压缩波束形成声源识别的改进研究

凭借空间分辨率高、旁瓣衰减能力强等优势,压缩波束形成声源识别算法备受关注。传统方法直接最小化声源分布向量的l_1范数,重构声源分布与真实声源分布之间存在一定偏差,声源无法被直接准确量化。为改善该问题,给出迭代重加权l_1范数最小化方法,其迭代求解声源分布,且每次迭代中对声源分布向量进行加权。仿真及试验结果均证明:所给方法能有效降低传统方法的重构偏差,能直接用主瓣峰值准确量化声源强度,且空间分辨率更高、旁瓣衰减能力更强。     

用于时变系统辨识的自由响应递推子空间方法

通过对自由响应数据组成的广义Hankel矩阵做满秩分解得到系统的广义能观阵，利用广义能观阵的性质估计系统矩阵，得到与特征系统实现算法(ERA)等同的子空间方法．然后使用投影估计子空间跟踪算法(PAST)替代奇异值分解，跟踪广义Hankel矩阵的左奇异向量矩阵的变化。从而跟踪系统参数的变化．得到了利用自由响应数据(或脉冲响应数据)的递推子空间方法。通过移动质量块一简支梁模型的仿真试验检验，该方法可以有效地辨识时变系统的参数变化，而且计算量小，跟踪精度高，对噪声不敏感。     

基于随机子空间的递推在线模态识别算法

摘要：基于随机子空间算法,根据矩阵空间的性质,利用QR分解将行空间到过去行空间的投影展开为一种用于跟踪的修改递推模式。通过子空间跟踪算法,不断跟踪计算投影的左奇异值向量,再利用最小二乘法求出系统的模态参数,实现了单独利用响应数据,在线识别模态参数的方法。最后通过仿真算例,利用算法跟踪不断改变的模态空间和时变模态参数,验证方法的有效性及稳定性。     

基于最大似然估计的辐射噪声源近场定位方法性能分析

如何利用较少的阵元个数得到比较理想的空间分辨力,准确找到噪声源位置,一直是人们比较关心的问题,因此介绍了基于最大似然估计的辐射噪声源近场定位方法,并利用遗传算法寻求最大似然估计的全局最优解,从而实现噪声源近场定位,其具有比常规聚焦波束形成更高的空间分辨力,且可以有效实现相干声源近场定位。通过计算机仿真详细分析了信噪比、测量距离及基阵孔径对本文算法定位性能的影响,说明了仅利用小孔径基阵就可实现辐射噪声源近场高分辨定位,最后通过湖试实验验证了该方法的有效性,具有一定的工程应用价值。     

基于广义逆波束形成的扩展性噪声源定位误差影响因素仿真研究

实现噪声控制的前提是正确识别出主要的噪声源,研究噪声源空间指向性对于噪声源的辨识和预测有重大意义。为提高复杂声源的分辨率,以单极子点源形成扩展性声源表征噪声源,引进广义逆波束形成算法对扩展性声源进行声源定位。通过仿真计算,分析了广义逆波束形成(Generalized Inverse Beamforming,GIB)算法中麦克风阵列阵元数、测量距离对定位效果的影响,系统比较了去自谱算法和GIB算法对点声源、扩展性声源(5个紧密相连的单极子点源)的分辨率。仿真表明:GIB算法中定位效果受阵元数目影响不大,相对提高了点声源的定位精度,而且能分辨出扩展性声源。     

运动物体噪声场分解的传递路径声全息方法

声全息及波束成形技术可以通过对阵列噪声信号处理,获得运动物体表面声场的分布。如果物体中声源相距较近或声源相关性较高,该方法不能有效区分每个声源对目标表面声场的贡献。提出了一种基于声源特征的传递路径声全息方法。该方法同时采集外场阵列面信息及物体上声源参考信息,在声源识别过程中,结合声源传递路径对采样面信息分解,然后采用声全息技术重建声源,实现声源识别和声场分解。介绍了该方法的识别过程,并与传统的声全息方法进行多声源仿真对比;最后应用该方法进行了实际汽车噪声源的分解。结果表明,该方法能有效识别并分离出运动物体的噪声源。     

利用响应数据识别模态参数的子空间在线递推算法

基于随机子空间算法,利用矩阵空间的性质和QR分解将行空间到过去行空间的投影展开为一种用于跟踪的修改递推模式.通过子空间跟踪算法,不断跟踪计算投影的左奇异值向量,再利用最小二乘法求出系统的模态参数.最后用悬臂梁作为实验模型,通过不断改变系统激励的频带范围,验证方法的有效性及稳定性.结果表明,只要选取适当的衰减系数,该方法就可以既保证一定的识别精度,又具有良好的跟踪特性.     

