基于弹性网正则化的广义逆波束形成

广义逆波束形成是一种高效的声源识别方法。然而受限于较低的算法稳健性,使得其难以实现高精度的声源识别定位。为提高广义逆波束形成声源识别性能,结合弹性网正则化方法和广义逆理论提出一种基于弹性网正则化的广义逆波束形成。首先从广义逆理论出发介绍了特征向量求解以及阈值截断滤波过程,并结合弹性网正则化思想全面阐述了基于弹性网正则化的广义逆波束形成基本理论;其次建立了数值仿真模型,以单极子和多声源识为研究对象,对比其他波束形成算法详细分析了声源类型与频率等因素对其声源成像性能的影响。最后以单极子、不相干以及相干声源为研究对象进行实验分析,结果表明由于基于弹性网正则化的广义逆波束形成的波束输出解具有较强的稀疏性和稳健性,使得其相比传统广义逆波束形成,能更精准地识别定位声源。     

基于函数广义逆波束形成的声源识别

广义逆波束形成是一种基于传声器阵列的高效声源识别技术。然而面对复杂声源,受限于较差的旁瓣抑制能力以及较低的动态显示范围,难以实现高精度的声源识别定位。为提高广义逆波束形成声源识别的动力学水平,结合函数波束形成,提出一种函数广义逆波束形成方法。从广义逆波束形成与矩阵函数分析出发,全面阐述函数广义逆波束形成基本理论,详细分析不同声源类型和测量误差等因素对其声源成像性能的影响,得到阶次数的最佳取值应用范围。通过数值仿真模型和试验算例进行声源成像仿真,结果表明,函数广义逆波束形成,在保证准确识别声源强度与声源方位的基础上,通过增加阶次数能成倍提高波束旁瓣抑制能力,从而保证其拥有更高的空间分辨率能更精准定位声源。     

反卷积DAMAS2波束形成声源识别研究

反卷积DAMAS2波束形成方法能有效消除旁瓣、提高分辨率和阵列的动力学水平。基于数值模拟的声源识别成像图及标准差曲线探究其结果随声源类型、信号频率、迭代次数的变化规律,结果表明:反卷积DAMAS2波束形成在识别单声源、不相干声源、相干声源时均可有效消除旁瓣、提高分辨率;频率越高,迭代次数越多,分辨率越好;声源识别准确度随迭代次数的增加呈"L"形变化,转折点对应迭代次数约为100;综合考虑计算准确度和效率,推荐100为优选迭代次数。上述结论对反卷积DAMAS2波束形成技术的运用具有指导意义。进一步,基于开发的声源识别软件进行的单扬声器、不相干双扬声器、相干双扬声器的声源识别试验验证了该方法的有效性及开发软件的正确性。     

快速迭代收缩阈值声源识别算法及其改进

近场声全息是一种主流的声学成像技术,在技术实践中可以有效实现声源定位。等效源法可用于修正声源不同数值模型的l_2范数正则化逆问题和l_1范数正则化逆问题。为了提高传统等效源法的分辨力,减少旁瓣"鬼影",提出了一种高阶波束形成改良快速迭代收缩阈值声源识别算法mIFISTESM-v,该方法是在改进的快速迭代收缩/阈值等效源法与高阶波束形成方法相结合的框架下发展得来。通过单声源定位和相干声源定位的分辨力分析的数值模拟以及实验验证了该方法的实用性,结果表明,所提出的方法能较好地达到声源识别及定位的效果,该方法所得主瓣区小于0.002。     

