[发明专利]基于压缩感知的宽带声源定位方法

权利要求书

1.一种基于压缩感知的宽带声源定位方法，其特征在于：包括以下步骤：

步骤1：通过含有M个麦克风的阵列采集声源信号，获得时域的测量数据；

步骤2：对步骤1采集的时域测量数据进行分块、加窗以及快速傅里叶变换处理，获得频域测量数据；

步骤3：选取所需的频率段数据，所选频率段内的各频率点对应的数据为y(f_j)＝(y_1j,...,y_Mj)^T，其中y的维度为M×B，B为步骤2中所划分的数据块总数，f_j为所选频率段内的第j个频率点；

步骤4：建立基于压缩感知的宽带声源定位联合稀疏表达模型，具体包括以下步骤：

步骤4.1：确定声源平面，并对声源平面进行网格划分，以每个网格节点为可能的声源，构建未知的声源信号x，其中声源信号x由网格节点处的声源强度组成；

步骤4.2：根据自由场格林函数的Helmoltz方程建立频率点f_j下的声源平面与麦克风阵列的测量矩阵A(f_j)：

其中i为虚数单位，c为声速，d_mn为第m个麦克风与第n个网格节点之间的距离；

步骤4.3：建立各个频率点下的声源定位稀疏表达模型：

y(f_j)＝A(f_j)x(f_j)+e(f_j)，j＝1,2,…,J

其中x(f_j)为频率点f_j下的声源信号，e(f_j)为频率点f_j下的测量值中包含的噪声项，J为频率点数；

步骤4.4：将不同频率点下稀疏表达模型进行联合，建立基于压缩感知的宽带声源定位联合稀疏表达模型：

步骤5：对联合稀疏表达模型中的y(f_j)进行SVD分解，获得变形后的稀疏表达模型：

对联合稀疏表达模型中的麦克风阵列频域测量值y(f_j)进行奇异值分解，获得测量值y(f_j)，声源信号x(f_j)，噪声项e(f_j)的信号子空间：

y(f_j)_SV＝y(f_j)VD_K，x(f_j)_SV＝x(f_j)VD_K，e(f_j)_SV＝e(f_j)VD_K

其中D_K＝[I_K0]^T，V为对测量值y(f_j)奇异值分解后的酉矩阵，I_K为K×K阶单位矩阵，0为K×(B-K)阶零矩阵，K为声源信号的稀疏度；

步骤6：通过DCS-SOMP算法对步骤5中得到的变形后的稀疏表达模型进行求解，获得不同频率点下每个网格节点处的声源强度；

步骤7：将每个网格节点处各个频率点上求解的声源强度进行叠加，进而获得每个网格节点处的总声压级OASPL：

其中为频率点f_j下第n个网格节点处的声源强度；

步骤8：根据每个网格节点处的总声压级OASPL确定声源位置。