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。     

基于快速迭代柯西阈值的声场重建方法研究

在声源识别领域，稳定且准确识别目标声源是一项极具挑战性的任务，尤其在中、低频范围内，因此论文提出快速迭代柯西阈值算法在中、低频段实现鲁棒性较强的声源识别和定位。通过蒙特卡罗分析，与3种经典罚函数方法Tikhonov正则化方法、宽带声全息算法和内点法求解方法相比，所提出的方法在中、低频段获得了稳定的声压重建结果，平均重建误差在5%以下，对声源识别逆问题具有良好的距离适应性和信噪比适应性。