基于声压贡献的球面阵波束形成声源识别滤波求和算法

运用实心球传声器阵列波束形成技术识别声源时,滤波求和算法提高了传统声压球谐函数角度分解算法的旁瓣抑制性能,但其采用声源强度作为输出,无法直接反映声源对目标接收者的声学贡献,且输出结果是否准确依赖于聚焦距离是否等于源到阵列中心的真实距离。针对此问题,以最小化最大旁瓣为目标,以声压贡献输出的主瓣峰值无畸变为约束条件,构建二阶锥规划优化模型,采用CVX凸优化求解器进行求解获取滤波参数,最终建立以声压贡献为输出的球面阵波束形成声源识别滤波求和算法。仿真及试验结果均表明,该算法实现了声源对目标接收者的声压贡献量化,且量化准确度几乎不受聚焦距离的影响,同时具有优秀的旁瓣抑制性能和良好的空间分辨率。     

函数波束形成声源识别性能分析及应用

函数波束形成声源识别算法能够有效克服传统波束形成存在的"主瓣"宽、"旁瓣"高且多等缺陷。基于传统波束形成及矩阵特征值分解理论,给出函数波束形成算法的理论推导。基于自主开发的算法程序进行单声源、不相干双声源的模拟仿真,结果表明:函数波束形成在识别单声源、不相干声源时均能有效地衰减旁瓣,提高识别分辨率,且能清晰地识别弱源;当声源不在聚焦网格点时,函数波束形成主瓣峰值输出随指数的增大而降低,出现失真的情况;传声器及测量通道频响失配情况对函数波束形成的成像影响很小。由函数波束形成峰值输出误差随指数的变化曲线,建议指数一般取16。进一步,不相干四声源的算例试验验证了算法的有效性及程序的正确性。对某汽车前围板的隔声薄弱环节识别中,除空调进风口及暖风机进出水管安装孔隔声薄弱环节以外,亦准确定位转向柱安装孔附近这一隔声薄弱位置,识别结果更全面,为进一步改进其隔声性能指明了方向。     

基于遗传算法的动态优化波叠加噪声源识别方法

针对现有声全息以及波束形成等方法中重建声场的虚假声源问题,提出一种利用遗传算法搜索声源位置的波叠加噪声源识别方法。该方法通过传声器阵列测量声音信号,基于时间延迟算法进行声源面的声压预估;选取预估声压峰值点作为等效源的初始位置;根据初始识别结果确定声源位置搜索的三维空间范围,以重建传声器声压误差函数作为位置评价指标,利用遗传算法动态地优化等效声源的空间位置,并实现声场的波叠加重构。对该方法进行仿真试验,得到的识别结果中旁瓣引起的虚假声源强度下降到真实声源的10%以下。试验结果表明利用该技术重建声场时,与传统的全息和阵列技术相比,可以有效消除虚假声源以及旁瓣效应,与静态波叠加方法相比,可以取得准确的声源位置和重建声压值。     

基于反问题的正则化波束形成改进算法

基于反问题的正则化波束形成技术能以较高的计算效率得到稳健的声源识别结果。然而由于其正则化解中的正则化矩阵取决于低效的传统波束形成方法,使得基于反问题的正则化波束形成的声源识别结果精准度较低。为了在低信噪比环境下进一步提升其声源识别性能,基于Tikhonov正则化一般形式解提出一种双重迭代优化算法。该算法基于延时求和波束形成算法与互谱运算构造出新的正则化矩阵,并结合迭代方法对新正则化矩阵和波束输出进行优化,最终以较少的迭代步数经两次迭代运算有效提高了声源识别精度和稳定性。最后,通过数值仿真和实验算例,进一步验证了双重迭代优化算法的可行性和有效性。     

改进低秩矩阵逼近算法的非同步测量声源定位

非同步测量声源定位可以提高定位的频率范围和空间分辨率。然而，在低信噪比的环境下现有矩阵补全算法的非同步测量声源定位结果精度较差。提出改进低秩矩阵逼近矩阵补全算法：首先，对不完整的互谱矩阵进行矩阵补全；其次，应用参数化非凸惩罚函数的去噪方法对互谱矩阵进行去噪处理。最终通过常规波束形成算法实现非同步测量声源定位。将改进低秩矩阵逼近算法与核范数最小化补全算法、主成分分析算法在不同频率与低信噪比下进行非同步测量声源定位数值仿真与试验对比。仿真与试验结果表明：(1)不同低信噪比下，改进低秩矩阵逼近算法较核范数最小化补全算法、主成分分析算法的补全误差均要小。(2)相比于核范数最小化补全算法、主成分分析算法的声源定位结果，改进的低秩矩阵逼近算法可以有效缩小主瓣宽度、抑制旁瓣，提高声源定位的分辨率，能够适用于信噪比较低的复杂工业环境。     

