CN110031796B - 一种三维多快拍无网格压缩波束形成声源识别方法 - Google Patents
一种三维多快拍无网格压缩波束形成声源识别方法 Download PDFInfo
- Publication number
- CN110031796B CN110031796B CN201910151115.3A CN201910151115A CN110031796B CN 110031796 B CN110031796 B CN 110031796B CN 201910151115 A CN201910151115 A CN 201910151115A CN 110031796 B CN110031796 B CN 110031796B
- Authority
- CN
- China
- Prior art keywords
- matrix
- sound source
- triple
- toeplitz
- sound
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims abstract description 80
- 238000005259 measurement Methods 0.000 claims abstract description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000013139 quantization Methods 0.000 abstract description 6
- 238000004088 simulation Methods 0.000 description 6
- 239000011541 reaction mixture Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 208000001992 Autosomal Dominant Optic Atrophy Diseases 0.000 description 1
- 206010011906 Death Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/80—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using ultrasonic, sonic or infrasonic waves
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Circuit For Audible Band Transducer (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
Description
技术领域
本发明属于声场识别技术领域,具体涉及一种三维多快拍无网格压缩波束形成声源识别方法。
背景技术
压缩波束形成是实现声源波达方向(Direction-of-arrival,DOA)估计和强度量化的有效途径。传统压缩波束形成假设声源分布在一组预先设置的离散网格点上,每个网格点代表一个观测方向,施加稀疏约束体现为最小化声源分布向量的l1范数或声源分布矩阵的l2,1范数。上述假设不成立时,声源未落在网格点上,结果准确度降低,该问题称作基不匹配。
目前,基于线性传声器阵列测量的一维和基于平面传声器阵列测量的二维无网格压缩波束形成方法能解决该难题,但这些方法仅能实现三维空间的局部区域内声源的DOA估计和源强量化,无法实现三维空间内全方位的声源DOA估计和源强量化。
基于线性传声器阵列测量的一维无网格压缩波束形成依赖于一重Toeplitz矩阵的Vandermonde分解,基于平面传声器阵列测量的二维无网格压缩波束形成依赖于二重Toeplitz矩阵的Vandermonde分解,基于立体传声器阵列测量的三维无网格压缩波束形成则依赖于三重Toeplitz矩阵的Vandermonde分解。Toeplitz矩阵层级越多,其构建越复杂,其Vandermonde分解也越难实现,需要多次生成庞大复杂的排序矩阵来调整Toeplitz矩阵层级的顺序。因此,针对三维无网格压缩波束形成,不论在构建Toeplitz矩阵,还是在寻找原子范数最小化的等价半正定规划形式,以及在求解Toeplitz矩阵的Vandermonde分解来估计声源DOA方面,都是现有的一维和二维无网格压缩波束形成的处理手段无法实现的。
本发明为立体传声器阵列测量探索出一套完整的三维无网格压缩波束形成的技术手段,用于实现三维空间内声源的全方位DOA估计和源强量化。
发明内容
针对现有技术存在的问题,本发明所要解决的技术问题就是提供一种三维多快拍无网格压缩波束形成声源识别方法,它能实现三维空间内全方位的DOA估计和源强量化,且能克服基不匹配难题。
本发明的构思是:针对长方体传声器阵列测量,以多快拍数据模型为基础,基于原子范数最小化(Atomic Norm Minimization,ANM)重构源产生的信号,并引入矩阵束与配对(Matrix Pencil and Pairing,MaPP)方法来估计DOA,最终量化源强。
本发明所要解决的技术问题是通过这样的技术方案实现的,它包括步骤:
步骤1、获取测量声压矩阵P★
P★=P+N
步骤3、估计声源DOA;
步骤4、估计声源强度。
本发明的技术效果是:
实现了实现三维空间内声源的全方位DOA估计和源强量化。
附图说明
本发明的附图说明如下:
图1本发明传声器阵列测量布局;
图2本发明仿真成像图;
(a)为2000Hz;(b)为3000Hz;(c)为4000Hz。
具体实施方式
下面结合附图和实施例对本发明作进一步说明:
本发明包括以下步骤:
步骤1、获取测量声压矩阵P★
如图1所示,测量用传声器阵列的布局中,符号“●”表示传声器,均匀分布在长方体内,a=0,1,…,A-1、b=0,1,…,B-1、c=0,1,…,C-1分别为x、y、z维上的传声器索引,Δx、Δy、Δz分别为x、y、z维上的传声器间隔。i号声源的DOA用(θi,φi)表示,其中,θi为仰角,是从z轴正向到原点与i号声源连线的角度,落于[0°,180°]区间,φi为方位角,是从x轴正向到原点与i号声源连线在xy平面投影的角度,落于[0°,360°]区间。用声源在(0,0,0)号传声器处产生的信号作为源强,第l快拍下i号声源的强度记为si,l,各快拍下i号声源的强度组成的行向量记为L为快拍总数,为复数集。各快拍下声源在(a,b,c)号传声器处产生信号组成的行向量可表示为:
记声源在所有传声器处产生信号组成的矩阵为:
P★=P+N (3)
