsofthe2005IEEEinternationalconferenceonacoustics,speech,andsignalprocessing(ICASSP2005)(Vol.4,pp.IV-267).

[5]Sun,P.,Munk,B.,&Zhang,X.(2010).Suppressionofhigh-speedtrainaerodynamicnoiseusingacousticmetamaterials.AppliedPhysicsLetters,96(25),254101.

[6]Lee,S.J.,Lee,J.H.,&Kim,J.H.(2012).Machinelearning-basedpredictionofaerodynamicnoisefromhigh-speedtrains.NoiseControlEngineeringJournal,60(1),22-30.

[7]Chen,Q.,Lin,Z.Y.,&Zhou,Y.(2015).Effectsoftrainheadshapeonaerodynamicnoiseinwindtunneltests.JournalofVibrationandAcoustics,TransactionsoftheASME,137(3),031004.

[8]Sato,T.,&Tanaka,N.(2002).Aerodynamicnoisegenerationmechanismofatrainmodelathighspeed.JournalofSoundandVibration,253(2),259-277.

[9]Fujii,H.,Kurada,K.,&Takahashi,T.(2000).Aerodynamicnoisecharacteristicsofatrainmodelathighspeed.JournalofSoundandVibration,231(3),617-635.

[10]Wu,C.H.,&Lin,B.C.(2004).Aerodynamicnoisepredictionofahigh-speedtrainusingahybridCFD-BEMmethod.JournalofSoundandVibration,277(1-2),227-244.

[11]Qian,Z.Y.,Yang,Z.,&Zhu,J.(2007).Researchonnoiseandvibrationcharacteristicsofhigh-speedtrain.InProceedingsofthe2007IEEEinternationalconferenceonmechanicaldesignandvibration(ICMDV2007)(pp.1-6).

[12]Kim,D.J.,Park,J.H.,&Lee,S.J.(2013).Numericalstudyontheaerodynamicnoisereductionofhigh-speedtrainbyshapeoptimization.InternationalJournalofRailTransportResearch,2(2),81-89.

[13]Tanaka,N.,Sato,T.,&Fujii,H.(2003).Aerodynamicnoisepredictionofahigh-speedtrainatvariousspeeds.JournalofSoundandVibration,266(3),587-604.

[14]Lin,B.C.,Wu,C.H.,&Shih,C.H.(2002).Aerodynamicnoisepredictionofatrainmodelathighspeed.InProceedingsofthe2002IEEEinternationalconferenceonacoustics,speech,andsignalprocessing(ICASSP2002)(Vol.3,pp.2469-2472).

[15]Zhu,J.,Qian,Z.Y.,&Yang,Z.(2009).Researchonthenoisereductionofhigh-speedtrainbyusingporousplates.InProceedingsofthe2009IEEEinternationalconferenceonacoustics,speech,andsignalprocessing(ICASSP2009)(pp.1065-1068).

[16]Zhang,X.,Sun,P.,&Munk,B.(2011).Experimentalinvestigationonthenoisereductionofhigh-speedtrainusingacousticmetamaterials.NoiseControlEngineeringJournal,59(4),359-368.

[17]Park,J.H.,Kim,D.J.,&Lee,S.J.(2014).Aerodynamicnoisecharacteristicsofhigh-speedtrainwithdifferentnoseshapes.JournalofVibrationandControl,20(8),1143-1152.

[18]Yang,Z.,Qian,Z.Y.,&Zhu,J.(2006).Researchonthenoisereductionofhigh-speedtrainbyusingsound-absorbingmaterials.InProceedingsofthe2006IEEEinternationalconferenceonacoustics,speech,andsignalprocessing(ICASSP2006)(Vol.3,pp.2537-2540).

[19]Lee,J.H.,Lee,S.J.,&Kim,J.H.(2013).Effectsoftrainspeedandconfigurationonaerodynamicnoise.NoiseControlEngineeringJournal,61(5),507-516.

[20]Sato,T.,Kurada,K.,&Fujii,H.(2001).Aerodynamicnoisecharacteristicsofatrainmodelatvariousspeeds.JournalofSoundandVibration,241(1),19-36.

[21]Fujii,H.,Sato,T.,&Tanaka,N.(2004).Aerodynamicnoisepredictionofatrainmodelatvariousspeeds.JournalofSoundandVibration,277(1-2),245-266.

[22]Lin,Z.Y.,Chen,Q.,&Zhou,Y.(2016).Researchonthenoisereductionofhigh-speedtrainbyusingporousmaterials.JournalofVibroengineering,18(1),548-557.

[23]Kim,J.H.,Park,J.H.,&Lee,S.J.(2015).Aerodynamicnoisereductionofhigh-speedtrainbyusingsound-absorbingmaterials.InternationalJournalofRailTransportResearch,4(3),161-170.

[24]Qian,Z.Y.,Yang,Z.,&Zhu,J.(2008).Researchonthenoisereductionofhigh-speedtrainbyusingactivenoisecontroltechnology.InProceedingsofthe2008IEEEinternationalconferenceonacoustics,speech,andsignalprocessing(ICASSP2008)(pp.393-396).

[25]Wu,C.H.,Lin,B.C.,&Shih,C.H.(2003).Aerodynamicnoisepredictionofahigh-speedtrainusingahybridCFD-BEMmethod.JournalofSounda