[发明专利]一种基于贝叶斯压缩感知的声源识别方法

说明书

本发明公开了一种基于贝叶斯压缩感知的声源识别方法，主要步骤为：1)搭建基于贝叶斯压缩感知的声源识别系统；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；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；4)获取声源和麦克风阵列传感器之间的传递矩阵A；5)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)建立待识别声源q的后验概率分布函数模型；7)对待识别声源q的超参数进行更新；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。本发明有效的克服了TRESM和WBH方法适用频率范围窄的缺点，拓宽了其声源识别的频率范围。

技术领域

本发明涉及及声源识别领域，具体是一种基于贝叶斯压缩感知的声源识别方法。

背景技术

声全息和波束形成技术是两种基于声阵列的噪声源识别方法，具有测量速度快、声学成像效率高且能进行运动声源测量等优点。可实现声场可视化，便于更加直观地进行声源识别定位。其中声全息技术是近年来快速发展的一种声源识别方法，基本原理是在被测声源物体表面的近距离测量面上记录声压数据，然后通过空间声场变换算法重构空间声场，它通过在非常靠近声源的测量面上测量声压，重建出声音在三维空间传播的声学量。声全息在振动、声学辐射和周边媒介中的声学能量流之间建立起直接的关联。由于其具有灵活的动态显示范围、分辨率高等优点，因此近年受到研究人员以及从业人员的广泛关注，其应用范围也从航空航海领域逐渐发展过渡到汽车领域，与此同时衍生出了各种不同的近场声全息算法，如统计最优近场声全息、等效源法近场声全息，不断地拓展着其应用范围和领域。

现有技术中存在两种典型的基于麦克风阵列的等效源法近场声全息方法，分别是基于Tikhonov正则化方法的近场声全息方法TRESM和宽带近场声全息WBH。其核心思想均是在靠近声源面较近的等效源平面构造一系列假想的等效源，由这些等效源来替代实际声源分布。通过声源识别理论，建立一个等效源面到麦克风阵列的声学传递方程，并通过针对逆问题的求解算法求解该传递方程，从而获得等效源强度，然后通过该等效源强度，基于声传播过程重构在等效源面与阵列面之间的声源分布。TRESM方法是基于l₂范数最小化求解方法，其高频精度较差。而WBH方法在等效源求解过程中，引入一个迭代滤波过程，使得等效源数量减少，增加其稀疏性，从而保证迭代过程的收敛效率与精准度。该算法由于引入梯度下降算法和滤波过程，能够提高传统等效源方法在中高频的分辨率。然而，该算法缺陷在于在低频范围重建性能不稳定，存在较大误差。

发明内容

本发明的目的是解决现有技术中存在的问题。

为实现本发明目的而采用的技术方案是这样的，一种基于贝叶斯压缩感知的声源识别方法，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。

进一步，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：

4.1)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。

4.2)将公式(1)表述成向量矩阵形式，即：