基于稀疏贝叶斯学习的高分辨率Patch近场声全息

针对基于空间二维Fourier变换的近场声全息技术的重建效果受到测量孔径与测点数影响的问题,提出一种基于稀疏贝叶斯学习的高分辨率Patch近场声全息方法。利用高斯核函数和稀疏贝叶斯学习算法对全息面声压进行插值和外推,利用插值和外推后的全息面声压进行近场声全息重建。仿真和实验结果表明,所提方法可有效抑制小全息孔径测量对重建精度的影响,同时可以在测点较少的情况下极大提升全息重建的空间分辨率。另外,仿真结果还证明了插值过程具有较好的稳定性,可以在一定程度上提高测量数据的信噪比。