[发明专利]基于阵列测量和稀疏先验信息的声源辨识方法、系统

说明书

本发明提供一种基于阵列测量和稀疏先验信息的声源辨识方法，采用广义最小最大凹惩罚函数对声源重构误差施加稀疏约束，根据常规波束形成方法产生的基本声像确定潜在声源的位置信息，并通过特定的方式生成包含声源位置先验信息的初始解向量，相比于广泛使用的随机初值和零初值，提高了基于广义最小最大凹惩罚函数的声场重建方法的计算效率；并且在获取高分辨声像过程中，采用通过近端梯度加速和自适应步长回溯策略提高迭代收敛速度，自适应选择能够满足收敛性的最佳步长，更快速地完成声场重建的过程，从而有助于利用麦克风阵列实现高分辨率、高效的声源辨识。

技术领域

本发明涉及信号处理技术领域，更为具体地，涉及一种基于阵列测量和稀疏先验信息的声源辨识方法。

背景技术

声源广泛存在于生活、生产等多种场景中，如气密性不足的汽车在行驶过程中会在驾驶室产生异响，机器运行过程中由于不同部件之间的配合与运动会产生机械噪声，这些声音经过传播后通过人耳能够在多个方位被听到，却难以直接定位声源所在的位置。如果能够实现对声音来源的空间定位和强度估计，就能够确定异响、噪声等声音的出现位置和产生机理，从而为改善装备设计方案提供参考。另外，机械装备工作期间的各类声音能够反映其运行状态，因此通过辨识声源并提取声信号特征，也能够为机械装备的结构健康监测和故障诊断提供关键信息。

麦克风阵列是实现声源辨识的重要装置，相比于传统的单测点声信号采集，麦克风阵列能够获取声信号的空域信息，通过重建声场分布或形成虚拟波束等方式，增强对特定方向信号的获取能力，抑制其他方向信号带来的干扰，实现空域滤波和声音的定向采集，通过使用麦克风阵列和合适的声源辨识算法，能够通过可视化的方式识别声源，从而定位声源位置，确定声源强度。

目前用于麦克风阵列声源辨识的计算方法主要可分为三类：基于延时-求和的常规波束形成方法、基于统计特性的自适应波束形成方法、基于声学逆问题的声场重建方法；其中，基于延时-求和的常规波束形成方法仅考虑声源与麦克风之间的空间位置关系，可以在时域或频域进行，计算速度快，鲁棒性好，但由于旁瓣干扰无法被完全抑制，且主瓣宽度受到阵列尺寸、麦克风数量、麦克风位置等因素的限制，所得结果的准确性较差，多用于对结果精度要求不高的场合；基于统计特性的自适应波束形成方法根据接收到的信号自适应确定各麦克风的权重，从而实现对特定噪声的抑制和旁瓣控制，根据所选统计量的不同，可分为最小方差无畸变响应波束形成方法(CN201410317216)、线性约束最小方差波束形成方法(CN201611150238)等，该种方法通过求解特定的最优化问题来保证目标统计量达到最优，从而抑制噪声和旁瓣对波束形成结果的干扰，但是其空间分辨率受到瑞利准则的限制，且不适用于对多个声源的强度估计；基于声学逆问题的声场重建方法以声传播模型为基础，通过施加结果稀疏性约束条件求解欠定的最优化问题，从而能够突破瑞利准则的限制，以较少的麦克风数量和数据量实现超分辨率的声源辨识(CN201710493279、CN201410578704)，而根据压缩感知相关理论，稀疏约束可以通过向量的0范数进行表示，因此施加稀疏约束意味着在问题的可行域内最小化结果向量的0范数，这一类优化问题也可以写成目标函数和惩罚函数加权求和的形式。在现有的基于声学逆问题重构声场的声源辨识方法中，稀疏约束是通过1范数或贪婪算法实施的，因为1范数和0范数之间存在固有差异，且贪婪算法无法保证结果是全局最优解，因此这些方法只能近似表示稀疏约束的作用，进而使得声源辨识问题仅能被近似求解，声源辨识结果的可靠性难以保证。

因此，亟需一种在增强声源辨识结果分辨率的同时提升计算效率，相比于常规波束形成方法得到的结果更加准确，相比于直接采用基于广义最小最大凹惩罚函数重建声场的计算效率更高的基于阵列测量和稀疏先验信息的声源辨识方法。

发明内容

鉴于上述问题，本发明的目的是提供一种基于阵列测量和稀疏先验信息的声源辨识方法，以克服基于常规波束形成方法所得结果空间分辨率不足、基于广义最小最大凹惩罚的声场重建方法计算效率低的问题。

本发明提供的一种基于阵列测量和稀疏先验信息的声源辨识方法，其中，包括：