[发明专利]一种平面阵列反卷积声源识别方法

说明书

本发明公开了一种平面阵列反卷积声源识别方法，包括步骤：1、计算传统波束形成输出结果；2、建立波束形成输出结果与声源分布之间的方程组；3、迭代求解声源分布，该步骤中，在广义稀疏度自适应匹配追踪gSAMP的基础上，结合声源识别问题，构建了适合平面阵列的源强分布求解方法。本发明的技术效果是：本发明具有高的空间分辨率、能有效移除旁瓣，准确地定位各声源，定位精度优于现有方法OMP‑DAMAS，且不需要声源信号稀疏度的先验知识。

技术领域

本发明属于声场识别技术领域，具体涉及一种平面阵列的声源识别方法。

背景技术

基于麦克风阵列的波束形成的声源识别方法能可靠识别声源，已经获得了广泛的应用，其中以反卷积声源成像方法(The deconvolution approach for the mapping ofacoustic sources,DAMAS)最为经典。文献“Orthogonal matching pursuit applied tothe deconvolution approach for the mapping of acoustic sources inverseproblem[J]”，Padois T，Berry A，Journal of the Acoustical Society of America,2015,138(6):3678.(“正交匹配追踪应用于反卷积声源成像逆问题[J]”，Padois T，BerryA，美国声学学报，2015，138(6):3678.)提出了OMP-DAMAS方法，将正交匹配追踪算法(Orthogonal matching pursuit，OMP)应用于DAMAS逆问题的求解，提升了反卷积方法的识别性能，在每次迭代中，OMP仅选择与残差最相关的一列，即表征真实声源来向的感知矩阵的列来重构原始信号。但是现有的OMP-DAMAS方法需要声源稀疏度的先验知识(先验知识是指需要提前确定噪声源的数目，依据该数目来确定迭代次数，但这个数目在实际应用中并不容易确定)，且在识别多声源时，目标列容易被误选为与之相邻的列，从而导致识别精度恶化，定位出现偏差。

发明内容

针对现有技术存在的问题，本发明所要解决的技术问题就是提供一种平面阵列反卷积声源识别方法，它不用声源信号稀疏度的先验知识，又能提高声源的定位精度。

本发明所要解决的技术问题是通过这样的技术方案实现的，它包括

步骤1、计算传统波束形成输出结果

波束形成输出量的计算式为：

式中，C＝∑_r′C(r′)＝∑_r′q(r′)v^*(r′)v^T(r′)，为频域下的全互谱矩阵；

r′为声源位置向量，q(r′)为r′处源强，上标T和*分别表示转置和共轭；v＝[v_m(r)]表示聚焦点为r的导向列向量，v_m(r)表示第m个传声器的导向矢量；l为所有元素均为1的矩阵，w＝[|v_m|]²；

步骤2、建立波束形成输出结果与声源分布之间的方程组

b＝Aq

式中，b＝[b(r)]为N维波束形成输出列向量，N为网格点数目；A＝[psf(r|r′)]为N×N维的点传播函数矩阵；q为N维的声源分布列向量；

步骤3、迭代求解声源分布

1)、初始化t＝1，残差r_t-1＝b，支撑集矩阵Λ_t-1＝0；

2)、计算相关系数h＝A^Hr_t-1，上标H表示转置共轭，选择h中绝对值前S个元素所对应的索引记作{λ_i}_i＝1,2…S；