空间飞行器内声源定位算法研究

空间飞行器内空间狭小,存在较大的语音混响现像,飞行器内乘员不带专用耳戴进行语音通话时,混响信号影响通话质量。利用声源方位的信号进行语音增强的方法可以抑制混响的干扰,获得较好的通话效果。常用的声源定位算法由于受混响的影响,很难对乘员的语音进行有效地定位。通过研究空间飞行器的语音传输特性,提出了基于相关系数波束形成算法,该算法利用波形的相似性来抑制混响的干扰。实验证明:算法具有较好的声源定位效果,为语音增强提供声源方位参数。     

多声源定位的关联模糊消除方法研究EI北大核心CSCD

基于到达时差(Time Difference of Arrival,TDOA)的多声源定位中,由于麦克风阵列对测量的TDOA值无法与目标声源进行关联,声源定位过程会产生关联模糊,从而影响多声源定位结果的精度。针对这一问题,提出基于阵列重构的多声源关联模糊消除方法。通过广义互相关(Generialized Cross⁃Correlation,GCC)算法估计麦克风阵列的TDOA值,再利用排序算法获得定位麦克风阵列所有可能的TDOAs序列,并基于Chan算法估计所有可能的声源。通过轮换定位麦克风阵列的参考麦克风,构造多组校验子阵列,利用真实声源与阵列麦克风的相对位置关系来滤除虚假声源。对于不同校验子阵列筛选出的所有声源位置,以出现频数最大化原则再次进行冗余校验,从而提升最终筛选真实声源的准确性。仿真及实验结果表明,该方法能够以最少数量常规麦克风有效消除多声源定位中的虚假声源。在同等麦克风数量的情况下,该方法的定位精度及定位鲁棒性高于对比方法。     

基于高阶矩阵函数的广义逆波束形成改进算法

广义逆波束形成是一种高效的声源识别定位方法,然而其计算稳健性易受随机噪声影响,阻碍了其声源识别动力学水平进一步提高。为改善广义逆波束形成声源识别方法的稳健性,基于高阶矩阵函数提出一种广义逆波束形成改进算法:定义了基于广义逆波束形成的正则化矩阵;对正则化矩阵与波束形成输出进行迭代运算;利用高阶矩阵函数对迭代求解所得广义逆波束形成输出的互谱进行优化。通过数值仿真详细分析了声源频率对波束形成矩阵函数阶次取值的影响,得到阶次的最优取值区间。最后通过数值模型和实验算例对单极子与相干声源进行定位识别,结果表明:改进算法在准确识别声源基础上能有效抑制旁瓣干扰,且具有更高的声源识别精度。     

基于不动点迭代的增广拉格朗日声源识别算法EI北大核心CSCD

等效源法近场声全息是进行声源识别的重要方法。传统的基于Tikhonov正则化方法局限于相对低的频率,进行高频声源的声场重建时效果较差,而基于最速下降法的宽带声全息(wideband acoustic holography,WBH)方法则在中高频效果较好。为了拓宽声场重建的频率范围并提高声源识别分辨率,提出一种基于增广拉格朗日方法(augmented Lagrangian method,ALM)的等效源法声源识别算法,该方法将L1范数正则化模型转化为增广拉格朗日方程的最小化问题,并应用不动点迭代求解得到声源强度。通过仿真与试验表明,与Tikhonov正则化、WBH和快速迭代收缩阈值算法(fast iterative shrinking threshold algorithm,FISTA)三种方法对比,所提方法适用于更宽的频率范围,且对不同的全息距离和信噪比具有很好的适应性。     

利用声压有效值信息进行白噪声声源识别

研究提出利用声信号有效值进行内积运算识别白噪声声源的方法,用传声器阵列测得声压信号有效值组成声压有效值向量,与虚拟点声源声压有效值向量做内积,搜索内积模的最大值,根据柯西施瓦兹不等式确定声源位置.建立相应的识别步骤,对白噪声声源进行仿真识别,分析测量误差与测量距离对识别效果的影响,通过增大传声器布置间距改善测量距离较远...     

基于压缩聚焦网格点的快速反卷积算法EI北大核心CSCD

为提升反卷积算法的计算效率,提出一种压缩聚焦网格点的快速反卷积算法。该算法基于函数波束形成的输出,根据设定的声源识别阈值,压缩参与反卷积算法循环的聚焦网格点数。算法融合了函数波束形成与相干声源图清晰算法CLEAN-SC(CLEAN based on spatial source coherence)的优点,可进一步提高多声源定位的空间分辨率,并有效降低算法计算时间。仿真和试验表明:所提算法对低于瑞利极限的不相干多声源具有良好的识别效果;试验中,与CLEAN-SC相比,所提算法的计算效率提升了约3.90倍。     

利用声压幅值相关性识别声源特性研究

基于相位信息识别声源的传统方法在测量声信号前需要进行严格的相位匹配,对测量设备要求较高。通过对延时求和波束形成算法作形式上的转化,说明其运算机制是利用声压信号相位进行相关诊断,进一步研究提出利用声信号幅值识别声源的方法。将传声器阵列测得的声压幅值组成声压幅值向量,与虚拟点声源声压幅值向量做内积,搜索内积模的最大值,根据柯西-施瓦兹不等式定理确定声源位置。建立相应的识别步骤,对球面波声源进行仿真识别,并比较本方法与波束形成方法的识别特性的差异,且进行相应的实验验证。结果表明,本方法能有效识别出简谐波声源,且拥有良好的抗噪能力,可消除波束形成法识别高频声源时出现的“鬼影”现象;当传声器阵列存在误差时,比波束形成法有更准确的识别结果。     