本发明要解决的问题即以P★和||N||F为输入来准确获得源的DOA和强度。
在仿真试验中,添加噪声为独立同分布高斯白噪声,信噪比(Signal-to-noiseRatio,SNR)定义为SNR=20log10(||P||F/||N||F),由此可确定||N||F=||P||F10-SNR/20,其中,“||·||F”表示Frobenius范数。
式(4)所表示信号模型的原子,即构成P的基本单元,为d(t1,t2,t3)ψ,无限势原子集合为:
P的原子范数定义为:
用P的原子范数度量源的稀疏性,P的重构问题可写为:
可转化为如下半正定规划:
式(9)中,每个块Tα1(0≤α1≤A-1)又是一个B×B维的块Toeplitz矩阵:
步骤3、估计声源DOA
式(8)获得的为半正定三重Toeplitz矩阵,其Vandermonde分解包含声源DOA信息,可基于矩阵束与配对(Matrix Pencil and Pairing,MaPP)方法寻找的Vandermonde分解,具体步骤如下:
步骤4、估计声源强度
仿真模拟试验
为验证建立本发明的准确性、探究本方法发明的可靠性,进行声源识别仿真模拟。
仿真设置如下:在特定位置假设具有特定强度辐射特定频率声波的点声源(具体假设六个声源,DOA依次为(45°,90°)、(45°,120°)、(90°,180°)、(120°,180°)、(135°,270°)和(155°,290°),各快拍下强度的均方根依次为100dB、98dB、96dB、94dB、92dB和90dB(参考2×10-5Pa))。
仿真具体流程为:
1、根据式(2)和式(3)计算各传声器接收声压信号(用A=B=C=7、Δx=Δy=Δz=0.035m的传声器阵列测量声信号,SNR取20dB,快拍总数设为10);
3、根据步骤3估计声源DOA;
4、根据步骤4估计声源强度。
如图2所示,声源频率为(a)2000Hz、(b)3000Hz和(c)4000Hz时的仿真结果图。每幅图中,“○”指示真实声源分布,“*”指示重构声源分布,并为便于对比,各图中均参考最大输出值进行dB缩放,显示动态范围均为0~-20dB,同时,每幅图的上方还列出了以标准声压大小2.0×10-5Pa为参考的最大输出值。
由图2看出:本发明的三维无网格压缩波束形成准确估计了每个源的DOA并准确量化了每个源的强度。
Claims (3)
1.一种三维多快拍无网格压缩波束形成声源识别方法,其特征是,包括以下步骤:
步骤1、获取测量声压矩阵P★
P★=P+N
建立重构P的数学模型
步骤3、估计声源DOA;
步骤4、估计声源强度。
2.根据权利要求1所述的三维多快拍无网格压缩波束形成声源识别方法,其特征是,在步骤3中,估计声源DOA的步骤为:
上标“T”表示转置;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910151115.3A CN110031796B (zh) | 2019-02-28 | 2019-02-28 | 一种三维多快拍无网格压缩波束形成声源识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910151115.3A CN110031796B (zh) | 2019-02-28 | 2019-02-28 | 一种三维多快拍无网格压缩波束形成声源识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110031796A CN110031796A (zh) | 2019-07-19 |
CN110031796B true CN110031796B (zh) | 2022-11-15 |
Family
ID=67235704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910151115.3A Active CN110031796B (zh) | 2019-02-28 | 2019-02-28 | 一种三维多快拍无网格压缩波束形成声源识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110031796B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110954860B (zh) * | 2019-12-18 | 2021-06-29 | 金陵科技学院 | 一种doa和极化参数估计方法 |
CN112710990B (zh) * | 2020-12-10 | 2023-07-11 | 重庆大学 | 适用于任意平面阵列形式的二维无网格压缩波束形成方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005300408A (ja) * | 2004-04-14 | 2005-10-27 | Yokogawa Electric Corp | 波形表示装置 |
CN101487888A (zh) * | 2009-02-23 | 2009-07-22 | 重庆大学 | 一种空间谱谱峰搜索方法 |
CN106168942A (zh) * | 2016-07-12 | 2016-11-30 | 河海大学 | 一种基于奇异边界法的波动类型动态数据重构方法 |
CN106483503A (zh) * | 2016-10-08 | 2017-03-08 | 重庆大学 | 实心球阵列三维声源识别的快速反卷积方法 |
CN107422295A (zh) * | 2017-08-30 | 2017-12-01 | 浙江大学 | 基于互质阵列虚拟域等价信号原子范数表示的波达方向估计方法 |
CN107817465A (zh) * | 2017-10-12 | 2018-03-20 | 中国人民解放军陆军工程大学 | 超高斯噪声背景下的基于无网格压缩感知的doa估计方法 |
CN108051076A (zh) * | 2017-11-28 | 2018-05-18 | 南昌工程学院 | 一种封闭空间面板声学贡献度识别方法 |
CN108445462A (zh) * | 2018-02-05 | 2018-08-24 | 江苏大学 | 一种基于稀疏贝叶斯学习的双基地mimo雷达的dod和doa估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011133837A2 (en) * | 2010-04-23 | 2011-10-27 | Vanderbilt University | System and method for estimating projectile trajectory and source location |