广义旁瓣抵消器算法的轴承噪声信号增强研究

针对由于旋转机械故障噪声的复杂性,造成从传声器阵列所采集到的信息中很难提取到噪声源所包含的故障信息的问题,利用波束成形对实验设备进行噪声源识别与定位,根据故障点位置信息将广义旁瓣抵消器算法(GSC)中的阻塞矩阵构造为具有指向性功能,而后利用其算法重构出故障点声信号,从该信号中提取故障信息,进行故障诊断。为验证该信号处理方法的有效性,通过仿真和实验得出该方法可以有效减少传统波束形成算法产生的信号泄露,提高输出信号的信噪比。     

Generalized inverse beamforming with optimized regularization strategy

A promising recent development on acoustic source localization and source strength estimation is the generalized inverse beamforming, which is based on the microphone array cross-spectral matrix eigenstructure. This method presents several advantages over the conventional beamforming, including a higher accuracy on the source center localization and strength estimation even with distributed coherent sources. This paper aims to improve the strength estimation of the generalized inverse beamforming method with an automated regularization factor definition. Also in this work, a virtual target grid is introduced, and source mapping and strength estimation are obtained disregarding, as much as possible, the reflections influence. Two simple problems are used to compare the generalized inverse performance with fixed regularization factor to performance obtained using the optimized regularization strategy. Numerical and experimental data are used, and two other strength estimation methods are also evaluated for reference.     

基于稀疏贝叶斯学习的压缩球波束形成声源识别方法

基于实心球传声器阵列的压缩球波束形成具有声学成像全景、适宜中远距离测量而易于布置等优势,在汽车、飞机等噪声源识别领域具有广阔应用前景。新近提出的基于稀疏贝叶斯学习(Sparse Bayesian learning, SBL)的压缩球波束形成能够获得良好的低频声源识别性能,但由于其采用了第二类最大似然估计(Maximum type-Ⅱ likelihood estimation, MLE-Ⅱ)进而需要估计声源稀疏度,且抗噪声干扰能力和计算效率也有待提升,推广应用受限。为此,首先将压缩球波束形成数学模型求解问题转化为SBL框架下的源强分布最大后验(Maximum a posterior,MAP)估计问题,并采用期望最大化优化算法(Expectation maximization, EM)加以求解,提出无需稀疏度估计的MAP-EM压缩球波束形成方法;在此基础上,将多快拍复声压矩阵输入转换为多快拍平均的声压互谱矩阵输入,并基于互谱矩阵对角重构降噪建立了抗噪声干扰能力增强的EMAP-EM(Enhanced MAP-EM, EMAP-EM)压缩球波束形成方法。仿真和试验均表明,提出的MAP-EM和...     

基于统计最优的近场声全息理论与仿真实验

对统计最优平面近场声全息（SOPNAH）技术进行研究,提出了一种吉洪诺夫（Tikhonov）正则化方法并选择最优正则化参数λ。通过仿真实验验证了结合吉洪诺夫正则化方法的SOPNAH能够对噪声源进行准确定位及实现声场重建,并且重建的精度比传统的方法更高。     

