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。     

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。     

似P范数特征值分解高分辨率声源定位识别方法研究

提出一种基于似P范数特征分解的高分辨率声源定位识别方法,该方法在子空间类算法原理基础上,利用特征分解得到子空间响应函数向量,通过预设声源类型建立各子空间声源向量重构模型,进而利用似P范数稀疏性约束条件求解最优解,获取高分辨率声源定位识别效果。理论及仿真研究表明,与其它常规算法相比,该方法不仅能真实反映声源位置信息,而且能反映不同声源能量分布的绝对大小,对多种类型声源具有高精度,高分辨率定位识别效果,适用性强。通过对影响定位性能参数的仿真分析,给出了合理的选取范围。水池试验进一步验证了该方法具有良好的工程应用前景。     

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。     

基于移动麦克风阵列的稳态声源识别

基于波束形成的麦克风阵列声源识别技术存在识别低频声源分辨率低、识别高频声源易产生空间混叠的问题,影响了声源识别的准确性。对于稳态声源,本文提出两种麦克风阵列移动方法,即改变麦克风阵列中心位置、调整测量距离来提高低频声源识别分辨率,和采用旋转麦克风阵列进行多次测量的方法来抑制高频声源识别中的空间混叠,从而达到使用较少麦克风提高声源识别性能的目的,并通过仿真和实验验证了此方法的有效性。     

压缩感知波束形成算法性能分析

波束形成声源识别技术具有测量速度快、计算效率高等优点,被广泛应用。因为其"主瓣"过宽造成空间定位精度低,"旁瓣"既高又多导致出现许多"鬼影"声源,从而限制其得到进一步应用。为解决以上问题,利用压缩感知理论中贪婪算法对信号的重建方法,改进常规波束形成算法,提出一种压缩感知波束形成方法。对单极子声源和相干声源进行声源识别数值模拟仿真,结果表明:与函数波束形成方法相比,压缩感知波束形成方法在识别单极子声源和相干声源时,定位精度更高,更能使旁瓣得到有效衰减,分辨率提升更大,并能够大幅缩短识别时间,具有一定的研究意义。     

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。     

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。     

兼容近场声全息和声学聚焦境的组合阵列技术简介

目前，有两种典型的基于阵列的噪声源识别技术，近场声全息技术（NAH）和声学聚焦境技术（Beamforming）。图1给出了分别利用Beamforming和NAH技术得到的声源平面内空间分辨率的粗略对比。其中，空间分辨率是指在声源映射平面内能够被有效分离的两个不相关等强度单极子源之间的最小距离。     

声源识别的柱面声全息方法与数值实现研究

主要介绍了基于空间声场变换(STFT)的柱面声全息技术，及其在识别和定位柱状或类柱状声源方面的应用。柱状或类柱状声源如压缩机、电动机等都是工程中比较常见的噪声源，对该类声源的识别和控制具有重要的实际意义。给出了柱面全息重建的实现算法，并分析了重建误差同声压测量误差之间的关系。对不同类型声场的仿真模拟结果表明：给出的柱面声全息实现算法是有效的，可以正确地重建声场和识别噪声源。     

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.     

CLEAN-SC波束形成声源识别改进

CLEAN-SC波束形成声源识别方法计算速度快、成像干净清晰、结果准确度高,但当传统延迟求和算法在各声源处输出的主瓣严重融合时,亦无法准确分辨声源。造成该缺陷的原因为:主瓣严重融合时,CLEAN-SC所基于的延迟求和输出峰值所在聚焦点即为声源点的假设不成立。从源相干性角度,若某聚焦点处的延迟求和输出主要由某声源贡献时,该聚焦点可标示该声源,即基于该聚焦点的位置及强度信息可重构该声源在各传声器处产生声压的互谱矩阵。鉴于此,以CLEAN-SC识别的声源为初值迭代寻找正确的声源位置及强度,每次迭代中,最小化其余声源与某一声源的波束形成贡献的比值为每个声源选择标示点,根据标示点更新声源。仿真及试验均证明:所给方法比传统CLEAN-SC具有更高分辨率,使近距离低频率声源的准确识别变得可行。     

波束形成声源识别技术研究进展

波束形成作为一种空间声场可视化技术在声源识别领域得到广泛的研究和应用。概述了传声器阵列测量和波束形成后处理算法的发展历程,分析了其特点,总结了其发展方向,主要包括：声源识别性能更优的传声器阵列开发和算法改进、声源识别的适应性提高、波束形成结果不确定度的研究、基于声品质的声源成像及可视化研究等。对波束形成声源识别技术的认识及进一步的研究提供参考。     

