[发明专利]适用于识别相干和非相干声源的反卷积声源成像方法

权利要求书

1.一种适用于识别相干和非相干声源的反卷积声源成像方法，其特征是按如下步骤进行：

步骤a、在K个声源辐射形成的声场中呈阵列布置M个传感器，形成测量面W，采集获得各传感器检测得到的测量声压p；

步骤b、运用主成分分析方法对所述测量声压p进行去噪处理，获得去噪声压

步骤c、将声源计算平面离散成网格面，所述网格面为聚焦面T，在所述聚焦面T中包含有N个网格点，每个网格点为聚焦点，利用延时求和算法由式(1)计算获得各聚焦点处波束形成的输出量y(r_n)，n＝1,2,3…N，r_n表示第n个聚焦点的坐标向量：

其中，v(r_n)＝[v₁(r_n) v₂(r_n)…v_M(r_n)]为导向矢量，v(r_n)^H为导向矢量v(r_n)的共轭转置，

j为虚数单位，k为声波波数，k＝2πf/c，π为圆周率，f为声源频率，c为声速，r_m表示第m个传感器的坐标向量；

步骤d、由式(2)计算获得聚焦面T上所有聚焦点的声源源强与延时求和波束形成的输出量y(r_n)之间的传递函数组成的N维行向量w(r_n)：

式(2)中，w(r_n)＝[w(r_n/r₁)w(r_n/r₂)…w(r_n/r_N)]，w(r_n/r_n′)为延时求和波束形成的点扩展函数，n,n′＝1,2,3…N，N为聚焦网格点数，G为声压Green函数矩阵：

|r_n-r_m|表示第n个聚焦点到第m个传声器之间的距离；

因w(r_n)为N维行向量，聚焦面上共有N个聚焦点，则由N个N维行向量w(r_n)构成的N×N的矩阵W表达如式(3)，定义矩阵W为新型点扩展函数矩阵：

步骤e、建立如式(4)所示的矩阵方程：y＝Wq (4)

式(4)中，y为所有聚焦点处波束形成的输出量组成的N维已知列向量，q为N维的声源源强分布列向量；针对式(4)按如下反卷积过程求解获得N维的声源源强分布列向量q；

采用迭代收缩阈值算法，根据式(4)建立如式(5)所表达的目标方程：

式(5)中，||·||₂表示L2范数，||·||₁表示L1范数；λ为正则化参数；

依据求解获得的N维的声源源强分布列向量q的模进行声源的识别与定位。

2.根据权利要求1所述的适用于识别相干和非相干声源的反卷积声源成像方法，其特征是：所述步骤b中，对于测量声压p是按如下方式进行去噪处理获得去噪声压

步骤2.1、对所述测量声压p进行互谱获得互谱矩阵U：U＝pp^H，p^H为p的共轭转置；

步骤2.2、针对所述互谱矩阵U按式(6)进行特征值分解：

U＝SDS^H (6)

S为特征向量组成的矩阵，S^H为S的共轭转置，D是由特征值组成的对角矩阵：

其中，d₁,d₂…d_N为互谱矩阵U的特征值，且d₁≥d₂≥…≥d_N；

步骤2.3、根据主成分分析原理，D中大特征值对应的是声压中的主要成分，小特征值所对应的是声压中的噪声；依此，选择所有N个特征值中前L个较大的特征值，LN；利用L个特征值以及L个特征值相对应的特征向量构造去噪声压如式(7)：

式(7)中，d为由所选择的L个特征值组成的列向量，S′为所选择的L个特征值所对应的特征向量组成的矩阵。