[发明专利]一种基于贝叶斯压缩感知的声源识别方法

权利要求书

1.一种基于贝叶斯压缩感知的声源识别方法，其特征在于，包括以下步骤：

1)搭建基于贝叶斯压缩感知的声源识别系统，包括所述麦克风阵列传感器、多通道的数据采集器和数据处理器；所述麦克风阵列传感器包括分布在声源检测空间内的M个麦克风；

2)每个麦克风分别监测N个等效声源的时域模拟声压信号，并同时发送至多通道的数据采集器；所述N个等效声源分布于声源周围；

3)所述多通道的数据采集器将接收到的时域模拟声压信号转换为数字声压信号p，并发送至数据处理器；

4)所述数据处理器建立声源识别模型，获取声源和麦克风阵列传感器之间的传递矩阵A。

5)所述数据处理器利用贝叶斯算法建立数字声压信号p和待识别声源q的先验概率分布函数模型；

6)基于数字声压信号p和待识别声源q的先验概率分布函数模型，所述数据处理器利用贝叶斯方算法建立待识别声源q的后验概率分布函数模型；

7)基于待识别声源q的后验概率分布函数模型，所述数据处理器对待识别声源q的超参数进行更新；所述超参数包括高斯方差s_i、高斯方差s₀、先验参数λ、等效源分布均值μ、等效源分布方差Σ、超参数g_i和超参数f_i；

8)所述数据处理器利用参数更新公式对待识别声源q的超参数进行迭代计算，得到待识别声源q的识别结果。

2.根据权利要求1或2所述的一种基于贝叶斯压缩感知的声源识别方法，其特征在于，建立声源和麦克风阵列传感器之间的传递矩阵A的主要步骤如下：

1)确定第m个麦克风测量到的声压信号p(m)如下所示：

式中，m＝1,2,…,M；为自由场格林函数；k为波数,为等效源到测量面的距离；q_n为虚拟等效源声源强度；n为任意虚拟等效源；N为虚拟等效源数量；

2)将公式(1)表述成向量矩阵形式，即：

p＝Aq； (2)

式中，A为M×N维声场传递矩阵；p为M维声压向量，其元素为对应传感器的声压信号；q为N维声源强度列向量，其元素成分代表等效声源中对应点处的强度。

3.根据权利要求1所述的一种基于贝叶斯压缩感知的声源识别方法，其特征在于，声压向量p的先验概率分布函数模型如下所示：

式中，为概率分布函数；为高斯分布函数；s₀是概率分布函数的高斯方差；Γ是伽马分布函数；α、β为声压向量p的先验概率分布的先验参数值。

4.根据权利要求1所述的一种基于贝叶斯压缩感知的声源识别方法，其特征在于，待识别声源q的先验概率分布函数模型如下所示：

式中，表达概率分布函数；为高斯分布函数；s_i是概率分布函数的高斯方差；λ、θ为待识别声源q的先验概率分布的先验参数值；i为任意高斯分布；N为高斯分布数量。

5.根据权利要求1所述的一种基于贝叶斯压缩感知的声源识别方法，其特征在于，待识别声源q的后验概率分布函数模型如下所示：

其中，概率分布函数如下所示：

式中，μ为等效源分布均值；Σ为等效源分布方差；

等效源分布均值μ和等效源分布方差Σ分别如下所示：

式中，S为高斯方差矩阵。