气体泄漏声源的时域压缩波达方向估计研究

针对现有压缩感知算法中对模拟信号压缩采样的不足以及传统测量矩阵存储量和计算量大等问题,提出一种基于模拟信号时域压缩的波达方向(DOA, Direction Of Arrival)估计算法,并应用于气体泄漏声源方位估计研究。首先建立气体泄漏声源DOA估计模型,然后设计一种直接非均匀随机欠采样方案,并构造相对应的形式简单的等效测量矩阵,实现对模拟声源信号的直接压缩采样,避免了传统测量矩阵数据量大及计算复杂度高等问题,最后采用子空间追踪算法进行重构,实现了较快的计算速度和较高的重构精度。理论分析和实验表明,该算法能成功实现气体泄漏声源的DOA估计,且在显著降低信号采样率和计算复杂度的同时,实现了较高的估计精度和分辨率,估计性能更佳。     

基于DAMAS2修正算法的旋转声源定位识别方法

针对常规束形成声源识别技术分辨率低、未考虑声源旋转运动造成的识别误差等问题,推导得到DAMAS2修正算法。该方法在原本的静止框架中加入转速,得到修正的指向矢量与波束形成修正结果,随后结合波束形成修正结果建立阵列点传播函数与真实声源位置之间的卷积关系,最终通过迭代求解获得真实声源位置。首先通过数值模拟构建两个频率及幅值均一致的对称点声源,对比分析常规波束形成算法与DAMAS2修正算法的识别效果,然后结合激光测速原理及波束形成测试理论进行旋转声源实验研究。结果表明:DAMAS2修正算法主瓣宽度小、虚假声源少,不仅可以识别出旋转声源的径向位置,而且能得到运动声源某一时刻的周向位置,能够更精确地定位识别旋转声源。     

兼容近场声全息和声学聚焦境的组合阵列技术简介

目前,有两种典型的基于阵列的噪声源识别技术,近场声全息技术(NAH)和声学聚焦境技术(Beamform-ing)。图1给出了分别利用Beamforming和NAH技术得到的声源平面内空间分辨率的粗略对比。其中,空间分辨率是指在声源映射平面内能够被有效分离的两个不相关等强度单极子源之间的最小距     

基于非负最小二乘反卷积波束形成的发动机噪声源识别

为提高波束形成方法识别发动机噪声源的位置精度,开发了FFT-NNLS反卷积波束形成声源识别软件。对已知单声源、不相干双声源、相干双声源等多种模拟声源的识别结果表明：该方法能够有效消除旁瓣,显著提高空间分辨率,随迭代次数的增加更快收敛,更准确地识别声源。某发动机全负荷额定转速工况下的噪声源识别试验结果表明：气缸盖罩、缸体、排气旁通阀、发电机是其主要噪声源。为改善其声学性能指明了方向,验证了FFT-NNLS反卷积波束形成在发动机噪声源识别中的有效性和所开发软件的正确性。     

主动时间反转聚焦技术

时间反转（时反）是声互易性原理的应用之一，它可以使能量在空间和时间上得到聚焦，通过这种聚焦可得到声源位置并实现声源信号的重构。将此技术应用到主动探测中，特别是对于海底小目标的检测与识别中，将目标看作是二次辐射声源，利用时反技术使能量在目标处聚焦，由此检测到目标。     

自由场波叠加噪声源识别的仿真研究

提出了一种基于波叠加的噪声源识别方法，并通过仿真验证了在自由场条件下该方法的正确性。根据波叠加的原理，声源产生的空间声场可以用其内部的一系列虚源点来等效代替，而虚源源强可以通过匹配场点的声压来求得，进而由这些虚源重构任意场点的各种声学量。由于噪声源识别问题对测量误差非常敏感，采用了Tikhonov方法进行正则化滤波。通过两个典型的仿真算例，研究了其定位精度与分辨率精度，取得了良好的效果，表明该方法可以在自由场条件下对任意形状物体进行噪声源识别。     

基于lp范数的ECT图像重建算法研究

针对在ECT图像重建过程中,基于lp-范数的非凸压缩感知算法常存在计算量较大以及现有的近端映射算法受一些特定的p值限制而导致成像分辨率较低的问题,利用改进的插值函数替换lp-范数xpp,通过调整参数使得改进的函数无限逼近lp-范数xpp,同时引入阈值表示理论,并在此基础上提出新的自适应阈值迭代算法对新模型进行求解。实验结果表明,改进后的自适应lp-范数重构算法相对于Landwebr算法、迭代重加权最小二乘法具有更强的适应性,更高的图像分辨率,更快的成像速度。