稳健协方差矩阵重构波束形成算法

针对信号导向向量失配以及接收数据协方差矩阵存在误差会导致传统的自适应波束形成器产生能损失的问题,提出了一种基于干扰加噪声协方差矩阵重构的稳健波束形成算法.该算法通过对信源来波角度范围进行Capon谱估计得出重构信源协方差矩阵,并通过特征分解以及子空间性质得出信源的导向向量,然后利用重构所得信源导向向量计算出信源功率以及...     

分段取阈值正交匹配追踪反卷积声源识别算法

正交匹配追踪反卷积声源识别算法(orthogonal matching pursuit deconvolution approach for the mapping of acoustic sources, OMP-DAMAS)具有极高的计算效率、空间分辨率和重构精度，被广泛应用声源识别领域。但在实际的工程运用中，无法满足提前确定声源数目的条件，可能造成识别结果不准确。因此提出了一种分段取阈值的OMP-DAMAS算法，在声源稀疏度未知的情况下，通过对内积和最小二乘解取阈值将伪声源和旁瓣对应的列序号从原子支撑集中删除，直接精确的识别出真实声源的位置。仿真和试验结果表明了所提算法与传统的延时求和算法相比，可以明显的减小主瓣宽度，提高空间分辨率，同样能达到OMP-DAMAS算法的重构效果，对噪声具有较好的鲁棒性，且具有极高的识别稳定性。     

基于QR分解的彩色图像自嵌入全盲水印算法

针对彩色图像的版权保护问题,基于 QR 矩阵分解提出了一种自嵌入全盲水印算法。先将原始图像的G通道分量进行非下采样剪切波变换,再对得到的低频分量分块QR分解,通过判断各子块R矩阵中第一行元素向量的l1范数与所有子块R矩阵第一行元素l1范数均值之间的大小关系生成特征水印。然后对B通道分量DWT变换后的低频分量进行分块QR分解,并通过修改该子块QR分解后R矩阵中第一行最后一列元素来嵌入特征水印。特征水印的生成和嵌入在两个通道内独立完成,水印检测无需原始载体图像,算法无需借助外加水印信息即可完成对图像版权的鉴别。实验结果表明,该算法在经历添加噪声、JPEG压缩、缩放、剪切和行偏移等常见攻击时,具有很强的鲁棒性。     

基于Gammatone滤波器组与子带瞬时频率的水声目标特征提取

水声目标识别是现代海战中的关键环节,具有重要的军事应用价值。针对海洋环境的复杂性及多变性,文章以模仿人耳听觉感知机理为基础,提出了基于伽玛通（Gammatone）频率瞬时幅频系数的特征提取方法。该方法通过Gammatone滤波器组模拟人耳基底膜对信号的分解、处理过程,在各子带输出信号中提取目标的子带瞬时频率特征,并与传统的瞬时幅度特征相结合,从而更加全面地反映目标的固有属性。利用支持向量机对四类实测水声目标辐射噪声数据进行了识别实验,结果表明,文章的特征提取算法能够较好地抑制噪声,具有较强的鲁棒性。     

声场分解的均匀圆阵实值MUSIC算法

经典方位角估计算法中未考虑阵列安装支架对阵列接收信号的影响,实际中阵列安装支架必然会对阵列接收信号产生影响。以环绕在刚性球上的均匀圆阵为阵列模型。在对声场特性的分析中将声学原理和阵列信号处理技术相结合,探讨了存在刚性球形障碍物时的声源方位角估计问题。首先从声学理论出发,分析了刚性球体散射声场及声场分解,讨论了刚性球体对圆阵响应的影响;进而结合阵列信号处理技术,在对声场分解所得到的特征波束空间,利用实值MUSIC算法实现了声源方位角估计。计算机仿真表明,该算法能较好地估计出空间多个声源的方位角,且计算量小,估计精度高,具有解相关声源的能力。     

扩展性噪声源定位的空间谱估计仿真研究

波束形成是列车噪声源定位的常用方法,但在低频条件下分辨率较差,对扩展性声源的识别效果不佳.我们以扩展性声源为研究对象,理论推导了去自谱算法的扩展源模型.信噪比分别为-5dB和5dB时,通过比较分辨率和信源间隔的关系,对CBF、MVDR、MUSIC三种算法的稳健性进行定性分析,发现MVDR算法的分辨率受信噪比影响最小、稳健性较好.还系统地比较了MVDR算法和去自谱算法对单点声源、扩展性声源的定位效果,仿真表明,去自谱算法能有效抑制旁瓣效果(最大旁瓣级比MVDR算法低7.4dB),更适用于扩展性声源的定位.