声学成像的技术越来越先进，逐渐被广泛应用于各种工业领域，如冶炼厂、电厂、焦炭厂、煤气厂、天燃气厂及食品厂等等，给工业安全生产带来很多便利条件。
声学成像（acoustic imaging）是基于传声器阵列测量技术，通过测量一定空间内的声波到达各传声器的信号相位差异，依据相控阵原理确定声源的位置，测量声源的幅值，并以图像的方式显示声源在空间的分布，即取得空间声场分布云图－声像图，其中以图像的颜色和亮度代表强弱。
采用Beamforming技术的ACOUSTIC Camera（声学照相机）系统可以为用户提供快速、准确的分布图，可以进行稳态的、非稳态的、静止的和移动物体的图像，已经成功应用于通过，车内3D分布，零部件分布等多个领域。
基于麦克风阵列的声源定位原理简介
一般来说，基于麦克风阵列的声源定位算法划分为三类：一是基于波束形成的方法；二是基于高分辨率谱估计的方法；三是基于声达时延差（TDOA）的方法。 [1-2] 波束形成（Beamforming）
基于最大输出功率的可控波束形成技术 Beamforming，它的基本思想就是将各阵元采集来的信号进行加权求和形成波束，通过搜索声源的可能位置来引导该波束，修改权值使得传声器阵列的输出信号功率最大。这种方法既能在时域中使用，也能在波域中使用。它在时域中的时间平移等价于在波域中的相位延迟。在波域处理中，首先使用一个包含自谱和互谱的矩阵，我们称之为互谱矩阵(Cross-Spectral Matrix，CSM)。在每个感兴趣波长之处，阵列信号的处理给出了在每个给定的空间扫描网格点上或每个信号到达的能量水平。因此，阵列表示了一种与声源分布相关联的响应求和后的数量。这种方法适用于大型麦克风阵列，对测试环境适应性强。 [3] 基于高分辨率谱估计
基于高分辨率谱估计的方法包括了自回归 AR 模型、最小方差谱估计（MV）和特征值分解方法（如 Music 算法）等，所有这些方法都通过获取了传声器阵列的信号来计算空间谱的相关矩阵。在理论上可以进行有效估计，实际中若要获得较理想的精度，就要付出很大的计算量代价，而且需要较多的假设条件，当阵列较大时这种谱估计方法的运算量很大，对环境敏感，还很容易导致定位不准确，因而在现代的大型声源定位系统中很少采用。
声达时间差(TDOA)
声达时间差(TDOA)的定位技术，这类声源定位方法一般分为二个步骤进行，先进行声达时间差估计，并从中获取传声器阵列中阵元间的声延迟(TDOA)；再利用获取的声达时间差，结合已知的传声器阵列的空间位置进一步定出声源的位置。
将声像图与阵列上配装的摄像实所拍的视频图像以透明的方式叠合在一起，就形成了可直观分析被测物产生状态。这种利用声学、电子学和信息处理等技术，变换成人眼可见的图像的技术可以帮助人们直观地认识声场、声波、声源，便捷地了解机器设备产生的部位和原因，物体（机器设备）的声像反映了其所处的状态。
声成像的研究开始于20世纪20年代末期。最早使用的方法是液面形变法。随后，很多种声成像方法相继出现，至70年代已形成一些较为成熟的方法，并有了大量的商品化产品。声成像方法可分为主动声成像、扫描声成像和声全息。
让我们期待声学成像技术的更加成熟，应用更加广泛吧。