球谐函数波束形成声源识别扩展方法

球阵列波束形成是一种有效的三维空间声源识别技术,已有的球谐函数波束形成方法虽然能够准确定位声源,但无法定量声源的声学贡献,且声源识别结果受聚焦距离影响显著。通常,各声源对阵列中心处的声压贡献是声源排序评价的有效依据,为准确计算该声压贡献,提出球谐函数波束形成扩展方法,探究聚焦距离对计算准确性的影响规律。针对已知声源的模拟仿真结果表明,该方法不仅能够准确定位声源,而且能够准确计算声源声压贡献,3 000 Hz以下频段的最大误差不超过0.5 dB,3 000～6 000 Hz频段的最大误差不超过1.5 dB,且准确性几乎不受聚焦距离的影响。扬声器声源试验证明了模拟计算的正确性及该方法在实际应用中的有效性。     

Consistent regularization of nonlinear model updating for damage identification

Even though many innovative methods have been proposed more recently, traditional sensitivity-based methods are still widely used for model updating and damage identification. Most publications, however, seem to lack rigorous mathematical treatment of some important details. A first observation is that few authors recognize the issue as an inverse problem that needs regularization. Without regularization, inherent measurement errors can lead to completely unrealistic results. Most authors who do use regularization apply it intuitively but inconsistently. In this paper, the two best-known regularization schemes—Tikhonov regularization and truncated singular value decomposition—are applied consistently to the nonlinear updating problem. Line search and stopping criteria known from numerical optimization are adapted to the regularized problem. The optimal regularization parameter is determined by generalized cross-validation. Numerical simulations are used to demonstrate the effects of some commonly encountered inconsistencies and to prove the superior behavior of the proposed algorithm. This algorithm is then successfully applied to a laboratory model with experimental data. Good agreement with actual crack patterns is observed.     

A non-convex regularization method combined with Landweber method for image reconstruction in electrical resistance tomography

Electrical resistance tomography (ERT) is a promising technique with which the conductivity distribution in the detected region can be visualized. Mathematically, the reconstruction of conductivity distribution is a seriously ill-posed inverse problem which poses a great challenge for the ERT sensing technique. The regularization method has been found to be an effective approach in coping with the inverse problem. In this work, a novel reconstruction strategy which combines the non-convex regularization method with Landweber method is proposed for the image reconstruction in ERT. At each iteration, the non-convex regularization is used to constrain the conductivity calculated with the Landweber method. A simple and efficient generalized iterated shrinkage algorithm is developed to solve the proposed method. To validate the performance of the proposed method, a series of numerical simulation is conducted and comparative analysis with other methods is performed. From the results, it can be observed that images with high quality are obtained when reconstructing with the proposed method. The impact of noise on the reconstruction is also investigated which shows that the images reconstructed by the proposed method are the least sensitive to the noise. The performance of the proposed method in the image reconstruction is also verified by experimental data. The results demonstrate that the inclusion is accurately reconstructed and the background is clear when the proposed method is adopted for the image reconstruction.     

宽带声源方位估计的多频稀疏贝叶斯学习改进算法

在对空气中未知的宽带声源的波达方向进行估计时,麦克风阵列的阵元间距很容易大于声信号半波长而出现栅瓣,严重影响估计效果。尽管多频带数据的使用在一定程度上可以抑制栅瓣产生,但目前的方法抑制效果比较一般而且计算效率不高。在稀疏贝叶斯学习基础上,提出了一种针对宽带声源方位估计的改进方法。这种方法将超先验引入到传统的多频稀疏贝叶斯估计模型中,然后同时利用声源信号在多个频带上具有的相同空间角度稀疏性并结合期望最大化算法重新推导了多频稀疏贝叶斯模型中各相关参数的迭代形式。与此同时,考虑到实际场景中的声源方位通常不位于稀疏网格上,离网格修复模型也被加入设计框架中,以解决该问题。为验证算法性能,开展了仿真实验和场地实验。结果表明,相比最近提出的基于l₁最小化的多频压缩感知方法和宽带的多频稀疏贝叶斯学习方法,提出方法能更好的利用宽带声源的多频特性以降低栅瓣的干扰,同时具有更高的估计精度和计算速度。在现场实验中,改进方法表现了优于其他先进方法的栅瓣抑制能力,声源方位估计误差可达0.09°,所需迭代收敛步数相比MF-SBL减少约50%。