-
2019
- 2019-02-28 CN CN201910151115.3A patent/CN110031796B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005300408A (ja) * | 2004-04-14 | 2005-10-27 | Yokogawa Electric Corp | 波形表示装置 |
CN101487888A (zh) * | 2009-02-23 | 2009-07-22 | 重庆大学 | 一种空间谱谱峰搜索方法 |
CN106168942A (zh) * | 2016-07-12 | 2016-11-30 | 河海大学 | 一种基于奇异边界法的波动类型动态数据重构方法 |
CN106483503A (zh) * | 2016-10-08 | 2017-03-08 | 重庆大学 | 实心球阵列三维声源识别的快速反卷积方法 |
CN107422295A (zh) * | 2017-08-30 | 2017-12-01 | 浙江大学 | 基于互质阵列虚拟域等价信号原子范数表示的波达方向估计方法 |
CN107817465A (zh) * | 2017-10-12 | 2018-03-20 | 中国人民解放军陆军工程大学 | 超高斯噪声背景下的基于无网格压缩感知的doa估计方法 |
CN108051076A (zh) * | 2017-11-28 | 2018-05-18 | 南昌工程学院 | 一种封闭空间面板声学贡献度识别方法 |
CN108445462A (zh) * | 2018-02-05 | 2018-08-24 | 江苏大学 | 一种基于稀疏贝叶斯学习的双基地mimo雷达的dod和doa估计方法 |
Non-Patent Citations (6)
Title |
---|
" 基于声阵列的广义逆声源识别方法研究";黎术;《中国博士论文全文数据库》;20181215;全文 * |
"IVDST: A Fast Algorithm for Atomic Norm Minimization in Line Spectral Estimation";Yue Wang 等;《IEEE Signal Processing Letters》;20181231;1715-1719 * |
"Off-grid sound source localization based on Compressive Sensing";Yawen Yang 等;《2014 12th International Conference on Signal Processing (ICSP)》;20141231;341-345 * |
"Sparsity-Based Off-Grid DOA Estimation With Uniform Rectangular Arrays";Fang-Fang Shen 等;《IEEE Sensors Journal》;20181231;3384-3390 * |
"压缩波束形成声源识别的改进研究";张晋源 等;《振动与冲击》;20190115;全文 * |
"基于压缩感知理论的DOA估计方法研究";何大千;《中国优秀硕士论文全文数据库》;20180615;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110031796A (zh) | 2019-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106443587B (zh) | 一种高分辨率的快速反卷积声源成像算法 | |
CN110045321B (zh) | 基于稀疏和低秩恢复的稳健doa估计方法 | |
CN107817465A (zh) | 超高斯噪声背景下的基于无网格压缩感知的doa估计方法 | |
CN109870669B (zh) | 一种二维多快拍无网格压缩波束形成声源识别方法 | |
CN108020812B (zh) | 基于特殊三平行线阵结构的二维doa估计方法 | |
CN110031796B (zh) | 一种三维多快拍无网格压缩波束形成声源识别方法 | |
CN108181557B (zh) | 一种确定特高频局部放电信号方位的方法 | |
CN107576931B (zh) | 一种基于协方差低维度迭代稀疏重构的相关/相干信号波达方向估计方法 | |
CN112731278B (zh) | 一种部分极化信号的角度与极化参数欠定联合估计方法 | |
CN111812581B (zh) | 基于原子范数的球面阵列声源波达方向估计方法 | |
CN109696657B (zh) | 一种基于矢量水听器的相干声源定位方法 | |
CN106872934B (zh) | L型电磁矢量传感器阵列解相干esprit参数估计方法 | |
CN109343003B (zh) | 一种快速迭代收缩波束形成声源识别方法 | |
Chen et al. | Adaptive beamforming using the constrained Kalman filter | |
CN110837076A (zh) | 一种基于张量分解的矢量水听器阵列方位估计方法 | |
Mao et al. | An Improved DOA Estimation Algorithm Based on Wavelet Operator. | |
CN106908754B (zh) | L型声矢量传感器阵列esprit解相干参数估计方法 | |
CN105372623B (zh) | 一种基于l型阵列的信源仰角和方位角估计方法 | |
CN109270483B (zh) | 三维阵虚拟扩展相干源二维波达方向估计方法 | |
CN109932682B (zh) | 二维多快拍无网格压缩波束形成声源识别方法 | |
CN112763972A (zh) | 基于稀疏表示的双平行线阵二维doa估计方法及计算设备 | |
CN112327292A (zh) | 一种二维稀疏阵列doa估计方法 | |
CN110208736B (zh) | 基于四阶累量的非圆信号均匀阵列波达方向角估计方法 | |
CN116299150B (zh) | 一种均匀面阵中降维传播算子的二维doa估计方法 | |
CN113381793B (zh) | 一种面向相干信源估计的无网格波达方向估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |